諸葛原創| 數據驅動的Growth Hacking實戰上篇

blank

諸葛原創| 數據驅動的Growth Hacking實戰上篇

近兩年,精益創業、Growth Hacking這些概念和方法論在國內越來越普及,而大多數人卻只停留在從流量的角度去理解Growth Hacking,比如利用一些傳播手段來獲取大量的新增用戶,這確實很好,但Growth Hacking遠遠不止這些。就像我們只看到了Facebook的病毒式傳播,卻沒有看到他們為用戶的激活和長期留存所做的大量努力,而後者也是Growth Hacking的一部分,而且是更為重要的一部分。

所以,我們應該站在用戶整個生命週期的角度去理解Growth Hacking,只有大量的新增,卻沒有有效的核心行為轉化和良好的留存,就無法實現真正的增長。

如果有機會深入觀察用戶的行為,你會發現只有少量的訪客了最終成為了產品的忠實用戶, 更多的只是過客。 – 《精益數據分析》

要實踐真正的Growth Hacking,必須以有效的數據作為支撐,以數據驅動的方式去對產品的各個部分進行實驗、調優,以達到真正的用戶增長。所幸,McClure早在2007年就提出一個有效的數據模型,它在這些年徹底改變了眾多企業看待數據的方式,並幫助大量的產品實現了用戶增長。

它就是AARRR 模型(也稱海盜指標):

blank

AARRR模型引領人們從虛榮指標(有多少人看過我的頁面、我的累計用戶達到了多少)到思考整個用戶的生命週期,提供了一個最有效的分解用戶生命週期的方式,並告訴我們各個部分如何改善。

一旦你深入到了用戶生命週期各個部分的細節中去,你就能像一個黑客一樣去設定你的增長策略,以達到真正的Growth。

說到AARRR 模型,其實也存在大量錯誤的理解,在模型的每一部分,都有一些被經常使用的「虛榮指標」,這些虛榮指標掩飾了你產品中緊迫的問題,提供了一些誇張的、沒有意義的數據,這通常會將你帶入歧途,而很多人卻天真的以為這就是所謂的數據驅動。好在,在這些「虛榮指標」之外,同時也存在一些「可行動指標」,而這些指標可以向你展示現在有什麼問題以及為什麼,並告訴你可以做些什麼以改進你的產品。

使用「可行動指標」的時候,需要外科手術般的精度,而「虛榮指標」用起來就簡單了,它們是為懶漢準備的。你選擇使用哪一種,決定了你將成為一個高手還是一個弱雞。

OK,就讓我們逐個部分的來搞清楚究竟是什麼是虛榮指標,什麼是可行動指標,以及如何通過可行動指標來幫助你踐行Growth Hacking吧。

1.獲取- 對比不同渠道的價值

比如你已經推出了你的app並準備作一些推廣,然後你花錢在兩個不同的渠道上做了推廣活動,你還去研究如何提高在AppStore的排名,還找人撰寫軟文發到媒體上為你的應用引流,你所做的這一切是為了什麼?

下載量。當然,越多的人下載你的應用,下載量就會變得越好。可問題是,「下載量」是最靠不住的虛榮指標指標之一,下載應用是一個超級低成本的事情。一味的推廣並不能支撐你的成功,不像刪除一個應用那麼簡單。

當你看獲取指標的時候,你需要關注哪個渠道給你提供了最好的投資回報。如果你只關注下載量,你可能看到類似於下面的一張圖,它貌似說明了你推廣的成功:

blank

但在這張圖中,無論如何你都無法得知:下載你應用的那些用戶到底有沒有去使用你產品。

有一些人會去對比不同渠道的下載量,覺得這就是可執行指標。但這同樣沒有用,即使你發現一個渠道得到了2倍於另一個渠道的下載量,你還是無法知道那些額外的用戶實際是怎麼使用你的產品的。

若要改進你的獲取指標,除了對比渠道,你還要關注那些真正使用了你產品的用戶。

可執行指標:不同渠道從下載到註冊的轉化率

如果你從用戶打開你的產品到完成註冊都進行了跟踪,那麼可以把這些跟踪結果按渠道拆分,你就會精確的知道你的推廣怎麼樣。任何人都可以下載一個應用,但只有一部分用戶是真正感興趣,並進行了註冊,這些用戶才你是想密切關注的。

要這樣做,只需設置一個從啟動應用到註冊的兩步漏斗,然後對比不同渠道的轉化率:

blank

你可以看出一個問題,從A 渠道來的75%的用戶和從B 渠道來的63%的用戶只是下載了你的應用,但並沒有註冊。

這包含一個壞消息,也包含一個好消息。

如果你只是跟踪了下載或者打開應用,你可能會看到僅一個月的A 渠道推廣,就得到了超過90,000的用戶。這是一個非常大的數字,但事實上它會引起人的誤解。所以壞消息是:絕大多數用戶連試都沒試你的應用,75%的投入打水漂了。

而好消息是:在B 渠道,有一個值得關注的更好的結果:這個渠道有更多的用戶完成了從下載到註冊的轉化。

現在你有工作要做了(所謂可執行指標,就是能告訴你可以做點什麼):

  • 快速頻繁迭代你的啟動頁與註冊流程以提升整體註冊轉化率。這沒有固定的成功公式,就像一句話說的:「做大量的測試和A/B 測試,做大量的猜測并快速的迭代」。
  • 持續不斷的檢查你的轉化率,當你發現迭代優化的收益變小的時候,就先暫停一下。
  • 加倍投入那些低成本、高轉化率的渠道。

這並不意味著你要完全放棄那些低質量的渠道,因為廣告也有收益遞減:你花費20,000也可能得不到與之前花費5,000相同的結果。但只要保持對轉化率的關注,你就可以把產品推進到正確的方向上,不用過多的擔心。

把盡可能多的用戶帶到你真正的產品裡面,這就是在AARRR模塊中的獲取部分你要做的所有努力。沒錯,登錄和註冊的提升並不能完全表示你的產品會變得更好,但是它們仍然是一個非常重要的市場指標。正確的使用,它們可以讓你引領盡可能多的用戶進入激活階段。

2. 激活-為了更快的Aha!Moment而改進你的漏斗

下面的話你可能經常聽到:

「我們服務過數百萬的客戶」
「我們的用戶之間發送了數億條消息」
「我們處理了1億張照片」

這樣的指標,都是累計的價值,它確實能在某種程度上反映產品現在的規模,也可能會讓人們相信你產品的能力。但對你自己來說,這些數字稍微看看就是了,它對你理解真正的問題毫無用處。

那些在你的產品上花的時間比平均用戶多的多的小部分用戶,會把你的累計或整體數據拉得相當高,「處理了1億張照片」,是的,但那些大量的、壓根就沒有上傳過照片的用戶呢?換言之,那些大量的、根本就沒有激活的用戶呢?

我們來明確一下,打開應用不是激活,註冊也不是激活,這些都只能代表用戶在嘗試你的產品,而只有當用戶在發現並認可了產品的價值,並決定繼續使用的時候,才代表這個用戶激活了(Aha! 這玩意兒不錯,正是我想要的)。

所以真正重要的是,那些大量未激活用戶的問題是什麼?換言之他們的問題才是你的機會,如果你自己也只是關注那些巨大的虛榮數字的時候,你不會接近這些問題和機會。

你需要明白是:

  • 有多少用戶沒有正確的激活
  • 用戶在哪些地方迷路了
  • 哪些流程是你需要去改善的

可執行指標:轉化漏斗和拆分測試

從註冊到激活的過程像是一次冒險,用戶會在其中流失掉,而且他們可能永遠不會再回來了。解決激活問題的最好的方式是創建一個包含這個過程中每一個步驟的漏斗,跟踪每一步轉化率,然後當你看到用戶在哪個地方流失的時候進一步的深入進去。

我們假設你創建了一個社區應用,裡面有不同的興趣小組,在小組中可以對相關的主題進行交流。你發現,一旦用戶開始參與交流,他們就基本認可了產品的價值,趨向於留下來。但是,你也發現有一些人明顯沒有觸達這個點(參與交流),而且他們流失掉了。

要理解為什麼用戶沒有激活以及如何修復這個問題,只需創建一個漏斗,把漏斗的轉化時間調至一天(特別是移動應用,你最好能讓你的用戶盡可能快的激活,是以小時以天計,而不是幾週幾月)。

在這個漏斗中,你將跟踪用戶從註冊之後,是如何一步步到達「評論話題」(參與交流)的:

blank

在漏斗中,兩個現像已經很明顯了:

  • 80%的用戶沒有加入任何一個小組
  • 絕大多數加入小組的用戶,都會評論話題,他們激活了

一旦用戶加入了一個小組,大多數情況下就會發表至少一個評論並有一個不錯的長期留存,問題是有相當多的用戶根本就沒有加入小組。在你看到這個漏斗之前你很難發現這個問題,當你開心看著評論話題的總量時,你沒有看到那80%的用戶根本都沒有到達這個點。

好的一面是,這也向你提供了一個巨大的機會,80%的用戶在從註冊到加入一個小組的過程中流失掉了,你有一個巨大的空間去提高這個數字。而且從你知道加入一個小組關係到用戶的留存和滿意度後,你就有了一個基本清晰的、數據驅動的途徑去把你的產品真正的做的更好。顯然這種方式比虛榮指標更有價值,而且可能會讓你感覺更好。

要解決這個問題,為你從註冊到加入小組的流程和體驗多構建幾個新的版本,然後分離測試它們以觀察它們是如何工作的。不要擔心把事件變得更複雜,如果它可以幫助新用戶觸達你的產品核心價值。 Twitter這樣做過,他們發現促使用戶完成他們的Profile並且根據賬號提供個性化的內容,能引導用戶觸達Aha!moment。

拆分測試你不同的想法,不斷的做,直到你擁有一個堅如磐石的引導流程,能讓用戶以閃電般的速度觸達Aha!moment。

不久,你的情況就會變得越來越好,你會開始感到興奮,一切都是讓人驚喜的,直到你想起來一個詞:流失。

3. 留存-使用用戶分群來識別留住用戶的Feature

用戶流失是產品的頭號公敵,如果沒有強大的激活和留存,用戶流失會削減你的用戶規模,而且從長遠來看,它會逐漸毀掉你的產品。

最流行的衡量留存的方法是DAU和MAU–日活躍用戶數和月活躍用戶數,衡量每天或每月有多少用戶在你的應用上活躍。這聽起來是OK 的。但是,它存在一些問題:

  • 這太容易誇大這些數字的意義,定義「活躍」是一件很難的事情,而企業通常會選擇讓他們DAU 最大化的定義。
  • 如果你的業務正在增長,新用戶註冊量會扭曲這些數字,從而妨礙你看到這些用戶實際上有多少回來了。
  • 即使前兩個問題不存在,「活躍用戶」的最簡單的定義也不能讓你找到識別提高留存方法的點在哪裡。

比如你做了一個視頻分享平台,近期通過各種手段做了大肆宣傳,你的DAU會突然爆炸式的增長:

看起來非常棒不是嗎?但接下來我們看一下,把實際拍過視頻的人數加進來會發生什麼:

當暴漲的下載量似乎證明你已經成功了,但你的播放視頻人數會告訴你一個不同的故事。當你的下載量仍然在逐步增加,你的實際播放視頻的人數反而在增少。一方面你成功了:用戶在下載你的應用,另一方面你也有明確的證據表明有些事情正在變得非常糟糕。如果沒有乾預,你將會在這裡結束:

可執行指標:用戶分群分析

要真正在你的應用中構建良好的用戶留存,你需要分析你的用戶行為。

一些用戶被你的應用吸引而且頻繁的使用你的應用;而另一些用戶下載之後根本看不到價值,然後把它刪掉。為了獲得更多的前者,而非後者,你需要從你的超級用戶(比其它用戶更多更頻繁的使用你的產品)中學習。

問題來了,是什麼東西粘住了用戶?這不能用直覺來回答。 Facebook和Linkedin不用直覺去創造用戶粘性,而是用嚴謹的分析和實驗。

這裡可能是你開始看留存圖的樣子–在某一天註冊了一批用戶,然後有多少在後續一個月的每一天中回訪了:

這是7日的留存:

然後這是只看1日後的留存(次日留存)

你會發現這個例子中的次日留存把問題反映的最明顯:有大概一半多一點的用戶在初次使用你的應用後就不再回來了。在你開始擔心30天或90天留存這些東西之前,你需要先弄清楚怎麼能讓用戶在第二天回來。

這同樣沒有固定的成功公式,你必須通過「用戶分群」來針對不同的可能性做實驗。在我們這個例子中,你將會看到,當你對比「所有新增用戶」與「關注過一個人的用戶」的次日留存時會發現什麼:

次日留存有了30%多的跳躍,非常棒是嗎?但是如果這些用戶都是在第2天、第3天才開始流失呢?

有一件關於移動應用的事實:用戶會非常快的流失,實際上平均下來,移動應用70%的用戶會在一天后流失,但那些非常優秀的應用的這個值只有30%。但是,在安裝應用後的第3天開始,再往後,流失速率會趨於穩定:所有應用會以同樣的流失速率失去他們的用戶。

所以問題的關鍵就在你如何在用戶安裝之後立刻留住用戶,如果你能在一開始粘住他們,你基本就能保留他們一段時間。

這是我們例子中「所有用戶」與「關注過一個人的用戶」在7天裡的留存情況對比:

在30天后,「關注過一個人的用戶」的留存率是17.5%,「所有用戶」的是10.9%。這可能看起來不是那麼顯著,但在長期留存上,即便是一個小凸起,對你來說也是意義重大。

更為重要的是,你已經識別出了一個提高留存的因素,現在你可以尋找更多。一個可行的方法是,你現在可以把「關註一個人」不是「註冊」設為起點。也就是說,你之前分析的是「註冊」之後的留存情況,而下一步,你可以分析「關註一個人」之後的留存情況。這就是在你重新設計了引導流程以促進用戶關注他人之後,接下來你應該努力提升什麼。

然後,你可以看到其它因素是怎樣促進留存的,比如,你可以比較「播放了三個視頻的用戶」與「全部用戶」,比較兩個用戶群在「關注了一個人」後的留存情況。

當你搞清楚了哪些行為導致你的用戶繼續回來使用你的產品之後,你就需要把這些行為的用戶體驗放在首位。在早期粘住你的用戶,他們就會很難離開你的產品。

正確的使用AARRR 模型,並不是換了一組更好的數字,而是完全不同的數字。這些數字向你展示著人們如何使用你的產品,是什麼讓他們離開,是什麼讓他們離下來,是什麼讓他們大呼過癮。

換句話說,有什麼不是數字呢。

本文由諸葛io產品經理沈豫龍Alan原創發布,轉載需私信聯繫。

What do you think?

Written by Growth Hacking

blank

為什麼說全棧工程師是未來? | 長文多圖

blank

一個優秀的數據產品經理是怎樣煉成的?