進擊的增長黑客:你需要的是牛逼閃閃的能力,而不是眾所周知的案例
“Growth Hacking(增長黑客)”稱得上是當下最火的概念之一了,那麼什麼是增長黑客? 又有哪些經典的增長黑客案例值得我們學習?創業公司怎樣才能做好增長黑客?
4月19日, GrowingIO公開課邀請了Teambition增長leader錢卓群為我們分享——創業實踐:增長黑客落地第一步。
1.什麼是增長黑客?
一個有趣的現象:大家對Growth Hacking(增長黑客)概念的理解很不一樣,而且一直都在變。
1.1永遠在變化的增長黑客
- Facebook 用戶增長副總裁Alex Schultz 早年創建了一個做紙飛機的網站,他在網站頁面上放了二三十個“紙飛機”,然後通過搜索引擎檢索的時候,發現這個相關度的排名就上去了,這就是最初的SEO的嘗試。
- Dropbox 推出用戶通過邀請好友獲得更多存儲空間的功能,得到了快速的增長。
- Hotmail 剛開始發布的時候,在所有人的郵件下面加了一個申請使用的CTA,然後短時間內獲得了很大的增長。
後來除了用越來越精緻的SEO、郵件和短信來拉新,還可以用社交邀請機制、公眾號傳播(掃碼關注)和特定的交互設計(文案高亮、分享、下載)來拉動增長。
現在大家開始使用數據化運營的方式獲取增長,如建立一些新的指標、搭建A/B測試框架等等。
1.2增長黑客的本質:技術套利
經過一段比較複雜的思考,我認為hacking(黑客) 是我看到的一個比較好的詞。任何的系統都存在大家認知的規則和實際上存在的規則,hacking 就是在認識到實際存在的規則下,達成看似不能完成的目標。
從增長黑客的角度來說,上述案例的共同做法是通過探索前沿的技術和工具,獲得更強的執行,然後在對這些工具或者規則的理解擴散之前充分利用它來獲得相應的競爭優勢。這主要集中在獲客、激活、留存、變現和推薦等領域,簡單地說,增長黑客就是在上述領域進行技術套利。
技術套利的一些工具和見解,在廣為擴散後基本就無法再現當年的效果,比如網盤邀請好友送空間、轉發抽獎、CTA等等現在已經成為互聯網企業運營的標配,但是也沒見得幾家因為變大。
真正重要的是,不斷探索和驗證新的做產品和運營的方法。也正是這一點,不同公司在不同階段的探索方向是不一樣的,因此造成了開頭說到增長黑客定義的混亂。
1.3探索中的雁行模式
越是前沿的實踐越是有高投入高回報,因為競爭者少,甚至連知道的人都很少。通過一段時間,如員工離職再創業、技術分享等,這種做法得到逐步擴散,被實踐證明非常有效,並且開始流行起來。隨著門檻的不斷降低,標準化的工作流程或者工具軟件會出來,重要的分水嶺就是SaaS化的工具,並逐漸成為各個行業的標準和規範。這就是雁行模式的特徵。
就個人觀點,對於初創公司來說性價比最高的做法就是做到目前大規模流行的SaaS產品能夠支撐的程度。
2.增長黑客與Data Driven
增長黑客比較重要的一個領域、比較值得做的就是數據驅動。
為什麼呢?
一是,前面雁行模式所歸納的,現在大部分公司能跟得上的性價比比較高的前沿就是數據驅動這塊,這裡面涉及到的工具這兩年以非常快的速度正在完善和SaaS化。
二是,數據分析本身是衡量一切後續產品改進或者增長黑客的結果的指標。這也正符合管理學大師彼得·格魯克說過的:If you can't measure it,you can't improve it.
那麼如何實現數據驅動呢?
根據以往的實踐經驗,我們可以把這個過程分成三個部分。
首先是規劃,確定你需要採集哪些事件。
然後是採集,如何把數據採集到相應的數據庫或者產品中。
最後是數據分析,從採集到的數據中得到對我們有用的一些結論。
3.如何規劃數據採集?
規劃主要分成兩部分:
一是主要採集哪些事件;二是採集的事件中,用哪些維度去分析。
3.1記錄什麼樣的事件?
首先需要保證的是去記住那些構成關鍵指標的事件(這些關鍵指標和你的產品息息相關),例如註冊、激活、購買等。
接下來去分解支撐這些關鍵指標的那些事情,例如註冊包括:打開註冊頁面,輸入賬號、密碼和驗證碼,或者使用其他的社交賬號來登陸。
這個過程你會發現一些事件有明顯的順序,一些用戶會在某些事件上放棄。這個過程就是所謂的漏斗分析,各種構成漏斗分析的主要步驟也是可以這樣一併記錄,作為這個關鍵指標的延伸和改善。
3.2選擇什麼樣的維度?
最重要的原則是記錄那些可能產生差別的維度。
比如某一個功能,我放在頁面上不同地方會產生一些不同的影響,那麼就需要記錄他們的頁面屬性作為一個維度。再比如一個電商網站,賣出去的貨可以記錄編號、價格、產地等多種維度。
現在初創公司的話,性價比最高的做法就是用SaaS服務,通過第三方的SDK來完成原始數據的採集工作。
4.如何採集數據?
傳統採集數據是一件非常花資源的事情,可能會用掉我們1/3 到1/2 的時間。
4.1採集數據需要注意什麼?
首先,在產品的早期,就要把“統計層”的需求直接放到產品規劃和迭代的結構中去,提前規劃好可以防止後面很多折騰和重構。因為後期你會發現,採集的需求從某種程度上和程序復用的需求有一些矛盾。
其次,在落實產品自動化測試流程的時候,爭取把統計數據的統計返回結果也包含進去,長遠來看可以幫助我們省掉很多技術上的問題。
最後,第一次採集數據的話,盡量用SaaS工具自帶的SDK起步,可以幫你省掉很多細枝末節的小問題。
4.2如何選擇數據採集工具?
首選推薦的是Mixpanel ,它的事件採集比較全面,強過Google Analytics,上手友好性非常好。
然後是GrowingIO ,用戶無須埋點即可一次性採集所有的用戶行為數據,節省了產品、運營人員和工程團隊反复溝通的成本,是一個不錯的方案。
還有一個海外工具叫segment,也是一次埋點,然後把數據採集後轉成你能接受的其他方案。你只需要通過後台開關就可以控制。它也是一個非常適合上手的工具。
上面這些方案都可以作為你去了解現在比較流行的SaaS 產品的一個起點。
4.3如何進行數據處理?
如果只用性價比最高的SaaS 工具的話,數據處理過程也許不需要你操心;但是不一定都能滿足你的數據要求。
大家可能聽說過ETL (提取,轉化,寫入),很多時候我們會有一些自己的數據處理工作。這主要是出於性能考慮,SaaS 產品的SDK 抓取的數據格式和我們需要的不一致,亦或後期處理的需要。
5.如何進行數據分析?
規劃並採集好需要的數據,然後開始進行數據分析,主要目的是通過分離維度來查看數據之間的相關性。
5.1數據分析的兩大目標
首先是提供報表和Dashboard 。根據公司每一個同事的業務需求,去產生他需要的結果;這個時候需要重點關注關鍵指標,生成報表或者Dashboard,便於可視化分析。在製作指標的時候,數據盡量不要做歷史的存量,比如從公司成立到現在一共有多少個註冊用戶,這個數字看似很輝煌,但是沒有可比性,我們更加關注的是每個週期的變量趨勢,對比本期和上期的數據, 由此發現問題。
然後是假設檢驗,指導業務。等到我們報表或者是Dashboard 反應整個業務發展情況後,對工具使用也會有比較好的經驗,可以根據業務經驗提出一些假設,並指導你的產品和運營。然後觀看數據發展趨勢,來驗證你的假設是否成立;藉此不斷優化你的產品和運營。
5.2常見的數據分析入手途徑
報表應該覆蓋關鍵行的為(註冊、激活、購買支付等等)和關鍵的路徑(轉化、漏斗、留存等等),其中要重點關注“怒點”行為。
什麼是用戶“怒點”?如果用戶在一個頁面上面10秒之內針對同一個元素連續進行了超過5次以上的操作,那往往可能是出現他拿鼠標對這個按鈕不斷的點,這就是用戶的一個“怒點”。
那這種情況有兩種可能,一種是產品真的做得很賤,就是一個動作要按同一個按鈕8 次,那8 次都是切換不同的狀態了。另外一種就是產品出現了不符合用戶認知和預期的表現,那這種情況下用戶的推論是網絡問題或者是產品卡住了,有些情況是他沒有真正理解你這個產品交互的邏輯,那很可能其中你的設計有一些令人迷惑的地方,或者是有一些提示沒有到位的地方,你這個過程其實很值得深入的進去找一下。
5.3假設檢驗
假設檢驗一個比較標準的步驟如上圖所示。我們觀察到一個現象,結合業務經驗推測這個現像是由於什麼樣的機制引起的,或者是有什麼樣的機制是跟這個現像是相關的。如果假設成立的話,我們推廣這個機制可以更好地優化我們的產品,如果不成立的話,產品或者運營可能會惡化或不變。我們通過前後持續的數據觀察,對比數據變化的差異來分析假設是否成立。
5.4 Teambition案例分析
上圖是Teambition 的在線創建項目的界面,針對這個項目我們專門做了漏斗分析,當時觀察到一些用戶在【項目類型】處操作後就退出了,還未完成創建項目。在這樣的情況下我們能不能改善這件事情呢?根據以往的經驗,界面上過多的選擇往往會分散用戶的注意力,導致核心操作受到影響。創建項目的核心是要用戶創建一個項目,而不是非得選擇一張封面。
那怎麼來驗證這件事情?如果能省略掉非關鍵因素,把非關鍵的信息放在用戶創建項目完成後再來自定義,那麼能否有改善呢?
根據上面的假設,我們對創建項目的界面進行了簡化。上圖左邊是創建企業項目,右邊是創建個人項目,非常簡單便捷,不到一分鐘就能完成。
通過後期的漏斗分析我們發現,轉化率確實是大幅度提升了。
6.總結:打造自己的Growth Model
6.1海盜模型-AARRR
積累出大量的這樣的洞見,來支撐你的產品的更新迭代,之後經過驗證的假說或者你所有決定的匯總,也就成為了大家所說的growth model,也是現在一個所謂的很熱的詞,海盜模式-AARRR,就是把每一個首字母拆開的話就是獲客、激活、留存、變現和推薦。
- 獲客(Acquisition)就是主要從網站渠道獲得到訪的網站流量。
- 激活(Activation)讓用戶真正的體會到這個產品迭代創新價值並且願意回來用,理解你這個產品了。
- 留存(Retention)就是你長期定位來源你這個產品,而不是只是註冊就走掉了,那這個其實是越來越被現在業內的人士開始關注和重視的。因為低價流量的時代基本上終結了,再加上收入正常的產品過程中,購買率的轉化等等或者是往銷售那邊導流轉化的效率等等。
- 推薦(Referal)讓用戶向他的好朋友或者同事等認識的人去介紹。
其實上面的每一步,企業都有自己的目標取捨。假如在用戶註冊的過程中,是盡可能讓用戶少填信息提升註冊轉化率,還是讓用戶完善信息方便銷售部門後期跟進呢?其實,企業可以結合自己的發展階段製定對應的策略;例如初創公司可能比較注重轉化率。
將AARRR模型中,你企業實際業務所關注的每一點結合起來,就稱為了你自己的Growth Model。現在能夠比較好地建立和迭代Growth model是行業當中比較稀缺的、看重的技能,另外就是完成了迭代之後實時去檢測並且改善rowth model。
6.2打造數據驅動的團隊
最後一點,團隊數據意識和工具使用能力的培養。這個非常重要,內部意識加上他們能夠自己操作數據得到自己想要的結論的話,在某種意義上是這種先進技術在你們組織內的槓桿率。
影像數據驅動的主要有兩個因素:
第一是企業數據基礎設計的建設速度很慢,傳統的手動埋點過程耗時1-2個月,等出新版本的話,項目基本告吹。
第二是數據的使用者和採集者錯開,鼓勵自助查詢,業務、運營和產品經常使用數據,需要利用數據來支持決策;但是採集和處理數據需要數據工程師來跑。等數據工程師把排隊堆積的數據報表跑出來,業務那邊已經錯過了最佳決策時機。這樣同樣會嚴重限制數據技術的使用和企業決策的進行。在這種情況下,建議使用第三方的SaaS化的SDK來簡化埋點,並儘量鼓勵自助查詢,甚至自助埋點,甚至像GrowingIO這樣的產品也開始支持無埋點的數據採集,方便業務端人員自行完成數據的查詢和數據驅動決策的過程:這是一件非常重要的事情。
本文來自Teambition 增長負責人錢卓群在GrowingIO 網絡公開課第七期的分享。
——————————————
GrowingIO是新一代基於用戶行為的數據分析產品,如果你是以下三種人,請立即關注我們,免費註冊:
如果你是數據工程師,卻在“不務正業”地搭建BI、配置埋點代碼: 免費註冊,立刻減少無效加班;
如果你是產品經理,卻不知道如何分解KPI: 免費註冊,三步就能洞悉留存曲線、精確識別用戶行為;
如果你是業務負責人,苦於收入增長乏力: 免費註冊,讓我們告訴你怎樣就能讓客戶高效下單。
_________________________
獲取更多數據分析乾貨,請關注微信公眾號GrowingIO。