從虎嗅APP看資訊類產品的數據驅動增長方法論

從虎嗅APP看資訊類產品的數據驅動增長方法論

依靠數據分析,做到產品、運營策略的"千人千面"。

虎嗅作為優秀的科技媒體,擁有大量的忠實讀者與非常多的優秀作者,如果先拋開作者部分,我們來看下虎嗅APP在讀者用戶運營方面有哪些可取之道以及可以加強的地方,以及如果要進一步促進用戶的增長,如何借力數據驅動的方法。

一、虎嗅APP的產品邏輯

先來看一下虎嗅APP的產品功能方面的邏輯。

1、虎嗅APP的功能介面

主要功能區劃分邏輯清晰,開屏引導、推薦位、付費變現方式等都較為清晰。 資訊主頁的普通資訊與號外資訊交替出現。

2、虎嗅APP的功能點梳理

功能點方面,資訊在開屏主位,包含Banner推薦位、號外位置、熱點資訊位;而虎嗅24小時則類似於UGC圈子,可自主發送短消息、視頻,不過發言許可權需邀請;精選則是虎嗅內容付費的變現管道,有付費訂閱的專欄內容與虎嗅會員黑卡;我的則是正常的帳戶管理介面

二、針對這些功能點,虎嗅的運營策略有哪些呢?

現在被普遍認可的運營流程是成長駭客理念里提出的「拉新-啟動-留存-營收-增長」的AARRR海盜模型。 以下為了簡化,將啟動與留存統一稱為促活。

在體驗虎嗅APP的過程中,發現虎嗅針對閱讀、分享傳播、付費訂閱等設置了一些運營策略:

之所以給這些點標上「優秀」 並不是因為這些點起到了很好的作用或者數據很好看,而是在體驗虎嗅APP的過程中,能夠很明顯的感受到在這些方面他們在想辦法與用戶互動,形成一種粘性。

虎嗅APP裡較為突出的是截圖后的分享,會自動添加虎嗅的二維碼,但欠缺的,是內容、會員卡的使用者分享與推薦,沒有激勵措施。

三、更理想的運營應該是怎樣的?

  • 不同分群裡的使用者,每次進入APP后看到的內容是不同;
  • 產品的功能佈局,是按照最優數據反應的情況排布;
  • 推送給不同群組用戶的付費轉化方案,也有所差異。

要做到產品、運營策略的「千人千面」的起點是精細的數據分析。

對於產品、運營,一定可以想出非常多的"點子",但哪個方式最有效,卻絕對不能依靠個人或者是老闆的主觀喜好,憑借"我覺得"來確定。 而是要通過A/B測試,去看使用者對不同方案的反應如何,來確定最佳方案。

對於用戶的數據分析,我們可以分為:統計數據、使用者屬性數據與使用者事件數據三個方面。 後兩者可以統稱為用戶行為分析

1、統計數據通常是宏觀的數據,能大致告訴你使用者有多少、增長速度、流失比例、不同渠道的轉化效果。 這個數據老闆跟投資人講故事是很有價值的,但要支援產品、運營同學的工作,顆粒度肯定是不夠的。

2、使用者屬性數據,則是標定了使用者的一些特徵,在持續的分析中,還可以為使用者打上更多標籤,再加入用戶的行為偏好,就能形成完整的用戶畫像。

3、用戶行為事件,則是使用者在APP產品里的交互行為,點擊、流覽、評論、收藏、轉發等都算。 完整的描述一個使用者的行為,必須包含"5W1H"的整體訊息,因此任何一個使用者事件的記錄,一定是與使用者屬性能夠對應起來的,即誰、在什麼時間、通過什麼方式、在哪裡、做了什麼。

多維度的用戶行為分析,總是跟使用者分群、使用者事件以及指定的時間段相關。 很多分析往往是事先就想好了要做哪幾樣數據分析,然後才由開發埋點、數據分析跑表拉數據、業務團隊分析應用,很少能夠靈活的定義使用者分群、時間段、事件而做靈活的探究分析的,但這種分析往往會有很多驚喜,能夠讓你發現未設想到的用戶規律。

比如在我即將要購買虎嗅黑卡會員的時候,在付費流程中發現了以下情況:

  • 無法直接購買,需要先充值;
  • 充值時沒有剛好為488元的面值,只能選擇更高一級的518元。

也就是意味著通常需要兩步完成的付費現在變成了四步,同時需要溢存30元。 當然這是一種商業策略,但這樣的方式很有可能造成大量的潛在付費流失,所以是一個非常重要的分析點,運營團隊可以構建如下分析漏鬥:

點擊「虎嗅黑卡推廣介面-點擊立即開通黑卡-點擊充值-充值完成-支付購買黑卡完成"

這是一個長漏鬥,每一步都有可能會流失很多付費使用者,所以在正式上線前,應當選出部分用戶進行測試,最好的方式,是同時設置A、B、C三個使用者組:

  • A組需要充值518嗅幣然後完成支付
  • B組需要充值488嗅幣然後完成支付
  • C組可直接完成支付

建立這三個使用者群組的分析漏鬥如下圖所示,就可以很快的找出哪種方式對於提高會員購買轉化更加有效,哪種方式會造成大量潛在付費的流失。

"虎嗅黑卡"付費轉化漏鬥分析(圖片來源:數數科技TA用戶行為分析系統)

但做產品、運營、數據分析的同學都知道,如果對各個功能點、各種運營方式都進行探究性分析,那怕是埋點埋到吐、跑表跑到死,更何況數據量一大,做一次分析光等就得好幾個小時。

那麼有沒有什麼好方法能夠降低數據分析門檻,實現用戶行為的多維探究分析呢?

四、數據驅動增長的方法

數據驅動增長,首先是打好數據分析的底子,然後通過即時、多維的探究分析,找尋用戶規律。 依照規律制訂運營策略后,再進行A/B測試。

1、針對產品定義完整、清晰、統一的數據採集方案

比較推薦的依然是伺服器端、客戶端結合的埋點採集。 埋點就是由開發在需要採集數據的地方打上標記、規定採集數據的格式與觸發條件。 每個公司或團隊,對與數據採集應當有統一的定義方式,否則很容易出現混亂,埋點採集最大的麻煩之處就在於需要手動寫入代碼,如果定義不夠清晰、統一,開發往複的工作量就會非常之大。

針對虎嗅APP,推薦的數據採集定義方案如下,可以根據自己產品情況調整。 這裡未列出使用者屬性與行為事件的定義,如果需要完整可編輯源檔,可以關注「數數科技」公眾號後回復「APP埋點」自動獲取。

2、活用分析模型,多做多維探究分析

常用的分析模型有事件分析、漏鬥分析、留存分析、行為序列分析、行為路徑分析等,應用不同的模型,靈活選擇使用者分群與分析時段。

比如:

  • 7月新增使用者中完成3篇以上文章閱讀的使用者,在後續7天的留存情況(留存分析)
  • 2017年開通了APP推送功能的使用者,相比未開通的使用者閱讀文章數量的差異(事件分析)
  • 1月-8月虎嗅黑卡會員使用者中,完成50%以上訂購內容閱讀與未完成此項任務的用戶的付費比例(統計分析)
  • 2018年總註冊用戶數、每3天登錄的註冊用戶數、付費會員、續費會員的轉化漏鬥情況(漏鬥分析)

3、靈活應用工具,減少技術工作量與等待時間

大家可能會無奈的感歎,做好埋點基礎、學會分析模型,就像是"聽了很多大道理,依然過不好這一生",如果沒有個能即時分析、快速分析的系統,即使採集了數據,要有時效性的支撐產品優化與精益運營,怕也是天方夜譚。

很多巨頭企業為了支撐數據分析工作,在內部搭起了用戶數據分析平臺,以方便產品、運營、數據分析的同學能夠將精力從基礎的數據採集、清洗、分析等待中節省出來,專注到與業務結合的探究分析上。

而對於沒有這類系統的團隊,則可以嘗試第三方用戶行為分析系統。

4、依靠數據分析,確定有效的運營方式

對於類似虎嗅這樣的資訊閱讀類APP,可以靈活的嘗試一些促進用戶增長的方式,通過數據分析確認方式的有效性。 比如虎嗅與運營策略結合的探究性分析可以是:

綜上,數據驅動用戶增長的流程就是:

1. 產品功能與業務梳理,理解使用者行為數據
2. 定義完整、清晰、一致的數據採集方案
3. 選用合適的使用者行為分析工具
4. 針對產品功能、運營策略,靈活進行多維探究分析
5. 依據數據洞見制定產品優化、精益運營策略
6. 迴圈4和5,依靠數據驅動用戶增長

數據驅動增長,就是針對不同人群上線不同的運營策略,然後進行及時分析,從使用者行為數據中尋找規律,從而確定能夠驅動用戶增長的最佳方案。

希望以上對大家有所説明。

文/韓進,數據驅動規劃師(公眾號:數數科技)

數數科技(ThinkingData)是國內領先的使用者行為分析解決方案供應商,致力於幫助客戶提升數據意識、增強數據分析能力,並提供安全、高效的用戶數據分析系統,賦予客戶數據驅動的能力。 TA 2.0用戶行為分析系統目前服務於1萬用戶與超過150家付費企業客戶。

聯想:如何通過數位化轉型驅動業務增長?

免費送! 數據分析系列《產品指數級增長的方法與實踐》