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。

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。