起点学院课程

实战案例:全定量增长模型如何搭建?

0 评论 2882 浏览 14 收藏 12 分钟
15天0基础极速入门数据分析,掌握一套数据分析流程和方法,学完就能写一份数据报告!了解一下>>

在运营数据分析时最常用的分析方法主要有四种——AARRR模型、全链漏斗型、因子分解型和全定量增长模型。因其特性不同,应用领域也各不相同,在本文中,作者简单介绍了前三个模型,并将重点聚焦在了全定量增长模型,欢迎大家讨论。

了解完北极星指标体系构建方法,大家有没有对自己的工作有一个思维上的认知呢?接下来我们进行一下北极星指标体系的实战操作。

AARRR模型是最容易搭建的模型,他可以快速显示出影响北极星指标的所有因素,但是问题在于他的指标比较粗,没有定量的描述每个因素对北极星指标的影响,也没有指出每个因素之间的相互关系。这一模型往往是在指标模型1.0时使用。

全链漏斗模型和因子分解模型不仅可以找到北极星指标的影响因子,也可以确定指标的数值,并用简化的公式进行表达,可以帮助大家找寻机会点和进行简单的计算;但是他搭建过程较为复杂,需要的数据较多,而且不能预测未来趋势和进行假设分析,在指标模型中可以作为2.0版使用。

最精细的增长模型是:全定量增长模型,他分解出了影响增长的因素以及对应的细分指标,并把所有的指标组合在Excel中计算北极星指标。

我们不仅可以用全定量增长模型观测历史数据,预测未来北极星指标数值,而且可以进行假设分析,量化不同指标变化对北极星指标的影响,但是他的缺点是组装和维持起来比较费力,需要耗费相当长的时间,它适合有一定数据基础,需要精细化运营的团队。

在运营过程中,如果我们能一次性投入一定的精力,规划出一个稳定的全定量增长模型图表,对于运营的长期监控和使用存在一定的价值。

我们通过一定的案例来了解全定量增长模型:

假设某APP的北极星指标为月活跃用户数,计算北极星目标使用的数据为月新增用户数、月留存率两个指标。我们来看一下具体的计算过程:

01 模型的输入数据

1. 用户新增数量明细表

主要变量为:不同渠道获客数、K因子、激活率三个指标;

时间维度为:基于历史情况对未来进行估计;

K因子即为每个老用户能带来多少新客户,是用户推荐渠道的相关参数。

我们单独对用户推荐数、月初活跃用户数进行一下讲解:

用户推荐数=月初活跃用户数*K因子;

而下个月的月初活跃用户数即为:上个月的月初活跃用户数+用户推荐数;

2. 留存率

基于历史平均数,计算出每个月的留存情况,作为第二个数据输入表。

02 月活的输出工作表

基于上面的两个表,我们计算出了如下的一个表,可以顺利的计算出每个月的新增、活跃数据,并能够进行未来月份新增、活跃的预测。

看到上面的模型,你对模型有没有一些初步的概念,全定量模型主要是通过对多个因子的计算,整合形成我们的最终表,然后构建最终的北极星指标完整表。

从上面的流程可以知道,数据的整个过程是从细到粗构建北极星指标体系,效果非常明显,但是耗时也是非常长的。

03 利用定量增长模型进行假设分析(what-if Analysis)

假设分析是定量增长模型的一个常规用法,我们通过一个案例来分析具体的用法:

问题:现在是9月份,到年底前,如果想最大程度提升月活,应该做哪些增长实验?

  • 实验1:10月份,广告获客,预算提升50%,从10000元提升到15000元;
  • 实验2:10月份,将新用户激活率提升5%,即从90%提升到95%;

我们把上面两个方案分别放到全定量增长模型中,分析两个方案的好坏,如下图,我们把10月份的预算费用修改成15000元,对应模型中的数据就会发生变化:

同时我们发现12月份的活跃数量变化为:

图中可以看出12月份的用户活跃量变成了25227,较之前有所提升。

记录结果之后我们进行实验2的分析,同样的步骤我们修改了新增表中的激活率,得到如下数据:

我们发现,修改激活率之后,我们的月新增活跃数量也发生了变化,而对应的12月份月活跃用户数则变化为25558。

我们对两个数据进行比较分析:

发现两者的MAU提升相差不大,但是实验2的成本相对较高,所以我们采用实验2进行方案优化。

通过上面的分析有没有对全定量模型有一个深入的认知呢?

笔者认为,这样的模型是一个经典的技术、业务融合的模型,这样的分析可以在SQL、python的基础上实现固化,同时也可以在Excel的基础上进行开发,模型中所用的指标也不一定是新增、留存,各个业务线可以根据自己的需求,调整其中的自变量,输出需要的值。

04 迷你增长模型构建

整体的增长模型构建完成后,我们需要根据整体的增长模型梳理我们自己的迷你增长模型,梳理自身的资源、自身负责业务线的流程、寻找迷你增长影响因子,并基于这些迷你因子确定可行方案,排出优先级等~

我们还是用一个案例,简单进行分析,假设我们已经制定好了北极星指标,我们该如何分配我们的资源呢?

某APP的北极星指标是:总销售额。

在落实到各个部门,甚至各个团队的时候,我们可以根据这个北极星目标拆分成一个个的小目标,然后基于小目标构建自己的迷你指标体系:

迷你指标体系构建完成后,我们需要做的就是梳理现有的资源,进行策略构建。

如图,我们针对每个指标梳理了可行方案,并确定了对应的资源和优先级。

基于上面的分析,我们可以很清晰的了解自上而下指标体系的应用,但是如果我们接到的任务是一个已经完整细分之后的指标呢?我们该如何做出符合老板预期的方案呢?

通常的策略是我们需要要从细分指标向上推导出北极星指标,然后向北极星指标的方向构建我们的方案策略:

如上图,我们的任务是发一条召回推送,正常的思维应该是通过团队目标,确定出公司的北极星目标是提升DAU,那么,个人发送召回推送时选择的目标值即为召回客户并完成观看的数量,而不仅仅是发送一个召回推送这么简单。

上面是北极星指标和细分指标划分的清楚的公司,我们应该怎么细分任务并进行资源分配,但是,如果我们所处的公司并没有一个完整的指标体系,或者你的老板没有明确出一些指标逻辑的时候,我们需要想办法揣测老板具体想要什么?

那么,我们要做的可能就是需要从公司目标/部门目标的角度来细分指标,比如:增加收入、降低成本,每个公司都是要强调收入和成本的,如果没有明确的方向,可以试着向这些一定准确的目标设计细分任务,初步设计出这样的方案后,再去和你的老板讨论方案,就能够试探出老板的方向目标,进而优化你的工作方向,回到第三部分,设计细分目标,进行资源细分等。

 

作者:livandata;个人公众号:livandata,欢迎大家关注沟通~

本文由 @livandata 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
起点学院课程
评论
评论请登录
  1. 目前还没评论,等你发挥!