数据分析,如何助力用户增长?

2 评论 7796 浏览 107 收藏 11 分钟

在实际业务中,我们会遇到很多与用户增长相关的问题,那么又该如何用数据分析解决用户增长的问题呢?今天通过几个例子来简单讲解一下。希望对你有所启发。

由于「增长黑客」的影响,很多同学看到「用户增长」这几个字,马上就会想到这些场景:

  • 建立系统的增长模型,驱动增长的持续化和规模化
  • 构建用户转化漏斗,挖掘留存关键点,发现深层问题
  • 分析目标用户,建立用户画像,优化增长策略

好像自己都能干,但是又总觉得这好像也不对,那好像也不对。那么为什么会有这种感觉呢?在实际业务中,又该如何用数据分析解决用户增长的问题呢?今天通过几个例子来简单讲解一下。

一、用户增长的现状

首先我们需要清晰的是大部分的公司离建立系统性的画像和增长模型还有很长一段距离。

  • 做之前的想象:精准用户画像+AB test推送!病毒营销裂变!嘎嘎好!
  • 做之后的绝望:连个用户分层都还没有还画像!业务后台都没有咋做裂变!

在大部分公司里,是没有办法做到像google和facebook那样的数据化、体系化的增长的。

目前市面上的「用户增长」主要有三个类型:

  1. 投放流:这个流派中的「用户增长」,其实就是广告投放,优化广告投放策略,以达到更高的ROI。
  2. 裂变流:这个流派的人热衷基于微信生态搞各种转发、分销、提现等裂变活动,达到快速圈人头的目的。
  3. ABtest流:这个流派就比前两个更像正规军了,需要做各种策略设计,产品尝试去寻找更适合不同用户群的点子。这个就是只有大平台能做的事儿了。

但这三种流派并不是互斥的,反而是相辅相成,解决不同阶段的问题。三种流派的势力范围可参考下图:

投放流解决的问题是「渠道质量」和「用户质量」的问题,会看到新用户是否转化为活跃用户。

裂变流解决的问题是「活动质量」和「用户质量」的问题,一般使用活跃用户作为活动的基础,设计裂变规则和逻辑。

ABtest覆盖的界面很广,但一般不用来解决「渠道质量」问题,更多的是去解决「产品迭代」和「活动策略」的方案选择问题。

有了基础概念之后,我们可以根据数据表现来判断,当增长出现问题的时候,用什么办法解决更合适。

二、用户增长中常见的数据表现类型

1. 激活到注册断崖式下跌

这样的数据表现一般考虑以下几种因素:

  • 用户质量:是否假量过多
  • 渠道质量:是否买到积分墙用户、是否投放策略出现问题
  • 产品流程:是否打开到激活是否流畅、是否有bug

用户超早期流失一般都是投放人员需要关注的问题,且前期的用户质量是跟买量策略强相关的,所以渠道质量是前期最重要也最需要关注的。

在进行分析之前,我们先需要明确什么是假量、什么是积分墙用户。

  • 假量:通过代码脚本虚拟的下载打开量,非真实用户,可以通过ip集中度/设备账号数等维度来检测
  • 积分墙用户:某些APP会整合资源,通过发布app下载/打开等现金激励任务,引导客户去下载app,做流量的二道贩子,这些用户去做任务的用户即为积分墙用户,但这些用户几乎跟正常用户没什么差异,很难区分

如果产品是APP,很多投放人员在做应用商店投放计划的时候,会刻意的允许一些假量进来,帮助打榜,争夺应用市场排名。所以应对这种场景,有以下常见的分析点:

找到问题渠道或者计划后,就是投放型增长的发挥领域了。

2. 注册到新手流程大部分下滑

当用户走到注册这一步,前面说的假量过多的问题已经减少很大一部分了。而「积分墙用户」的行为习惯是跟「非精准用户」、「低价值用户」的行为是非常类似的,区分的难度和成本都特别高,而受益会比较低。

例如,有某个用户的行为序列是:

下载—注册—新手页面1—新手页面2—退出

其实从行为上是分辨不出来他是不喜欢我们的产品、还是就是来做个任务的。

所以这个阶段一般分析点都会聚焦到「产品流程」的迭代上。

常见的分析点有:

找到分歧点后,就是ABtest流增长的发挥时间了。当前在做实验之前,还有一系列的ABtest方法可以使用,这里就不过多赘述了。

3. 走完新手流程到留存再开始下滑

如果用户已经走完了新手流程,但没留下来,需要思考的点就是「用户与产品的匹配程度」。

这种情况的分析点就比较发散了,且需要跟业务深度结合。但是可以考虑这几个方向:

产品内是否有明显的区分用户的点,如果有的话,点击率/体验率如何?

例如一些小说/漫画app在注册之后会有一些美女或古装帅哥的展示,通过分析这些图片的点击率,就可以很直观的说明用户的属性和喜好。

业务形态上是否跟用户属性强相关?

一些垂直领域的业务如学科教育、运动等,例如我是想给孩子学数学,但是首页内容只有少部分数据,那么我的流失可能性就很大。

可用的提高产品/用户匹配度的方法有哪些?

这个方法常用的有两种:渠道去找精准量,或者产品迭代差异化分配逻辑。选择哪种方法取决于业务的大方向是什么。

如果业务阶段是做垂直,那么大概率是去找精准量。

如果业务是想要往全域发展,可能就是需要改内容展示逻辑。

常见的分析指标有:

完善以上分析可以按业务形态和发展方向选择性跟投放合作或者跟产品合作ABtest。

例如,可以将一些优质用户的高渗透率的功能点给到投放,投放可以选择按照对应的事件买量。(注:买量平台可以按照目标转化事件买量)

也可以根据内容转化率/停留时长的差异结果,跟产品探讨迭代的方向。

还可以重点观测一下「分享活动」和「分享按钮」的点击率,区分裂变的种子用户和非种子用户,辅助运营的同学寻找裂变优化的可能性。

但是!需要注意的是,用户增长的核心能力不止数据分析。

比如做投放增长的,还需要对各个买量平台的用户质量、用户画像、商务条款等都有了解。一些渠道配比、信息流广告等制作能力甚至还需要一些人脉资源。

做裂变的,需要设计裂变形式、测算奖励幅度的能力。

这些需要的都是运营能力。这个是很多数据人的一道坎,也是业务不接受数据指导的重要原因。

如果希望更好的辅助增长,除了懂数据指标之外,还需要花更多精力在运营知识的学习上。才能打造自己的核心竞争力。

作者:汪浩,公众号:只说人话的小汪

本文由@汪浩 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

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
评论
评论请登录
  1. 确实,数据分析的下一步是发现问题解决问题

    来自浙江 回复
    1. 找到能解决这个问题的人,基本上成功了一半

      来自四川 回复