用户增长实战:赤手空拳如何快速切入?

用户增长的工作(User Growth,后均简称UG)。

UG是个系统工程,理想的情况下,我们希望拥有完善的数据平台、标签体系、实验平台,甚至有了不错的算法模型支持自动下发策略。但同时,用户增长也是和时间赛跑,即使我们什么都还没有,也需要尽快开始,一点一滴积累正向经验、按需搭建工具提升效率。

假设我们处在UG工作的初期,上述条件我们都还没具备,该怎么开始?

01 明确增长目标

增长目标是最先需要跟老板明确清楚的,我们决定要这项工作,背景是什么,我们最终要提升什么指标?可以参照「北极星指标」来选择,相关的文章很多,这里就不赘述了。不妨假设我们经过深思熟虑,确定要提升的指标是DAU。

02 搭建增长模型

在整体的UG工作规划时,我们会关注全局,看整个用户链路和生命周期的各种环节(最常见的AARRR以及强调留存的RARRA);在切入到具体的工作时,我们会发现这些「大模型」往往无法指导我们做什么。

回到我们具体的例子:只有一个DAU的目标,还不能指导任何工作,需要对DAU进行拆解,拆到可执行的程度。DAU可以怎么来拆?

1. 流入流出视角

把DAU看成一个容器,「流入」的是每天的新增用户以及回流用户,「流出」的则是流失用户。以「日」为观察周期来举例:

  • 新增用户指当日获得的新用户
  • 回流用户指昨天不活跃,但今天活跃的用户
  • 流失用户指昨天活跃,但今天不活跃的用户
  • 留存用户指昨天活跃且今天活跃的用户

可以推知:

今日DAU = 今日流入 + 昨日存量 – 今日流出 =(新增用户数+回流用户数)+ 昨日DAU – 流失用户数

那么,想要获得DAU增长,可以从两侧切入:

  • 提升新增、增加回流(就是开源)
  • 提升留存或减少流失(就是节流)

需要我们决策的就是,资源有限,先从哪一侧开始切入?需要具体来分析DAU中上述几类的构成和趋势,原则上优先看「缺口在哪里」或者「怎么做最能起量」;还需要结合产品现状、所处阶段来做具体的资源分配(比如是否有足够预算做付费增长)。流入流出视角比较直观,如果大家感兴趣,后续我可以补充一些案例说明。

2. 新老用户视角

和2.1类似,但相对简化。把DAU简单的划成两份,一份是「新用户」即当日新增,一份是「老用户」即非当日新增,那么:

今日DAU = 昨日新用户 * 新增次日留存率 + 昨日老用户 * 活跃次日留存率

等式一共4个变量,想提升DAU,可以将已知的量代入上面的式子,按照目前的经验,我们可以看看,提升哪个指标更能够获得较大的收益。例如,老用户占比90%,提升一个点的次留,DAU就会提升90%*1%=0.9%,而提升一个点的新增次留DAU只能提升10%*1%=0.1%。

3. 活跃度视角

活跃度视角,我们可以从周活WAU来看:

DAU = WAU * 周活跃天数 / 7

也可以从月活跃MAU来看:

DAU = MAU * 月活跃天数 / 当月天数

从这个视角,我们会重点关注到如何提升「活跃天数」,首先看活跃天数的水平,有多少提升的空间(均值如何,低活跃的用户占比多少),重点先抓哪一部分人群(周活跃1~2天的,还是3~4天的)。这里涉及到用户活跃度建模,后续会在介绍「用户分群」时详细介绍。

上述这些模型帮助我们知道大致的方向,需要如何发力,或者优先在哪发力。同时也把DAU拆解成若干更前置的、更灵敏的、可以和策略产生关联的小指标。帮助我们认识到:「若想提升DAU,必先提升XXX」。

03 找到策略切入点

知道了如何发力,最终还需要落地到具体策略上,策略需求切入哪个点,可以考虑因果性和相关性来帮忙。

1.  优先因果性

如果知道某个指标为什么不高,推荐从产品逻辑、用户反馈中直接找到原因,针对性去修补。定性的方法就是找典型用户去问和验证,定量可以通过最为直观的漏斗分析来定位用户路径的「断点」。理解用户需求、提升用户价值是产品经理、产品运营的必备技能,也是用户增长的本质和源动力,这里也不再赘述。

2. 其次相关性

相关性分析,可以帮助我们找到和关键指标高相关的用户行为,从而把具体策略定位到提升该关键指标,以验证是否能够提升我们的增长目标。

继续以提升DAU为例,假设我们明确当前提升DAU最关键的是提升活跃用户次留,可以进一步来看,活跃用户的哪些行为与其次日留存具有相关性(简单的线性拟合,或者复杂一点的「魔法数字」分析,如图1和图2示例)。

产品经理,产品经理网站

图1:相关性示例,某资讯类APP当天的资讯渗透率(横轴)与未来一周活跃天(纵轴)正相关

产品经理,产品经理网站

图2:魔法数字示例,某短视频APP用户群当周日均VV(横轴)与未来一周活跃天(纵轴)的关系,在VV10次之内,是很好的线性相关,我们应该设法提升。而10~12之间存在拐点,用户的活跃度随后趋于稳定

通常情况下,用户的活跃次留,与用户活跃当日的使用深度高度相关,例如信息流App的时长、图文阅读PV、视频播放VV。通过对不同分层的用户群留存率、与上述几个指标的相关分析,我们可以得出哪些指标与次留的相关性更好,可以优先去提升这些指标。

3. 用实验验证

切入策略时,需要注意亮点:

  • 相关分析有些具体的坑,可以先补一补统计学的基础以防万一;
  • 相关性高,只是给我们提供了一个假设:提升该指标,大概率可以提升活跃次留,进一步提升DAU。是否真能够提升,需要通过设计实验来验证。

正式引入UG中最核心的手段之一:增长实验。

简单说,实验帮助我们验证假设是否成立,量化策略的效果:施加策略或不施加策略,发布或者不发布功能,究竟提升了多少,短期看是多少,长期看是多少,准确吗,放量后会怎么样……小朋友,你是否有很多问号?

实验会是我们后续的重点。

尾巴

本篇假设大家还处在未切入UG工作的初期,提炼出几个切入的步骤供参考。同时本篇也概括了UG实战在做什么:分析数据——形成假设——实验验证,三者循环起来就是UG的核心工作流。这也是整个笔记的框架,后面我们针对每一块逐步展开,每篇讨论一个点,不对之处,欢迎大家指出。

 

作者:jinlei886;5年+用户增长的一手经验,前腾讯、滴滴出行用户增长产品经理,专注增长策略挖掘、增长工具搭建、实验设计分析。浙江大学工学学士、理学博士。微信公众号:用户增长实战笔记

本文作者 @jinlei886

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部