用户增长，怎么做数据分析？

01 用户增长的基本办法

1. 买量

在互联网公司中，买量是占大头的。

一般分为：

（1）搜索引擎的广告，包括：app应用市场、短视频平台、腾讯系、字节系、百度系的搜索平台等。

（2）二级渠道等广告，包括：免费APP内的广告（如看广告免费看小说）、游戏内的广告（如）、长视频网站的广告等。

（3）地推，对，你没看错，就是地推！有大型和小型的地推，大型的就像地铁广告、广场的广告牌等，小型的就是发传单，跟某些品牌做联名。

一般的互联网公司，主要是搜索引擎和二级渠道的量，稍微大一点的场子，如小红书、知乎、头啊腾之类的，才会上地推团队。

至于传统企业的互联网化，方法是类似的，但是结构上有所不同。一般做连锁门店的企业，都会以地推为主，因为成本低，见效快，搜索和渠道买量都是较少的。

所以不同的行业，用户增长的分析方法也是不一样的，我们下面会聊到。

2. 裂变（转介绍）

这种方式有一个大家都很熟悉的场景——拼多多砍一刀。

其实这个方式看起来非常简单粗暴，里面有很多细节需要去关注。

裂变也有几种固定的方式：

• 活动裂变：通过设计活动、搭配激励，让用户主动拉人头进来获得优惠。这是pdd最常用的方式。像淘宝、京东团购单子，也属于这个类型的裂变。
• 产品裂变：通过一些产品机制的设计，在一些节点让用户主动分享。比如分享后获得3天vip、游戏抽到了好皮肤、好卡牌的分享，一般是常驻的。
• 私域裂变：这个方式俗称“老带新”，是传统高客单企业常用的，比如教育培训、医美、健身之类的，老带新都是常用的方式。还有一些做的比较规模化的，会把会员变成代理人，做规模化的返点，变成分销模式。

在大部分互联网企业是没有专门的部分去做活动裂变和私域裂变的，产品裂变是最常见的，因为只需要设计规则和产品引导，成本比较低。但同样的，效果也会比较差。

3. 优化流程

这一个部分的内容一般都搭配AB实验来使用，大部分时间都是来解决纷争。

比如：

用户进来了，转化不好，到底是产品问题，还是买量问题？！

产品裂变不行，到底是入口太深了，还是产品内容不行，用户不愿意分享？！

还有小部分时间，是正儿八经用来调优：

• 多个活动方案，选择合适的参数，达到最优的裂变效果。
• 多个产品点位、产品方案，进行赛马实验，选择最优路径。
• 多个不同区域，实验不同的激励方案，成本最小化。

能做到流程优化这么细致工作的公司，一般来说都有点体量。虽然AB实验大部分时间都是拿来甩锅和争功劳的，但是面试的时候肯定会考的比较细，可以关注一下。

另外，正儿八经做调优的情况下，AB实验的原理一般已经不太重要了，因为都已经产品化了。而「怎么一次性做多个实验」这件事会变得更重要，所以如果业务上有多组AB并行的情况，了解AB实验的分桶规则和原理，会更有竞争力。

02 用户增长的分析思路

1. 买量工作如何分析？

以部分工作内容举例：

（1）每个应用市场的买量规则不一样，比如vivo市场有banner横幅，可以按照曝光计费，IOS市场一般都靠关键词优化和打榜。

（2）再或者用头条系的内容投放、和seo/sem的投放也不一样。一般内容平台的投放都会有推荐系统，如果可以精准定义出价值用户，再回传给平台，可以有效的进行算法调试来提升广告计划的roi。

（3）每种推广平台可以拿到的数据是不一样的，比如国内的巨量，基础的api只能拿到成本、收益等聚合数据，而国外的appflyer就可以拿到用户级别的归因数据。数据粒度的不一样，也会导致分析下钻的程度和成本不一样。

对于买量工作，都有硬性考核指标：ltv和roi。这两个指标是考核「投放做的好不好」这件事情的关键。所以所有关于买量的工作都可以基于这两个指标展开。

接下来就可以拆解流程指标：

（1）点击率、跳出率、页面转化率等产品流程指标，进行漏斗分析。

（2）来源渠道、ip归属、注册时段等用户基本属性，拆解时注意MECE法则。

上面的分析是相对公式化的，因为跟业务逻辑相对脱离。

再深入的分析，就需要用到以上提到的不同平台的买量知识，来判断推广计划的优劣以及素材的好坏了，篇幅原因不再一一列举，大家可以自行去了解一下自己公司所用的平台特性，有需求再详聊。

2. 用户裂变怎么分析？

用户裂变的分析也跟具体的工作方式有关：

• 做活动裂变的，跟业务形态是非常相关的。需要分析的一般是活动的参数、活动面向的人群、活动的形式、激励的内容等寻找最优解。
• 做产品裂变的，一般会拆解渗透率、分享率、分享链接点击率等产品化的内容。
• 做私域裂变的，会更关注返现的激励、机制是否合理，有没有做防薅机制。其次就是对代理人的分析，进行多级代理的分层管理。

同样的，用户裂变有各种不同，也有一个分析的核心指标：裂变因子。

所谓裂变因子的公式为：

K 因子= (每个用户向他的朋友们发出的邀请的数量) * (接收到邀请的人转化为新用户的转化率)

当K＞1时，用户群就会像滚雪球一样增大。如果K＜1的话，那么用户群到某个规模时就会停止通过自传播增长。

但是要能精准的算到K因子，非常重要的一点是做好用户血缘，算好用户的父级和子级。

所谓用户血缘，就是需要知道A介绍了B，B介绍了C，且能知道A是C的上上级。一般血缘至少需要做三层，才好计算裂变因子。

3. 流程优化怎么分析？

这里的流程优化基本上都是指实验分析了。

实验分析分为两种情况：

（1）用实验来分功劳或者甩锅的场景，校验预设条件、流量、执行过程是否符合实验要求。如果符合就采用T检验或者卡方检验出结果，如果不符合就不出实验结果，反馈实验要求即可。

（2）正儿八经做实验调优的，主要校验流量分发是否符合要求，管理好实验过程即可。后续的实验结论和计算就按照标准化的AB过程给结论就行。这种情况反而更简单。

所以对于这一part，其实基本知识才是关键，AB实验的理论基础，多实验并行的技术基础与理解最终影响到实验结果。

03 写在最后

用户增长这件事的终极商业逻辑，是随着市场变化而变化的。

比如在13年-18年的时候，移动互联网的故事讲得通，大家都相信13亿人每人收1块钱的故事。

所以那个年代的增长一般做的就是DAU增长，有没有付费都无所谓。

因为在那个年代，互联网公司的商业逻辑是卖一个故事给投资人来融资，然后卖掉公司盘子变现。

而经过了很多年的迭代和很多故事，现在的用户增长更多的向转化和利润负责。

在这个场景下，反而会更务实的去分析用户、产品以及渠道的关系，向正常的商业逻辑迈进。

作者：汪浩，公众号：只说人话的小汪（ID：transform_wh）

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！