黑客式增长：如何运用分析指标框架 – 驱动互联网产品和运营

2016-11-03 10:10:00

作者：郑晖

近年来，数据收集的手段上从数量从深度从复杂度都有一种爆炸性地增长。大数据成为炙手可热的口头禅。数据堆积如山，如何从数据中筛选提炼信息，为公司带来更多价值。

本文讲述数据分析在互联网公司中的作用，并介绍黑客增长常用的逻辑框架和分析思路，如何利用它理解和把握产品与用户的互动关系，最后针对黑客增长的不同阶段说一些具体分析应用案例：

1)用户获取之A/B Testing；

2)用户初体验之Aha Moment 3)用户留存之定位高流失用户。

成长的方法论

一个人或者一个团队，如何做好一件事情?

首先，确定这件事的目标;然后，去做，获得反馈，改进做法;接下来，再去做，再学习反馈，在改进做法;直到把事情做好。

比如射箭，射箭的目标是击中靶心，首先要行动射出一箭，然后要读靶校正，总结领悟，不断练习，最终成为高手。

互联网公司的产品开发运营就像射箭一样。团队确定产品或者运营的目标之后，不断尝试，调整方案，接近目标。这个闭环的过程包括三步：行动执行，反馈结果，学习总结。而数据的量化分析是反馈的重要组成部分。互联网公司在产品收集数据中有着天然优势，能够全面海量地收集到数据，通过数据我们可以理解从全局到细节客户使用产品的情况，帮助团队及时准确地做出决策与行动。

什么是黑客式增长

在互联网公司，用户与产品是所有事情的核心。一个公司的价值与估值往往取决于两个因素：多少人使用这家公司的产品(流量和用户数)和多少人有多爱他家产品(留存和活跃用户)。黑客式增长的目标就是努力提升这两个因素，就是说：有效动用产品和营销的资源，是以最快的方法、最低的成本、最高效的手段获取大量的用户并留住他们。这个过程往往是产品开发，市场营销，数据分析，三者结合协同发力的过程。

如何用数据分析驱动黑客增长(互联网公司的成长)

两个步骤：1)解构产品和用户的互动关系，设计框架。2)制定每个阶段的关键指标。

第一步：解构产品和用户的互动关系

在战略咨询中有一个方法论叫 mutually exclusive and collectively exhaustive (MECE)。

基于这个原则，我们设计一个完整描述产品和用户关系的逻辑框架，包括5各阶段：用户获取、初次体验、回头客、转化收益、口碑传播这五个步骤。

每个阶段有各自的目标：如何让用户知道我们的产品;说服用户尝试我们的产品;如何留住这些用户，让他们爱上我们的产品，不断的使用我们的产品;如何获得收益和回报;如何让我们的用户向周围的人推荐我们的产品。

可以说，互联网公司投入的所有资源，最终都会反映在这5个阶段上。

第二步：制定每个阶段的关键指标

有了框架，我们可以通过设计各阶段的关键指标，把握产品与用户互动各阶段的能力和表现。

下图列举了各阶段可以采用的一些关键指标。

举个栗子

我们用一个专注于社交媒体营销的SaaS B2B的公司，公司H，做一个具体案例，来解释如何应用这样一个分析框架。

公司H的产品和模式

微信微博等社交媒体已经成为所有商家最重要的营销渠道，但是有效管理各种社交平台并进行营销是件非常繁琐的事情。公司H为各商家提供一个整合各种社交媒体的平台，并融合各种营销工具，方便企业管理多个社交媒体账户，有效进行多渠道的营销推广。公司H提供适合小白用户(例如微信的代购和小微商)的免费版产品，和针对专业用户和小企业(例如大微商和公司企业)的付费专业版。它的盈利模式是通过转换免费版的用户为专业版的来实现的。

公司H的用户和产品互动阶段

公司H的用户产品互动可以拆解成下面的五个阶段。

公司H通过各种渠道导入流量，访问者首先注册免费版，体验产品的性能和优点。当用户需要更专业的功能时，他们可以升级成专业版，一个月试用期后，他们就成为正式的付费用户，带来收入。

公司H的目标，阶段和分析框架

公司H的顶层目标是保持收入增长。核心是开源节流：获得更多新用户，留住更多老用户，让每个用户贡献更多的收入。

我们可以把收入增长这个大目标，分解成可以针对性提升和优化的步骤，并把衡量战略性目标的虚像指标，分解成能够指导和评估具体方案执行的实行指标。

在设计指标时候，记住一个原则：能够指导行动的指标才是好指标。

我们接下来具体分析每个阶段制定的实行指标。

流量导入阶段

在流量导入阶段，公司H首先关注网站每周有多少新访问量，以及主要流量渠道的表现。

内容营销和社群营销是公司H的一个重要营销策略。通过提供高质量的专业领域的内容，提高行业内的知名度并吸引自然流量。因此，公司H非常关注知识内容版块(例如博客和培训社区)的流量导入情况。同时，搜索流量是公司最重要的流量渠道，因此搜索引擎综合排名指标也至关重要。

通过这些指标，公司能够把握流量导入环节的整体表现，并且用这些指标指导营销团队的搭建和资源的分配。

用户转换阶段

在用户转换阶段，公司H要考虑如何有效地将访问流量变成付费用户。

一个访问者需要经过三个步骤成为付费用户。

首先，TA需要认可公司的品牌，了解产品，愿意注册使用免费版。这个步骤的核心指标是：免费用户新增数。

然后，TA要通过免费版感受到产品的功能，从而考虑试用的专业版。这个步骤的关注指标是：专业版试用新增数。

最后，当TA感到专业版提供的价值，是物有所值的，TA就会掏钱成为专业版的付费用户。关注指标是：专业版付费新增数。

至此，公司H就获得了真正的收入。

新增用户数这种绝对值指标能够帮助我们了解业务的体量，但并不能直观的反映业务的能力。这时候，我们可以用转化率指标来评估产品引导用户从一个步骤走到下一个步骤的能力。我们通过“免费版到试用版”，“试用版到付费版”这些用户转化率来评估每个转换步骤的业务能力。

不论规模和体量大小，转化率指标是最能帮助业务判断产品和业务能力表现的指标。在互联网公司会被经常使用。

用户留存阶段

获得用户以后，公司H思考如何留住用户。

首先是活跃用户数和用户流失数。公司H关注有多少用户在活跃地使用产品，有多少用户已经放弃使用产品。

每个时期都有新用户不断地加入，老用户不断地离开，一进一出，差值就是净新增用户数。之前提到的所有二层指标的表现，最终都反映在净新增用户数这个指标上，它和收入增长直接挂钩，是非常重要的二层指标。

如此关键的指标，大家一定想努力提升。怎么做呢?也很简单，只有两个方法，带入更多的新用户，或者留着更多的老用户。

那么大家在想一想，留住一个老用户容易，还是获得一个新用户容易?对于互联网公司，一般来说，获得一个新用户的边际成本要比留住一个老用户大很多。

然而，让用户爱用我们的产品，留着更多的用户，就是把产品做好，把体验和服务做好。这是很讲究内功的事情。留住老用户不容易，而客户留存是黑客式增长中最难也最重要的事情。

我们可以通过用户流失率来衡量公司留住用户的能力。但是整体用户的流失率是一个非常惰性或者说滞后的指标。当产品发生改动和优化时，新加入的用户的反应和体验往往更直接明显，所以，我们加入了新用户第一周流失率这个指标，及时获得产品优化的反馈。

其他阶段

结语

通过符合MEMC原则的分析框架，我们可以把用户增长这个大目标，分解成可以进行针对性提升和优化的若干步骤。把衡量战略性目标的虚像指标，分解成能够指导和评估具体方案和执行的实行指标。

分析案例

前面我们介绍了顶层指标框架的基本理念，接下来，我们针对三个阶段：用户获取、初次体验和回头客，介绍三个使用数据支持决策的案例。

用户获取分析案例之 A/B Testing

所谓 A/B 测试，简单来说，就是用对比试验的方法找到做一件事情的最佳方案。网站和产品设计中，我们可以用A/B测试从多个版本中选择最佳方案。

A/B 测试的大致过程是这样的：首先，选定一个需要提升的指标，比如用户转换率，然后制定两个方案(比如一个网页的两个版本)，用随机分组的方式，让一部分用户使用方案A，另一部分用户使用方案B ，通过收集和分析这两组用户的行为数据，我们会发现一个方案给用户的互动或者引导更好，并且直接反映在那个目标指标上。这样，我们就可以选出指标表现最好的方案了。

做实验的原则就是明确目标、设定前提、采样随机、而采样的数据和其他方面要有足够的统计显著性。

举一个栗子，

公司H的免费用户在考虑升级成专业版用户之前，往往会跑到对比产品套餐的网页了解免费版，专业版的功能区别。

为了让更多的免费用户在比较套餐后升级为专业版用户，营销部门设计了几个不同版本的产品套餐网页。

这些版本之间只是小改动，区别仅仅是免费版一栏的按钮和描述。如果凭借营销经理的业务经营，可能也很难确定到底哪个版本的效果最好，表现差异有多大。

那么，哪个方案对于公司H提升免费版用户转化为付费版用户的数量最有效果?(可以给自己几秒思考一下)。我们接下来用A/B testing的科学方法的选出最佳版本。

通过AB对比实验，我们发现方案二的转换效率是最好的，而且效果比原有方案提高了20%。

数据只能告诉我们结果，无法告诉我们原因，这个时候就需要营销主管用业务经验去核实这个结果是否合理有逻辑性。

为什么呢?方案二适当的突出了专业版，但也没有过分的弱化免费版，没有给用户一种强行推销专业版的感觉，却潜移默化地引导了用户的选择。因此在各方案中胜出。

你觉得呢?

用户初体验分析案例之 Aha Moment

什么是Aha Moment呢?Aha moment是用户感受到产品真正价值所必须要做的事，譬如说在Facebook发展的故事里，7天内加上10个好友就令用户感受到Facebook真正的价值。确定Aha moment可能是件复杂的事情，但最后表现出来的是全公司都能理解和执行的时间。所用它有两个特征：简单易懂，和短期见效。

刚才的Aha Moment的定义还是非常模糊，怎么可以定义成一个通过数据分析确定事件呢?如下图所示，Aha moment是同时在留下的用户和使用功能(经历过某个moment)的用户都占大比例的事件。这个定义是从体会产品价值的必要性和充分性出发的。必要性是指留下用户中经历这个moment的比例大(蓝色部分)是它的必要条件。而充分性是指经历这个moment的用户最终留下来的比例大(红色部分)才充分说明这个moment的意义。两个都要做到才是Aha Moment。

为了进一步说明Aha Moment的必要性和充分性。我们接着用对于聊天软件发信息的数量分别说明两种情况(必要不充分和充分不必要)。第一个是必要但不充分。譬如说微信里留下的用户都发过一条微信，这是必要的，但是不充分说明这是Aha Moment，因为他们有可能留下，也有可能发完一条就离开譬如下图

第二个是充分不必要。譬如发八条微信的人都留下了，充分说发八条的作用，但这不一定是必要的，因为有很多人少发于八条的也留下了。

那么根据Aha Moment定义，如何分析数据找到Aha Moment呢?我们继续以Hootsuite为例子。现在我们要确定添加多少社交账号(譬如Twitter，Facebook等等)对于用户的留下是个Aha Moment。根据下图发现，既不是只添加一个账号，因为只添加一个的很大一部分没留下，也不是添加四个以上账号，虽然他们留下了，但留下的人大部分不是添加四个账号。其实就和刚才说的必要性和充分性的例子一样。

根据类似方法，可以确定三个可能的Aha Moments(如下图所示呢)。为什么说可能?因为相关性不代表因果性。简单地说，这些Aha Moments是从历史数据得到的结果，不足以说明在将来的情况也适用。所以我们需要试行它们，然后得到反馈，进而调整。实际试行中，我们可以通过A/B Testing来测试对比来检验那些moments的效果。

用户留存之定位高流失用户

先给大家介绍一下Hootsuite年制会员促销活动。这个活动与用户留存有什么关系呢?

从上图看出，对于付费用户，有两种模式，月费制和年费制。与彼此相比，这两种制度各有优缺点，其中年费制会员的用户周期比月费制会员的长，但是同期收益，譬如一年的收入，月制会员的比较多。那么怎么最大化会费总收入呢?这里的关键点是，月费用户虽然同期收益多，但往往有可能使用Hootsuite时间不长导致最后他们带来的总收益并没有那么多。

所以，我们要提高有高流失率的月费用户的用户周期。其中一个方法就是把这部分月费用户在快要流失掉的时候转化为年费用户。这就是Hootsuite年制会员促销活动开展的原因。

那么问题来了，如何定位高流失率的月度付费用户?通过图表分析，我们确定三个特征。第一个是新加入的用户容易流失。这对于大部分公司都说一样的。