张溪梦：来自硅谷的数据驱动增长实践——连载二
作者：张溪梦，GrowingIO创始人&CEO，前LinkedIn商务分析高级总监。美国 Data Science Central 评选其为“世界前十位前沿数据科学家”。
四、驱动力：如何提升ROI
首先是驱动用户的因素，这个话题比较广泛，我和大家分享一下过去几年我看到的一个核心趋势：营销变革！
（一）营销变革：入站式营销
一般的渠道管理、流量管理，我们可以投放广告、社交媒体运营，通过各种手段来拉新。过去十年我觉得美国在市场营销上最大的革命就是慢慢从出站式营销（outbound marketing）向入站式营销（inbound marketing）转变，在这种转变中产生了很多伟大的数字化革命。
图5：入站式营销正在成为新的潮流
出站式的营销一般都是要市场的预算，需要花钱才能拉来新的用户，但是在过去十年里面，美国已经渐渐淡化这种“需要投入大量的成本、大量的资金”获客的方式，而转入一种“非常低成本的，以自然增长为核心”的入站式的营销。
举个例子，银行要获取新的信用卡的客户。以前美国信用卡公司一般获取一个客户的成本在100美元到200美元之间，成本大部分在广告投入上。以前银行花很多钱在买流量，买各种销售线索；但是最近这几年，营销方式已经变成了以内容运营为核心的营销方式。
大约两年以前我在领英的老板，他加入一家信用卡公司负责运营，做COO。这家公司在过去的5年里面从来没有融过资，但是他们通过雇佣华尔街资深的编辑，在自己的网站上写了一系列非常高质量的内容。这些内容是教用户如何进行低成本的跨国旅游的文章，这些文章本身产生了非常好的效果，因为他的读者认为这是一篇非常好的文章，帮助他们推荐很好的旅游景点。另外一点，这些文章还给大家提供了很多如何省钱的攻略，这些攻略的最后一步就是会为大家推荐一些新的信用卡，比如通过坐飞机返点的方式或者在海外消费不用交手续费、跨国转账费用的方式，帮助用户能节省很多钱。这些文章吸引了大量的新用户，产生了很多的信用卡的销售线索；这家公司每年的营业额接近一亿美元，从来没融过一分钱，直到去年融A轮的时候获得了接近一亿美元的投资。
（二）渠道优化：UTM
表面上大家看到了一家非常成功的内容营销公司，实际上它背后使用了大量的数据分析的技术。它的每一篇文章都有非常精准的追踪，每一篇文章的标题、内容、段落、受众人群，甚至优化了关键字，都进行大量的自动化的数据营销。
图6：UTM监测营销投放效果
有些人熟悉UTM机制，它可以追踪广告来源、广告媒介、广告名称、广告内容以及内部很多的关键字。在上面的案例中，信用卡公司的整个运营系统就是基于这套UTM机制，这样每一篇文章都有详细的数据追踪和数据分析机制。在这样的机制下，作者和编辑能有效的运营他们的内容，内容营销可以产生很多几何式的自然增长。
图7：GrowingIO内容营销的数据分析
这是数据分析工具GrowingIO自己做的一些内容运营的简单分析，通过GrowingIO自己的产品，我们现在写的每一篇文章都要详细地追踪访客量、内容浏览量、注册量，包括未来的成单量，这样才能让我们的市场部门非常有效率地运营。
其实这些操作方法都很简单，我相信每一家公司都可以通过同样的方法运营自己的公众号、自己的博客，实现自然增长的获客。但是核心的一点，我们必须要有一套数据分析的机制，迅速有效地衡量每一篇文章、每一个来源、每一个渠道的效果，来保证整个的ROI（投资回报比）是最高的。
五、破解障碍：实时、热图和细查
下面给大家分享用户在产品使用过程中存在的一些障碍，以及如何找到这些障碍。
（一）产品分层抽象：热图
图8：产品分层抽象
要想分析用户在使用产品过程中都有哪些壁垒，有必要对整个用户体验进行拆解；这种拆解不是狭义的功能性拆解，而是要从视觉、交互、信息框架、内容和用户这几个层次进行拆解。只有把这些东西拆开了，我们才能专注于修复其中产生的问题。
图9：数据分析工具GrowingIO热图
举个例子，这是我们GrowingIO博客的一些热力图，我为什么要把这张图放在这里和大家分享呢？首先同样的文章放在不同的界面里我们会看到完全不同的转化率；第二，同样的信息通过不同的设计手段展现的时候，用户的关注点是完全不一样的；第三，同样的界面，不同的内容，转化效果也不一样；第四，同样的内容，同样的界面，不同的人群效果也不一样。这和我们上面提到的产品分层次抽象的道理是一样的。
当我们想把我们的产品改进的时候，我们必须能够拆解用户的交互（UX）、UI、用户本身以及内容，只有这样才能真正做到精细化的运营，这个拆解的过程就要求我们在数据上进行有效的追踪和分析。从上面的热图不难看出，移动端和PC端上用户的关注点是不一样的，这要求我们在设计上进一步优化。
以前的很多产品经理和运营人员（包括我见过的很多的数据分析师），他们喜欢把所有的数据揉在一起进行分析，往往会发现整个网站或者移动端有各种各样的波动，但是这些波动都完全无法进行解释。当一个事物无法解释的时候，就没法找到核心的原因，我们就不知道该如何促进它。但进行有效地分解以后，我们就知道是产品的问题、内容的问题或者是用户的问题，这样的话我们可以进行有的放矢的运营和产品改进。
（二）快速验证：实时
虽然很多时候我们知道有很多维度可以进行拆分，但是实际上我们完全可以用高效实时的方法来解决。比如说我们今天做了一个活动，我们的直接日间对比甚至月间对比有很大的提升的时候就已经可以衡量这个效果了，我个人认为这个时候没有必要去拆解太多的维度。但是在以前，我们没有这个数据采集和实时分析的能力，错过了很多机会。
图10：数据分析工具GrowingIO的实时分析
今天，作为一个好的数据驱动型的产品经理或者运营经理，必须要很快的拿到数据来做各种决策。为什么快很重要呢？大家可能听到过一个RMF的模型，英文里叫Recency（消费最近的一次的时间）、Frequency（消费的频率）、Monetary（消费的金额）。什么样的用户有最高的转化可能？消费时间点离我们最近的用户，他在未来有更高的转化的可能。
这里面延伸出来的是，离我们越近的数据往往有更高的价值，这种价值体现在了我们能很及时发现用户使用产品的趋势、并且做出快速的、精准的决策。
（三）发现产品的障碍：用户细查
那么如何找到用户在使用过程中的转化效率衰减的关键节点呢？
我讲句可能比较武断的话，所有的互联网业务我们都可以把它归结为漏斗转化的过程，即“访客——普通使用者——高级使用者——付费使用者——粉丝使用者”这样转化的规律。无论是网站还是APP，我们基本上都可以把它理解为一种非常复杂的大型漏斗，这种思维往往能帮助我们快速定位问题、给予修复。
图11：GrowingIO转化漏斗
给大家贴的这张图是数据分析工具GrowingIO真实的数据，今年1月份我们发现网站的整体转化率不到8%，我们通过浏览器拆分了一下。结果发现，IE浏览器的转化率只有1.5%左右，但是谷歌浏览器在12%以上。
大家可以看到，通过这种漏斗的比对，发现IE浏览器可能对我们的网站不支持（最初的假设），然后我们把把IE浏览器没有成功注册的用户做了分群（我们称之为使用IE注册失败的用户），这个分群的过程中我们找到了很有意思的用户行为。
图12：GrowingIO用户细查路径
我们发现很多使用IE的用户，在还没有完成注册，就直接跳到了登陆的界面，然后反复的输入他的邮箱账号、密码进行登陆，很多用户都做这个动作做了八九次，我们称之为用户在这个地方产生了“怒点”。实际上当时我们的JavaScript和IE自带的JS不兼容导致用户跳过了注册成功的页面直接进行登陆，这在理论上说是不可能登录成功的。
如果我们没有这种数据分析的方法和用户精确的追踪，很难发现用户使用行为上的异常，也就很难做到修复。找到这个问题以后，我们工程师晚上花了1个小时的时间，对IE版本进行了兼容，然后这个问题就得到了解决，解决之后IE的注册转化提升到了10%。
图13：GrowingIO产品优化数据结果
大家想一想，如果通过我们还一直是流量思维–––想拉新的注册用户，想增加60%的新用户，我们必须要在广告预算上加大投入60%，甚至更多。但是可以通过优化自己的产品，比如删除用户使用过程中的壁垒，我们很自然就能增加新用户数量、改善用户体验。这种方式的获客成本更低，产生的客户价值往往也越大，无形中增加了整个用户转化的效率。
六、钩子：产品的增长点
产品里的“钩子”，或者我们可以称之为用户留存度。大家可能都看过市面上很多统计或报表的工具都提供用户留存率这个指标，但是在产品角度、运营角度真正深入理解用户留存的数据分析工具还是蛮少的。
（一）留存的概念及应用
Facebook提出一个521的概念，就是说次日留存在50%以上、7天的留存在20%以上、当月的留存至少10%以上，这才是基本的互联网社交的产品。如果说用户留存度低于这条线的话，这个产品根本无法存活。
图14：GrowingIO留存曲线
留存本身是由很多产品细节堆积而成的，是一个结果型指标。很多的产品经理，甚至公司的CEO、管理者，都认为留存度是给VC看的，因为它是一个大的指标、很难利用它。但是真正做增长的产品经理和运营人员，会把用户留存作为公司里最核心的指标，并且在业务中深入应用。
举个例子，2004年LinkedIn第一次做用户增长的时候，他们分析了所有渠道来的用户之间的留存度，发现其中最大的两个渠道：一个是从自然搜索来的，一个是从电子邮件来的。从自然搜索来的用户留存度是电子邮件邀请来的用户的3倍，所以当时产品做了一个决策，核心关注如何优化自然搜索来的这些用户体验。所以在接下来的6个月里面，每个月的用户增长速度都保持在了60%；同时他还获取了第一批最有价值、最高留存度的客户。
（二）魔法数字（Magic Number）
接着上面的分析，LinkedIn通过对用户留存的拆解，找到了两个核心的转化点。第一个点他们发现很多从自然流量搜索来的用户特别关注个人简历。所以LinkedIn当时做了个工作，就是不断的让用户完善自己的简历，这是当时他们产品开发里面一个核心的关注点。第二点，他们发现了当用户新注册之后在第一周里增加5个社交关系，这样的用户给整个领英平台增加的价值是不增加5个社交关系或5以下的用户的价值的3倍以上。这个分析实际上花了数据科学部门（最早我工作的那个部门）4个月的时间才找到了这个答案。
图15：用户增长魔法数字
在硅谷，还有更多这方面的“魔法数字”。Facebook是一周之内增加10个社交好友，Twitter是首次登陆以后一周内有30个粉丝，Dropbox是第一周里使用两个平台（操作系统）来使用Dropbox服务，具备这些特征的用户都产生很高的留存度和活跃度。
这个过程中就要求我们具备一种非常深入的、高级的数据分析能力，当时我加入领英的时候，领英有14个数据科学家，支持整个的增长和变现。当时这14个人中调出来6、7个同时在这一个项目上工作，花了几个月的时间才找到这个核心增长点。但是今天来说，有幸的是，我们的技术、我们的产品、我们分析思路的迭代都比以前先进了很多。我们现在推出了一个【留存魔法师】的功能，能够帮助您自动找到产品里面可能的核心的粘度的增长点，帮助产品经理和运营的人员核心关注您的产品里面最应该关注的价值点，而不应该太发散。
GrowingIO是新一代基于用户行为的数据分析产品，数据采集无需埋点，用户行为数据分析更专业。登陆www.growingio.com立即注册免费试用，或者关注微信公众号GrowingIO获取更多数据分析干货。
关键字：大数据, 数据库, growingio
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！
