关于数据和产品增长，这里有 6 个你可能关心的问题
作者：张溪梦 Simon
链接：https://zhuanlan.zhihu.com/p/23345451
这 6 个问题是我在知乎 Live 分享时各位听众提出的，我觉得这几个问题都很不错，整理出来与大家分享。
问题列表如下，大家可以根据自己关注的问题查看：
公司和产品从什么时候开始关注数据？
在产品不够完善的情况下，拉新和留存，哪个更重要？
电销行业怎样做到数据驱动？
客户留存有两个层次，一个是活跃与否，一个是活跃程度，请问你们是怎么看的？
GrowingIO 与市场上其他分析产品有哪些不同？
如何配置拉新与留存之间的比例？
最后和大家分享下「数据分析分为哪几个阶段」这个问题。
部分问题回答的较为简短，如果想要了解更多信息，我在对应问题后面附上了之前写过的一些详细解读文章。
Part 1 | 公司和产品从什么时候开始关注数据？
Q：在产品的不同周期，我们应该关注哪些不同的东西？从什么时候开始我们要关注数据？
A：
我简单的和大家介绍一下，我个人认为产品或者服务，基本上开发可能分四个时期。
首先，假设一个创业公司没有很多的数据，也就是冷启动的状态。 冷启动的状态都是非常难的，因为我们没有任何的数据，也没有任何的用户来使用我们的产品。所以说，他在创始人也好，产品经理也好，要不耻下问。至少要问20个潜在客户，您的产品对他来说有没有吸引力、有没有用，您至少要再去问50个客户，这些用户对您准备开发的核心的功能他们是否觉得有兴趣、愿意使用。这是在没有数据的情况下，我们要做的冷启动的一个阶段。
到了增长前期 ，也就是下一个时期，我们需要关注几个基本的点：这两个指标一个是说活跃度、一个是说留存度，这两者其实是互为表里的。
第三个阶段，就是增长期 ，我们需要知道我们的获客成本，哪个渠道来的新增用户是最有粘度，同时如何能获得指数级的增长，还有一点是非常注重病毒式的营销。什么是病毒式的营销？以前在 LinkedIn 做的时候，我们有一个K指数的概念，就是10个用户，有多人会推荐您的产品给他的朋友。举例来说大家都知道社交网络的产品，如果他是一个K指数比如说 10%，也就是 10 人中只有 1 个人来推荐的话，产品不可能获得自然增长。如果 10 个人推荐给 20 个人的话，那么他就能获得几何倍数的增长，所以说好的产品是有好的口碑的。
第四个阶段，就是变现期 。说真心话，我不觉得变现期是要到第四个阶段才要开始去做的，往往在产品设计的早期，创始人也好，产品经理也好都要仔细的思想商业的本质和商业的模式，如果一款产品他最终是不能变现，那么这个企业很难做成一个持续成长的企业。
Part 2 | 拉新和留存哪个更重要
Q：在产品不够完善的情况下，拉新和留存，哪个更重要？
A：
首先，如果产品还不是很完善的话，我强烈建议大家要关注留存率和用户的使用度。因为一款产品如果没有使用粘度的话，您拉来再多的用户，他都会想像一个漏水的桶里的水一样慢慢流失，这样就很难获得积累性的增长或者指数型的增长。
我给大家举个例子，如果您的用户流失速度是每个月 3%，另一家公司的用户流失速度是每个月 1%，在 5 年以后，这两家公司的估值会差 4 倍到 5 倍，这就是每个月差 2% 的区别，几年以后就会差这么多。
如果您的产品现在流失率很高的话，那么完全是不应该去做拉新的，应该先把产品的核心功能打磨好，但是这里并不否认您需要拉来更多的用户来测试，验证您的产品是否适用于其他的用户群。
Part 3 | 电销行业如何进行数据驱动
Q：电销行业怎样做到数据驱动？
A：
真正的销售在过去近百年也经过了几次的大的革命，像美国在一九三几年的时候，很多的销售员都需要直接跑客户的，比如说抱着书、抱着产品去敲用户的门。后来有了电话，有了电销团队，电销完全是可以进行产品化的管理。
我给大家举个例子，LinkedIn 是一个社交网络的公司，但是很少有人知道他是世界上第二大的 SaaS 企业，他的 SaaS 企业内部有个非常强大的电销团队。他们每天产生了多少销售线索，每个线索分配给了多少销售员，每个销售员打了多少电话，若干电话产生了多少真正的商机，商机逐渐的转化成了成熟的商机，最后成熟的商机变成了一次 demo（产品展示），产品展示之后有几次会议的跟进，会议跟进之后最后这个用户是否成单，整个这个流程是被一套非常系统化的 CRM 的分析机制在管控。同时当我们有一个很大的呼叫中心以后，我们必须要做到可复制性、可扩展性、以及可培育性，这个过程也是一个对漏斗的不断打磨，增加效率的过程。
Part 4 | 如何看待客户留存
Q：客户留存有两个层次，一个是活跃与否，一个是活跃程度，请问你们是怎么看的？
A：
首先，如何定义活跃？
每家公司对于活跃用户的定义都是不太一样的，并不是一个用户激活了一次我们就该称他为活跃用户的，至少我之前在 LinkedIn、在 eBay 的时候都不是这么定义的。我们要定义用户一周内回访了多少次或者浏览了多少个页面，或者做了哪些核心动作，我们才能定义它为一个真正的活跃用户。目前市场上的数据分析产品，比如说 Google Analytics、百度统计、友盟定义的就是激活一次就算活跃。但是在业务工作中，根据您的业务类型，您需要做一个自己的定义和深度判断。
其次，深度活跃用户数量比浅度活跃用户数量更为重要，尤其是在产品的早期和中期。
深度活跃的用户，往往是重度使用您核心功能的这部分用户。如果我们用金字塔底部的来表示最不忠诚的用户，那么深度活跃用户就是金字塔顶尖的这部分。这个群体往往是您产品里面粉丝级别的用户，当我们分析他们这个用户群的时候，往往能找到核心转化点、核心的功能点。同时这部分群体能帮我们降低营销的成本，因为这些用户产生的 K 指数很高，可以帮您传播推荐您的产品。
所以在产品开发的早中期，我们应该关注深度活跃的用户；但是这并不代表浅度用户就不关注了。以前我们在 LinkedIn，我们把用户分成 A、B、C、D、F 五个区，A 就是深度用户，B 就是很好的用户，C 就是 ok 的用户，D 就是非常浅的用户，F 就是来了一次可能再也不会来了，不同类型的用户运营方法也是不一样的。A 类和 B 类的用户是重点有人去跟进的用户，C 类是我们要维持，D 类是我们要去激活，但是 D 类的用户往往占的数量很多。
同时，ABCD 不同的用户群之间它是有转移的，这点来说在零售和电商里里面有非常详细的分析的方法。我们要详细地追踪 A 类用户向 B 类用户流失的速度是什么样的，B 类用户向 A 类用户迁移速度是超过 A 向 B 的流失速度的话又如何。如果我们的浅层用户在不断的增加，甚至高级用户在向浅层用户迁移的很多，说明我们的产品在失去核心的竞争力。因此这两个区间我们要分别进行把握，同时把这个定义的标准要定的很准确，这样我们才能持续的用同样的标准来衡量用户的留存情况。
关于更深度的留存解析，可以看这篇文章 你能找到的最深入的留存分析文章 - 留存 · 增长 · Magic Number
Part 5 | GrowingIO 与其他产品的区别
Q：GrowingIO 与市场上其他分析产品有哪些不同？
A：
第一点， GrowingIO 可以实现无埋点数据采集。
过去十几年在工作中最大的一个困扰就是，埋点采集数据、做 ETL、做清洗的整个过程。我们现在开发的无埋点技术，帮助我们的客户不用在埋点上花太多的工作、节省了大量时间。去年（2015）我们发布了网页版本，现在又有了移动端（iOS 和 安卓）版本；虽然我们的产品里面还有很多需要完善的地方，但是我们确实看到了效果，为用户节省了大量时间。
第二点，我们产品是一个 SaaS 产品，是基于云端的。
我们的产品使用流程非常简化，用户即插即用，这样用户就可以最快看到结果。我们产品迭代的方向就是希望帮助产品和运营人员迅速看到结果，提高工作效率。
第三点，我们的产品有很多智能的功能。
我们不想用户制造大量的维度、反复手动切分一张报表，我们提供了很多智能的功能帮助用户省去了这些步骤。我们新上线的智能路径功能，可以帮助您自动识别用户的转化路径、发现用户转化流失的环节。我们新上线的留存魔法师功能，可以帮您自动识别用户的留存规律，帮您找到用户留存的关键行为。这些智能功能都可以帮助您节省大量的时间、提高分析的效率。
最后， GrowingIO 是一个端对端的产品。
从数据采集到分析、到最后结果的呈现都是在一个平台上完成的，不需要大家用不同的工具来实现。
Part 6 | 如何配置拉新与留存之间的比例？
Q：留存短期内很难提升，如果拉新的比例低于流失的比例的话，那么会造成活跃用户数的萎缩，这个应该如何合理配置？
A：
首先从业务上来看，要搞清楚我们公司现阶段的发展目标是什么。
我们是要改善用户的体验，还是要增加用户的数量？这点和公司的战略目标有关系，因为每家公司处于阶段不同，投资人、团队、市场都有各种不同的要求。不过这里面有一个正确的前提：如果一个产品本身有很大的硬伤、没有足够的粘度、用户不愿意使用它的话，用户流失率会很高，那么拉新本质上就是浪费时间浪费钱，没有很多的真正的意义。
第二点，拉新和留存应该分开看。
也就是说，我们应该有一套指标来持续衡量新用户，同时有另外一套指标要衡量既有的用户。今天的 GrowingIO 同时关注这两点，就像往漏水的桶里面倒水，倒水的速度和水流失的速度都要保证可控。留存就是控制水流失的速度，拉新就是控制水灌入的速度，两者只有保持正确的平衡才能做到高速增长。
Part 7 | 数据分析分为哪几个阶段
最后我再和大家分享一下我做分析师的过程中，觉得分析的阶段：
我认为数据分析分为以下 5 个简单的阶段
好的分析第一步我们必须要了解历史，就是我们需要知道以前发生了什么事。
第二步，我们需要理解他为什么这么发生的原因。
第三，我们需要关注当前、关注当下，这就回到一个实时分析的问题，就是我们知道得越快、越实时，产生的价值往往越高。
第四就是我们要通过数据能预见未来，能预测未来。
第五，也是最重要的一点，当我们理解了前四点，我们要竭尽全力去改变我们的产品、改变我们的服务，把未来变得更好，这个部分是产生最大价值的一个环节。
以上就是整理的 6 个问题及回答。
最后，有对 GrowingIO 产品感兴趣的同学，欢迎 点此使用 GrowingIO - 硅谷新一代数据分析产品
关键字：数据库, 用户
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！
