編者按：本文作者孔淼然磷，來自北京諸葛云游科技有限公司郑趁，一家專注移動端數(shù)據(jù)分析和 Growth Hacking 策略的企業(yè)服務公司。在服務客戶過程中姿搜，他們發(fā)現(xiàn)當前國內(nèi)開發(fā)者所接觸到的數(shù)據(jù)分析寡润、產(chǎn)品分析思路都還非常傳統(tǒng)，缺乏 “精益分析” 的思維和方法舅柜，因此寫了此文分享梭纹。
前言：最近一直在研究互聯(lián)網(wǎng)產(chǎn)品的 AARRR 模型和 Growth Hacking，有了一些思考致份，所以和大家分享一下变抽，希望能夠拋磚引玉，歡迎持有不同見解的朋友討論氮块、拍磚绍载。
那么為什么要精細化分析？什么是 Growth Hacking,并且我們?nèi)绾稳プ?Growth Hacking 呢曙痘？接下來我將從 “人群差異化”边坤、“從流量經(jīng)濟到 AARRR 用戶模型”融蹂、“硅谷公司的 Growth Hacking”、“尋找自己的 Growth Hacking 策略” 等幾個方面去解釋。
人群差異化
有過 App（網(wǎng)站）開發(fā)和運營經(jīng)驗的朋友，一定對百度統(tǒng)計，友盟，Google Analytics 等統(tǒng)計工具毫不陌生鞋喇，它們可以提供一些基礎數(shù)據(jù)統(tǒng)計服務，比如總用戶數(shù)，每日活躍用戶數(shù)矾睦，或者頁面訪問數(shù)等等赁温。只是這些分析只能是一些通用的細分維度下（如渠道，版本等）的統(tǒng)計數(shù)字，所以這些統(tǒng)計工具無法從更詳細的維度（例如用戶的人口屬性喇勋，用戶的行為事件等）去細分用戶群體膨更。
我們看看下面幾組來自 Talkingdata 的年度報告圖片：
首先誊役，從用戶年齡群來看，90 后谷市，80 后歌懒，70 后及以下的人群分布已經(jīng)越來越均衡板驳，由此可以預見到的是上網(wǎng)人群的年齡也會從過去相對集中的二三十歲的年輕人到全年齡層的分散婆跑。
其次此熬，城市的覆蓋，也意味著上網(wǎng)人群從過去集中在一二線城市的情況扶关，變成了到三四線城市的全面分布阴汇。
第三，上網(wǎng)環(huán)境的優(yōu)化节槐，WiFi 和 4G 的增加以及 2G 的減少搀庶，意味著，應用內(nèi)容會越來越豐富疯淫，顯示的內(nèi)容將不再受到網(wǎng)速的約束地来。
第四戳玫，北上廣深的應用偏好差異熙掺，意味著城市文化與節(jié)奏的差異已漸漸影響到不同城市人群的喜好。
2000年 互聯(lián)網(wǎng)起步咕宿，2005年 的 web2.0 以及 2009年 的移動互聯(lián)網(wǎng)的幾波浪潮期間币绩，互聯(lián)網(wǎng)人群還比較集中在 80 后，一二線城市府阀，沒有太大的差異缆镣。但是現(xiàn)在，隨著互聯(lián)網(wǎng)人群從年齡试浙，城市等多方面的滲透分布董瞻，差異化越來越明顯。所以，如果幾年前互聯(lián)網(wǎng)還可以認為流量影響的人群比較一致钠糊，不用作細分分析的話挟秤，那么現(xiàn)在對于 App 或者網(wǎng)站而言，人群差異一定會存在不同的使用影響抄伍，例如母嬰類應用艘刚，全職媽媽或者白領媽媽，一二線城市的媽媽或者三四線城市的媽媽截珍，抑或外婆奶奶這種 “偽媽媽”攀甚，她們對于應用使用也會有不同的差異。
從流量經(jīng)濟到 AARRR 用戶模型
其實現(xiàn)今為止岗喉，大多數(shù)公司只關注三件事：流量秋度、用戶、收入钱床。
他們關注的是通過大批流量的入口静陈，招來大批用戶，然后再帶來大量收入诞丽，或者換言之鲸拥，這是一種 “流量經(jīng)濟”。但現(xiàn)在僧免，如上面所述人群差異化越來越明顯刑赶，導致以前的這種方式，會越來越低效懂衩，出現(xiàn)了越來越多的無用投放撞叨，以致于最后出現(xiàn)這樣一種現(xiàn)象：通過流量交換，或者一些渠道與 CP 其實已經(jīng)影響了很多用戶浊洞，但最終留存下來的用戶卻很少牵敷。
之前 36kr 有篇文章《流量時代何時走向終結》寫過這樣一句話：“‘流量經(jīng)濟’ 的重點在于 ‘洗’，要找到一種與之相對的模式法希，那一定是 ‘粉絲經(jīng)濟’枷餐，其重點在于 ‘養(yǎng)’”。
所以拋開流量增長帶來的收入苫亦，我們更應該關心的是流量帶來的是什么樣的用戶毛肋，怎么來的用戶，以及不同用戶怎樣產(chǎn)生收入屋剑，產(chǎn)生什么收入润匙。比如說，現(xiàn)在我們很多 App 常常會換量唉匾，找兩個 CP 換量孕讳，一個帶來 5000 量，而另一個帶來 3000 量。很多人單從流量數(shù)字來看會覺得 5000 的好厂财，但是沒有考慮 5000 和 3000 用戶背后的留存率油啤，如果 5000 的量的留存是 10%，3000 的留存是 40%蟀苛，實際上是后者帶來的有效用戶是前者的兩倍益咬；然后還不止這么簡單，如果前者（5000 量里的 10%的留存）帶來的 ARPU 值是后者（3000 量里的 40%的留存）的 5 倍帜平，意味著前者帶來的價值又會是后者的兩倍多幽告，所以這些都必須通過對人群的深度分析才能得出結論，了解你的高留存用戶裆甩，然后去 “養(yǎng)” 這些用戶冗锁，那么才有可能產(chǎn)生持續(xù)穩(wěn)定的高價值。
所以當 “流量經(jīng)濟” 已經(jīng)大打折扣時嗤栓，就沒有別的辦法嗎冻河？不，其實國外已經(jīng)提出了一種新的分析思路就是 AARRR 用戶模型茉帅。
所謂 AARRR 用戶模型其實就是 “獲冗缎稹（Acquisition）”、“激活（Activation）”堪澎、“留存（Retention）”擂错、“傳播（Referral）”、“收入（Revenue）”樱蛤，整個步驟如圖所示钮呀。
用戶獲取（Acquisition）其實就是通過各種方法吸引用戶到自己的平臺來昨凡，例如常見的搜索引擎優(yōu)化爽醋，二維碼掃碼，應用市場便脊，內(nèi)容提供方蚂四，社會化分享，軟文等等就轧。
用戶激活（Activation）就是讓用戶注冊成為你的用戶证杭。
用戶留存（Retention）就是讓用戶持續(xù)使用你的應用田度。
傳播（Referral）就是讓用戶愿意替你傳播你的應用妒御，例如通過社會化分享或口碑宣傳等方式。
收入（Revenue）就是獲取用戶收入了镇饺。
整個過程就是先獲取用戶乎莉，然后部分用戶會成為激活用戶，而激活的用戶里面會有一部分成為留存用戶，留存的用戶里會有一部分用戶幫助向外傳播惋啃，又會吸引一部分用戶哼鬓，最后留存用戶里面會有一部分用戶產(chǎn)生收入。
所以再對比剛剛的那個流量模型边灭，顯然我們可以通過 AARRR 的整個過程更加細致的去了解用戶的整個生命周期异希。
硅谷公司的 Growth Hacking
Growth Hacking 其實是一種用戶增長的方式，通常來說即通過一些策略去幫助公司形成快速的增長绒瘦，但它又不等同于 BD 和 Marketing称簿。
Growth Hackers 并不是 BD 和 Marketing 的替代，Growth Hackers 并不意味著優(yōu)于 BD 和 Marketing惰帽，BD 和 Marketing 專注于從多方面去發(fā)展和推廣憨降，而 Growth Hackers 通常是專注于某一點。
Growth Hackers 利用對產(chǎn)品的理解以及對產(chǎn)品推廣運營的分析该酗，去提出策略授药，幫助公司快速增長，這個過程一般都是要基于技術和分析去探索的呜魄。
創(chuàng)業(yè)公司更需要 Growth Hackers悔叽。
所以 Growth Hacking 最重要的是通過策略去增長，那么有哪些經(jīng)典的策略呢爵嗅？
上面幾家公司現(xiàn)在都是明星企業(yè)骄蝇，但在初期 Growth Hacking 都幫助他們實現(xiàn)了快速增長。
可能看到這里很多人還是不太明白這些精妙的策略是怎么想出來的操骡，很多國內(nèi)的相似企業(yè)都會 copy 他們的策略九火，但是對于如何去找策略卻是毫無思路，之前有一本書叫做《精益創(chuàng)業(yè)（Lean Startup）》册招，這里我要介紹的是《精益數(shù)據(jù)分析（Lean Analytics）》岔激，里面提到了一個觀點就是 OMTM (One Metric that Matters) 也就是找到影響最大的一個指標。
前面已經(jīng)說過 Growth Hacking 會更專注于分析聚焦在某個點的問題是掰，回想剛剛的 AARRR 模型虑鼎，其實這就是一個漏斗。
從用戶獲取到激活到留存键痛，留存到傳播和收入就是一個自上而下的漏斗炫彩，越往下越窄。理想的境況下絮短，我們都希望這是一個圓柱體江兢，但顯然這是比較困難的，而我們要做的就是精細化分析用戶獲取到收入的整個過程丁频。
對于沒有過數(shù)據(jù)分析運營的公司來講杉允，這個過程中一定存在很多優(yōu)化點邑贴，縱觀整個過程，我們首要的就是找到步驟間轉化率最低或者最容易提升的一個點叔磷，然后結合這個點去想策略拢驾。
我們再回到剛剛的那幾家公司的策略：
最典型的是 Linkedin，Linkedin 發(fā)現(xiàn)用戶獲取是一個低效的點改基，同時他們發(fā)現(xiàn)很多人在搜索引擎搜索自己的名字時沒有太多相關信息繁疤，所以他們提供了一個功能，就是創(chuàng)建個人資料頁秕狰，然后幫助做 SEO 優(yōu)化权均，這樣逆济，再搜索自己名字的時候，前幾個結果就會有用戶的專頁，這個 feature 當時就吸引了不少的新用戶嘴办，并且注冊成為他們的用戶继控。
Quora 和 Twitter 都發(fā)現(xiàn)了用戶獲取到用戶激活的比例比較低求泰。他們用了不同的策略卤唉，Quora 增加了注冊的途徑，比如閱讀到一半彈出了注冊框低飒；而 Twitter 則是發(fā)現(xiàn)來到注冊頁面许昨，在注冊過程中流失的人很多，因此他們選擇的是優(yōu)化注冊流程來提高注冊量褥赊。
Dropbox 發(fā)現(xiàn)從用戶的激活到用戶留存有提升空間糕档。在發(fā)現(xiàn)這個問題后，他們分析發(fā)現(xiàn)一部分人注冊后并沒有下載客戶端拌喉，而往往他們就是留存最低的那部分人速那，顯然如果能將這里面的一部分人喚醒，那么這個轉化率一定能提高尿背，所以他們就給注冊了賬號但沒有下載客戶端的用戶發(fā)送了下載客戶端的郵件端仰。
還有一個很有名概念就是 “AHA!MOMENT”，可以理解為驚訝時刻田藐，其實也是通過對內(nèi)部數(shù)據(jù)的分析荔烧，找到一個影響用戶留存的關鍵點，比如 Facebook 是 10 天內(nèi) 7 個新用戶汽久，Twitter 是用戶關注到達 30 人鹤竭，而策略就是刺激用戶達到這兩個目標了。
所以可以看出景醇，每一種策略都在針對著 AARRR 模型過程中的某一步臀稚。而我們要優(yōu)化應用和 App，首先要做的就是找到整個步驟中存在問題的那一步啡直。
尋找自己的?Growth Hacking?策略
合理使用工具是重要的一步烁涌。
不考慮推送苍碟、客戶管理等企業(yè)工具酒觅，單從分析來講現(xiàn)有的工具主要分兩類：通用統(tǒng)計類和精細化分析類撮执。第一類就是開頭所講的友盟這一類工具，他們是最基礎的統(tǒng)計服務舷丹；Talkingdata抒钱、Dataeye 則是在統(tǒng)計基礎上做了一些垂直化，把一些統(tǒng)計數(shù)據(jù)包裝成行業(yè)指標颜凯，更利于開發(fā)者去閱讀理解谋币；而另外一類工具就是 Mixpanel 和諸葛 io (zhugeio.com)，他們?yōu)殚_發(fā)者提供的并不是統(tǒng)計服務症概，而是類似于 BI（商業(yè)智能）的分析工具蕾额。
統(tǒng)計類工具特點是每天計算一次關鍵指標，用戶看到的都是預先計算好的數(shù)據(jù)彼城，因為分析的維度是固定的诅蝶。比如對人群在通用維度（版本，渠道等）進行分析募壕。
分析類工具則是非常靈活動態(tài)调炬，大多都是實時分析，而且分析人群可以定制化細分（比如和內(nèi)部數(shù)據(jù)庫相關的人物屬性舱馅，或者在應用內(nèi)產(chǎn)生了什么行為等）缰泡。
兩類工具各有各的特點，對于查看概況代嗤，統(tǒng)計類工具無疑是適用的棘钞；而對應到要找到 Growth Hacking 策略之類，則需要深入分析應用以及用戶使用過程干毅，那么還是需要分析類工具武翎。
學會使用一些方法
漏斗
漏斗是常用的分析方法，在應用的使用過程中溶锭，會有一些層次關系宝恶，例如在視頻應用中，用戶看視頻之前可能有很多入口趴捅，比如從搜索垫毙、推薦、分類拱绑，用戶都能完成看視頻操作综芥，那么哪一個轉化率是最高的呢？或者用戶有很多種猎拨，一線城市膀藐、二線城市屠阻，那么一線、二線哪個完成看視頻的轉化率最高呢额各？再說電商應用国觉，典型場景就是從加入購物車，到下訂單虾啦，到完成支付麻诀，這也是一個漏斗；或者用來支付的方式傲醉，是微信支付還是支付寶支付蝇闭，誰的支付率更高，同樣也是一個漏斗硬毕，所以用精細化分析工具分析漏斗是非常重要的呻引。
自定義留存
我們之前常常以為的留存，都是用戶有沒有持續(xù)去使用應用其實每個應用的核心價值其實是不一樣的吐咳。比如知乎日報就是有沒有持續(xù)去閱讀逻悠；優(yōu)美圖是有沒有持續(xù)去看圖片；淘寶是有沒有持續(xù)下訂單挪丢，甚至對于淘寶而言蹂风，持續(xù)看商品，持續(xù)下訂單乾蓬，持續(xù)完成支付的用戶價值也是不同的惠啄。所以當涉及到精細化分析時，留存也會因為應用內(nèi)觸發(fā)行為的差異而不一樣任内，因此自定義留存也能夠幫我們?nèi)ズ饬恳恍┯脩舻某掷m(xù)價值撵渡。
找到你自己的問題
回憶一下剛剛的 AARRR 模型，每一個應用都可以把自己的一些用戶行為找到對應的過程中死嗦，所以首要的就是你要找到跟這幾個過程相關的事件趋距，比如用戶獲取可能就是用戶不同來源，用戶激活可能是用戶的注冊越除，用戶留存就是剛剛說的應用自己的一些核心事件（比如閱讀节腐，看視頻），用戶傳播就是分享行為摘盆，用戶收入就是付費過程了翼雀。利用分析工具先檢測好這幾個點，然后統(tǒng)計中間的轉化率孩擂，找到提升空間比較大的點狼渊，然后再細致的去跟蹤中間的過程，比如如果發(fā)現(xiàn)分享比例比較低类垦，那么就可以看看是分享的刺激不夠狈邑，還是分享過程需要優(yōu)化城须，比如微信認證或者微博認證流程中出現(xiàn)問題。
最后想說的是米苹，很多小的公司誤以為數(shù)據(jù)分析和自己無關糕伐，但從長遠來看，了解和熟知自己的客戶群體以及產(chǎn)品使用的數(shù)據(jù)驱入，對于發(fā)展和增長的策略來講很有必要赤炒，Growth Hacking 離每一家企業(yè)都沒有那么遠氯析。分析數(shù)據(jù)不用一次把所有的業(yè)務都設置成自定義事件亏较。通過分析或者統(tǒng)計工具埋點，數(shù)據(jù)太多了反而會影響自己去分析掩缓，把埋點分析也變成產(chǎn)品迭代的一部分雪情，每次只需要分析一個模塊的問題就可以，比如注冊過程你辣，分享過程巡通，留存過程等等，核心是每次迭代產(chǎn)品舍哄，找到 OMTM宴凉，分析和優(yōu)化這個關鍵指標。
工欲善其事表悬，必先利其器弥锄，產(chǎn)品就是你的利器。
本文來自讀者投稿蟆沫，不代表 36氪 立場籽暇，如若轉載，請注明出處：http://36kr.com/p/5037490.html
