用户裂变数据分析

用户增长是一个工作和找工作的时候都不可避免的话题,那么用户增长,该怎么做数据分析?本文从两个方面分享了大部分企业做用户增长的方法,希望对你有所帮助。

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。

本文来自互联网用户投稿,该文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:http://www.rhkb.cn/news/469695.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

论文分享:DiskANN查询算法

详细总结了三篇有关DiskANN最邻近查询图算法的论文 欢迎大家来点赞,更欢迎感兴趣的友友来探讨! DiskANN的提出(NurIPS’19)文献分享: Vamana图算法以及面向SSD的DiskANN文章浏览阅读797次,点赞21次,收藏8次。NurIPS‘19_vamana图…

第16章 SELECT 底层执行原理

一、SELECT查询的完整结构 1.1 方式一(SQL 92语法) SELECT ..., ..., ... FROM ..., ..., ... WHERE 多表的连接条件 AND 不包含组函数的过滤条件 GROUP BY ..., ... HAVING 包含组函数的过滤条件 ORDER BY ... ASC/DESC LIMIT ..., ... 1.2 方式二&a…

【设计模式】结构型模式(四):组合模式、享元模式

《设计模式之结构型模式》系列,共包含以下文章: 结构型模式(一):适配器模式、装饰器模式结构型模式(二):代理模式结构型模式(三):桥接模式、外观…

移门缓冲支架的作用与优势

1. 吸收冲击力,保护门体和墙体移门缓冲支架的主要功能之一是吸收门关闭时的冲击力。当门快速关闭时,如果没有缓冲装置,门会猛烈撞击门框或墙体,可能导致门体、轨道和墙体的损坏。缓冲支架通过吸收这部分冲击力,减少门对…

「IDE」集成开发环境专栏目录大纲

✨博客主页何曾参静谧的博客📌文章专栏「IDE」集成开发环境📚全部专栏「Win」Windows程序设计「IDE」集成开发环境「UG/NX」BlockUI集合「C/C」C/C程序设计「DSA」数据结构与算法「UG/NX」NX二次开发「QT」QT5程序设计「File」数据文件格式「UG/NX」NX定…

协程3 --- golang的协程调度

文章目录 单进程时代多进程/线程时代协程时代内核级线程模型(1:1)用户级线程模型(N:1)两级线程模型CMP(M:N)GM模型 GMP模型 单进程时代 描述:每一个程序就是一…

鸿蒙华为商城APP案例

模拟器运行效果如下: 鸿蒙版APP-华为商城-演示视频

vue+Leaflet.PM插件实现创建和编辑几何图形(点、线、面、圆等)

场景 VueLeaflet实现加载OSM显示地图:https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/122317394在上面加载显示OSM的基础上,使用Leaflet.pm插件实现在页面上绘制、编辑、剪切、移动几何元素。Leaflet.pm插件 用于创建和编辑几何图层的插件可…

手动实现h5移动端点击全屏按钮横屏展示图片,左右滑动切换,处理页面会随着手指滑动问题

页面提供全屏按钮,全屏展示的容器 <div class"container"><button click"openSwiper">点击全屏查看</button><!-- 大图 --><divclass"full"v-if"showSwiper"touchstart"handleTouchStart"touch…

Vue2+3 —— Day3/4

Day3 Vue生命周期 和 生命周期的四个阶段 Vue生命周期的四个阶段&#xff1a; 从创建到销毁的整个阶段中&#xff0c;Vue提供好了一系列函数&#xff08;8个&#xff09;&#xff1b; 并且在经历生命周期的对应阶段时&#xff0c;会自动帮你调用这些函数 这8个函数称为生命…

Redis集群模式之Redis Sentinel vs. Redis Cluster

在分布式系统环境中&#xff0c;Redis以其高性能、低延迟和丰富的数据结构而广受青睐。随着数据量的增长和访问需求的增加&#xff0c;单一Redis实例往往难以满足高可用性和扩展性的要求。为此&#xff0c;Redis提供了两种主要的集群模式&#xff1a;Redis Sentinel和Redis Clu…

机器学习———特征工程

1 特征工程概念 特征工程就是对特征进行相关的处理&#xff0c;一般使用pandas来进行数据清洗和数据处理、使用sklearn来进行特征工程&#xff0c;特征工程是将任意数据(如文本或图像)转换为可用于机器学习的数字特征&#xff0c;比如:字典特征提取(特征离散化)、文本特征提取…

服务器数据恢复—分区结构被破坏的reiserfs文件系统数据恢复案例

服务器数据恢复环境&#xff1a; 一台服务器中有一组由4块SAS硬盘组建的RAID5阵列&#xff0c;上层安装linux操作系统统。分区结构&#xff1a;boot分区LVM卷swap分区&#xff08;按照顺序&#xff09;&#xff0c;LVM卷中划分了一个reiserfs文件系统作为根分区。 服务器故障…

vue3+vite搭建脚手架项目本地运行electron桌面应用

1.搭建脚手架项目 搭建Vue3ViteTs脚手架-CSDN博客 2.创建完项目后&#xff0c;安装所需依赖包 npm i vite-plugin-electron electron26.1.0 3.根目录下创建electron/main.ts electron/main.ts /** electron/main.ts */import { app, BrowserWindow } from "electron&qu…

C++ | Leetcode C++题解之第556题下一个更大元素III

题目&#xff1a; 题解&#xff1a; class Solution { public:int nextGreaterElement(int n) {int x n, cnt 1;for (; x > 10 && x / 10 % 10 > x % 10; x / 10) {cnt;}x / 10;if (x 0) {return -1;}int targetDigit x % 10;int x2 n, cnt2 0;for (; x2 …

大数据技术之Hadoop :我是恁爹

就如上图中的技术分类&#xff0c;大数据技术主要解决的就是海量数据的存储和计算问题。 这两个问题的解决方案最先被 Google 被提出&#xff0c;用于解决 Google 搜索引擎海量的网页存储和索引的构建。对应的技术就是日后被人所熟知的 HDFS 和 MapReduce。 不关注大数据的可…

云计算:定义、类型及对企业的影响

&#x1f493; 博客主页&#xff1a;瑕疵的CSDN主页 &#x1f4dd; Gitee主页&#xff1a;瑕疵的gitee主页 ⏩ 文章专栏&#xff1a;《热点资讯》 云计算&#xff1a;定义、类型及对企业的影响 云计算&#xff1a;定义、类型及对企业的影响 云计算&#xff1a;定义、类型及对企…

如何优化Elasticsearch的查询性能?

优化Elasticsearch查询性能可以从以下几个方面进行&#xff1a; 合理设计索引和分片&#xff1a; 确保设置合理的分片和副本数&#xff0c;考虑数据量、节点数和集群大小。根据数据量和节点数量调整分片数量&#xff0c;避免使用过多分片&#xff0c;因为每个分片都需要额外的…

星期-时间范围选择器 滑动选择时间 最小粒度 vue3

星期-时间范围选择器 功能介绍属性说明事件说明实现代码使用范例 根据业务需要&#xff0c;实现了一个可选择时间范围的周视图。用户可以通过鼠标拖动来选择时间段&#xff0c;并且可以通过快速选择组件来快速选择特定的时间范围。 如图&#xff1a; 功能介绍 时间范围选择&…

光流法与直接法在SLAM中的应用

本文总结视觉SLAM中常用的光流法与直接法 1、Lucas-Kanade光流法 相机所拍摄到的图像随相机视角的变化而变化&#xff0c;这种变化也可以理解为图像中像素的反向移动。“光流”&#xff08;Optical Flow&#xff09;是指通过分析连续图像帧来估计场景中像素或特征点的运动的技…