什么是用户增长? (超详细)

一.概况

原因:随着人口红利的衰减,互联网流量红利的马太效应显现,这意味着成本的大幅度增加,企业必须改变过去粗放型的营销和运营方式,用更高效更低成本实现快速增长

定义:通过实验和数据驱动,聚焦整个用户生命周期的方法论

在任何一家公司 & 任何业务中,当我们要做“增长”时,我们的出发点一定是要有一个明确,可被驱动的用户转化 / 成长路径和对应的数据漏斗,并能通过数据监测之,再基于数据来制定策略 + 具体执行工作

一切增长工作,都离不开用户价值成长 / 转化路径,增长策略和玩法设计

1.常见的用户价值成长 / 转化路径

①转化流程路径

就是用户按照某一个固定路径往下走,最终可以在较短时间内(一般数分钟到十分钟内)完成一个目标行为

流程 & 路径清晰后,你就能看到一个数据漏斗,并能够通过数据去思考和界定很多问题的源头在哪里

渠道 & 产品可承载的用户行为越多,则针对同一个目标,可能会有多条转化流程型路径出现

转化流程型路径,有时需要结合业务刻意设计 + 引导

②用户成长型路径

就是用户需要完成某些行为,从而使自己在较长时间内(从几天到几年不等)从一种状态成长为另外一种状态

业务简单的产品,用户成长路径可以依据“下单数”,“在线时间”等来区分

业务复杂的产品,用户成长路径可能需要依据一些特定模型来进行建立

最终,成长路径中的每一种状态,都需要被数据描绘清楚

背后的逻辑:随着产品/业务复杂化,用户行为会逐渐复杂+多样 → 也有了更多数据后,可能会对业务和对用户进行建模 → 就出现了各种不同的用户状态或所处阶段,不同状态下的用户价值必然会有所差异,且我们需要让用户遵循我们的模型有所成长

某付费收入类产品的用户成长路径

某体育社区产品基于“用户生命周期”的用户建模

用户成长路径背后的每一类用户状态,都一定需要通过数据,标签来能够进行精确描绘和定义

③两种用户价值成长 / 转化路径之间的关系

从增长角度来看,用户从A状态蜕变为B状态,中间一定会依赖于很多特定行为的影响。而所有的增长策略,最终也一定会回到 “我们到底需要影响用户发生哪些行为 + 如何影响” 上面来

2.四类常见的增长问题及解题思路

①如何优化 + 放大一个转化流程的效果?

围绕一个行为的流程进行优化,使流程的漏斗转化率最高

step1:梳理或设计出现有转化流程

step2:思考现有流程是否可以缩短

step3:针对流程中的每一个节点,通过某些策略 / 玩法提升其转化率

②如何找到用户从A状态成长为B状态的增长杠杆?

促使用户从A状态转变到B状态,一般来讲,B状态的用户价值需要更高

寻找多个用户行为或多条“流程型路径”与状态B之间的相关性,最终找到一种“只要用户更多得到A体验或发生A行为,就一定会更多成为B状态”的逻辑

③如何通过用户分层进行精细化运营,放大整个用户成长路径的效率?

基于整个整个成长路径,是否会因为某些用户个性化需求和属性的不同,导致其需求,使用动机,使用偏好等会出现较大差异,需要专门为其设计一些转化流程型路径或策略

④如何伴随业务发展重构用户成长路径,升级增长模型?

这类问题需要和企业战略,产品定位结合起来考虑,所以路径,模型一定是为业务目标服务的

这类问题在产品1-5年这个期间一般是不需要考虑的,对于初级增长专家一般也不需要考虑,先做好执行再说

3.如何做好特定用户行为的引导和转化?

所有场景下的增长,最终都会回归到 “引导用户完成某些特定行为”

行为发生 = 内在动力 * 外在推力

内在动力:通过提升产品内在价值来实现

外在推力:通过施加用户行为激励来实现

①提升内在动力的思路

提升细节的产品体验,增强用户使用动机

减低用户的行动成本

提供更多的产品价值

②增加外在推力的自检清单

是否可以增加物质激励刺激用户来促进特定行为发生?

是否可以增加部分 “概率中奖事件” 来刺激用户产生特定行为?

是否可以把某种产品价值稀缺化来刺激用户发生特定行为?

是否可以通过猎奇 + 竞争攀比心理来刺激用户发生特定行为?

是否可以在相关行为上赋予用户一个更加崇高,光荣的动机?

4.“用户增长” 在产品不同阶段的工作重心区分

一款产品在其生命周期的不同阶段,随着产品的发展 / 演化,增长工作所需要关注的重点可能是完全不同的,也一定会越来越复杂

引入期(初创):最初只有一些简单的转化流程类路径

成长期(A轮,B轮):随着业务增加,各种路径会变得越发复杂,逐渐演化出更多用户成长 / 发展路径,开始需要进行用户建模 + 精细化运营。较为简单,增长工作基本找准路径看到数据就能干

成熟期 + 衰退期:在产品发展的过程中,有一些常见策略逐渐被产品化,成为产品策略,如一些用户等级,积分体系,用户分层运营体系等。业务复杂度 + 用户体量逐渐增加,增长工作复杂度随之增加,需要定义好模型,路径,并不断设计大量策略,玩法,中间可能还会伴随着业务模型的不断升级和优化

5.外增长 / 内增长的本质和差异

外增长 = 渠道 * 玩法 * 转化 / 成长路径

外增长分为两类:纯渠道引流,在一个流量生态做用户池

纯渠道引流,必然只有转化型路径。而流量池可能会基于模型同时有转化流程型路径 + 用户成长型路径存在

内增长 = 业务模型(背后是产品内的用户成长路径)

各单点增长问题 & 常见武器库 + 各种独立体系的设计和搭建

最终,所有内增长的工作都会回到那4类增长问题

二.基本框架:AARRR模型(海盗模型)

1.获客(Acquisition)

新用户来源:渠道新增,口碑传播,营销造势

新用户获客准则:利润(= 收入 - 成本)

收入:LTV(Lifetime Value 用户生命周期价值),后验数据

           与盈利模式有关:月租付费,付费下载,产品内购买,交叉推广,广告等

           与留存曲线有关:用于确认计算周期

成本:CAC(Customer Acquisition Cost 用户获取成本)

           CAC =(营销总费用 + 销售总费用 + 管理费用)/ 同期新增用户数

常见判定区间

渠道类型:有机渠道(如SEO,内容营销,EDM,社区建设,网站营销,应用商店优化等),付费渠道(如SEM,线上线下广告,广告联盟,赞助等),搜索引擎竞价推广(百度,Google等)

渠道投放的初期选择:产品定位 + 用户画像,渠道定位

渠道作为我们触达用户的媒介,我们期望支付费用带来优质用户;但是劣质渠道可能会为了刷量而引入劣质用户,造成平台支出损失和生态质量下降

在评论一个渠道是否有效果,做出各种投放策略前,可以对某个渠道进行小规模的投放,做好监控和数据收集,一段时间后进行数据分析

新客要打好渠道标签

渠道来源:不同层级,便于计算新客在产品内的转化路径

投放素材:图片,短视频,直播等,便于统计用户画像

如何避免恶意刷量?

量级变化:是否有突增?用户基础维度分析

用户转化指标与功能渗透率:非真实用户行为和正常用户不同

留存率:刷量用户很难每天都来贡献DAU

新用户流失的常见原因

产品功能问题:产品无法满足用户需求,或者用户需求不强烈

产品价值发现问题:产品对用户有价值,但没做好引导,用户未发现价值就流失了

渠道用户匹配问题:拉新渠道有问题,引入的用户不是目标用户

2.激活(Activation)

在关键行为的产生前后体验到啊哈时刻

为了更多用户达成关键行为而进行激活路径分析

把50%的精力放在产品开发上,另外50%用在新用户激活上

定义:新用户感受到了产品价值,在成为产品有价值的用户这条道路上完成了重要的里程碑

①新用户激活

初步选择激活手段:参考用户行为公式,组合使用各种激活手段帮助用户达到啊哈时刻

用户行为管理 / 用户激励:引导,刺激用户完成产品所期望的行为的做法

用户激励既可以作为体系存在,也可以作为独立的手段存在

重要性

位于流量入口,所以用户激活率的一点点变化就会对后期的用户留存和盈利产生很大的影响

刚成为新用户时,用户对产品的兴奋度最高,注意力也最高,所以小的改变可能带来显著效果

痛点

没有明确的目标,做了很多尝试,但没法判断这些尝试是否有效

有了目标,不知道如何从数据中寻找提升激活的线索,提升成功率

有了线索之后,没有可复用的方案和思路提升激活

解决方案

通过分析啊哈时刻给新用户激活一个清晰的目标,根据激活指标衡量效果

通过定量和定性方式从数据中寻找激活线索:激活漏斗分析,新用户激动指数分析

通过参考最佳实践,提升激活

步骤

明确激活目标 → 分析数据,发现线索 → 参考最佳实践 → 提出方案,进行实验

找到提升新用户激活的线索

定量分析:激活漏斗(新用户激活漏斗的哪一步流失率最高?)

定性分析:激动指数(新用户激活里,哪些因素让用户更兴奋/更郁闷?)

a.新用户激活漏斗

新用户激活率 = 新用户在一定时间内达到啊哈时刻的比率

构建流程:明确激活指标 → 梳理新用户流程 → 组建激活漏斗 → 分析数据,发现线索

激活率可以帮助我们定量衡量啊哈时刻,也是新用户激活的北极星指标

激活漏斗分群(九个维度):用户画像,获客渠道,设备平台,产品线,CRM渠道,红包补贴,人口学,客服互动,社群互动

b.新用户激动指数

新用户在刚开始发现和尝试一个产品的时候,往往带着一点尝试新鲜事物的兴奋感

产品的激活流程和元素设计,会提升或损害用户的激动程度

步骤:梳理新用户流程 → 明确初始激动指数 → 评估各个元素 / 步骤对指数的影响 → 找到提升激动指数的机会 → 定期重新评估新用户激活流程

评估方法:粗略估计,用户打分

影响新用户激活:4个思路

行为 = [ 动力 - 阻力 ] * 助推 + 奖励

行为:想让用户完成的行为

动力

用户多想要完成行为(自身需求 + 助攻)

增强动力:挖掘用户自身需要,并辅以助攻,让用户更想要完成行为

常见方法:利用朋友背书;新用户红包;解释为什么;模拟前置啊哈时刻;个性化给用户他们想要的;通过用户心理学进行助攻

影响因素:自身需求(有多强烈),外部助攻(心理学)

阻力

行为有多容易做到(自身能力 + 阻碍)

降低阻力:去掉妨碍用户完成激活动作的所有障碍,帮助用户快速到达啊哈时刻

常见方法:移除不必要的步骤和信息;避免冷启动;突出关键行为和路径;避免太多选择;推迟注册或免注册

影响因素:难度和能力,外部阻碍(物理障碍,认知障碍)

助推

提示用户采取行为

适时助推:在关键时间窗口内,采用多种手段帮助用户完成激活

考虑因素:用户决策速度有多快?可以挽回用户的时间窗口是多久(新用户激活期)?如果用户未激活,有无触达用户的渠道?

常见方法:通过多种方式,在适当的时候教育;利用外部渠道推送

奖励

完成行为后,用户可以得到何种反馈

及时奖励:对于完成激活行为的用户,及时给予反馈和奖励,鼓励用户继续前进,完成多行为

考虑因素:用户完成的行为越困难,完成后越要奖励;如果行为是产品的关键行为,奖励可以帮助形成习惯;如果流程较长,要在中间给用户奖励,重新充电

常见方法:用户完成关键行为后,庆祝以示鼓励;即时反馈,有获得感

结合用户的动力和阻力,初步评估激活难度

提升新用户激活:4种手段

人工:辅助。客服,客户成功,社群等

激励:刺激。新用户红包,优惠等

渠道:沟通。短信,推送,邮件,服务号等

产品:基础。新用户上手流程,产品首次体验等 

结合激活难度,初步选择激活手段

②啊哈时刻

新用户激活的目标是啊哈时刻

定义:新用户第一次在你的产品中感受到了价值

相比产生关键行为,可能是个更加主观的时刻

啊哈时刻是一种情绪表达,代表产品给用户留下了足够强烈的第一印象,让用户感到惊喜,从而为以后持续使用产品打下基础

啊哈时刻通常出现在用户第一次使用你的产品时:一个用户是否经历了这一时刻,决定了TA会成为你产品的留存用户还是流失用户

本质:就是用简化的行为数据模拟用户首次得到价值的时刻

产生的原因:新用户在进入APP后的体验符合,甚至超出进入前的预期

核心假设

a.产品对于用户是有长期价值的:PMF的本质

b.通过某些关键行为,新用户可以快速感受到产品的(部分)长期价值:新用户的注意力和时间有限,为了让更多新用户更快感受到价值,我们会聚焦到最关键的一个行为,也不要求新用户感受到长期价值的全部

c.感受到长期价值的新用户有更大的可能性留下来:需要通过实验去验证因果性

分析目标:找到对用户留下影响最大的体验

为什么要找到啊哈时刻?找到啊哈时刻,实际上就是通过分析,找到活跃用户与流失用户之间的行为差异,分析行为背后的用户核心诉求,然后通过产品或者运营手段,让新用户的核心诉求尽可能的被满足,从而完成激活

用户预期:找到传递的用户价值

如何满足用户预期?强化核心功能的实现速度

绘制用户激活路径:找到用户产生关键行为的阻力,以新用户的角度模拟进入产品,记录每一个步骤

如何找到啊哈时刻?

a.提出备选行为

通过关键问题和用户调研,列出3-5个可能代表啊哈时刻的新用户激活行为

方法:定性分析(通过关键问题,通过用户调研)

关键问题:用户是谁?用户用这个产品要解决的问题是什么?用户为什么要解决这个问题?用户还有其他什么方法解决这个问题?

用户调研:对比不同用户的回答,发现产品对用户最重要的价值,找到备选的激活行为。如果有大量备选行为,可以通过用户调研帮助进一步缩小备选行为数量,对于有多个使用场景和功能的产品尤其重要

b.找到激活行为

通过数据分析找到这些行为中,和用户留存正相关性最强的关键行为,也就是激活行为

方法:定量分析(找到新用户激活期,找到激活行为)

新用户激活期:评估激活行为要多快发生(可以利用3条原则找到合适的时间窗口)

原则1:使用频次越高,激活需要越快

使用频次越高,新用户越快期待从产品中获得价值,可以根据使用频次,大概判断新用户激活期

原则2:生命周期越短,激活需要越快

生命周期越短,新用户越快期待从产品中获得价值

原则3:参考实际数据

分析新用户的实际数据,看绝大多数早期激活行为发生的时间窗口

激活行为:对比早期留存曲线,找到该新用户。激活期内,做了和没做对早期留存影响最大的一个行为

c.计算魔法数字

通过数分析找到这个关键行为的最佳次数,也就是魔法数字

有些激活行为只做一次就够了,比如电商的首单

有些激活行为需要重复多次,才能确保新用户感受到产品价值,例如看短视频

理论上,重复次数越多,对于留存提升越大。但是新用户激活时间优先,让用户重复太多次不现实

因此希望找到激活行为的最佳次数,确保用户获得价值,同时又不给用户带来负担

计算魔法数字的方法:边际效用最大法,韦恩图

魔法数字并不是绝对的

d.测试验证因果性

通过AB测试验证因果性,确认推动用户完成早期关键行为,确实可以提升留存

相关性:观察到有某个早期行为的用户,同时留存率更高

因果性:用户做了某个早期行为,导致留存率更高

因此,相关性 ≠ 因果性,接下来需要通过AB测试推动实验组更多人达到啊哈时刻,并观察到留存比对照组有所改善,才能证明最终的因果性

3.留存(Retention)

留存与用户活跃的底层内核

关于留存促活,其本质是伴随着用户体量的增长,不断针对不同类型的用户,要找到性价比最优的转化,成长路径,再施加引导激励

产品的长期价值成立和稳定,是留存 + 促活能够产生意义的前提

不同业务类型 + 属性的产品,在思考 “留存” 时的关注重点注定不同

产品形态 + 功能越丰富,用户行为越多,想要做好 “留存,促活” 的技术含量就越高

典型用户转化,成长路径清晰 + 用户使用习惯行为闭环形成后,一个用户激励体系可以显著通过产品化放大内增长的效率

实际上的增长 / 留存工作方法

所有的增长工作最终都有关于构建典型用户路径,并引导 + 激励用户,形成转化

增长 / 留存 / 促活工作的基本前提:拥有一个 “明确,可被驱动的用户转化 / 成长路径”

①制定 + 评估一款产品的留存曲线

为什么要评估留存的难度?

对用户没有长期价值的产品注定留不住用户:确认产品对用户有长期价,也是达到PMF,这时留存的前提

有长期价值的产品,由于其自身特点,留存难度也不同:分析产品特点,从而对于产品的天然留存难易有一个认识;结合留存曲线,找到现阶段提升留存的重点和策略

留存的前提:建立产品长期价值

留存差的最常见原因:产品长期价值不明确,也就是没有达到PMF

a.伪需求

产品解决的问题价值不大

解决方案:通过MVP方法,快速迭代验证达到PMF,避免这类情况的发生

b.新鲜感

有短期价值,无长期价值

解决方案:新奇感带来的大量用户,需要找到长期价值来进行流量承接。需要有后续计划,通过产品快速迭代,让用户感受到变化从而持续使用,或者将用户迁移到更有长期价值的功能上去

c.没实现

有价值,但是目前的产品没能完整地提供解决方案

解决方案:采用内测,或逐步开放各个城市等形式,完善产品和服务能力

用户留存公式:用户为什么流失?

留存:感知价值 + 转换成本 > 使用难度

流失:感知价值 + 转换成本 < 使用难度

感知价值不够:短期价值不明确,解决方案不到位,没满足多元需求,没有持续给用户新的价值;非刚需,产品功能单一和可拓展性

使用难度大:没有养成习惯,用户遗忘,产品体验不好;低频需求,天然生命周期短

转换成本低:没有机制让用户投入时间,数据,金钱,人力等,因此用户离开损失很小;狭义广义竞品多,产品可替代性高,转换成本低

从产品特定出发:评估留存难度的7个问题

用户需求有多强烈?

产品功能有多复杂:单功能 vs 多功能?是否可拓展?

产品的天然生命周期是多长:长命型 vs 短命型?

产品的天然使用频次是多久一次:高频 vs 低频?

是否有大量广义的可替代品:多 vs 少?

用户转换到其它产品的成本:高 vs 低?

产品变现能力如何:强 vs 弱?

如何衡量用户留存?

留存率

定义:在一段时间后仍然活跃的用户占总用户的百分比

公式:留存率 = 该时期末初始活跃用户里仍然活跃的数量 / 某时期开始时的总活跃用户数

留存曲线

定义:持续追踪不同时期开始活跃的用户群的留存率随时间的变化

公式:多个同期群,多个时间段的留存率

绘制步骤:选择关键行为 → 选择时间周期 → 收集数据制作表格 → 绘制留存曲线

关键行为

初始行为:完成何种初始行为的用户才谈得到留存?

回访行为:用户回到产品中需要做什么才算得上留存?

初始行为和回访行为很多时候是一样的,但是有些情况下不一定完全一致,视需要决定 

时间周期

不同产品的天然使用周期不同

不同留存曲线的关注点不同

制作表格

记录每一周首次完成初始行为的用户数,一般也就是激活用户数

追踪这些用户在接下来的每一周里继续完成回访行为的数量,一般也就是有留存关键行为的用户数

通过以上两步,计算每周有回访行为的用户占首周激活用户数的百分比

留存曲线

把百分比数据画成曲线图

如何分析和评估留存曲线?

评估基本形态:下滑型,趋平型,微笑型

观察变化趋势:留存是否改善,留存率是否有异常

对比行业均值:从更长的时间维度看,绝大多数产品的长期留存率最终趋于零

两种通用分析思路:对比不同群组的留存

a.用户分群对比

对比不同用户群的留存曲线,看具有不同属性和行为特征的用户,留存曲线是否不同

分解长期留存曲线,找到留存线索:获客渠道,用户属性,平台,是否使用功能,用户早期行为,用户画像和偏好等

b.功能留存矩阵

对于多功能产品,对比不同功能的留存率和活跃用户使用该功能的占比,找到留存线索

基本功能:分析多功能产品,不同功能有多少用户在用,每个功能的留存率如何?

问自己的问题:产品里不同功能的留存率是否差别很大?哪些功能留存率更高?留存率高的功能是否活跃用户占比高?如果留存率高,但是活跃用户占比低,是否可以提升占比?

大用户体量产品的两种思路

a.改善长期留存曲线(用户生命周期)

要想提升留存,需要提升之前和之后的指标:例如提升激活率,提升流失召回率

b.用户参与度

要想提升留存,需要加深留存用户的参与度:例如功能使用率,功能使用数量,使用频次和时长等

用户生命周期驱动留存

分析用户生命周期:评估从哪里入手改善留存曲线?

使用频次

定义:在一段时间里,用户会用某个功能或产品多少次,或者使用多少天?

常见指标:每月活跃天数,每月活跃次数,日活/月活,周活/月活比例

使用强度

定义:每次使用某功能或产品时,用户会花多少时间,花多少钱等

常见指标:平均访问时长,平均访问页面数,平均订单金额,平均每个用户完成关键行为的次数

②精细分析,找到性价比最高的留存线索 + 留存路径,明确留存提升发力点

提升新用户留存的方法

a.精准拉新

目标:观察不同渠道来源的新用户留存表现,调整或剔除掉留存差的渠道

方法:渠道分析

适用产品:所有从多个渠道获取用户的产品

怎么做:新用户留存率的分析重点之一是择优;挑选出留存率低的渠道,进一步分析,看是否可以改善渠道投放定位,产品承接等;如果经过改善,仍然没有进展,需要考虑暂时停止此渠道的投放

b.持续上手

目标:通过对新用户的持续引导,让他发现更多产品的功能,达到更多的啊哈时刻

方法:用户引导

使用产品:到达啊哈时刻一般只涉及让用户完成一个核心动作,或使用一个核心功能。绝大多数产品都有其他重要的功能和操作,需要继续引导新用户去发现和完成

怎么做:方法类似引导用户到达啊哈时刻,通过产品内新手引导等方式进行;区别是要注意在合适的时刻引导,而不是一股脑介绍所有功能

如何评估渠道质量确定投放优先级?

常见渠道划分方式:来源(具体的流量实体),媒介(实体中承载推广的实体)

渠道质量跟踪

选择关键事件:选取反映你产品目标人群会做的行为的数据

查看产生关键事件的用户来源是哪

c.习惯养成

目标:让产品使用,按照合理频率,成为用户生活习惯一部分

方法:行为闭环

适用产品:所有产品,尤其是中高频产品(日,周,月)

怎么做:通过打造用户使用习惯行为闭环,利用推送等方式,结合产品设计,让用户不断回到产品中来使用功能,从而最终养成习惯

注意:养成习惯在整个用户留存阶段都需要,越早开始用户流失越少

方法:Hooked模型(理论基础),设计用户行为闭环(实战方法)

Hooked模型:触发,行动,多变的酬赏,投入

第一步:触发

外部触发:回馈型 / 付费型 / 社交型 / 自主型触发

内部触发:负面 / 正面情绪

终极目标:外部触发引导用户完成几个循环后,让内部触发直接和产品关联;让用户一旦有了某种情绪和需求,直接想到并使用产品

第二步:行动

行动:触发用户后希望其完成的行为

关键:要求用户完成的行动分解的越小越好,并尽可能降低用户的行为成本

如何降低用户的行为成本?快速(通过用户路径分析,去除多余步骤,简化路径),清晰(通过清晰的文案和设计,去掉障碍和认知负担)

第三步:多变的酬赏

酬赏:对用户采取行为的反馈

关键:给用户的行为提供一个奖励,并且每次都不一样,持续刺激,形成习惯

第四步:投入

投入:让用户投入时间,精力,金钱,数据,感情,越来越离不开产品

类型:内容输出,社交关系,个人声望,行为习惯

Hooked模型更适用于哪些产品?频率足够高,可感知价值足够大,行为足够简单,天然有多变奖励,对非刚需产品尤其必要

用户习惯是产品最强大的留存机制

仅仅让新用户体验一次啊哈时刻不足以带来长期留存和活跃

需要让用户重复完成多次关键行为,养成习惯才更有可能带来长期留存和活跃

步骤

a.确定理想频次

定性方法:从产品解决的问题出发大概估算

定量方法:分析长期留存用户的频次

结合定性和定量方法,确定理想的使用频次

b.找到习惯用户

习惯用户两个条件:至少使用产品一段时间的老用户,达到理想频次

c.习惯性用户分析

针对这些习惯用户的数据,进行用户调研和数据分析

关键产出:找到习惯用户共有的行为

d.设计行为闭环

针对习惯用户的共有行为,梳理出用户完成这些动作的路径,找到路径上的所有关键节点

通过行为闭环,重复刺激用户,让用户不断经历路径,最终形成习惯

优化现有闭环,开发新闭环

③综合应用各种常见工具提升留存与活跃

3种加深用户参与的方法:提升核心功能的使用频次,提升功能的单次使用强度,增加使用场景

高频产品:通过产品或运营机制提升核心功能的使用频次

低频产品:通过打造高频功能而提升频次,打造产品价值链上的高频功能

两种增加使用场景的方法:让用户在多个场景下使用产品;让用户使用多个平台,建立多个触点

使用场景越多,用户留存越强

使用的平台和触点越多,用户留存越强

需要特别关注防流失的产品:规模较小或产品还在快速变化的产品,建立防流失机制的必要性相对较小,但流失预警是任何产品任何时期都必须关注的,越早实施可能效果越好

预流失机制的设计:流失用户定义 → 分析流失征兆 → 设立预警机制 → 完成用户引导

选择关键行为:一般流失行为都是标志性的关键操作是登录 / 访问或付费

选择时间长度:正常情况下,如果流失定义合理,成熟产品回访率应该在5%~10%以下,新兴产品可能更低

流失用户不仅仅在留存区才会流失

实施用户行为激励的典型思考逻辑:判断需要激励用户发生的行为 → 梳理出可用的激励资源和手段 → 明确主要激励方式,在行为和手段间匹配 → 上线激励机制 → 调整及优化 

常见的用户激励方式:物质激励(简单物质刺激,特权或者权益),精神激励(竞争排名激励,荣誉,身份,其它人性诱因)

特定用户行为和激励手段之间的匹配原则

一次性行为:物质激励,其他诱因,特权,勋章等

持续性连贯性为:积分,等级为主

重复式简单行为:较为稳定,预期明确的物质激励,或代币,积分等,可独立奖励

创造式行为或阶段性冲刺行为

根据产品特点选择不同的留存工具

所有的留存手段,都是建立在产品经过了初创期的价值验证,用户已略有一定规模的情况下才适用

部分产品,由于资源优势,即使不采用上述工具,也能取得不错的留存 + 活跃

不同的用户阶段选择不同的留存工具

4.转化(Revenue)

关键:抓住用户的痛点,满足消费者的需求

目标:如何赚到更多钱

收入分为:服务收入,广告收入

服务收入:指产品里的付费服务

广告收入:指依靠投放在产品里的广告而获取的收入

这一环节需要关注的指标有:用来衡量业务总量的指标;用来衡量每个人平均情况的指标;用来衡量付费情况的指标

夹点:指的是损失潜在收益的地方,要评估这些常见的夹点,分析用户在这些关键环节放弃的原因

5.传播(Referral)

口碑传播:自发推荐,邀请获利

营销造势:开展营销活动

情感:用户在社交网络平台分享事物或产品常见心理需求有归属感,认同感,成就感,虚荣心,比较心理(装逼,好胜心,自尊心),展示欲(塑造自己的形象,威信,给自己贴标签),求知欲(爱学习),从众心理(大家都转发的准没错,或者大家都知道的,我也是知道的)

三.增长指标

1.北极星指标

定义:又叫“第一关键指标”,产品现阶段最关键的指标,公司阶段性最首要的发展目标,各个团队与资源都以目标为聚焦

其他指标可以作为参考或者对北极星指标产生间接影响

选择方法:能够反映产品核心价值;有助于营收增长;可度量

重要性

清晰目标:了解产品的真实运营和成长情况,帮助明确任务的优先级

聚焦资源:避免将资源分散在不能真是驱动业务增长的开发上

发现问题:一旦北极星指标出现波动和异常,相关业务人员能及时地做出反馈,监测产品的成长情况

不同产品的北极星指标

社交APP:消息数量,在线时长

电商APP:GMV

内容社区APP:内容生产数量

2.增长指标的拆解

原因

本质是为了增长策略能够落地,需要明确增长因子

北极星指标是一个由许多数据构成的一系列指标

步骤

①拆解简单数学逻辑(乘除法)

销售总额(GMV)= 购买用户数 * 客单价

内容生产数 = 内容生产人数 * 人均内容生产个数

月ARPU = 月总收入 / MAU

②绘制路径转化漏斗

销售总额(GMV)= 购买用户数 * 客单价

购买用户数 = 活跃用户 * 购买转化率

查看商品详情转化率

[查看商品详情 - 加入购物车] 转化率

[加入购物车 - 结算] 转化率

③拆分用户群体

拆分原则:用户群体不重叠,拆分方向与增长指标一致

④单个指标详细拆解

新用户数 = 各个渠道新增用户数 * 注册转化率

回流用户数 = 流失N天,第N+1天活跃用户数

四.数据驱动增长

从整体业务数据中,找到增长发力点的两种方法

全链漏斗增长模型:历史趋势分析,获客渠道分解

简单用户数据分析:用户属性分析,用户活跃度分析

通过用户数据分析挖掘增长线索的两种主要方法

用户分群:通过属性和行为数据将类似的用户归为一个群组,并有针对性地进行精细化运营等动作

行为分析:用行为数据描绘出用户使用产品的情况,从而发现问题,产生假设,并提出改善的策略

高阶数据分析 = 行为分析 + 用户分群

通过用户数据分析,了解数据背后真实的用户需求

通过产品和运营更好地满足用户的需求,从而推动增长

用户分群

问自己的问题:用户可以分成哪些主要群组?

如何应用:针对不同群组的用户,寻找区别对待和精细化运营的机会

用户分群驱动增长:选择分群维度,如何区别对待

两类分群维度:属性分群和行为分群

如何选择最初的分群维度?

①属性(重要的人口学属性):获客渠道,可推测用户兴趣,可推测用户收入,自汇报,第三方

②行为(生命周期的关键行为):新老用户,活跃程度RFM,付费情况,功能使用

③增长模型(中的某个变量在不同人群中差异较大):互金,滴滴,SaaS

选择几个维度进行分群?

不分群:虽然简单轻松,但对所用用户一视同仁,导致错过增长机会

简单分群:对大多数公司,可以从实际业务问题出发,从1-2个维度的简单分群开始

组合分群:用户量达到一定数量级后,可以选择3-5个维度,进行多元组合分群

千人千面:分群需要技术和算法的支持,对绝大多数公司不适用

区别对待不同用户群组的2种方式

精准拉新:对现有用户进行分群,找到高质量用户,从而进一步定位高质量用户的获客渠道和广告;选择高质量用户,上传给广告平台作为种子用户,通过算法精准找到类似的用户

精细化运营和产品个性化体验:产品里算法支持的千人千面商品和内容推荐;个性化产品体验;针对不同群组,进行不同的运营动作,包括推送文案,促销活动等

行为分析

问自己的问题:用户是如何使用产品的?

如何应用:通过产品或运营的方式引导用户,改变用户行为的轨迹和模式,让用户更好的从产品中获得价值

步骤:明确分析对象,选择分析方法

分析对象:两类关键用户行为

一次性行为或低频行为:用户只做一次或几次,但是为使用产品打下基础的重要行为

周期性行为:用户使用产品功能的核心行为

如何找到两类关键用户行为?

从业务出发:首先定义关键行为

在数据中验证:在实际数据中,确认哪些路径是关键路径,哪些行为是高频行为,并发现任何遗漏的行为

用户行为分析解决的两种问题

转化问题:用户行为路径(漏斗分析,路径分析,轨迹细查)

留存问题:周期性行为(留存分析,频次分析)

漏斗分析

基本功能:事先设定了若干个关键节点的转化路径,简单直观的显示同一群用户从每一步到下一步的转化率

问自己的问题:大多数用户是不是按照产品设定的路径在行进?转化漏斗里,哪一步流失率最高?

常见用法:从全链漏斗找用户流失点和增长机会;从AARRR各环节的细分漏斗寻找用户流失点和增长机会

路径分析

基本功能:显示用户从每一步到下一步的转化率显示大多数用户在产品里的实际行为路径是什么

问自己的问题:用户在产品内实际路径和走向,和产品期望的主流路径有何区别?用户的主流路径是什么?有哪些某些事先不为人知的路径?

常见用法:用户实际路径和产品设计期望路径有什么不一样?以某个行为为终点的路径:到达某个功能的路径里,哪条最主流?以某个行为为起点的路径:用户离开预想的路径后,实际走向是什么?

轨迹细查

基本功能:通过按时间排列一系列行为,展示单个用户的实际行为路径

问自己的问题:从单个用户的行为轨迹中,是否能找到某些异常或规律

常见用法:某个用户流失了,想知道ta流失前那一段时间都做了什么事情,看看有没有一些异常?这个新版本的某个功能模块好像有bug,我来看看用户轨迹是否有异常?这些用户没有完成下单,想看看下单过程中用户的行为如何,具体在哪里卡住了?

留存分析

基本功能:显示用了一次某功能或产品的用户,过一段时间有多少人会接着用?

问自己的问题:产品留存率的现状如何?对比观察不同群组的留存率,能否找到改善的机会?

常见用法:这个产品留住用户的能力如何?留存率是否有差别?衡量产品和运营活动是否成功的最终标准

频次分析

基本功能:在一段时间里,用户会用一个产品或功能多少次?

问自己的问题:活跃用户使用产品的总体频次是否偏低?如何提升?是否某一个群体使用频次超过平均值?

常见用法:洞察使用频次分布规律,优化产品和运营策略;甄别高价值用户,并调整资源分配和运营策略;对比不同渠道,地区等维度的用户使用频次分布情况,实时调整运营策略

运用高阶行为数据分析,挖掘增长线索

通过漏斗分析,发现新用户转化漏斗某个环节流失严重,但是不知道怎么办?

通过留存分析,计算出来用户整体留存率低,却不知道从哪里入手提升?

用户数据分析的常见痛点:通过数据找到了问题所在,但却不知道如何解决,归根结底是因为找到了症状,没找到原因,而且问题太宽泛,不够具体,难以入手解决

1.梳理用户路径

①梳理和新路径

从北极星指标出发,构建转化漏斗

转化漏斗一般是设定的用户主路径

②细化核心路径

将核心路径中加入更多的漏斗步骤,理想形态是拆到不能再细化为止

③加入其它重要路径

描绘主漏斗之外的重要用户行为路径

梳理重要的产品功能和业务逻辑

找到路径之间的关系

2.制定数据采集方案

增长团队面临的常见挑战:没有用户行为数据,也就无法进行比较细致的数据分析;做过用户行为的埋点,但不准确,没法用,或者埋点不够细,不能满足分析需求

收集完整,清晰,统一的用户行为数据,是早起增长团队最重要的任务之一

记录哪些信息:埋哪些点?每个点记录哪些信息?

怎么提需求:制定埋点计划

埋哪些点?

已有基本埋点,查漏补缺:只需埋点缺失的数据

如需从头埋点采集用户行为数据:分级分步,由主到次

核心路径主干埋点 → 核心路径细节埋点 → 其他重要路径埋点

最终:追踪所有的用户关键行为

每个埋点记录的信息:行为本身(用户做了什么操作),行为的属性(谁,时间,地点,方式,做了什么事情)

制定埋点计划

所有要埋的点:事件

每个点要记录的信息:属性

埋点常见的坑:思路不清,事无巨细;事件命名格式不统一;错过重要的事件或属性

全埋点 / 无埋点 

定义:把所有的浏览和点击行为都记录下来

适用场景:分析需求简单(只需要统计PV和点击),开发限制因素多(临时活动,没有时间 / 资源部署埋点);业务流程简单(不涉及更多信息,只需要点击,跳转)

限制:非浏览和点击事件无法采集,无法采集到 what / how 类的信息

跨越物理界限,实现数据采集

线下 / 第三方系统数据采集

竞品数据采集

3.搭建指标仪表盘

增长仪表盘类似汽车仪表盘,是增长的晴雨表。它可以用数字指标来代表公司的业务漏斗,并实时监测公司的经营状况

用新增和月活监测增长的问题

片面性:新增活跃仅关注增长的一个方面——拉新,无法全面监测增长

不可操作性:月活跃用户仅是一个结果,并不能清晰地显示新增多少用户,有多少老用户留存下来,有多少用户流失

如何监测全面,真实的增长情况

净增用户:计算真正净增加的活跃用户数

增长指数:衡量公司增长是否健康

监测净增用户和增长指数:自建净增用户仪表盘

用户流入:新增活跃(本月首次活跃),流失回流(上月不活跃,本月活跃)

用户流出:流失 (上月活跃,本月不活跃)

净增用户 = 用户流入 - 用户流出

增长指数 = 用户流入 / 用户流出

应用1:比较多个产品的增长健康度

应用2:分析产品的总体增长态势

细分指标仪表盘

指标:北极星指标,增长模型里的指标,关键细分指标和漏斗(关键路径,关键行为)

维度:用户的关键分群维度

步骤:梳理用户路径 → 制定关键指标 → 加上分解维度 → 组装增长仪表盘

应用1:针对核心业务数据,建立下钻分析仪表盘,实时监测

应用2:利用细分指标仪表盘发现和解释异常波动

应用3:利用仪表盘提升业务认知和推动指标增长

如何评估渠道质量,确定投放优先级

常见的渠道划分方式:来源(具体的流量实体),媒介(实体中承载推广的实体),其他参数

渠道质量跟踪

选择关键事件:选取反映你产品目标人群会做的行为的数据

查看产生关键事件的用户来源是哪些

如何结合历史投放数据筛选渠道?

渠道带来流量,让用户看到你的产品

流量 = 展现量 * 点击率 

流量:免费流量,付费流量

市面上的付费投放渠道类型

信息流:以留用户leads(线索)为主

竞价排名(搜索):效果相对不可控,依赖创意及不确定性因素

新媒体投放:效果类投放价格偏高

应用商店:依赖APP为主体

ROI(return on investment):收入 / 成本

根据业务模式和获取用户的渠道不同,需要重点看的指标都各有不同,在衡量渠道的质量会用到的指标可能会涉及到:下载量,激活数,注册量,收入,ARPU

电商网站的关键数据指标:广告 → 点击 → 注册 → 创建订单 → 支付

4.多维度数据分析

数据运营:运营者如何最大化利用数据工具?

a.看行业数据信息

明确不同赛道上行业数据分布状态

b.看账号对比信息

做竞品监测

c.看热门素材信息

为内容团队找到最热门的创作素材

d.看自身内容运营数据

找到账号优化突破口

定位内容形式

为什么:不同的内容形式影响用户体验,关系到内容运营综合成本

怎么做:如何利用数据筛选适合账号的内容形式呢?

step1:确定意向内容形式账号代表,了解不同账号的数据整体情况,直观对比运营效率

step2:框定时间范围,看不同内容形式的数据变化趋势

step3:更新稳定度,帮你验证内容持久性及有效性

step4:用户画像,确定内容形式的最后一道关卡

找到爆款选题

Q:基于什么场景,做爆款选题数据分析?

step1:不设定任何对标对象,全赛道找热门选题

step2:定向研究特定博主的爆款选题,更有针对性分析爆款选题,提升筛选效率

Q:如何利用数据分析,找到爆款选题?

①明确找到该博主整体基础数据最好的选题,查看视频内容及用户互动数据,分析该选题爆款的原因,目的是分析爆款选题能爆的底层原因

②结合对标博主个性或自己账号IP个性筛选或爆款选题,目的是明确特殊选题与博主个性结合产生的化学反应

③以此为核心,建立自己的爆款选题库并提炼爆款选题特征

内容优化升级

对症下药,找到提升数据最关键要素

以数据反推,拆解内容优化点

了解用户喜好,挖掘用户最感兴趣的新内容

根据用户活跃时间及个性,调整账号运营细节

五.增长实验

找到聚焦领域:增长实验效果最大化的第一步

增长实验流程图

1.实验目标与实验假设:如何产生高质量的实验想法?

高质量实验想法:实验假设的成功率高,实验指标提升幅度大(原因是实验数据有数据支持)

①明确实验目标

从用户和业务问题出发

②从数据中寻找洞察(关键)

从3类数据中寻找证据来支持假设:定量数据,定性数据,最佳实践

通过N轮数据分析提升假设质量

③形成实验假设

没有清晰的假设,就直接开干,是实验失败的最常见原因

如果:具体的改动

预计:[某指标]可以提升[X%]

因为:深层的原因,被数据支持的假设

在产生实验想法时可能会出现两种情况:没有想法(群策群力),很多想法(实验想法库管理)

2.实验打分:如何通过给想法排优先级,实现效果最大化?

ICE模型打分表:给所有实验想法打分,每个选项0~10分,打分后粗略排序,评估优先级

提升影响力:大多数实验都没有覆盖足够的用户

绝大多数核心产品团队只关注核心用户

方法1:主动扩大覆盖面,关注 “非核心用户”

方法2:从流量高的页面和路径开始,并多次实验

提升容易程度:通过MVP以最低成本验证实验假设

设计增长实验MVP时的两个问题

问题1:如何投入最小资源,最快地证明或证伪你的实验假设?

问题2:实验是否可以提供可信有效的结果和洞察?

不要追求绝对的精确排序,而要提高实验频率和数量

3.实验设计:选择正确的实验指标,落地实验细节

​​​​​​​

①选择实验指标

关键问题:哪些指标能够衡量实验成功或失败?

正确的实验指标能够全面准确地检验实验假设的真伪,从而衡量实验结果的成败

衡量实验成败的三类指标

核心指标

实验的最终目标是什么?

你最想要影响的指标是什么?

哪个指标可以告诉你实验组的改动是成功?

核心指标是比较代表实验最终目标的指标,而非虚荣指标

辅助指标

作用:监测其他实验可能影响到的重要指标,全面了解实验结果 

常见的辅助指标:漏斗细分步骤转化率,重要的下游指标,其它关键用户指标

反向指标

作用:提示实验可能的负面影响

常见的反向指标:NPS,邮件退订率,页面退出率,其它按钮点击率,应用删除率,push退订率,订单取消率,其他页面访问率

②确定实验受众

问题1:哪些人会被包含在实验里?

情况1:如果希望所有用户进入试验——跳过这一步

情况2:如果希望只有符合特定条件的用户才会进入试验——需要设置实验受众

目的:针对特定用户群组进行实验,帮助生成更精细的产品优化方案

设置实验受众:通过第三方AB测试工具

为什么要对增长实验结果进行统计显著性检验?

统计显著性:对照组和实验组之间的转化率差异有多大可能是真实存在的,而不是随机误差引起的

从结果可靠性出发:样本量越大,实验时间越长,实验结果越可靠

从实际工作出发:样本量越少,实验时间越短,迭代速度越快,可做试验越多,试错成本越小

问题2:实验大概需要多少样本数?

确认结果统计型显著所需要的最小样本数

影响实验所需样本数的因素:原版本的转化率,新版本的转化率,统计显著性要求

总结:预估所需样本数和时间可以检查实验设计的合理性

流量或用户数越少,实验的改动要越大,小修小补意义不大

③设计实验版本

a.实验所做的改动在哪里?

b.设计几个版本?区别是什么?

c.流量在版本间如何分配?

分流均匀的原因:消除一切外在因素的影响;保证对照组和实验组唯一区别就是实验改动;因此可推断结果的不同由改动引起

AB测试工具的最重要功能

均匀性:确保分流人群各维度分配比例均匀,且分布随机

唯一性:通过精准且高效的算法,确保单个用户每次登陆时被分到的实验版本是唯一的

定向性:可以根据用户标签来实现精准定向分流,如果根据用户设备标签及其它自定义标签特定分流,支持实验受众

分层分流:可以满足并进行大量AB测试需求

4.实验开发与上线:如何进行数据埋点?

开发实验 → 实验QA和UAT → 上线实验

实验指标埋点

方法1:第三方AB测试工具

适用情况:使用第三方AB测试软件作为测试平台;实验指标是前端的短期用户行为,追踪指标比较少的情况

方法2:手动分析实验结果

适用情况:没有第三方AB测试软件,需要手动分析结果;实验指标为后端业务或交易数据,需要追踪长期指标,或多个指标

实验开发PRD

以增长实验报告为蓝本,完成给研发和QA的PRD文档 

5.分析和应用结果的步骤

①评估结果可信性

关键是判断实验结果是否达到统计显著

②分析实验结果

a.实验是成功还是失败看三类实验指标

核心指标:实验组是否比对照组有所提升?

辅助指标:变化是否符合预期?是否和核心指标趋势一致?

反向指标:是否没有明显负面影响,或者有负面影响但是可以接受?

b.实验是成功还是失败看两种观测周期

短期观测:实验结果达到统计显著后,即可停止实验,分析实验指标,得出结论

长期观测:如果实验针对的是长期指标,实验停止后,需要长期监测对核心指标的影响,以最终确认结果

c.实验是成功还是失败看四种状态

统计显著的指标大幅度提升:实验组胜

统计显著的指标小幅度提升:实验组胜

统计显著的指标下降:对照组胜

统计不显著:对照组胜

③决定实验下一步

如何放大实验成功的影响?

总结:分析和应用实验结果

​​​​​​​六.底层逻辑

底层指标

LTV(Life Time Value)用户生命周期价值:在用户使用产品的时期内能从他身上获取的价值

CAC(Customer Acquisition Cost)用户获取成本:平均获取单个新用户所花费的成本

TAM(Total Addressable Market)潜在市场规模:产品可能达到的最大市场规模

LTV和CAC:投资人用以衡量企业未来单位盈利能力预期;增长团队影响的两个最关键指标

1.如何分析和优化获客渠道效果?

四类获客渠道

付费数字广告

5步走渠道效果分析和优化

常见流程

①梳理获客步骤

不同渠道获客步骤不同,但总体都遵循获客三阶段

获客效果的衡量一定要以完成转化为终点:激活或首次购买

运营和产品虽然分工不同,但其实是一条绳上的蚂蚱

用户体验和文案在整个流程中需要清晰一致相互呼应

②整理触点和指标

渠道广告

落地承接

产品流程

小结

获客步骤三阶段有自己相应的触点和指标,可以分别分析优化

三阶段的指标之间也会互相影响:渠道指标对后续步骤指标有影响

季节性等外部因素对指标也会有影响

③分渠道收集数据

好的渠道数据体系:可追踪,多渠道,全触点

④计算获客成本

CAC用户获取成本 = 市场总花费 / 同时期新增用户数

市场总花费:一般包括推广渠道花费,营销和销售的总费用

同时期新增用户数:注意用户的定义是下载,激活还是转化

付费渠道CAC:仅包含付费渠道的CAC,代表了你可以控制的渠道效率

混合CAC:总体的CAC,自然获客和付费渠道的获客成本平均值

满载CAC:额外加入所有市场,运营人员的人力成本

⑤优化渠道效果

a.计算渠道ROI,决定渠道间预算分配

首先,保证总体和各个渠道的CAC < LTV

然后,比较不同渠道,将预算更多地花费在低CAC,高LTV的渠道上

b.拆分获客漏斗全流程,寻找优化机会

首先,拆分获客漏斗的各个步骤,计算相应主要指标

然后,针对流失率大的步骤,进行实验和优化

一般来说,获客漏斗步骤越少,总体转化率越高

c.比较不同广告创意或关键词的表现

首先,将某个渠道的数据,继续拆分到不同广告创意,或不同关键字,也就是最细分的水平

然后,针对表现不好的广告或关键字,进行相应优化

d.分析用户行为数据,监测异常和作弊

2.如何理解,计算和应用LTV?

①定义和作用

定义:用户生命周期终身价值,指每一位用户(购买者,使用者,会员)在未来可能给产品带来的价值总和

是单用户价值指标,用于衡量用户质量,而非规模类指标

为什么要计算毛利LTV,而不是收入LTV?

因为LTV的一大作用是衡量你花出去的获客成本CAC到底能不能回本,多久能回本

所以要用真正从每个用户身上赚到手的钱,也就是扣除掉产品直接成本的毛利来计算

作用:选择和衡量获客渠道;评估经营活动和变现能力

最重要应用:倒推获客成本上限和渠道选择

②计算公式

LTV = 平均生命周期 * 平均每用户收入 * 毛利率

优点:广泛使用,容易理解,尤其适合功能稳定产品的LTV预测

缺点:比较简略,以平均值代表所有情况;不适合于初创产品,没有数据或数据不稳定的情况

平均生命周期:用户预计使用产品的平均时长,也就是平均每个客户在该产品能够留存的总时长是多少天 / 月 / 年

平均每用户收入:在用户生命周期内,从每个用户身上平均取得的收入

毛利率:毛利与销售收入(或营业收入)的百分比,其中毛利是收入与收入相对应的营业成本之间的差额。是衡量公司盈利能力的重要指标,尤其适合同行业公司之间的比较

③变现模式

3.变现金字塔:如何思考变现? 

互联网产品:最常见的三种变现模式

交易:卖实体货品,卖电子商品,平台交易税,增值服务

订阅:会员费,订阅费,免费试用

免费:广告,产品内购买,升级付费,卖销售线索,卖数据

第一层:变现

不同类别产品:变现模式不同

交易类

订阅类 

免费类 

第二层:定价策略

第三层:转化率 

优化方式:根据定量数据,定性数据和最佳实践,进行转化率优化和AB测试

4.如何通过价格敏感度测试提升LTV?

方法:针对某个产品,了解目标用户的价格敏感区间,从而寻找目标用户对某种产品或服务价格的可接受范围,从而最终找到消费者和商家的最佳价格平衡点

价格敏感度测试的步骤 

价格敏感度测试的局限

价格是研究中唯一的考虑因素:没有考虑价格变化导致的购买意愿变化;只考虑到了消费者的接受率,忽视了消费者的购买能力

没有考虑竞品的影响:实际上竞品的价格会对产品有影响

定性研究本身不能完全模拟实际消费决策:研究中消费者可能出于各种因素有意或无意地抬高或压低其接受的价格;用户在这个测试中选择不同价位,没有实际成本,也可能倒追选择不准确

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/61266.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

用户增长分析——用户分群分析

导语在产品的增长分析当中&#xff0c;想关注符合某些条件的一部分用户&#xff0c;不仅想知道这些人的整体行为&#xff08;访问次数&#xff0c;访问时长等&#xff09;&#xff0c;还希望知道其中差异较大的细分群体。用户分群方法&#xff0c;能帮助我们对差异较大的群体分…

网易大师邮件的撤回功能怎么用?

什么是邮件撤回&#xff1f;如何使用网易大师邮件的撤回功能?您是否有过以下经历&#xff1f;刚刚发完邮件&#xff0c;想起漏了一些重要内容&#xff1b;发出去的邮件里有数字错误、错别字、不恰当的措辞等把一封隐私邮件错发给了其他人&#xff1b;邮件没写完&#xff0c;误…

验证码接收平台的运行原理

验证码是网络安全的一个保障工具&#xff0c;是图灵测试研究下的产物&#xff0c;就是这样的软件平台帮助推广工作者乘风破浪。 运行原理&#xff1a; 验证码接收平台如同一个手机&#xff0c;但是可以存放很多的手机卡&#xff1b; &#xff08;如&#xff1a;www.yzmcx.com&a…

linux邮件服务器有哪些,linux邮件服务器有哪些,linux系统搭建邮件服务器流程

回顾前俩章内容&#xff0c;我们说了Postfix的安装配置与本机收外域发邮件&#xff0c;今天我们说下Postfix的邮件操作。 本机收邮件&#xff1a; 在linux中输入mail&#xff0c;就找开了收件箱&#xff0c;并显示邮件列表。 此时命令提示符为”&” N为新邮件 > 表示&am…

python发送邮件

场景&#xff1a; 工作沟通邮件&#xff1b;登陆注册&#xff1b;广告&#xff1b;修改密码、激活链接&#xff1b;邮件客户端…等。 邮件相关协议&#xff1a; SMTP(发)&#xff1a;(simple mail transfer protocol)简单邮件传输协议。用于发邮件。POP3(收)&#xff1a;(Po…

【解决方案】快递代收点部署视频监控,EasyCVR视频融合平台来助力

一、方案背景 互联网的兴起&#xff0c;快递业务的快速发展带来网点数量的爆发式增长&#xff0c;同时也伴随着成本快速增长、服务质量下降、行业竞争加剧等行业问题。造成丢件破损等问题不计其数&#xff0c;损失严重&#xff0c;视频监控在快递行业的应用较为普遍&#xff0…

邮件代收代发软件操作说明

1、背景 为了方便获取和发送邮件&#xff0c;需要有一个定时服务来对人员列表的邮件内容进行收取&#xff0c;以及发送存储在数据库列表里面的邮件信息&#xff0c;并提供相应的界面管理功能&#xff0c;为企业员工提供相应的邮件服务。 本软件具有下面几个特点&#xff1a; 1&…

好用的验证码短信API推荐

如今验证码短信的应用无处不在&#xff0c;和我们的生活、工作息息相关。最近在一个API服务平台——APISpace上面&#xff0c;看到一个挺好用的验证码短信的API&#xff0c;使用起来很方便。使用接口平台的接口也可以大大提高我们的开发效率。 APISpace 有很多免费通用的API接…

hmailserver php 收邮件,hMailServer 接收外部邮件并分发到内部邮箱

搜了一下发现这个软件的文章还是 2013 年的了&#xff0c;一般这个家伙说得多&#xff0c;但是就是太懒连张图都没有&#xff1a; 现在我说下如何设置接收外部的邮件。 1、我们用的企业邮箱是腾讯的&#xff0c;他有个功能是接收人不存在时发到指定邮箱&#xff0c;比如publicm…

网易邮箱大师 代收/发 Gmail 邮件教程

摘自 https://laod.cn/hosts/wangyiyouxiangdashi-gmail.html 一、第一部 下载网易邮箱大师 http://mail.163.com/dashi/ 点击上面的地址下载网易邮箱大师&#xff0c;然后安装。 二、第二部 设置Gmail帐号 填写您的gmail邮箱地址&#xff0c;点击下一步 填写您正确的gmail密…

获取手机验证码

这里以秒嘀科技为例&#xff0c;可以免费测试10元&#xff0c;每条0.06元&#xff0c; 1、注册账号 2、联系客服&#xff0c;审核签名 package com.answer.utils;import java.io.BufferedReader; import java.io.InputStreamReader; import java.io.OutputStreamWriter; impor…

怎样使用QQ邮箱代收163邮箱的邮件

参考&#xff1a;网易163邮箱帮助 首先介绍一下什么是POP3,SMTP和IMAP POP3 POP3是Post Office Protocol 3的简称&#xff0c;即邮局协议的第3个版本,它规定怎样将个人计算机连接到Internet的邮件服务器和下载电子邮件的电子协议。它是因特网电子邮件的第一个离线协议标准,P…

Vaptcha验证码配置实现人机验证

个人资源与分享网站&#xff1a;http://xiaocaoshare.com/ 官网免费注册地址&#xff1a;https://www.vaptcha.com/ 登录后创建验证单元 提交之后就可以获取vid和key 第一步&#xff0c;引入 vaptcha 提供的 js 脚本文件。 <script src"https://cdn.vaptcha.com/v2…

火车头采集器文章翻译插件(文章标题内容中英双语对照|自动插入相关图片)

火车头采集器文章翻译插件(文章标题内容中英双语对照|自动插入相关图片) 为了保护接口压力防止被封IP: 请把采集的间隔时间调整为10000~100000 火车头采集器文章翻译插件(文章标题内容中英双语对照|自动插入相关图片) 本插件对文章进行翻译【中文-》英文】。 中英双语对应显…

websocket协议以及在gin中的应用

目录 websocket协议简介WebSocket 协议的来源短轮询本质实现应用场景优缺点 长轮询本质实现应用场景优缺点 WebSocket协议websocket定义及与HTPP的关系相对于http&#xff0c;websocket的优点 [http 101 状态码](https://developer.mozilla.org/zh-CN/docs/Web/HTTP/Protocol_u…

Django利用Channels+websocket开发聊天室

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 目录 前言 一、什么是Websocket&#xff1f; 2.Python-Django ASGI 3&#xff0c;Django开发聊天室或信息推送 前言 数据库系统课程设计要求&#xff0c;要开发一个B2B的…

《3D打印:正在到来的工业革命(第2版)》——2.2节材料挤出技术

本节书摘来自异步社区《3D打印&#xff1a;正在到来的工业革命&#xff08;第2版&#xff09;》一书中的第2章&#xff0c;第2.2节材料挤出技术&#xff0c;作者 【英】Christopher Barnatt&#xff08;克里斯多夫&#xff09;&#xff0c;更多章节内容可以访问云栖社区“异步社…

【每日新闻】9家虚拟运营商与中国移动签约首批牌照有望近期下发 | 澳大利亚正考虑禁止采购华为5G设备...

点击关注中国软件网 最新鲜的企业级干货聚集地 趋势洞察 坚持是种信念&#xff0c;努力是种精神&#xff01; 2018中国软件生态大会 趋势洞察 工信部王卫明&#xff1a;人工智能正在成为推进供给侧结构性改革的新动能 工业和信息化部科技司副司长王卫明表示&#xff1a;人工智…

大咖云集,EI稳定检索,第14届机器学习与计算国际会议(ICMLC 2022)

14th - ICMLC 2022 第14届机器学习与计算国际会议 2月18-21日 | 中国广州 关于我们 机器学习是人工智能及模式识别领域的共同研究热点&#xff0c;其理论和方法已被广泛应用于解决工程应用和科学领域的复杂问题。为了给机器学习与计算研究领域的专家学者提供一个交流相关领域…

艾伦·麦席森·图灵

艾伦麦席森图灵 艾伦麦席森图灵&#xff08;英语&#xff1a;Alan Mathison Turing&#xff0c;1912年6月23日—1954年6月7日&#xff09;&#xff0c;英国数学家、逻辑学家&#xff0c;被称为计算机科学之父&#xff0c;人工智能之父。1931年图灵进入剑桥大学国王学院&#x…