增长黑客：如何用数据来驱动产品增长
这是我在 2016 年 9 月 24 日 Teambition 主办的“增长黑客”在中国的演讲稿。
下载 GrowingIO 互联网公司用户增长秘籍可以点击这里。
大家好，我是叶玎玎，GrowingIO 的联合创始人和 CTO。今天的主题与“增长黑客”相关，增长离不开分析工具。在过去五年的创业过程中，我使用过很多数据分析工具，经历了无数的痛苦和郁闷之后，我在 14 年底和 Simon、Jonathan 选择一起来解决这个问题。
GrowingIO 是面向网站和移动应用的新一代数据分析产品，无需埋点即可采集全量、实时用户行为数据，我们希望通过提供一个简单、迅速和规模化的产品，让企业里面的每个人都能用数据去驱动业务增长。用 GrowingIO，即使你不会写代码，你也能成为增长黑客。
今天我要分享的主题是『如何用数据来驱动产品增长』。前几天我在问一些朋友想听什么，回答说如何用数据寻找到增长突破口，跨越鸿沟。这张图是 Slack 从上线到 15 年底的每日日活增长曲线，是我们每个产品都很期待的曲线，其背后离不开指标体系的数据支撑。当我们遇到一个瓶颈期，如何从数据中发现该去做什么，如何去做，是目前这个环境给产品经理给市场运营提出的新的要求，也是一个新的岗位『产品增长经理』。
刚才范冰介绍了增长黑客在国内这两年的发展情况，非常精彩。俊元之后也会讲一个如何构建一个增长团队的主题，里面有个非常有意思的问题是，增长团队到底是属于哪个部门？是市场，产品，还是研发？我们也在思考这个问题，等下可以让俊元给大家分享一下他们是怎么做的。之所以有这个问题存在，正好是因为增长黑客的特殊性。有人说这就是变种的市场。是，因为他关心的是用户、品牌和传播。有人说他制造了很多需求，参与了很多产品定义，是属于产品。也有人说他的工作很大一部分是跟数据打交道，采集、ETL、跑 SQL，比如我这样的，属于研发。都对，所以他是属于三者的结合，是用数据驱动的方式来传播和改进产品。今天我来跟大家分享一下我们这方面的实战经验。
也许不是增长停止，而是陷入产品死亡循环
不知道在座有多少人听过这个名词，Product Death Cycle。如果你每天感觉到增长停滞不前，很多时候可能并不仅仅是停滞不前，往往情况要比你想的要糟的多，你很有可能陷入了产品死亡陷阱。
不知道大家对这幅图有没有什么感觉，我曾感同身受，陷入进过这种死循环。没人在用我的产品，做用户访谈询问缺失了哪些功能，客户会告知很多想要的东西，我们会如获至宝，开发这些功能，然后满怀激情地又上线了。但是发现还是没有人用，继续问客户、加功能、上线、没人用，一直循环。我们总有那些幻觉，不知道哪里来的强大的自信，我在做的这个功能一定会让用户开始使用这个产品。我们都知道做产品要克制，要多做减法，少做加法，然而真正执行起来就会发现无比的困难。
现在让我们想想我们各自的产品有多少功能，条件反射下你能说出多少功能，比如 GrowingIO 有圈选、单图、看板、留存、漏斗、细查、分群、热图、实时、概览等等。我们可以做无数的功能，公司里大家讨论的热火朝天，研发们键盘敲的霹雳啪响，做功能的感觉真的很爽。然而，Standish Group，美国专门从事跟踪IT项目成功或失败的权威机构，曾做过一个大型的 IT 项目研究，发现大多数的产品里，50% 的功能基本没被使用过，30% 的很少被使用，只有 20% 的经常被使用。所以，比起堆积功能而言，我们更需要思考的是『为什么』，为什么用户不用？
要知道这为什么，我们可能首先想到的是可以去做用户访谈，市场调研，调查问卷等等，这些都是证之有效的方式。然而，我们往往忽略掉，大量的事实其实已经隐藏在用户给你留下的行为数据背后，只要你稍微往下挖深一点点就都是宝藏。人会说谎，数据不会，如何利用数据去发现事实、找出真相、破解困局，正是我们需要持续学习和锻炼的能力。
为了挖掘为什么，首先我们得了解事物发展的基本规则。
用户的生命周期
上面这张图是一个标准的用户生命周期转化图。
- 用户落地到网站或者安装应用后打开，是属于访问用户。
- 当他被产品的价值吸引后完成注册，就转化成为一个注册用户。
- 当他体会到产品的价值开始正式使用，就成为一个激活用户。
- 当他开始频繁使用，就成为了一个活跃用户。
- 当他更深入使用时，转化成了付费用户
- 再之后越用越有劲开始推荐给其他人就成为了一个粉丝。
从上往下，这是一个从访问到粉丝的漏斗，每一步都代表着 AARRR 的一个模型。从访问到注册是用户获取，从注册到价值认同是用户激活，从价值认同到频繁使用是用户留存，从用户留存到购买付费是客户转化，从付费用户到粉丝是用户推荐。需要特别指出的是，对于不同的应用，各个阶段会有不同的表现形式。比如对我们 GrowingIO 来说，我们是需要用户安装 SDK 的，需要用户上传数据给我们，给他做各种数据的呈现。所以我们的用户获取定义并不以到注册为结束，而是到 SDK 安装完成为止。
还是这张图，如果我们换个角度，每个步骤都在流失用户，每一次的流失，都是一个从访问到放弃的漏斗模型。每一个步骤都在漏水，一乘机就会让你感觉无比的恐怖和痛苦。比起转化，如果我们去关心流失，相信我，结果会让人感觉到触目惊心。
这是典型的一个互联网产品在用户注册的第一个月的留存窘况，是一个非常悲伤的故事。
- 1000 个用户访问了你的网站
- 20% 的用户也就是 200 个注册了
- 80% 的注册用户完成了 Onboarding，也就是 160 个
- 40% 的注册用户在一天后回访了应用或者网站
- 20% 的注册用户在一周后回访了应用或者网站
- 10% 的注册用户在一个月后回访了应用或者网站
一个月后，1000 个访问用户只剩下了 20 个成为你的活跃用户，只有 2%，而 98% 的用户却都流失了。即使是转化后的 200 个注册用户中，也只有 10% 的用户在一个月后还留着。这就是大多数产品的一个残酷事实，而对比起来，那些头部的应用，往往能在用户刚进入的第一周能达到百分之五六十的留存，
我不知道在座的各位自家的产品这个数字如何，每年又有多少的预算在市场上。我们有些客户，每年有上百万的预算在 SEM （Search Engine Marketing，搜索引擎营销） 上，在广告投放上，在渠道上，在办各种活动上，做的很热闹，预算也逐年在增长，但是根本不敢停。为啥？因为一旦停止，流量就哗的下去了。流量保持住了，至于 CAC （Customer Acquisition Cost，用户获取成本） 是多少，LTV （Life Time Value，生命周期价值） 是多少，MRR/ARR （Monthly Recurring Revenue/Annual Recurring Revenue，每年循环收入） 是多少，完全蒙蔽的状态。
如果说每个月倒流进来的用户只有 2% 的留存，那么与其花费大量的成本去打开更大的口子寻找更多的流量导入，我们更需要也更应该关心的是如何让访客尽可能的转化成有效用户。这个转化率的提高，需要我们去理解很多为什么。为什么用户留下了，为什么用户流失了，留下的和流失的用户之间有什么差别，没有转化的用户去了哪里，通过挖掘用户行为去了解其背后的真正原因。
只有这样，你的 PR 工作，你的市场运营活动，才有意义。
What -> How -> Why
而要理解这个为什么，首先要去了解用户做了什么，是怎么做的。从中明白为什么后，去执行改进。之后又是循环迭代。
我们可以采取庖丁解牛的方式，从两个方面去入手查看这个问题，从宏观了解到细节。
- 哪些功能被用户频繁的使用
- 哪些功能能影响用户的留存
我们先去发现 『What』，也就是用户做了什么。下面我以 GrowingIO 本身为例来解释如何来做。
哪些功能被频繁使用?
我的产品有很多功能，到底哪些功能在被用户频繁使用呢？前面已经提到过，80% 的产品功能大多数人都没有使用过，那么如何找到这 80% 和另外的 20% 呢。先从宏观角度入手，我们先通过可视化圈选定义出来我们产品的主要功能，有十来个，在粗粒度上我们对应每个功能页面的访问量，然后得到一张单图，查看这十来个指标在时间线上的用户使用趋势分布图。
这张图是一个堆积图，其中 x 轴是时间，y 轴是页面访问量。堆积图非常适合用来查看数据在时间维度上的差异变化。我们能很明显的感觉到用户主要在使用哪些功能，哪些功能的使用热度在提升，其中，蓝色、灰色和暗红色都是主要的流量贡献者。另外一个角度去看，我们在整个过程中新加的功能，可以看出有些对于流量的贡献是比较低的，这也说明新功能对于用户来说不是一个必须有的功能。
哪些功能影响用户的留存?
了解功能使用情况后，我们已经有大致的感觉用户每天在用什么。那么我们需要接下去了解的是哪些功能能留住新用户，让用户有更多的粘度来使用产品，也就是留存情况。我们听过很多关于魔法数字的故事，比如
- LinkedIn 发现在第一周增加 5 个社交关系的用户留存度很高
- Facebook 发现在第一周增加 10 个好友的用户留存度很高
- Twitter 发现在第一周有 30 个 followers 的用户留存度很高
- Dropbox 发现在第一周安装两个以上操作系统的用户留存度很高
这些都是别人家的孩子，那么我们自己产品的魔法数字是啥呢？
首先让我们从宏观上来了解一下产品各功能的留存情况。该图是我们的功能留存对比图。最底下的是所有新注册的留存情况，也是最糟糕的一条。上面都是使用过一些功能的留存情况，近似等于经历过 Onboarding 流程的用户。很明显的可以看到，有一个非常高的点，也有两个略高于其他功能的功能。 我们就应该思考，为什么这些用户使用了这个功能以后，整个留存就上来了？ 这样，我们大致就有了感觉到底哪些功能能吸引用户回访。
有了这个大致的认知基础，下面就是魔法数字登场的时候了。这是我们新开发的一个功能，叫做留存魔法师，基于用户全量采集数据进行数据分析，帮你自动找到你产品的魔法数字，让你知道哪些功能跟你的次周留存最相关。同时，你也可以查看上面提到的这些基础功能，看一下魔法数字是多少。
比如我们有一个细查功能，七天之内用过 3 次细查功能的用户留存率达到 40% 以上，用过 10 次细查功能的用户留存率达到 60% 以上。用的次数越多，留存率越高，因为代表是一个黏度用户，所以我们并不需要追求留存率最高点，我们需要了解的是，超过某个数字以后，在留存率情况下会突然有个显著的变化。因此，我们关心超过三次用户或者超过两次用户有多少量，超过十次用户有多少量，通过用户量和留存两个对比。当然背后是非常复杂的数据统计模型，通过这种方式，我们就可以知道，到底不同的功能做了多少次以后，就可以产生一些质的变化。这是一个例子，当你使用我们这个功能以后，不用自己做就可以直接得到结论。
How
一旦当你知道用户在做什么的时候，你会知道哪些功能会影响到用户留存，这样能提高你的激活转化率。下面我们思考，做过这些行为和没有做过这些行为的人，到底是怎么做的，也就是要对用户群体做数据分析。
前些天跟产品经理聊天时，他问了我一个问题：
像优步这样的产品，用户进来第一天，给他发红包，促进使用。第三天，为了促进消费，再发一个红包。第五天，又会发一个红包。他想知道，对于那些第一天领了红包，第三天、第五天没有领红包和第三天、第五天领了红包和全都没领的人，在用户留存变化上是什么样的情况？
这三个情况就是分群对比。我们需要知道这三个群体在应用里是怎么做的，做了哪些，没有做哪些。
我们会建一个用户分群，可以通过维度切分。比如，今天关心市场投放，这次活动带来多少访问量，维度选择页面来源，再跟指标做结合。第一个分群是第一天领了红包第三天第五天没有领红包的，也就是第一天领红包的按纽点击次数大于零，第三天等于零，第五天等于零。第二个分群是第一天第三天领了红包第五天没有领红包的，也就是第一天第三天领红包的按钮点击次数大于零，第五天等于零。第三个分群是第一天第三天第五天都领了红包的，也就是第一天第三天第五天领红包的按钮点击次数斗大于零。通过这个方式，定义了三个用户分群。一旦定了用户分群，有两件事情可以做：
-
比较不同用户群体之间到底有什么相似性，有什么差异性？
这是我们目前正在开发的功能，让你找到两个群体之间最大的差别在哪里；
-
当我们宏观上了解不同群体之间的差别，可以再从明细上考虑各个群体里具体的人到底在做什么，怎么做。
对于我们来说，每天的注册量可能只有几百个，这个时候会每一个都看一下，每个注册用户按照不同的分群切分，在整个流程中到底做了哪些事情，是怎么做的。我们会有整体的用户细查功能，一旦开始明确用户在整个产品里用什么，之后开始对症下药，找出潜在的问题。
接着我开始一步步去查看这个分群的用户，他是怎么在使用我们的产品的。我们可以去走调研问用户他是怎么使用的，但是没有什么比冷冰冰的直接观察用户做的行为来的更有价值。通过这个用户行为的历史查看，我们可以看到用户在注册的一段时间内做了哪些，没做哪些，使用过哪些功能，有没有被卡在一些步骤上等等。比如针对上面创建的分群，我在一个一个的查看这些用户到底在 Onboarding 过程中做了哪些事情，没有去使用细查功能，是去使用了什么。
自此，我们开始明白用户对于产品的参与度，知道了用户在做什么，怎么做的，我们可以回过头来思考用户为什么留下，为什么离开了。想清楚了为啥，我们就可以对症下药，思考怎么推粘度最高的功能到用户面前，在什么时候推到他面前，如何让用户最快速度的了解到产品的真正价值。当开发完成上线，我们继续跟踪这个变化带来的效果，持续迭代优化。
知道了 What，发现了 How，思考了 Why，那么我们就应该去改进产品了。我们一定要去思考：
- 能做什么？
- 要去怎么改进？
- 让研发做什么？
- 让产品做什么？
- 让市场做什么？
- 让销售做什么？
每一步都要去想，有什么事情是可以做的。比如，在整个用户的激活过程中，我们已经知道用户在我们的产品里主要使用哪些功能，我们也知道哪些功能会影响到用户的留存，我们开始构建整个用户的标签体系。一个用户，默认新进来是注册用户，基于他的行为，每使用一个功能，就会标记一个标签，构建不同的画像，然后基于这些画像特征推送不同的内容来促进他的转化。比如上图的结果，是我们选了一批测试用户，基于他们不同的行为，推送了功能案例和功能介绍，导流到高价值功能上，让他能更有兴趣来了解和更容易的上手。最后用户的留存率，从不到 25% 提升到 50%，足足提升两倍。
What will I do differently based on the information
当你知道数据有问题的时候，不能只是知道，你要去思考我要怎么执行，怎么做事情，怎么跟踪这个效果。只有这样，我们才能持续地优化。数据对我们来说有两个作用，证明和预测。知史以明镜，知道过去发生的，方能预测未来要发生的。然而，如果仅仅是用来知道过去发生的，但是不转化成为行动，那这个数据不会带来任何价值。我们见过很多人，只是用分析工具来看各种数，却很少去思考如何去改变，很少去用『Why』。看到一个数据报告后，我应该改变什么，我应该怎么去改变，问自己 5 遍这个问题，也许你就能发现不同的视角，明白该去做什么，这才是数据驱动。
我们从 8 月份开始尝试这些东西，可以很明显的看到，我们选的测试用户群体的留存率得到了很强的提升，我们在下个阶段就会继续强化用户上手培训体系，就算人离开我也得让他离开的很明白。
另外，同一时间，不要让太多的信息作为输入影响你的决策，在固定的一段时间内，聚焦做一件事情是最高效的方式。仍然回到最开始的漏斗模型，每一步我们都需要有明确的转化率，以此来决定在接下来的阶段哪个步骤的转化率最值得提高，最符合 ROI。一旦明确后，继续细化，定义出更细节的转化漏斗，以此来决定要优化哪些细节。
比如，如果这个阶段我关注的是用户获取，从访问到 SDK 安装完成，我们就开始拆解整个流程包含哪些步骤，把它分为三大流程：访问进来、用户注册、安装完成。在这三个步骤里，到底哪一个用户流失率最高，提高注册转化率还是安装转化率，从中分析哪个更有价值。
比如如果定下来改进注册转化率的话，我们就要思考注册经过了多少步骤？可能有三四个页面，每一步的转化率怎么样？明确每一步的转化率之后，又得到一个更小的漏斗，从这个漏斗里知道哪一步的转化率更低，这个时候又开始做拆解，找到最低的转化率，再思考那一步做什么。
逐级拆解，越往下拆，越能知道下一步该做什么。只有这样，才能做到单点突破，才能一个阶段、一个目标快速执行，才能执行迭代、优化增长你的产品。
一段时间，一个目标。单点突破，快速执行。
Growth 101
谢谢大家，以上就是我今天的分享。简单点来说，任何产品的增长其实都是在回答两个问题，
- 我是谁
- 卖给谁
不同的阶段，这两个问题的答案也不尽相同。GrowingIO 希望能帮助你们回答这两个问题，辅助你们更有目标的做事，快速增长。我们自己在使用 GrowingIO 过程中，主要是围绕渠道运营，渠道转化，产品运营，留存分析，内容运营等大块展开，成为公司运营的一个强有力支撑。希望他也能成为你们的强有力支撑，参加这场活动的各位，如果有兴趣的话，可以通过扫描这个二维码获取优惠码，体验一下我们的产品。谢谢大家。
