增长黑客:如何用数据来驱动产品增长

October 19, 2016 数据驱动增长 增长黑客

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:

  1. 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;

  2. 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:

  1. 能做什么?
  2. 要去怎么改进?
  3. 让研发做什么?
  4. 让产品做什么?
  5. 让市场做什么?
  6. 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。

Yedingding

关于我

技术创业者,系统架构师,GrowingIO 联合创始人,Teahour 主播。

comments powered by Disqus