作者:許金坤
來源:GrowingIO(ID:GrowingIO)
本文為作者授權(quán)鳥哥筆記發(fā)布,轉(zhuǎn)載請(qǐng)聯(lián)系作者并注明出處。
數(shù)據(jù)分析作為運(yùn)營人員必備的核心技能,對(duì)職業(yè)發(fā)展起著尤為重要的作用。本文將基于基于業(yè)務(wù)場(chǎng)景,分享幾種基礎(chǔ)的數(shù)據(jù)分析框架和方法,系統(tǒng)化的進(jìn)行數(shù)據(jù)分析。
無論是產(chǎn)品、還是運(yùn)營,都需要具備良好的數(shù)據(jù)分析能力,對(duì)用戶行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù),進(jìn)行分析、評(píng)估甚至預(yù)測(cè)。本文通過分享三種常見的數(shù)據(jù)分析框架,幫助我們更系統(tǒng)的進(jìn)行數(shù)據(jù)分析,發(fā)現(xiàn)并解決產(chǎn)品暴露出的問題,從而更高效的完成工作。
一、用戶行為分析
1. 事件分析
事件:通過埋點(diǎn),高效追蹤用戶行為或業(yè)務(wù)的過程。注冊(cè)、啟動(dòng)、登錄、點(diǎn)擊等,都是常見的事件。例如下圖,展示出某日的注冊(cè)事件。
通過事件分析我們可以準(zhǔn)確了解 App 內(nèi)發(fā)生的事件量,根據(jù)產(chǎn)品特性合理配置追蹤,可以輕松回答關(guān)于變化趨勢(shì)、分維度對(duì)比等問題,例如:
某個(gè)時(shí)間段推廣頁面點(diǎn)擊量有多少,對(duì)比昨日有多少提升?
某個(gè)渠道的累計(jì)注冊(cè)數(shù)是多少,第一季度排名前十的注冊(cè)渠道有哪些?
某個(gè)活動(dòng)頁的uv分時(shí)走勢(shì),安卓和 iOS 占比情況如何?
2. 漏斗分析
漏斗模型:分析一個(gè)多步驟過程中,每一步的轉(zhuǎn)化與流失情況。以互聯(lián)網(wǎng)金融-理財(cái)端為例,新用戶在首次投資會(huì)經(jīng)過如下步驟過程:
注冊(cè)成功
實(shí)名認(rèn)證
充值成功
投資成功
我們可以通過漏斗分析整體的轉(zhuǎn)化情況,以及每一步轉(zhuǎn)化量、流失量、轉(zhuǎn)化/流失率。
在漏斗模型中清晰 3 個(gè)基本概念,可以借助強(qiáng)大的篩選和分組功能進(jìn)行深度分析。
步驟:指的用戶行為,由事件加篩選條件組成
時(shí)間范圍:漏斗第一步驟發(fā)生的時(shí)間范圍
轉(zhuǎn)化周期:用戶完成漏斗的時(shí)間限制,漏斗只統(tǒng)計(jì)這個(gè)時(shí)間范圍內(nèi),用戶從第一步到最后一步的轉(zhuǎn)化。
如上圖表示:2018 年 3 月份,注冊(cè)成功的 27 萬名用戶,在 7 天內(nèi)投資成功的轉(zhuǎn)化與流失情況。
這里漏斗分析與事件分析不同的地方在于:漏斗分析是基于用戶,或是說基于人來統(tǒng)計(jì)某一批用戶所發(fā)生的行為,不會(huì)受到歷史瀏覽頁面用戶的事件影響,可以更加準(zhǔn)確的暴露某一時(shí)間段產(chǎn)品存在的問題。
通過漏斗模型及時(shí)發(fā)現(xiàn)問題:我們通過建立了注冊(cè)轉(zhuǎn)化漏斗,度量每一步的轉(zhuǎn)化率和整體的注冊(cè)轉(zhuǎn)化率,通過時(shí)間維度來監(jiān)控每一步和整體轉(zhuǎn)化率的趨勢(shì)。
例如:4 月 12 日發(fā)現(xiàn)輸入圖形驗(yàn)證碼這一步轉(zhuǎn)化率有明顯異常,于是緊急通知技術(shù)同事排查,發(fā)現(xiàn)圖形驗(yàn)證碼功能失效,導(dǎo)致大量用戶無法顯示。緊急修復(fù)后,轉(zhuǎn)化率回到之前的水平。所以,通過對(duì)每一步漏斗轉(zhuǎn)化率的監(jiān)控分析,可以及時(shí)發(fā)現(xiàn)問題,及時(shí)止損。
(數(shù)妹按:我們上線了更強(qiáng)大的漏斗功能,還可以直接在漏斗中將未轉(zhuǎn)化成功的用戶下鉆分群,定向推送召回?。?/span>
3. 留存分析
留存用戶:即用戶發(fā)生初始行為一段時(shí)間后,發(fā)生了目標(biāo)行為,即認(rèn)定該用戶為留存用戶。
留存行為:某個(gè)目標(biāo)用戶完成了起始行為之后,在后續(xù)日期完成了特定留存行為,則留存人數(shù) +1
留存率:是指發(fā)生“留存行為用戶”占發(fā)生“初始行為用戶”的比例。常見指標(biāo)有次日留存率、七日留存率、次月留存率等。
留存表:留存表中給出了目標(biāo)用戶的留存詳情,主要包括以下幾個(gè)信息:
目標(biāo)用戶:每天完成起始行為的目標(biāo)用戶量,是留存用戶的基數(shù);
留存用戶:發(fā)生留存行為的留存用戶量和留存率
留存曲線圖:留存曲線圖可以觀測(cè)隨著時(shí)間推移,用戶留存率的衰減情況。
以電商為例,我們觀察運(yùn)營策略優(yōu)化/產(chǎn)品改版,是否會(huì)影響用戶的購買行為。此時(shí)我們可以將用戶行為分為:
初始行為:注冊(cè)
留存行為:支付訂單
然后根據(jù)客戶注冊(cè)的時(shí)間按周進(jìn)行分組,得到同期群,制作留存曲線圖,觀察該群體用戶發(fā)生購買的 30 日留存。通過比較不同的同期群,可以獲知新用戶購買率指標(biāo)是否在提升。
留存行為一般都與我們的目標(biāo)有強(qiáng)相關(guān)性。我們?cè)谶M(jìn)行留存分析時(shí),一定要根據(jù)自身業(yè)務(wù)的實(shí)際需要,確定高價(jià)值的留存行為才能能對(duì)產(chǎn)品的優(yōu)化提供指導(dǎo)性建議。
二、AARRR 模型
AARRR 模型是一套適用于移動(dòng) App 的分析框架,又稱海盜指標(biāo),是“增長黑客”中驅(qū)動(dòng)用戶增長的核心模型。AARRR 模型把用戶行為指標(biāo)分為了 5 大類,分別為:獲取用戶,激發(fā)活躍,提高留存,增加收入和病毒傳播。
從用戶獲取到病毒傳播,每個(gè)環(huán)節(jié)都有重要的指標(biāo)需要我們?nèi)リP(guān)注,通過 AARRR 模型系統(tǒng)化的拆解 5 大類目用戶行為,可以讓我們更清晰的知道每個(gè)環(huán)節(jié)需要重點(diǎn)關(guān)注的重點(diǎn)指標(biāo)。
以電商業(yè)務(wù)為例,下圖基于 AARRR 模型,構(gòu)建用戶生命周期運(yùn)營全脈絡(luò)和每個(gè)節(jié)點(diǎn)需要關(guān)注的重點(diǎn)指標(biāo):
1. Acquisition 獲取用戶
在獲取用戶階段,我們希望讓更多潛在用戶關(guān)注到我們的產(chǎn)品,通過以下基礎(chǔ)途徑來曝光我們的推廣頁面:
付費(fèi)獲?。好襟w廣告、SMS、EDM、流量交易/置換
搜索營銷:搜索引擎優(yōu)化(SEO),搜索引擎營銷(SEM)
口碑傳播:用戶間邀請(qǐng)活動(dòng),病毒 H5 傳播等
用戶訪問頁面后,可以通過導(dǎo)航、主動(dòng)搜索、算法推薦來了解到我們的產(chǎn)品。切中當(dāng)下需求的用戶會(huì)進(jìn)行注冊(cè)行為,算是和用戶真正意義上第一次會(huì)面。
這時(shí)就要重點(diǎn)關(guān)注推廣頁 UV,點(diǎn)擊率,注冊(cè)量,注冊(cè)率,獲客成本等重要指標(biāo)。
2. Activation 激發(fā)活躍
用戶注冊(cè)后是否有進(jìn)一步了解我們的產(chǎn)品?這其中涉及到產(chǎn)品的功能,設(shè)計(jì),文案,激勵(lì),可信等等。我們需要不斷調(diào)優(yōu),引導(dǎo)用戶進(jìn)行下一步行為,讓新用戶成為長期的活躍用戶:
我們可以通過界面/文案優(yōu)化,新手引導(dǎo),優(yōu)惠激勵(lì)等手段, 進(jìn)行用戶激活流程的轉(zhuǎn)化提升。監(jiān)控瀏覽商品頁面,加入購物車,提交訂單,完成訂單的漏斗轉(zhuǎn)化。
這個(gè)過程中,我們要重點(diǎn)關(guān)注活躍度,若定義加入購物車為活躍用戶,那么就要觀察注冊(cè)至加入購物車漏斗轉(zhuǎn)化率,按維度拆分,分析優(yōu)質(zhì)轉(zhuǎn)化漏斗的共有特征/運(yùn)營策略,提升策略覆蓋率,優(yōu)化整體轉(zhuǎn)化效果。
3. Retention 提高留存
用戶完成初次購買流程后,是否會(huì)繼續(xù)使用?流失的用戶能否繼續(xù)回來使用我們的產(chǎn)品?
產(chǎn)品缺乏粘性會(huì)導(dǎo)致用戶的快速流失,我們可以通過搭建生命周期節(jié)點(diǎn)營銷計(jì)劃,通過 push、短信、訂閱號(hào)、郵件、客服跟進(jìn)等一切適合的方式去提醒用戶持續(xù)使用我們的產(chǎn)品。并且在此基礎(chǔ)上通過積分/等級(jí)體系,培養(yǎng)用戶忠誠度,提升用戶粘性。
重點(diǎn)關(guān)注留存率,復(fù)購率,人均購買次數(shù),召回率等指標(biāo)。
4. Revenue 增加收入
我們獲得每位用戶平均需要花費(fèi)多少錢?每位用戶平均能為我們貢獻(xiàn)多少價(jià)值,能是否從用戶的行為,甚至其他方式賺到錢?
電商業(yè)務(wù)的基礎(chǔ)要關(guān)注獲客成本CAC,顧客終身價(jià)值,在此基礎(chǔ)上通過運(yùn)營活動(dòng)激勵(lì)用戶進(jìn)行購買,提升用戶單價(jià)、頻次、頻率,最終提升用戶生命周期貢獻(xiàn)價(jià)值。
重點(diǎn)關(guān)注獲客成本,顧客終身價(jià)值,營銷活動(dòng)ROI等指標(biāo)。
5. Referral 病毒傳播
用戶是否會(huì)自發(fā)的推廣我們的產(chǎn)品?通過激勵(lì)是否能讓更多的忠誠用戶推廣我們的產(chǎn)品?
在社交網(wǎng)絡(luò)高度發(fā)達(dá)的今天,我們可以通過各種新奇的方式去進(jìn)行產(chǎn)品傳播:用戶邀請(qǐng)的老帶新活動(dòng),垂直領(lǐng)域的社群運(yùn)營,H5營銷傳播,讓老用戶推廣我們的產(chǎn)品,吸引更多的潛在用戶。
重點(diǎn)關(guān)注邀請(qǐng)發(fā)起人數(shù),每個(gè)病毒傳播周期的新用戶量,邀請(qǐng)轉(zhuǎn)化率,傳播系數(shù)等。
三、3 大增長引擎
精益創(chuàng)業(yè)提出一個(gè)概念:唯一關(guān)鍵指標(biāo)(one metric that matters, OMTM)。
在任何類型產(chǎn)品的任何一個(gè)階段,都需要找到唯一的一個(gè)數(shù)字,把它放到比其他任何事情都更重要的位置上。在數(shù)據(jù)分析時(shí),可以抓取許許多多的數(shù)據(jù),但必須聚焦在最關(guān)鍵的事情上。同時(shí)其也是“增長黑客”中的關(guān)鍵特質(zhì):專注目標(biāo)。
1. 粘著式增長引擎
粘著式增長引擎以 Retention 留存作為 OMTM 驅(qū)動(dòng)增長
典型案例是游戲類的 App,F(xiàn)acebook 針對(duì)游戲提出的“40-20-10”法則,即如果你想讓游戲的DAU 超過 100 萬,那么新用戶的次日留存率應(yīng)該大于 40%,7 日留存率大于 20%,30 日留存率大于 10%。
不使用任何運(yùn)營激勵(lì)手段與使用留存激勵(lì)相比,次日留存相差甚遠(yuǎn)。
例如游戲中常見的:簽到活動(dòng),登錄獎(jiǎng)勵(lì),時(shí)長獎(jiǎng)勵(lì)等玩法都是基于提升用戶留存的目的。
通過提供目的性的目標(biāo),制定規(guī)則和反饋系統(tǒng),為玩家?guī)韯?chuàng)造性成就和能力的提高帶來的滿足感和愉快感,從而提升用戶的游戲頻率,游戲時(shí)長,最終提升用戶留存。
好的留存率對(duì)于不同的產(chǎn)品而言是不同的,在這里不展開對(duì)用戶留存率的劃分,針對(duì)不同類型的產(chǎn)品與用戶粘性尋找最適合的留存指標(biāo)才是正確的。
2. 付費(fèi)式增長引擎
付費(fèi)式增長引擎以 Revenue 營收作為 OMTM 驅(qū)動(dòng)增長。
簡單來說,從顧客在產(chǎn)品上貢獻(xiàn)的價(jià)值大于獲取付費(fèi)客戶的成本,就可以一直驅(qū)動(dòng)營收增長。
互聯(lián)網(wǎng)金融是付費(fèi)式增長引擎的典型例子,由于產(chǎn)品類型不像游戲和視頻資訊類應(yīng)用,有強(qiáng)大高頻使用需求。互金運(yùn)營考核的核心目標(biāo)就是促成交易,從用戶每一次投資/借貸行為中獲得收入,覆蓋營銷的投入,不斷驅(qū)動(dòng)引擎的轉(zhuǎn)動(dòng)。這里我們要重點(diǎn)關(guān)注2個(gè)指標(biāo):
CAC(Customer Aqusition Cost)客戶獲取成本
CLV (Customer Lifetime Value) 客戶終生價(jià)值
例如:某次月在營銷上投入成本 20000 元,新增投資用戶 100 人,則獲取每位投資用戶的成本是 200 元。若人均投資 5 萬元,利潤率 2%,客戶終身價(jià)值 CLV=1000 元/人。
當(dāng) CLV>CAC ,不計(jì)其它成本的基礎(chǔ)上,已驅(qū)動(dòng)引擎正常運(yùn)轉(zhuǎn)了,接下來就要思考如何提供更多曝光,擴(kuò)大頂端的漏斗,以及盡可能縮短客戶盈虧平衡時(shí)間。
3. 爆發(fā)式增長引擎
爆發(fā)式增長引擎以 Referral 傳播作為 OMTM 驅(qū)動(dòng)增長
典型案例:基于社交場(chǎng)景的分享,通過瓜分紅包,砍價(jià)、拼團(tuán)、秒殺等玩法,不斷觸達(dá)潛在用戶。
用戶分享到社交網(wǎng)絡(luò),即可降低付出的成本,通過為用戶省錢的策略,提升用戶感知價(jià)值,不斷刺激價(jià)格敏感用戶,貢獻(xiàn)大量的分享量,點(diǎn)擊量,引導(dǎo)潛在用戶進(jìn)行體驗(yàn)/注冊(cè)。
在爆發(fā)式增長引擎中,我們需要關(guān)注病毒系數(shù) K = I x Conv :
I:Invitation,即每個(gè)用戶發(fā)送的邀請(qǐng)數(shù)量,反映了分布密度.
Conv : Conversion rate,即每個(gè)邀請(qǐng)成功的概率,反映了感染強(qiáng)度.
那么如何提升讓病毒傳播系數(shù),上面活動(dòng)中常見的 3 種方案:
重點(diǎn)提高接受率:降低接受門檻,且盡量將接受步驟控制在社交場(chǎng)景中,避免二跳降低轉(zhuǎn)化。
縮短單次邀請(qǐng)流程的生命周期:通過限定時(shí)間的方法,加快增長進(jìn)程的同時(shí),提升緊迫感。
試圖說服用戶去邀請(qǐng)更多的人:頭幾位受邀用戶在砍價(jià)中可以砍掉很多金額,讓用戶初嘗甜頭后會(huì)激勵(lì)更多的轉(zhuǎn)發(fā)量。
工作日 8:30-12:00 14:30-18:00
周六及部分節(jié)假日提供值班服務(wù)