安全圈 | 专注于最新网络信息安全讯息新闻

 首页

增長駭客：如何用數據來驅動產品增長

作者 recor 时间 2020-02-27
all

這是我在2016年9月24日Teambition主辦的“增長駭客”在中國的演講稿。

下載GrowingIO互聯網公司用戶增長秘笈可以點擊這裡。

大家好，我是葉玎玎，GrowingIO的聯合創始人和CTO。今天的主題與“增長駭客”相關，增長離不開分析工具。在過去五年的創業過程中，我使用過很多資料分析工具，經歷了無數的痛苦和鬱悶之後，我在14年底和Simon、Jonathan選擇一起來解决這個問題。

GrowingIO是面向網站和移動應用的新一代資料分析產品，無需埋點即可採集全量、實时用戶行為數據，我們希望通過提供一個簡單、迅速和規模化的產品，讓企業裡面的每個人都能用數據去驅動業務增長。用GrowingIO，即使你不會寫程式碼，你也能成為增長駭客。

今天我要分享的主題是『如何用數據來驅動產品增長』。前幾天我在問一些朋友想聽什麼，回答說如何用數據尋找到增長突破口，跨越鴻溝。這張圖是Slack從上線到15年底的每日日活增長曲線，是我們每個產品都很期待的曲線，其背後離不開指標體系的數據支撐。當我們遇到一個瓶頸期，如何從數據中發現該去做什麼，如何去做，是現時這個環境給產品經理給市場運營提出的新的要求，也是一個新的崗位『產品增長經理』。

剛才範冰介紹了增長駭客在國內這兩年的發展情況，非常精彩。俊元之後也會講一個如何構建一個增長團隊的主題，裡面有個非常有意思的問題是，增長團隊到底是屬於哪個部門？是市場，產品，還是研發？我們也在思考這個問題，等下可以讓俊元給大家分享一下他們是怎麼做的。之所以有這個問題存在，正好是因為增長駭客的特殊性。有人說這就是變種的市場。是，因為他關心的是用戶、品牌和傳播。有人說他製造了很多需求，參與了很多產品定義，是屬於產品。也有人說他的工作很大一部分是跟數據打交道，採集、ETL、跑SQL，比如我這樣的，屬於研發。都對，所以他是屬於三者的結合，是用數據驅動的管道來傳播和改進產品。今天我來跟大家分享一下我們這方面的實戰經驗。

也許不是增長停止，而是陷入產品死亡迴圈

不知道在座有多少人聽過這個名詞，Product Death Cycle。如果你每天感覺到增長停滯不前，很多時候可能並不僅僅是停滯不前，往往情况要比你想的要糟的多，你很有可能陷入了產品死亡陷阱。

不知道大家對這幅圖有沒有什麼感覺，我曾感同身受，陷入進過這種死迴圈。沒人在用我的產品，做用戶訪談詢問缺失了哪些功能，客戶會告知很多想要的東西，我們會如獲至寶，開發這些功能，然後滿懷激情地又上線了。但是發現還是沒有人用，繼續問客戶、加功能、上線、沒人用，一直迴圈。我們總有那些幻覺，不知道哪裡來的强大的自信，我在做的這個功能一定會讓用戶開始使用這個產品。我們都知道做產品要克制，要多做減法，少做加法，然而真正執行起來就會發現無比的困難。

現在讓我們想想我們各自的產品有多少功能，條件反射下你能說出多少功能，比如GrowingIO有圈選、單圖、看板、留存、漏斗、細查、分群、熱圖、實时、概覽等等。我們可以做無數的功能，公司裏大家討論的熱火朝天，研發們鍵盤敲的霹靂啪響，做功能的感覺真的很爽。然而，Standish Group，美國專門從事跟踪IT項目成功或失敗的權威機构，曾做過一個大型的IT項目研究，發現大多數的產品裏，50%的功能基本沒被使用過，30%的很少被使用，只有20%的經常被使用。所以，比起堆積功能而言，我們更需要思考的是『為什麼』，為什麼用戶不用？

要知道這為什麼，我們可能首先想到的是可以去做用戶訪談，市場調研，調查問卷等等，這些都是證之有效的管道。然而，我們往往忽略掉，大量的事實其實已經隱藏在用戶給你留下的行為數據背後，只要你稍微往下挖深一點點就都是寶藏。人會說謊，數據不會，如何利用數據去發現事實、找出真相、破解困局，正是我們需要持續學習和鍛煉的能力。

為了挖掘為什麼，首先我們得瞭解事物發展的基本規則。

用戶的生命週期

上面這張圖是一個標準的用戶生命週期轉化圖。

從上往下，這是一個從訪問到粉絲的漏斗，每一步都代表著AARRR的一個模型。從訪問到注册是用戶獲取，從注册到價值認同是用戶啟動，從價值認同到頻繁使用是用戶留存，從用戶留存到購買付費是客戶轉化，從付費用戶到粉絲是用戶推薦。需要特別指出的是，對於不同的應用，各個階段會有不同的表現形式。比如對我們GrowingIO來說，我們是需要用戶安裝SDK的，需要用戶上傳數據給我們，給他做各種數據的呈現。所以我們的用戶獲取定義並不以到注册為結束，而是到SDK安裝完成為止。

還是這張圖，如果我們換個角度，每個步驟都在流失用戶，每一次的流失，都是一個從訪問到放弃的漏斗模型。每一個步驟都在漏水，一乘機就會讓你感覺無比的恐怖和痛苦。比起轉化，如果我們去關心流失，相信我，結果會讓人感覺到觸目驚心。

這是典型的一個互聯網產品在用戶註冊的第一個月的留存窘况，是一個非常悲傷的故事。

一個月後，1000個訪問用戶只剩下了20個成為你的活躍用戶，只有2%，而98%的用戶卻都流失了。即使是轉化後的200個註冊用戶中，也只有10%的用戶在一個月後還留著。這就是大多數產品的一個殘酷事實，而對比起來，那些頭部的應用，往往能在用戶剛進入的第一周能達到百分之五六十的留存，

我不知道在座的各位自家的產品這個數位如何，每年又有多少的預算在市場上。我們有些客戶，每年有上百萬的預算在SEM（Search Engine Marketing，搜尋引擎行銷）上，在廣告投放上，在通路上，在辦各種活動上，做的很熱鬧，預算也逐年在增長，但是根本不敢停。為啥？因為一旦停止，流量就嘩的下去了。流量保持住了，至於CAC（Customer Acquisition Cost，用戶獲取成本）是多少，LTV（Life Time Value，生命週期價值）是多少，MRR/ARR（Monthly Recurring Revenue/Annual Recurring Revenue，每年迴圈收入）是多少，完全蒙蔽的狀態。

如果說每個月倒流進來的用戶只有2%的留存，那麼與其花費大量的成本去打開更大的口子尋找更多的流量導入，我們更需要也更應該關心的是如何讓訪客盡可能的轉化成有效用戶。這個轉化率的提高，需要我們去理解很多為什麼。為什麼用戶留下了，為什麼用戶流失了，留下的和流失的用戶之間有什麼差別，沒有轉化的用戶去了哪裡，通過挖掘用戶行為去瞭解其背後的真正原因。

只有這樣，你的PR工作，你的市場運營活動，才有意義。

What -> How -> Why

而要理解這個為什麼，首先要去瞭解用戶做了什麼，是怎麼做的。從中明白為什麼後，去執行改進。之後又是迴圈反覆運算。

我們可以採取庖丁解牛的管道，從兩個方面去入手查看這個問題，從宏觀瞭解到細節。

我們先去發現『What』，也就是用戶做了什麼。下麵我以GrowingIO本身為例來解釋如何來做。

哪些功能被頻繁使用？

我的產品有很多功能，到底哪些功能在被用戶頻繁使用呢？前面已經提到過，80%的產品功能大多數人都沒有使用過，那麼如何找到這80%和另外的20%呢。先從宏觀角度入手，我們先通過視覺化圈選定義出來我們產品的主要功能，有十來個，在粗細微性上我們對應每個功能頁面的訪問量，然後得到一張單圖，查看這十來個名額在時間線上的用戶使用趨勢分佈圖。

這張圖是一個堆積圖，其中x軸是時間，y軸是頁面訪問量。堆積圖非常適合用來查看數據在時間維度上的差异變化。我們能很明顯的感覺到用戶主要在使用哪些功能，哪些功能的使用熱度在提升，其中，藍色、灰色和暗紅色都是主要的流量貢獻者。另外一個角度去看，我們在整個過程中新加的功能，可以看出有些對於流量的貢獻是比較低的，這也說明新功能對於用戶來說不是一個必須有的功能。

哪些功能影響用戶的留存？

瞭解功能使用情况後，我們已經有大致的感覺用戶每天在用什麼。那麼我們需要接下去瞭解的是哪些功能能留住新用戶，讓用戶有更多的粘度來使用產品，也就是留存情况。我們聽過很多關於魔法數位的故事，比如

這些都是別人家的孩子，那麼我們自己產品的魔法數位是啥呢？

首先讓我們從宏觀上來瞭解一下產品各功能的留存情况。該圖是我們的功能留存對比圖。最底下的是所有新注册的留存情况，也是最糟糕的一條。上面都是使用過一些功能的留存情况，近似等於經歷過Onboarding流程的用戶。很明顯的可以看到，有一個非常高的點，也有兩個略高於其他功能的功能。我們就應該思考，為什麼這些用戶使用了這個功能以後，整個留存就上來了？這樣，我們大致就有了感覺到底哪些功能能吸引用戶回訪。

有了這個大致的認知基礎，下麵就是魔法數位登場的時候了。這是我們新開發的一個功能，叫做留存魔法師，基於用戶全量採集數據進行資料分析，幫你自動找到你產品的魔法數位，讓你知道哪些功能跟你的次周留存最相關。同時，你也可以查看上面提到的這些基礎功能，看一下魔法數位是多少。

比如我們有一個細查功能，七天之內用過3次細查功能的用戶留存率達到40%以上，用過10次細查功能的用戶留存率達到60%以上。用的次數越多，留存率越高，因為代表是一個黏度用戶，所以我們並不需要追求留存率最高點，我們需要瞭解的是，超過某個數位以後，在留存率情况下會突然有個顯著的變化。囙此，我們關心超過三次用戶或者超過兩次用戶有多少量，超過十次用戶有多少量，通過用戶量和留存兩個對比。當然背後是非常複雜的資料統計模型，通過這種管道，我們就可以知道，到底不同的功能做了多少次以後，就可以產生一些質的變化。這是一個例子，當你使用我們這個功能以後，不用自己做就可以直接得到結論。

How

一旦當你知道用戶在做什麼的時候，你會知道哪些功能會影響到用戶留存，這樣能提高你的啟動轉化率。下麵我們思考，做過這些行為和沒有做過這些行為的人，到底是怎麼做的，也就是要對用戶群體做資料分析。

前些天跟產品經理聊天時，他問了我一個問題：

像優步這樣的產品，用戶進來第一天，給他發紅包，促進使用。第三天，為了促進消費，再發一個紅包。第五天，又會發一個紅包。他想知道，對於那些第一天領了紅包，第三天、第五天沒有領紅包和第三天、第五天領了紅包和全都沒領的人，在用戶留存變化上是什麼樣的情况？

這三個情况就是分群對比。我們需要知道這三個群體在應用裏是怎麼做的，做了哪些，沒有做哪些。

我們會建一個用戶分群，可以通過維度切分。比如，今天關心市場投放，這次活動帶來多少訪問量，維度選擇頁面來源，再跟名額做結合。第一個分群是第一天領了紅包第三天第五天沒有領紅包的，也就是第一天領紅包的按紐點擊次數大於零，第三天等於零，第五天等於零。第二個分群是第一天第三天領了紅包第五天沒有領紅包的，也就是第一天第三天領紅包的按鈕點擊次數大於零，第五天等於零。第三個分群是第一天第三天第五天都領了紅包的，也就是第一天第三天第五天領紅包的按鈕點擊次數鬥大於零。通過這個管道，定義了三個用戶分群。一旦定了用戶分群，有兩件事情可以做：

比較不同用戶群體之間到底有什麼相似性，有什麼差异性？

這是我們目前正在開發的功能，讓你找到兩個群體之間最大的差別在哪裡；

當我們宏觀上瞭解不同群體之間的差別，可以再從明細上考慮各個群體裏具體的人到底在做什麼，怎麼做。

對於我們來說，每天的注册量可能只有幾百個，這個時候會每一個都看一下，每個註冊用戶按照不同的分群切分，在整個流程中到底做了哪些事情，是怎麼做的。我們會有整體的用戶細查功能，一旦開始明確用戶在整個產品裏用什麼，之後開始對症下藥，找出潜在的問題。

接著我開始一步步去查看這個分群的用戶，他是怎麼在使用我們的產品的。我們可以去走調研問用戶他是怎麼使用的，但是沒有什麼比冷冰冰的直接觀察用戶做的行為來的更有價值。通過這個用戶行為的歷史查看，我們可以看到用戶在注册的一段時間內做了哪些，沒做哪些，使用過哪些功能，有沒有被卡在一些步驟上等等。比如針對上面創建的分群，我在一個一個的查看這些用戶到底在Onboarding過程中做了哪些事情，沒有去使用細查功能，是去使用了什麼。

自此，我們開始明白用戶對於產品的參與度，知道了用戶在做什麼，怎麼做的，我們可以回過頭來思考用戶為什麼留下，為什麼離開了。想清楚了為啥，我們就可以對症下藥，思考怎麼推粘度最高的功能到用戶面前，在什麼時候推到他面前，如何讓用戶最快速度的瞭解到產品的真正價值。當開發完成上線，我們繼續跟踪這個變化帶來的效果，持續反覆運算優化。

知道了What，發現了How，思考了Why，那麼我們就應該去改進產品了。我們一定要去思考：

每一步都要去想，有什麼事情是可以做的。比如，在整個用戶的啟動過程中，我們已經知道用戶在我們的產品裏主要使用哪些功能，我們也知道哪些功能會影響到用戶的留存，我們開始構建整個用戶的標籤體系。一個用戶，默認新進來是註冊用戶，基於他的行為，每使用一個功能，就會標記一個標籤，構建不同的畫像，然後基於這些畫像特徵推送不同的內容來促進他的轉化。比如上圖的結果，是我們選了一批測試用戶，基於他們不同的行為，推送了功能案例和功能介紹，導流到高價值功能上，讓他能更有興趣來瞭解和更容易的上手。最後用戶的留存率，從不到25%提升到50%，足足提升兩倍。

What will I do differently based on the information

當你知道數據有問題的時候，不能只是知道，你要去思考我要怎麼執行，怎麼做事情，怎麼跟踪這個效果。只有這樣，我們才能持續地優化。數據對我們來說有兩個作用，證明和預測。知史以明鏡，知道過去發生的，方能預測未來要發生的。然而，如果僅僅是用來知道過去發生的，但是不轉化成為行動，那這個數據不會帶來任何價值。我們見過很多人，只是用分析工具來看各種數，卻很少去思考如何去改變，很少去用『Why』。看到一個數據報告後，我應該改變什麼，我應該怎麼去改變，問自己5遍這個問題，也許你就能發現不同的視角，明白該去做什麼，這才是數據驅動。

我們從8月份開始嘗試這些東西，可以很明顯的看到，我們選的測試用戶群體的留存率得到了很强的提升，我們在下個階段就會繼續强化用戶上手培訓體系，就算人離開我也得讓他離開的很明白。

另外，同一時間，不要讓太多的資訊作為輸入影響你的決策，在固定的一段時間內，聚焦做一件事情是最高效的管道。仍然回到最開始的漏斗模型，每一步我們都需要有明確的轉化率，以此來决定在接下來的階段哪個步驟的轉化率最值得提高，最符合ROI。一旦明確後，繼續細化，定義出更細節的轉化漏斗，以此來决定要優化哪些細節。

比如，如果這個階段我關注的是用戶獲取，從訪問到SDK安裝完成，我們就開始折開整個流程包含哪些步驟，把它分為三大流程：訪問進來、用戶註冊、安裝完成。在這三個步驟裏，到底哪一個用戶流失率最高，提高注册轉化率還是安裝轉化率，從中分析哪個更有價值。

比如如果定下來改進注册轉化率的話，我們就要思考注册經過了多少步驟？可能有三四個頁面，每一步的轉化率怎麼樣？明確每一步的轉化率之後，又得到一個更小的漏斗，從這個漏斗裏知道哪一步的轉化率更低，這個時候又開始做折開，找到最低的轉化率，再思考那一步做什麼。

逐級折開，越往下拆，越能知道下一步該做什麼。只有這樣，才能做到單點突破，才能一個階段、一個目標快速執行，才能執行反覆運算、優化增長你的產品。

一段時間，一個目標。單點突破，快速執行。

Growth 101

謝謝大家，以上就是我今天的分享。簡單點來說，任何產品的增長其實都是在回答兩個問題，

不同的階段，這兩個問題的答案也不盡相同。GrowingIO希望能幫助你們回答這兩個問題，輔助你們更有目標的做事，快速增長。我們自己在使用GrowingIO過程中，主要是圍繞通路運營，通路轉化，產品運營，留存分析，內容運營等大塊展開，成為公司運營的一個强有力支撐。希望他也能成為你們的强有力支撐，參加這場活動的各位，如果有興趣的話，可以通過掃描這個二維碼獲取優惠碼，體驗一下我們的產品。謝謝大家。

© 2023