用户增长架构：如何做好一套完整的架构

在互联网的世界里，一切都是为了增长。精神创新可能会使产品成功，但永远不会持续太久。在用户增长领域，如何重用一套框架，找到最好的实践路径，配备一点运气，实现商业成功，是我一直在探索的话题。本文和未来几篇文章将系统地阐述用户增长的最佳路径。市场上对用户增长的定义有很多完整的解释，这里就不赘述了。简单来说，用户增长的根本目的是在一段时间内提高产品的有效用户数量(后面有详细解释)，进而提高当下和未来的GMV和利润，实现商业成功。为了实现这一目标，从战略和战术层面，我们将这一概念分为以下几个部分：战略：潜力：产品设计本身符合时代的发展趋势（如果你想在2018年创业，对不起，仙女不能帮助你），满足用户的真实需求（如思考“监督大学生背诵单词和收费”的商业模式是否愿意支付很长一段时间），并找到最佳PMF(市场契合度，ProductMarketFit）。明道:在正确的时间用正确的方式做正确的事情(比如什么时候要加大力度在百度推广上做广告，买什么关键词，定向什么样的人群肖像？明道:在正确的时间用正确的方式做正确的事情(比如什么时候要加大力度在百度推广上做广告，买什么关键词，定向什么样的人群肖像？)。优秀的艺术：明确目标，建立最有用的工具来帮助快速增长（如何快速建立和连续迭代数据产品和营销工具，提高运营效率，降低运营事故率？什么样的数据产品有能力帮助我们快速有效地进行数据分析，哪些营销工具可以帮助我们花费最少的精力快速实施运营策略？）。战术：了解原因：分析系统建设；开源重要，截流更重要：提高保留（有效用户数量）方法论；工人必须利用工具：建立增长工具；不要把鸡蛋放在篮子里：建立运营知识库（人群标签、渠道系统、决策转型、创意中心）。1、分析系统建设和分析系统建设的目的：了解产品开发现状，定位问题和潜在空间，总结TODO问题，合理判断必要性和优先级。总之，分析的根本目的是更清楚地看到业务，集中资源和精力解决最重要的问题。这句话的重点是下半句。如果只是为了满足好奇心或追求分析的复杂性和工作量，而不能判断应该先做什么，应该后做什么，不需要做什么，那么这种分析就没有价值，浪费时间和精力。基于用户生命周期维度构建分析系统的产品用户池是如何构成的，使用我们产品服务的用户是如何从生到死的过程基本上是这样的:如果产品的用户池就像一个水库，我们希望用户尽量留在我们的水池里。其实我们每天做的基本都是围绕以下目标(篇幅有限，这些具体的细化方法会在后续的文章中给出。敬请关注）：如何建立分析系统的第一步：定义新用户、有效用户、沉默用户、丢失用户分类的定义应基于判断业务经验（如连续10天未登录）和企业战略目标（订单量导向、毛利润导向或GMV导向）。新用户：指刚接触产品并首次完成整个产品流程的用户。新用户：指刚接触产品并第一次完成整个产品流程的用户。沉默用户：指使用产品、识别服务但部分需求转移到其他产品并变得不那么活跃的用户。流失用户:指曾经活跃在产品上，但由于某种体验受到伤害或所有需求转移到其他竞争产品。有效用户：指能够继续为企业贡献积极价值的用户（企业真正希望获得的用户）。对微博等不同行业、不同产品的理解不同，twitter、Instagram等产品的有效用户是指平台上持续活跃的用户，可以量化平均每日停留时间超过30分钟的用户数量、每日至少发布一个fed的用户数量、每日至少收集或转发一个用户数量等相关指标。另一个例子是淘宝、美团外卖等产品，可以用近7天内至少完成3次订单的用户数量、近30天内登录5次以上、近7天内收集1件以上的用户数量来衡量。简而言之，根据业务经验，计算有效用户数量可以判断一个（或多个组合指标）能够真正合理衡量持续为产品贡献积极价值的指标，以量化产品的有效用户数量。以天猫为例，我们可以定义以下四种用户：第二步：拆除核心指标精细操作将用户属性更详细的维度：新用户可以通过潜在水平，衡量新用户平台流入后续保留的可能性和未来产品的价值，后续起点可以优先给潜在的新用户，加速他们的增长。有效用户可以通过用户忠诚度、用户粘性、用户质量等维度进行拆分和分层，利用有针对性的操作策略，优先培养不同层次用户的优质用户粘性，提高用户忠诚度。沉默用户根据用户质量和激活概率进行分层，帮助我们找到最容易激活和最有价值的用户，然后优先激活这些用户。丢失的用户根据恢复概率和用户价值进行分层，类似于沉默的用户，优先接触和刺激最有机会和我们最想要恢复的用户。第三步：由于我们产品的修订、市场的变化和用户需求的升级，各级用户可能每天都会发生用户行为的变化。这样，我们就需要在第二步建设的基础上建立一个路径变化系统，观察用户心理的变化，用户对我们产品的认可和依赖，以及如何采取操作起点来评估哪条迁移路径可以有针对性地促进。以优质用户类为例，用户迁移路径如下图所示：由于我们人群拆解后形成的组合过多，导致不同用户迁移的可能路径过多。为了更好地了解用户的流向，我们可以通过以下方式观察用户的变化：每个人都关注是正向还是负向，理想情况下，如果所有人都是正向，这意味着我们的产品实现得很好，但是，如果某一群体有更多的负向迁移，则表明需要一些操作起点来刺激，以防止持续的负向迁移。例如：如果是销售牛奶的电子商务产品，为了提高高质量、高忠诚度用户的用户粘性，我们优化了产品详细信息页面文案，并增加了“您已购买5次并立即下订单以获得历史吸收卡路里报告”，以促进用户快速下订单，降低用户跳出的可能性。因为这种优化只针对高质量、高忠诚度的用户(通过切割流量实现千人千面的产品)，优化动作上线后，观察高质量、高忠诚度、高中、低粘度的用户，每天都是正面的。&净负向的变化，如果高粘度和中粘度用户的净正向明显增加，净负向明显减少，说明我们的优化是有效的。日常监控与复盘专题分析(1)运营策略复盘这部分取决于策略的目标是否实现，优化空间在哪里取决于转化过程。例如，战略目标是增加新用户的数量。在恢复时，我们应该基于曝光-点击-注册-购买等环节，看看有多少新用户最终得到了改进，哪些环节是该渠道提高效率的瓶颈；如果曝光点击率明显低于行业标准，则表明我们的材料需要优化。（这里的转换路径只是一个例子。当我们实际战斗时，我们必须需要进一步详细拆除它。例如，电子商务注册-购买可以分为注册-浏览产品列表页面，停留时间超过5秒-浏览产品详细信息页面并到达完整详细信息页面-添加购物车-点击立即购买-。（这里的转换路径只是一个例子。当我们在实战中战斗时，我们必须进一步拆除它。例如，电子商务注册-购买可以拆分为注册-浏览产品列表页面，停留时间超过5秒-浏览产品详细信息页面并到达完整详细信息页面-添加到购物车-单击立即购买-。。。。-支付成功)(2)监控异常这一部分的主要作用是帮助我们实时发现产品事故，及时修复。建立指标时，可以尽可能全面，覆盖所有产品转化路径。指标不怕太多。有几百个也没关系。设定阈值，每天只看报警，不报警就不用看。例如，在我们的监控系统中，有“点击立即发送短信按钮-填写验证码转换率”的指标。阈值为80%。有一天，该指标突然下降到1%，这表明我们的短信渠道存在问题或受到黑客攻击。用户可能没有收到短信，这样我们就可以通过这个监控系统第一次发现事故并进行修复，以最大限度地减少损失。（3）日常分析中常见的误解。由于分析系统的构建都是基于数据的，数据分析的新手可能会误入以下数据陷阱：1）为了满足好奇心，所有数据分析都应包括明确的分析目标、提出假设和验证假设。如果目标不明确，则没有基于经验的商业假设，我只是认为“我认为我们应该看看blabla数据”和BI部门的需求往往会导致等待很长时间的数据。看完后，我满足了好奇心，但我发现它似乎没有任何指导用途。那么这样的数据分析就没有用户了，浪费了和BI同事的时间。2)在广阔的数据中找到规则有时老板解释任务可能只是一个“分析我们的用户”，这样一个非常普遍的任务，不清楚的学生可能会立即开始提取全球用户可以想到的所有特征，然后做整个数据视角，计算各种比例、水平、垂直、一维交叉后没有发现二维交叉，结果越复杂，也许拿了几百块手表也没得出什么结论。聪明人一次做这样的事情就够了。全局看图找规律就是用战术上的勤奋来弥补战略上的懒惰。这种情况发生的根本原因是他们对用户需求没有足够深入的思考。3)将虚幻的假设寄希望于模型的复杂性。有些人喜欢追求工作过程的复杂性，好像一个目标没有实现是因为方法太简单，足够复杂，足够高端。3)将虚幻的假设寄希望于模型的复杂性。有些人喜欢追求工作过程的复杂性，好像一个目标没有实现是因为方法太简单，足够复杂，足够高端。当然，如果在科学领域，这种论点基本上没有问题，但操作人员以结果为导向，持续贡献增长是唯一的目标。有些人没有完成kpi，也没有提出任何复杂的方法论。他们说的和做的都是老生常谈。他们迫不及待地想每个月拿到工资，所以他们开始走上追求复杂模型的不归路：显然，渠道交付的文案特点不够突出，导致新的效率低下。优化文案是件好事，我们必须分析渠道用户肖像和产品用户肖像的相似性，然后在挖掘领域进行K-means聚类算法。有几个模型可以用来评估个体差异的准确性。模型可能是这样生长的：两个月后，他们的生活似乎瞬间丰富起来。事实上，这真的是不必要的。用户增长的本质应该集中在用户的需求上。数据只是一种工具。不要放弃一切，成为数据的奴隶。2、后续思考：为什么我们只从用户维度构建分析系统，而不谈销售、毛利润和净利润？2、后续思考：为什么我们只从用户维度构建分析系统，而不谈销售、毛利润和净利润？避免宏观环境变化、用户需求变化影响业务决策、产品价值观混乱和运营战略重点偏差。例如，如果一家超市的销售额连续三个月下降，老板可能会惊慌失措，认为超市的运营方式是否有问题，并开始一系列的“改革措施”。然而，从拆迁的角度来看，如果超市的新效率和质量没有下降，有效用户数量没有下降，用户数量的损失也没有增加，但在此期间，购买百威啤酒的用户已经成为购买农民山泉的用户，客户单价下降导致的GMV下降。假如把这个问题放在前面，有没有必要关注并制定相关措施(比如啤酒打九折)？就我个人而言，我认为这是不必要的。相反，它很容易导致产品价值观的混乱和运营策略的重心偏差，使原本有机会努力创新和提高服务质量的工作滞后。原因是我们生产产品的首要任务是满足用户的需求（用户想喝啤酒卖啤酒，想喝农夫山泉卖农夫山泉），而不是创造用户的需求（乔布斯让用户觉得新的IPHONE是创造用户的需求，在乔布斯之前，用户不认为他们应该每年换一次手机）。3、结论：愿你“历尽千帆，回归青春”，回归初衷，只做正确的事情。本文主要介绍了我所理解的用户增长结构，以及第一部分“分析系统的建设方法和思路以及我踩过的坑”。后来，我会尽可能地补充剩下的话题，因为空间有限，这与你所在的行业产品非常不同，一篇文章不能帮助每个人手拉手建立自己产品的详细分析系统。欢迎有兴趣的朋友留言进一步交流。