一套用戶增長的完整系統架構

最新 05-20

在用戶增長的領域裡，學到了對的道理，真的可以過好這一生。

互聯網的世界裡一切都是為了增長，靈光一現的創新可能會讓一個產品成功，但絕不可能長久，在用戶增長的領域裡，如何復用一套框架，找到最佳實踐的一條路徑，再配備一點運氣，去實現商業成功是我一直所探索的話題，這篇文章和今後的幾篇文章將系統性地闡述用戶增長的最佳路徑。

用戶增長定義在市面上已經有很多完整解釋了，這裡就不再贅述，簡單來說，用戶增長的根本目的是為了提升產品在一段時間內的有效用戶數（後面有詳細解釋），進而提升當下和未來的GMV和利潤，實現商業成功。為了實現這個目標，從戰略和戰術層面，我們將這個概念拆解為以下幾個部分：

戰略：

取勢：產品的設計本身符合時代的發展趨勢（如果2018年你還要創業賣傳呼機，對不起，神仙也幫不了你）、滿足的是用戶的真需求（比如思考「監督大學生背單詞並收取費用」這個商業模式能否長久有用戶願意買單）、並找到最佳PMF（市場契合度，Product Market Fit）。

明道：在對的時間用對的方法做對的事情。（比如什麼時候應該加大力度在百度推廣上投放廣告，應該買什麼關鍵詞，定向什麼樣的人群畫像？）。

優術：明確目標，建設最有用的工具助力快速增長。（如何能夠快速建設並持續迭代數據產品和營銷工具來提升運營效率並降低運營事故率？什麼樣的數據產品有能力幫助我們進行快速有效的數據分析，哪些營銷工具能幫助我們花最少的精力快速落地運營策略？）。

戰術：

知其然、知其所以然：分析體系搭建；

開源重要、截流更重要：提升留存（有效用戶數）方法論；

工欲善其事必先利其器：建設增長工具；

不把雞蛋放在一個籃子里：建設運營知識庫（人群標籤、渠道體系、決策轉化、創意中心）。

看清楚產品發展現狀，定位問題和潛力空間、總結TODO事項併合理判斷必要性和排序優先順序。總之，分析的根本目的是更加清楚地看清楚業務並集中資源和精力解決最重要的事情，這句話的重點在後半句，如果只是為了滿足好奇心或者追求分析複雜度和工作量，而沒有能夠判斷哪些事情應該先做、哪些事情應該後做、哪些事情沒必要做，那這個分析沒有任何價值，徒費時間精力而已。

由於分析體系的搭建全部都是基於數據的，數據分析的新手可能誤入以下數據陷阱：

（1）為了滿足好奇心而看數據

所有的數據分析都是要包括明確分析目標、提出假設、驗證假設，如果目標不清晰、沒有make sense的基於經驗的業務假設，而只是認為「我覺得應該看blabla數據」而跟BI部門提需求，往往會造成等了很久才出來的數據，看了之後滿足了好奇心，但發現好像並沒有什麼指導性的用處，那這樣的數據分析就很沒有用戶，白白浪費自己和BI同事的時間。

（2）在茫茫數據中看圖找規律

有的時候老闆交代的任務可能只是一句「分析一下我們的用戶」，這樣非常泛泛的任務，思路不清晰的同學可能就會立刻著手提取全局用戶所有能想到的特徵，然後做全集的數據透視，算各種佔比，橫向的、縱向的，一維交叉之後沒啥發現看二維交叉，結果越算越複雜，可能弄了上百個表也沒得到啥拿得出手的結論。這樣的事情聰明人做一次就夠了，全局看圖找規律這種事就是在用戰術上的勤奮彌補戰略上的懶惰，這種情況發送的根本原因就是自己沒有在用戶需求層面有足夠深度的思考。

（3）將虛無縹緲的假設寄希望於模型複雜度上

在不以成績導向的地方有的人就喜歡追求做事過程的複雜度，彷彿一個目標沒有達成是因為方法太過簡單的原因，足夠複雜、足夠高端就可以達成了。當然，如果在科學領域，這種論調基本沒問題，但做運營的人，是以結果導向的，持續貢獻增長才是唯一目標。有的人沒有完成kpi，又沒提出過什麼複雜的方法論，說的做的都是老生常談的東西，恨不得每個月都不好意思領工資，所以就開始走上了追求複雜模型的不歸路：明明就是渠道投放的文案特點突出不夠顯著，導致拉新效率低，優化個文案就好了的事情非要去分析渠道用戶畫像和產品用戶畫像的相似性，再搞個挖掘領域的K-means聚類演算法，光衡量個體差異的模型就搞了好幾個來評估準確性，模型大概是長成這樣的：

搞了兩個月之後彷彿自己的人生都瞬間充實了一樣。其實真心沒必要，用戶增長本質還是要圍繞用戶需求，數據只是工具，千萬不要捨本逐末，變成數據的奴隸。

一個產品的用戶池是如何構成的，以及使用我們產品服務的用戶是如何從生到死的過程基本是這樣的：

什麼是有效用戶：

所有的增長工作都是圍繞著「提升當下有效用戶數」和「提升未來用戶變成有效用戶的可能性」這兩個目標。有效用戶是指可以為企業持續貢獻正向價值的用戶（企業真正希望獲得的用戶），在不同行業和不同產品的理解有所不同，比如微博、twitter、Instagram這樣產品的有效用戶是指持續在平台活躍的用戶，可以用平均每日停留時長高於30分鐘的用戶數、平均每日發布至少1個feed的用戶數、平均每日收藏或轉發至少1個的用戶數等相關指標來量化；又比如淘寶、美團外賣這樣的產品可以用近7日內至少完單3次的用戶數、近30天內登陸次數大於5次且近7日內收藏商品數量大於1件的用戶數來衡量。總之，計算有效用戶數可以基於所在業務的經驗，判斷一個（或幾個，組建複合指標）真正能合理衡量為產品持續貢獻正向價值的用戶數的指標來量化產品的有效用戶數。

如果說產品的用戶池像一個蓄水池一樣，我們希望用戶盡量留在我們的池子中，其實我們每天所做的事情基本都是圍繞著以下幾個目標展開的（篇幅有限，細化這些具體的方法會在後續文章中給出，敬請關注）：

明白了這個關係，我們可以來回答以下兩個問題：搞用戶增長的每天需要看什麼數？怎麼看？

核心用戶指標：這部分看數的主要目標是關注我們產品的用戶結構發生了什麼樣的變化，每天的發展情況如何。這裡可以關注的指標主要圍繞新用戶數、有效用戶數、沉默用戶數、流失用戶數（具體的指標口徑需要基於具體產品特徵和企業發展戰略來制定，例如如何定義沉默、有效、流失更為合理），當然如果希望精細化運營可以將這些指標再繼續拆解，比如沉默用戶可以拆解成近7天沉默、近7-14天沉默、近14-30天沉默、近30+天沉默等等。

運營策略復盤：這部分看數要策略的目標是否達成、基於轉化流程看優化空間在哪。比如策略目標是為了提升新用戶數，復盤的時候要基於曝光-點擊-註冊-購買等環節看最終實現了多少新用戶的提升以及哪些環節是這個渠道提升效率的瓶頸，如果是曝光到點擊的點擊率明顯低於業界標準，說明我們的投放物料需要優化了。（這裡的轉化路徑只是舉個例子，當我們實戰的時候肯定需要再進一步細拆，比如電商類註冊-購買可以拆為註冊-瀏覽產品列表頁且停留時長超過5秒-瀏覽產品詳情頁且到達完整詳情頁-加入購物車-點擊立即購買-。。。。-付款成功）。

監控異常：這部分的主要作用是幫助我們實時發現產品的事故，及時修復，損失最小化。建立指標的時候可以儘可能全面，覆蓋所有產品轉化路徑，指標不怕多，可以有幾百個都沒關係，設定好閾值，每天只看報警的就可以了，不報警的就不用看了。舉個例子，我們的監控體系中有「點擊立即發送簡訊按鈕-填寫完成驗證碼轉化率「這個指標，閾值為80%，某天這個指標突然降為1%，說明我們的簡訊通道出現了問題或者被黑客攻擊，用戶可能沒有收到簡訊，這樣我們就可以通過這個監控體系第一時間發現事故並進行修復，將損失降到最低。

為什麼我們這裡只是從用戶維度搭建分析體系，而沒有展開說銷售額、毛利、凈利這些？

避免宏觀環境變化、用戶需求變化影響業務決策、產品價值觀混亂和運營策略重心偏移。

舉個例子，一家超市的銷售額連續3個月下降，老闆可能就慌了，覺得是不是超市的運營方法出現了問題，開始一系列的「改革措施」，但拆解看來，如果該超市的拉新效率和質量均沒有下降、有效用戶數也沒有下降、流失用戶數也沒有升高，只是這段時間原來買百威啤酒的用戶變成買農夫山泉了，客單價下降引起的GMV下降。如果把這個問題前置思考一下，客單價的下降有沒有必要引起關注和制定相關措施（比如啤酒打9折）？個人認為是沒必要的，反而容易引起產品價值觀的混亂和運營策略的重心偏移，讓原本有機會發力的拉新創新和提升服務質量的工作滯後。原因是我們做產品的第一要務是滿足用戶需求（用戶想喝啤酒賣啤酒、想喝農夫山泉賣農夫山泉），而非創造用戶需求（喬布斯讓用戶覺得一年應該換一部新IPHONE就是創造用戶需求，在喬布斯之前用戶是不覺得自己應該一年換一次手機的）。

這篇文章主要講了我所理解的用戶增長架構，和其中第一部分「分析體系的建設方法和思路以及我踩過的坑」，後面我也會陸續把剩下的幾個話題也盡量補充完整，由於篇幅有限和各位看官所處的行業產品千差萬別，一篇文章無法做到幫助大家所有人手把手建立自己產品的詳細分析體系，感興趣的朋友歡迎留言進一步交流。

下期預告：

開源重要、截流更重要：提升留存（有效用戶數）方法論

實戰增長時我們經常會掉入「增長陷阱中」，即拉來的新用戶很多，但留存特別差，用戶池的「水閘」始終關不上，下一篇我會集中寫一下如何「理解留存」、「提升留存」的具體運營方法，希望能幫到大家。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！