前言：最近一直在研究互聯(lián)網(wǎng)產(chǎn)品的AARRR模型和Growth Hacking，有了一些思考，所以和大家分享一下，希望能夠拋磚引玉，歡迎持有不同見(jiàn)解的朋友討論、拍磚。
那么為什么要精細(xì)化分析？什么是Growth Hacking,并且我們?nèi)绾稳プ鯣rowth Hacking呢？接下來(lái)我將從“人群差異化”、“從流量經(jīng)濟(jì)到AARRR用戶模型”、“硅谷公司的Growth Hacking”、“尋找自己的Growth Hacking策略”等幾個(gè)方面去解釋。
有過(guò)App（網(wǎng)站）開(kāi)發(fā)和運(yùn)營(yíng)經(jīng)驗(yàn)的朋友，一定對(duì)百度統(tǒng)計(jì)，友盟，Google Analytics等統(tǒng)計(jì)工具毫不陌生，它們可以提供一些基礎(chǔ)數(shù)據(jù)統(tǒng)計(jì)服務(wù)，比如總用戶數(shù)，每日活躍用戶數(shù)，或者頁(yè)面訪問(wèn)數(shù)等等。只是這些分析只能是一些通用的細(xì)分維度下（如渠道，版本等）的統(tǒng)計(jì)數(shù)字，所以這些統(tǒng)計(jì)工具無(wú)法從更詳細(xì)的維度（例如用戶的人口屬性，用戶的行為事件等）去細(xì)分用戶群體。
我們看看下面幾組來(lái)自Talkingdata的年度報(bào)告圖片：
首先，從用戶年齡群來(lái)看，90后，80后，70后及以下的人群分布已經(jīng)越來(lái)越均衡，由此可以預(yù)見(jiàn)到的是上網(wǎng)人群的年齡也會(huì)從過(guò)去相對(duì)集中的二三十歲的年輕人到全年齡層的分散。
其次，城市的覆蓋，也意味著上網(wǎng)人群從過(guò)去集中在一二線城市的情況，變成了到三四線城市的全面分布。
第三，上網(wǎng)環(huán)境的優(yōu)化，WiFi和4G的增加以及2G的減少，意味著，應(yīng)用內(nèi)容會(huì)越來(lái)越豐富，顯示的內(nèi)容將不再受到網(wǎng)速的約束。
第四，北上廣深的應(yīng)用偏好差異，意味著城市文化與節(jié)奏的差異已漸漸影響到不同城市人群的喜好。
2000年互聯(lián)網(wǎng)起步，2005年的web2.0以及2009年的移動(dòng)互聯(lián)網(wǎng)的幾波浪潮期間，互聯(lián)網(wǎng)人群還比較集中在80后，一二線城市，沒(méi)有太大的差異。但是現(xiàn)在，隨著互聯(lián)網(wǎng)人群從年齡，城市等多方面的滲透分布，差異化越來(lái)越明顯。所以，如果幾年前互聯(lián)網(wǎng)還可以認(rèn)為流量影響的人群比較一致，不用作細(xì)分分析的話，那么現(xiàn)在對(duì)于App或者網(wǎng)站而言，人群差異一定會(huì)存在不同的使用影響，例如母嬰類(lèi)應(yīng)用，全職媽媽或者白領(lǐng)媽媽?zhuān)欢€城市的媽媽或者三四線城市的媽媽?zhuān)只蛲馄拍棠踢@種“偽媽媽”，她們對(duì)于應(yīng)用使用也會(huì)有不同的差異。
其實(shí)現(xiàn)今為止，大多數(shù)公司只關(guān)注三件事：流量、用戶、收入。
他們關(guān)注的是通過(guò)大批流量的入口，招來(lái)大批用戶，然后再帶來(lái)大量收入，或者換言之，這是一種“流量經(jīng)濟(jì)”。但現(xiàn)在，如上面所述人群差異化越來(lái)越明顯，導(dǎo)致以前的這種方式，會(huì)越來(lái)越低效，出現(xiàn)了越來(lái)越多的無(wú)用投放，以致于最后出現(xiàn)這樣一種現(xiàn)象：通過(guò)流量交換，或者一些渠道與CP其實(shí)已經(jīng)影響了很多用戶，但最終留存下來(lái)的用戶卻很少。
之前36kr有篇文章《流量時(shí)代何時(shí)走向終結(jié)》寫(xiě)過(guò)這樣一句話：“‘流量經(jīng)濟(jì)’的重點(diǎn)在于‘洗’，要找到一種與之相對(duì)的模式，那一定是‘粉絲經(jīng)濟(jì)’，其重點(diǎn)在于‘養(yǎng)’”。
所以拋開(kāi)流量增長(zhǎng)帶來(lái)的收入，我們更應(yīng)該關(guān)心的是流量帶來(lái)的是什么樣的用戶，怎么來(lái)的用戶，以及不同用戶怎樣產(chǎn)生收入，產(chǎn)生什么收入。
比如說(shuō)，現(xiàn)在我們很多App常常會(huì)換量，找兩個(gè)CP換量，一個(gè)帶來(lái)5000量，而另一個(gè)帶來(lái)3000量。很多人單從流量數(shù)字來(lái)看會(huì)覺(jué)得5000的好，但是沒(méi)有考慮5000和3000用戶背后的留存率，如果5000的量的留存是10%，3000的留存是40%，實(shí)際上是后者帶來(lái)的有效用戶是前者的兩倍；然后還不止這么簡(jiǎn)單，如果前者（5000量里的10%的留存）帶來(lái)的ARPU值是后者（3000量里的40%的留存）的5倍，意味著前者帶來(lái)的價(jià)值又會(huì)是后者的兩倍多，所以這些都必須通過(guò)對(duì)人群的深度分析才能得出結(jié)論，了解你的高留存用戶，然后去“養(yǎng)”這些用戶，那么才有可能產(chǎn)生持續(xù)穩(wěn)定的高價(jià)值。
所以當(dāng)“流量經(jīng)濟(jì)”已經(jīng)大打折扣時(shí)，就沒(méi)有別的辦法嗎？不，其實(shí)國(guó)外已經(jīng)提出了一種新的分析思路就是AARRR用戶模型。
所謂AARRR用戶模型其實(shí)就是獲取“（Acquisition）”、“激活（Activation）”、“留存（Retention）”、“傳播（Referral）”、“收入（Revenue）”，整個(gè)步驟如圖所示。
用戶獲?。ˋcquisition）其實(shí)就是通過(guò)各種方法吸引用戶到自己的平臺(tái)來(lái)，例如常見(jiàn)的搜索引擎優(yōu)化，二維碼掃碼，應(yīng)用市場(chǎng)，內(nèi)容提供方，社會(huì)化分享，軟文等等。
用戶激活（Activation）就是讓用戶注冊(cè)成為你的用戶。
用戶留存（Retention）就是讓用戶持續(xù)使用你的應(yīng)用。
傳播（Referral）就是讓用戶愿意替你傳播你的應(yīng)用，例如通過(guò)社會(huì)化分享或口碑宣傳等方式。
收入（Revenue）就是獲取用戶收入了。
整個(gè)過(guò)程就是先獲取用戶，然后部分用戶會(huì)成為激活用戶，而激活的用戶里面會(huì)有一部分成為留存用戶，留存的用戶里會(huì)有一部分用戶幫助向外傳播，又會(huì)吸引一部分用戶，最后留存用戶里面會(huì)有一部分用戶產(chǎn)生收入。
所以再對(duì)比剛剛的那個(gè)流量模型，顯然我們可以通過(guò)AARRR的整個(gè)過(guò)程更加細(xì)致的去了解用戶的整個(gè)生命周期。
Growth Hacking其實(shí)是一種用戶增長(zhǎng)的方式，通常來(lái)說(shuō)即通過(guò)一些策略去幫助公司形成快速的增長(zhǎng)，但它又不等同于BD和Marketing。
Growth Hackers 并不是BD和Marketing的替代，Growth Hackers并不意味著優(yōu)于BD和Marketing，BD和Marketing專(zhuān)注于從多方面去發(fā)展和推廣，而Growth Hackers通常是專(zhuān)注于某一點(diǎn)。
Growth Hackers 利用對(duì)產(chǎn)品的理解以及對(duì)產(chǎn)品推廣運(yùn)營(yíng)的分析，去提出策略，幫助公司快速增長(zhǎng)，這個(gè)過(guò)程一般都是要基于技術(shù)和分析去探索的。
創(chuàng)業(yè)公司更需要Growth Hackers。
所以Growth Hacking最重要的是通過(guò)策略去增長(zhǎng)，那么有哪些經(jīng)典的策略呢？
上面幾家公司現(xiàn)在都是明星企業(yè)，但在初期Growth Hacking都幫助他們實(shí)現(xiàn)了快速增長(zhǎng)。
可能看到這里很多人還是不太明白這些精妙的策略是怎么想出來(lái)的，很多國(guó)內(nèi)的相似企業(yè)都會(huì)copy他們的策略，但是對(duì)于如何去找策略卻是毫無(wú)思路，之前有一本書(shū)叫做《精益創(chuàng)業(yè)（Lean Startup）》，這里我要介紹的是《精益數(shù)據(jù)分析（Lean Analytics）》，里面提到了一個(gè)觀點(diǎn)就是OMTM(One Metric that Matters)也就是找到影響最大的一個(gè)指標(biāo)。
前面已經(jīng)說(shuō)過(guò)Growth Hacking會(huì)更專(zhuān)注于分析聚焦在某個(gè)點(diǎn)的問(wèn)題，回想剛剛的AARRR模型，其實(shí)這就是一個(gè)漏斗。
從用戶獲取到激活到留存，留存到傳播和收入就是一個(gè)自上而下的漏斗，越往下越窄。理想的境況下，我們都希望這是一個(gè)圓柱體，但顯然這是比較困難的，而我們要做的就是精細(xì)化分析用戶獲取到收入的整個(gè)過(guò)程。
對(duì)于沒(méi)有過(guò)數(shù)據(jù)分析運(yùn)營(yíng)的公司來(lái)講，這個(gè)過(guò)程中一定存在很多優(yōu)化點(diǎn)，縱觀整個(gè)過(guò)程，我們首要的就是找到步驟間轉(zhuǎn)化率最低或者最容易提升的一個(gè)點(diǎn)，然后結(jié)合這個(gè)點(diǎn)去想策略。
我們?cè)倩氐絼倓偟哪菐准夜镜牟呗裕?/font>
最典型的是Linkedin，Linkedin發(fā)現(xiàn)用戶獲取是一個(gè)低效的點(diǎn)，同時(shí)他們發(fā)現(xiàn)很多人在搜索引擎搜索自己的名字時(shí)沒(méi)有太多相關(guān)信息，所以他們提供了一個(gè)功能，就是創(chuàng)建個(gè)人資料頁(yè)，然后幫助做SEO優(yōu)化，這樣，再搜索自己名字的時(shí)候，前幾個(gè)結(jié)果就會(huì)有用戶的專(zhuān)頁(yè)，這個(gè)feature當(dāng)時(shí)就吸引了不少的新用戶，并且注冊(cè)成為他們的用戶。
Quora和Twitter都發(fā)現(xiàn)了用戶獲取到用戶激活的比例比較低。他們用了不同的策略，Quora增加了注冊(cè)的途徑，比如閱讀到一半彈出了注冊(cè)框；而Twitter則是發(fā)現(xiàn)來(lái)到注冊(cè)頁(yè)面，在注冊(cè)過(guò)程中流失的人很多，因此他們選擇的是優(yōu)化注冊(cè)流程來(lái)提高注冊(cè)量。
Dropbox 發(fā)現(xiàn)從用戶的激活到用戶留存有提升空間。在發(fā)現(xiàn)這個(gè)問(wèn)題后，他們分析發(fā)現(xiàn)一部分人注冊(cè)后并沒(méi)有下載客戶端，而往往他們就是留存最低的那部分人，顯然如果能將這里面的一部分人喚醒，那么這個(gè)轉(zhuǎn)化率一定能提高，所以他們就給注冊(cè)了賬號(hào)但沒(méi)有下載客戶端的用戶發(fā)送了下載客戶端的郵件。
還有一個(gè)很有名概念就是“AHA!MOMENT”，可以理解為驚訝時(shí)刻，其實(shí)也是通過(guò)對(duì)內(nèi)部數(shù)據(jù)的分析，找到一個(gè)影響用戶留存的關(guān)鍵點(diǎn)，比如Facebook是10天內(nèi)7個(gè)新用戶，Twitter是用戶關(guān)注到達(dá)30人，而策略就是刺激用戶達(dá)到這兩個(gè)目標(biāo)了。
所以可以看出，每一種策略都在針對(duì)著AARRR模型過(guò)程中的某一步。而我們要優(yōu)化應(yīng)用和App，首先要做的就是找到整個(gè)步驟中存在問(wèn)題的那一步。
合理使用工具是重要的一步。
不考慮推送、客戶管理等企業(yè)工具，單從分析來(lái)講現(xiàn)有的工具主要分兩類(lèi)：通用統(tǒng)計(jì)類(lèi)和精細(xì)化分析類(lèi)。第一類(lèi)就是開(kāi)頭所講的友盟這一類(lèi)工具，他們是最基礎(chǔ)的統(tǒng)計(jì)服務(wù)；Talkingdata、Dataeye則是在統(tǒng)計(jì)基礎(chǔ)上做了一些垂直化，把一些統(tǒng)計(jì)數(shù)據(jù)包裝成行業(yè)指標(biāo)，更利于開(kāi)發(fā)者去閱讀理解；而另外一類(lèi)工具就是Mixpanel和諸葛io(zhugeio.com)，他們?yōu)殚_(kāi)發(fā)者提供的并不是統(tǒng)計(jì)服務(wù)，而是類(lèi)似于BI（商業(yè)智能）的分析工具。
統(tǒng)計(jì)類(lèi)工具特點(diǎn)是每天計(jì)算一次關(guān)鍵指標(biāo)，用戶看到的都是預(yù)先計(jì)算好的數(shù)據(jù)，因?yàn)榉治龅木S度是固定的。比如對(duì)人群在通用維度（版本，渠道等）進(jìn)行分析。
分析類(lèi)工具則是非常靈活動(dòng)態(tài)，大多都是實(shí)時(shí)分析，而且分析人群可以定制化細(xì)分（比如和內(nèi)部數(shù)據(jù)庫(kù)相關(guān)的人物屬性，或者在應(yīng)用內(nèi)產(chǎn)生了什么行為等）。
兩類(lèi)工具各有各的特點(diǎn)，對(duì)于查看概況，統(tǒng)計(jì)類(lèi)工具無(wú)疑是適用的；而對(duì)應(yīng)到要找到Growth Hacking策略之類(lèi)，則需要深入分析應(yīng)用以及用戶使用過(guò)程，那么還是需要分析類(lèi)工具。
漏斗
漏斗是常用的分析方法，在應(yīng)用的使用過(guò)程中，會(huì)有一些層次關(guān)系，例如在視頻應(yīng)用中，用戶看視頻之前可能有很多入口，比如從搜索、推薦、分類(lèi)，用戶都能完成看視頻操作，那么哪一個(gè)轉(zhuǎn)化率是最高的呢？或者用戶有很多種，一線城市、二線城市，那么一線、二線哪個(gè)完成看視頻的轉(zhuǎn)化率最高呢？再說(shuō)電商應(yīng)用，典型場(chǎng)景就是從加入購(gòu)物車(chē)，到下訂單，到完成支付，這也是一個(gè)漏斗；或者用來(lái)支付的方式，是微信支付還是支付寶支付，誰(shuí)的支付率更高，同樣也是一個(gè)漏斗，所以用精細(xì)化分析工具分析漏斗是非常重要的。
自定義留存
我們之前常常以為的留存，都是用戶有沒(méi)有持續(xù)去使用應(yīng)用其實(shí)每個(gè)應(yīng)用的核心價(jià)值其實(shí)是不一樣的。比如知乎日?qǐng)?bào)就是有沒(méi)有持續(xù)去閱讀；優(yōu)美圖是有沒(méi)有持續(xù)去看圖片；淘寶是有沒(méi)有持續(xù)下訂單，甚至對(duì)于淘寶而言，持續(xù)看商品，持續(xù)下訂單，持續(xù)完成支付的用戶價(jià)值也是不同的。所以當(dāng)涉及到精細(xì)化分析時(shí)，留存也會(huì)因?yàn)閼?yīng)用內(nèi)觸發(fā)行為的差異而不一樣，因此自定義留存也能夠幫我們?nèi)ズ饬恳恍┯脩舻某掷m(xù)價(jià)值。
回憶一下剛剛的AARRR模型，每一個(gè)應(yīng)用都可以把自己的一些用戶行為找到對(duì)應(yīng)的過(guò)程中，所以首要的就是你要找到跟這幾個(gè)過(guò)程相關(guān)的事件，比如用戶獲取可能就是用戶不同來(lái)源，用戶激活可能是用戶的注冊(cè)，用戶留存就是剛剛說(shuō)的應(yīng)用自己的一些核心事件（比如閱讀，看視頻），用戶傳播就是分享行為，用戶收入就是付費(fèi)過(guò)程了。利用分析工具先檢測(cè)好這幾個(gè)點(diǎn)，然后統(tǒng)計(jì)中間的轉(zhuǎn)化率，找到提升空間比較大的點(diǎn)，然后再細(xì)致的去跟蹤中間的過(guò)程，比如如果發(fā)現(xiàn)分享比例比較低，那么就可以看看是分享的刺激不夠，還是分享過(guò)程需要優(yōu)化，比如微信認(rèn)證或者微博認(rèn)證流程中出現(xiàn)問(wèn)題。
最后想說(shuō)的是，很多小的公司誤以為數(shù)據(jù)分析和自己無(wú)關(guān)，但從長(zhǎng)遠(yuǎn)來(lái)看，了解和熟知自己的客戶群體以及產(chǎn)品使用的數(shù)據(jù)，對(duì)于發(fā)展和增長(zhǎng)的策略來(lái)講很有必要，Growth Hacking離每一家企業(yè)都沒(méi)有那么遠(yuǎn)。分析數(shù)據(jù)不用一次把所有的業(yè)務(wù)都設(shè)置成自定義事件。通過(guò)分析或者統(tǒng)計(jì)工具埋點(diǎn)，數(shù)據(jù)太多了反而會(huì)影響自己去分析，把埋點(diǎn)分析也變成產(chǎn)品迭代的一部分，每次只需要分析一個(gè)模塊的問(wèn)題就可以，比如注冊(cè)過(guò)程，分享過(guò)程，留存過(guò)程等等，核心是每次迭代產(chǎn)品，找到OMTM，分析和優(yōu)化這個(gè)關(guān)鍵指標(biāo)。
工欲善其事，必先利其器，產(chǎn)品就是你的利器。
作者：諸葛io CTO 孔淼 微信號(hào)（zhugeio）
來(lái)源：http://zhuanlan.zhihu.com/zhugeio/20062566
聯(lián)系客服
