《增长黑客》笔记

在大多数软件公司或基于网络的公司,提高网站或App访客的激活和留存数量并不是由市场人员负责,而是由产品和工程团队负责,他们致力于开发能让用户爱上产品的功能。而这两个群体之间几乎不存在任何合作,他们各自专注于各自的重点工作,几乎没有什么互动。

移动应用开发完成之后,市场团队制定了一个发布方案,像往常一样,这个方案包含了一系列传统的营销活动,并且重点放在了社交媒体、公关和付费获客推广上。App本身做得很好,营销方案也不错,但是用户增长仍然非常缓慢。
《增长黑客》笔记_第1张图片

最有可能成功的增长策略不是只关注用户群的扩大,也要最大限度地发挥现有用户的价值。

即使你不在技术公司工作,你可能也十分了解不同部门之间的这种紧张关系,比如市场团队不理会销售人员的建议,或者研发团队拒绝市场团队提出的设计新产品原型的提议。这是以部门划分职责的筒仓式结构的主要问题之一。

“虽然80%的高管都承认跨越部门界限进行有效的知识分享对于增长而言至关重要,但只有25%的高管认为他们的公司做到了这一点”。“在同一战略业务单元、职能或办公室的两个人比不同业务单元、职能或办公室的两个人互动的频率高1000倍。也就是说,跨越界限的互动少得可怜。”

部门之间缺乏沟通会阻碍以客户为中心的产品开发和营销——随着技术和社交媒体的推动,甚至要求企业持续不断地与客户进行更具实质性的互动,从而使以客户为中心的产品开发和营销方式显得越发重要。简言之,工程师和产品设计师有能力找到满足客户需求和喜好的方式,但是他们往往并不知道客户需要什么、想要什么。

为产品功能、移动界面和网页写代码的人可以说是增长团队的主力。然而他们往往被排除在构想过程之外,因为他们通常忙于公司新产品或新功能的开发。或者他们只是一味地听命于产品和业务团队,落实他们提出的任何想法。这不仅会削弱公司最有能力也是最宝贵人才的士气,也会阻碍想法的提出,因为这使工程师的创造力和在新技术方面的专长无法得以发挥,从而可能错过增长良机。

增长黑客过程提供了团队应当开展的一整套具体活动,通过迅速试验寻找新的增长机遇并扩大现有的机遇。这一过程是一个持续的循环,由四个主要步骤组成:(1)数据分析与洞察收集;(2)想法产生;(3)排定试验优先级;(4)试验执行。在第四步完成之后重新回到数据分析阶段,评估试验结果并决定下一步行动。

《增长黑客》笔记_第2张图片

团队的矛盾

  • 工程师一般只对在技术上最具挑战性的工作感兴趣,而不关心他们提出的解决方案是否会对增长产生实质性的影响。
  • 产品经理往往沉迷于产品开发与发布工作,如果市场和销售团队在最后一分钟提出产品改动要求却给不出有说服力的商业理由,他们可能会大发雷霆。
  • 用户体验设计师经常会反对为产品引入一些试验性的功能或特征,因为他们担心原本对产品满意的用户会因此感到厌烦。
  • 营销人员则可能会过于关注像网站访问量或销售线索这样的“面子指标”,而忽略了在漏斗的其他部分(比如用户留存)提升指标的必要性。

不论是在初期阶段还是其他任何时期,都不能将增长的核心职责外包出去。增长工作太重要了,不能轻易交给他人去做,而外部顾问常常缺乏足够的权力、时间或内在动力为实现公司可持续的增长而攻坚克难。

在推行过程中难免会犯错,试验也会有失败,网页可能会崩溃,这些都是这一试验过程的必经之路。而上级的支持可以大大减轻这些失败带来的冲击。

增长团队也不应太早启动,因为如果产品不受用户的喜爱,那么任何试验都无法激发持久的增长。

增长黑客的基本原则之一就是在确定你的产品是否不可或缺、为何不可或缺以及对谁来说不可或缺之前不要进入快节奏试验阶段,也就是说,你必须要了解你的产品的核心价值是什么、对哪些客户来说具备这些核心价值以及为什么

有人将增长黑客曲解为打造产品病毒性的一种方法。这确实是主要的策略之一,但是与其他的增长努力一样,它必须要在确定产品的不可或缺性之后才能被采用。

“有时候你能够取得暂时的病毒性增长,但是如果想要维持长期的用户增长,首先必须有个好产品。我们认识到,我们必须改进产品,吸引用户每天打开它。不能只做一个人们偶尔需要的工具,而是要打造一个社区。”

一个产品的“啊哈时刻”有时候可能难以确定。很有可能出现的情况是,你发布了一个产品之后,由于增长乏力便断定产品根本不存在任何“啊哈魔力”,而事实上有些用户可能已经深深爱上了这个产品。所以在确定产品是否具有令人惊叹的潜力时,关键的一步是通过挖掘用户数据与反馈,以寻找那些真正热爱你的产品的用户,然后分析这些用户在使用产品时有哪些相似之处,从中摸索他们从产品中所获得的其他用户可能没有获得的价值。

确定关键指标——一切工作的中心,不同领域的关注点不同:

  • 优步:司机数、乘客数
  • 点评:商家数、点评数
  • 脸书:用户的分享数、用户查看动态消息的时间、日活
  • 领英:总注册量
  • 电商:总商品数量,GMV
  • 订房:客房预定量
  • blabla

你可能感兴趣的:(#,数据分析思维)