《增长黑客》- 读书笔记(五)实战之拉新、激活、留存、变现

文章目录

      • 1. 拉新
        • 1.1 语言-市场匹配
        • 1.2 渠道-产品匹配
        • 1.3 设计病毒循环
      • 2. 激活
        • 2.1 定位激活实验的三个关键步骤
        • 2.2 触发物策略
      • 3. 留存
        • 3.1 初期留存
        • 3.2 中期留存
        • 3.3 长期留存
      • 4. 变现
        • 4.1 绘制变现漏斗
        • 4.2 群组分析
        • 4.3 了解消费者心理
      • Reference

用户在使用产品的时候,可以根据用户进入的时间、使用频率等,对生命周期划分为不同阶段。

在数据分析中,常用的生命周期模型是AARRR模型,也称为海盗模型。简单来说,这个模型将用户生命周期分为5个阶段——Acquisition获取Activation活跃Retention留存Revenue收益Refer传播

《增长黑客》中在实战部分介绍了拉新、激活、留存、变现四个阶段的实战指导,也就是AARRR模型的前四个阶段。其中,第五个阶段传播作为用户获取的内容,在拉新中也有相应的介绍。

本文介绍书中提到的实战指导,通过实际例子进一步理解增长黑客方法论的应用。

1. 拉新

对于产品来说,获取新用户极为重要。在获取用户的过程中,必须遵循公式:用户生命价值 > 获客成本

随着获客成本的提升,我们需要找到ROI最高的获客方式以驱动增长。为此,在确定产品-市场匹配PMF后,可以采用另外两种匹配,达到优化拉新的目的。

1.1 语言-市场匹配

语言-市场匹配是指描述和推广产品的语言能够打动潜在用户,促使他们试用产品。 这些语言包括营销过程中任何环节使用的语言,如广告、邮件、推送、Push等。

好的语言需要非常简洁地传达出产品的核心价值,即啊哈时刻,举个例子如下:

iPod是这方面最成功的案例。iPod问世时,乔布斯用了一个简单而迷人的句子——“将1000首歌放在你的口袋里”,重塑了人们对便携式播放器魅力的认知。在乔布斯看来,iPod的啊哈体验在于,能够将自己的音乐库随时随地带在身上,享受流畅的音乐。

对于我们,如何找到好的语言来实现语言-市场匹配?**增长黑客过程提供了方法——快节奏地对语言进行A/B实验。**通过高效地对比不同的语言效果,逐步确定的最优的语言,实现语言-市场匹配。

这种实验的成本低,只需要修改几行代码即可。举个例子:

Upworthy是一个媒体网站,他们在标题上进行A/B实验实现语言-市场匹配。

对一篇文章,他们会选出两个最有潜力的标题,创建不同的链接。然后从Facebook上选出两组相似的用户,分别提供链接。之后,统计一段时间内两个标题的点击量、分享量等指标即可选出更优的标题。

1.2 渠道-产品匹配

渠道-产品匹配是指拉新渠道要选择效果最好的几个,而不是平均分布在多个不同的渠道上。

渠道可分为三种基本类型:病毒/口碑渠道、有机渠道、付费渠道,常见例子如下:

《增长黑客》- 读书笔记(五)实战之拉新、激活、留存、变现_第1张图片

实现渠道-产品匹配的第一步是根据自己的产品特性和目标用户特征,初步筛选出合适的渠道。

  • 如果产品是面向企业的,可能内容营销、销售团队、展览会是接触目标用户的方式;如果产品面向个人,则SEO、线上广告等比较合适
  • 如果产品提供了用户一直在找的需求,那可以使用寻求答案的渠道(搜索引擎等);如果目标用户喜欢跟我们产品互补的产品,则可以选择品牌合作等方式

假设有一个食品采购APP,他们调查发现:最忠诚的用户大多来自主网站(Web版);一些人不知道APP的存在;一部分人会推荐APP给朋友;用户在Facebook上活跃等。因此他们筛选出以下渠道:

  • 有机渠道:主网站上推广APP、给有会员卡但无APP的常客发邮件
  • 付费渠道:facebook广告、电台广告
  • 病毒渠道:提供额外折购的朋友推荐计划

第二步是对选出的渠道,设计实验比较选出最优渠道。

团队对上述渠道按照成本、时间等因素进行打分后,排定试验渠道的优先级,并进行实验,根据结果得出结论。如在有机渠道方面,收到邮件的用户有4%的人安装了APP,但APP推广的结果却不尽人意,点击量高但下载量却很低。因此,在有机渠道方面选择邮件方式,推广的方式则继续优化激励下载

1.3 设计病毒循环

当用户使用产品后,可能会将产品推荐给其他人。当这个过程可以不断重复,则就会不断有新用户使用产品,通常说产品具有病毒性,或者产品是病毒式增长的。

病毒式增长可分为几种类型:

  • 原生式病毒:产品的使用过程中就有分享的体验,如Facebook可以分享给朋友让他们一起使用
  • 口碑式病毒:产品使用的体验很好,用户自发推荐给其他人
  • 付费式病毒:拼多多的砍红包营销

肖恩在设计产品的病毒循环上,有几点建议:

  • 挖掘产品的网络效应,当产品本身不是明显的具备网络效应时,尝试去发掘。如百度网盘存储的文件越多,越可能邀请别人使用,便于文件的分享等
  • 创造与产品核心价值契合的激励机制,如果产品本身不对用户分享提供激励,则可以通过提供某种奖励来激励。但注意,这种激励必须与产品的核心价值想契合,可以称为产品-奖励匹配
  • 让分享成为用户体验的有机组成,也就是把鼓励分享融入用户体验中,但不能引起用户反感,比如在用户体验完啊哈时刻时,提醒用户可以分享等
  • 确保受邀者获得满意的体验,如Airbnb的邀请内容包括邀请者的姓名和照片,以及说明奖励措施的一段话。这样受邀者乐意收到邀请,也会乐意发出邀请

当然,这些建议都是设计病毒循环的思路,最重要的还是,要通过实验验证

2. 激活

在拉新阶段,我们通过实现语言-市场匹配、渠道-产品匹配等方式,引入了许多新用户。介绍对于这些新用户,我们需要让他们真正的使用产品,即激活用户。

激活用户的关键在于让新用户更快地体验到啊哈时刻。通过寻找阻碍人们获得啊哈体验的因素,通过激活实验排除这些阻碍,提高激活率。

本文介绍定位激活实验的三个关键步骤,然后介绍在激活中常用且常被误用的触发物策略

2.1 定位激活实验的三个关键步骤

激活用户的关键是让用户更快地体验到啊哈时刻,三个关键步骤也围绕啊哈时刻展开——

  • 第一步,找到通往啊哈时刻的所有路径/步骤
  • 计算每个步骤的转化率和流失率,得出漏斗报告
  • 对流失率很高的环节通过分析数据、用户调查等方式找到原因

上述三点,实际上就是常见的行为路径分析或漏斗分析,漏斗分析是行为路径分析的特殊情况,即只有一条路径。通过定位到流失率异常的环节,即可以为接下来的分析和实验提供方向。

肖恩提到了常见的一些消除阻碍环节的思路——

  • 欲望 - 摩擦 = 转化,消除阻碍环节可以通过提供不可或缺的功能提高用户的使用欲望,也可以优化用户体验来减少使用中的摩擦,减少摩擦通常更简单,常见的摩擦如下载速度慢、验证码难以辨认、信息需要重复输入等
  • 优化新用户体验,新用户体验是指用户首次使用产品的特有体验,如新手引导等,在这个过程需要完成,传达产品与用户的相关性、展示产品价值、提供明确的行为召唤(即吸引用户进行下一步操作)
  • 简化注册/登陆过程,如以微信账号登陆等方式,减少注册/登陆需要提供的信息,通常可以提高注册量
  • 翻转漏斗,让用户先体验产品的核心功能,之后再邀请用户注册/购买,如不登陆也可以搜索商品的电商平台,很多软件的免费增值计划等

2.2 触发物策略

除了路径分析,在激活中常用的策略还有触发物策略(也经常用于拉回流)。触发物是指任何刺激用户采取行动的提示,常见的有邮件通知、Push、页面上的提示等。**使用触发物的一个经验是,提醒用户存在一个对他们明显有价值的机会,**如降价活动、礼物领取等。

触发物的效果取决于两个因素:用户动机的强弱完成行动的难易程度。如下图,据此可以将触发物分为三种类型,协助型触发物(提供能力)、刺激型触发物(提供动机)、信号型触发物(仅提醒)。

《增长黑客》- 读书笔记(五)实战之拉新、激活、留存、变现_第2张图片

在设计触发物时,可以利用罗伯特·西奥迪尼的行动原则去设计,更可能取得好的效果——

  • 互惠原则,人们会因为礼尚往来做一些事情。如提供免费配送、电子版下载等资源给用户,再邀请用户购买。
  • 承诺和一致性原则,已经采取过行动的人更可能再次行动。如对完成订单的用户提供优惠,邀请再次购买。
  • 权威原则,人们参考权威人士的建议。如名人代言广告。
  • 好感原则,人们更愿意和喜欢/熟悉的人交流。如Airbnb用朋友的信息发送邀请邮件,提高转化率。
  • 稀缺原则,人们会担心错失良机而行动。如提醒航班只剩几个空位等。

触发物是很有效的措施,但是一定要实验验证并合理运用,使触发物成为用户体验的一部分而不是引起反感。

3. 留存

商业的目的在于创造和留住顾客。

前面的拉新和激活部分介绍了如果引入新用户和促使他们使用产品,这一节我们介绍如何提高产品的留存率。

用户的留存可分为三个阶段,初期留存、中期留存和长期留存,每个阶段用户的心理有些区别,提升留存的思路也相应不同。比如很多产品的周留存很高,但是月留存很低,说明产品在初期留存做得较好,但中期和长期留存的运营思路可能有问题。

3.1 初期留存

初期留存是指用户使用产品后的较短时间内是否继续使用,这个阶段很关键,因为其决定了用户是继续使用还是很快流失了。

留存初期的长度由产品性质决定,如抖音、王者可能是一天、三天,淘宝可能是一星期,SaaS可能是一个月等。

在留存初期,可采用群组分析方法来确定不同用户群的留存率,通过定位留存率异常的用户群并深入分析,找到用户留下或离开的原因。

最常用的分组方法是按照用户第一次使用的日期来分类,按照日期分组的群组分析也称为同期群分析。比如下面的例子,最左边的1-10表示用户注册的月份。

通过对比不同月份的新用户,可以看到4-6月份的注册人数明显高于其他月份,而留存率也明显低于其他月份,可能这段时间采用了某种拉新策略吸引了新用户,但产品并不能吸引他们留下来,需要继续分析确定原因。

《增长黑客》- 读书笔记(五)实战之拉新、激活、留存、变现_第3张图片

使用群组分析,还可以根据渠道、活跃频率等对用户进行分组,对比这些用户的留存、关键行为次数等,提出提升留存的假设,并通过快速实验验证。

除了群组分析,另一种思路是把初期留存看成激活的一部分,因此也可以采用优化新手引导、加快啊哈时刻的体验、触发物等策略。

3.2 中期留存

当跨过留存初期,用户就进入中期留存阶段,产品带来的新鲜感开始减弱。

**留住中期用户的核心思路是让使用产品成为一种习惯,用户逐渐从产品或服务中获得满足感,**这样无需刺激用户也会继续使用产品。

在中期留存阶段,可以**采用触发物策略,通过形成触发-行动回环,让用户形成习惯。**如下是尼尔·埃亚尔的上瘾模型:

《增长黑客》- 读书笔记(五)实战之拉新、激活、留存、变现_第4张图片

以健身习惯为例,人们需要外部刺激来开始健身,如与教练/朋友定下的健身计划。而一旦人们从健身中获得足够多的回报,如身体更结实、健康等,许多人就不再需要这种外部提示了。

亚马逊的Prime计划,用户花费99美元成为Prime会员后,会得到免配送费、二日送达、商品折扣等服务。这种服务促使用户购买,免配送费、折扣等优惠也是对用户的回报,促使用户习惯于使用亚马逊购物,成为亚马逊的忠诚用户。

我们要根据产品的核心价值,找出最佳的触发物、频率、时间,绘制自己的触发-行动回环,然后不断衡量、检测和优化循环,以创造并强化用户习惯。

在这个过程中,常用的思路和原则是提升回报在用户眼中的价值,比如:

  • 提供实际的、体验式的回报,相比省钱更能让用户忠诚,如Facebook的点赞功能促使用户发照片成为习惯
  • 品牌大使计划,通过授予用户高级用户等称号提供社会认可和奖励,如Yelp给予第一个给商家留言的用户特殊认可,颁发精英奖章等,激励用户写更多评论
  • 认可用户成就,如当用户完成某个任务、朋友点赞等行为,向用户发送祝贺邮件等

3.3 长期留存

最后的长期留存,关键在于让用户不断重新认识到产品的不可或缺性,如不断完善产品、升级现有功能、推出新功能等。肖恩建议双管齐下——

  • 优化现有的产品功能,对重复使用产品的用户提供奖励
  • 在一个比较长的时间周期里定期推出新功能,但注意不能让产品过于复杂或掩盖产品的核心价值

4. 变现

拉新、激活、留存的最终目标是从用户身上获取收益,并且逐渐提高每位用户带来的收益,即提高LTV。

变现阶段通常不是独立的,而是结合在前面的拉新、激活、留存阶段中的,只是当前的增长重点不同。因此,在前面使用的策略一般也可以在变现阶段使用,但是重点转移到变现上。

4.1 绘制变现漏斗

在激活阶段中我们通过漏斗分析,确保用户可以流畅地体验到产品的核心价值。

在变现阶段,我们通过绘制变现漏斗,在电商领域通常称为购买漏斗,分析哪些环节转化率异常,损失了潜在收益。在这些环节分析原因、试验增加营收的方法。

电商公司可能发现,一些产品页面从加入购物车到付款的转化率很低,则需要找到原因;

广告公司可能发现视频广告的CTR较低,可以通过试验改变视频广告的尺寸、位置等尝试提高;

SaaS公司可能发现,免费试用注册到付费订购流失率更高,则可以分析流失用户是否没有使用每个特定功能等。

4.2 群组分析

在留存阶段,我们采用群组分析方法来确定不同用户群的留存率,定位用户留下或离开的原因。

在变现阶段我们仍然可以采用群组分析,而关注重点为每个群组贡献的收益,寻找群组和收益之间的关系,帮助找到提升收益的实验想法。

HotelTonight是一个酒店预定APP,当分析人员根据联网方式分组后,发现4G网络的用户订房率是Wi-Fi环境下的两倍。因此团队提出假设,**使用速度很快的Wi-Fi,用户会进行比较购买;而在4G环境下竞争对手网站速度很慢,用户更愿意使用该产品订房。**于是,团队实验验证后,只向4G用户投放定向广告,提高了购买率。

4.3 了解消费者心理

很多研究揭示了人们购买行为下的心理,团队也可以从消费者心理方面寻找提高营收的思路,比如前面提到罗伯特·西奥迪尼的影响用户行为的六原则,这里就不再展开,具体可参考书中内容。

Reference

  1. 《增长黑客》 By Sean Ellis

你可能感兴趣的:(数据分析)