云上的Growth hacking之路,打造产品的增长引擎

增长关乎产品的存亡

增长!增长!增长!业务增长是每一个创业者每天面临的最大问题。无论你的产品是APP,还是web,或者是小程序,只能不断的维持用户的增长,才能向资本市场讲出一个好故事,融资活下去。活到最后的产品,才有机会盈利。

为了获取用户的增长,可以投放广告,也可以内容营销、社交传播、销售地推,或者持续的专注于产品优化。无论哪一种方式,我们都面临这几个问题:

  1. 运营活动,覆盖了多少用户?
  2. 多少用户,开始使用产品?
  3. 多少用户付费?
  4. 多少用户持续的活跃?
  5. 下一步,我们应该把精力放在哪些方面?是持续运营?还是开发新功能?

如果不能回答这些问题,无疑我们的运营活动或者开发就是盲人摸象,完全靠运气。为了解答这些问题,我们不妨关注一下growth hacking这种数据驱动的手段。

Growth Hacker的核心思想

传统的市场营销策略,例如投放电视广告,覆盖了多少人,有多少人看过广告后进行了购买,多少人进行了复购,没有准确的数据进行衡量,只能依赖于资深专家根据经验判断。在互联网行业,每一个产品都是新的,前所未有的。每一个产品能不能存活,每一次运营的效果如何,没有多少经验可供借鉴,结果是不确定的。

GrowthHacking是兴起于硅谷的创业公司的marketing手段,旨在使用少量预算获得巨量增长。由于其极高的性价比和有效性,非常适合于创业公司,因而得到了广泛传播。

Growth Hacker的核心思想是通过数据指标,驱动运营决策,以及优化产品。Growthacker通过关注用户获取、用户转化、用户留存、用户推荐、盈利等核心的一系列指标,以及通过各种维度拆解,分析出下一步的增长决策。通过Growth Hacking,打造一个产品增长策略的闭环。

那么我们如何才能搭建出GrowthHacking架构,为自己的产品赋能呢?

GrowthHacking之架构

Growth Hacking 包含了数据的采集、存储、分析、报表、A/B test等系统,首先我们来看,传统的解决方案,搭建出GrowthHacking有哪些痛点:

搭建运营体系的痛点

搭建运营体系的过程中,常常面临以下问题:

  1. 缺少数据,数据散落在各个地方,有的是app数据,有的是web数据,有的是小程序数据,没有一个统一的架构来把数据采集到一个地方。
  2. 缺少一个分析平台。传统的策略,需要运维团队帮助搭建hadoop集群,需要专门团队持久运维。
  3. 离线跑报表,一晚上才能拿到一次结果,周期太长。手工跑一次,几个小时过去了,有什么新的想法,不能及时验证。严重影响运营效率。

借助云服务搭建的GrowthHacking技术架构

为了解决以上问题, 日志服务提供了日志采集、存储、交互分析、可视化的一整套基础设施,可以帮助用户快速搭建出来灵活易用的Growthing Hacking的技术架构,每天的工作只需要专注于运营分析即可。

Growth Hacking首先从数据采集开始,定义清楚要采集的日志内容、格式。把各个终端、服务器的日志集中采集到云端的日志服务。后续通过日志服务提供的SQL实时分析功能,交互式的分析。定义一些常规报表,每日打开报表自动计算最新结果,也可以定义报告,自动发送最新报表。全部功能参考用户手册

此外,除了日志数据的分析,还可以为用户定义一些标签,存储在rds中,通过rds和日志的联合分析,挖掘不同标签对应的指标。

日志服务有如下特点:

  • 免运维:一次完成数据的埋点、数据接入,之后只需专注于运营分析即可,无需专门的运维团队。
  • 实时性:用SQL实时计算,秒级响应。快人一步得到分析结果。
  • 灵活性:任意调整SQL,实时获取结果,非常适合交互式分析。
  • 弹性:遇到运营活动,流量突然暴涨,动动手指快速扩容。
  • 性价比:市场上常见的分析类产品,多采用打包价格,限制使用量。日志服务按量付费,价格更低,功能更强大。

借助于日志服务提供的这套数据采集、存储、分析的基础设施。运营者可以从繁重的数据准备工作重解脱出来,专注于使用SQL去分析数据,配置报表,验证运营想法。

开始搭建GrowthHacking系统

具体而言,Growth Hacking的架构可以拆分如下:

  1. 数据收集

  2. 存储

    • 选择日志服务的region。
    • 定义每一种日志存储的Project & LogStore。
  3. 分析

    • 开启分析之路,定义常规报表,或者交互式分析。
    • 通过分析结果,调整运营策略,有针对性的优化产品。

基于日志服务,可以完成Growth Hacking的分析策略:

  1. 定义北极星指标。
  2. 拉新分析。
  3. 留存分析。
  4. 事件分析。
  5. 漏斗分析。
  6. 用户分群。
  7. A/B test。

在日志服务中,可以通过定义一系列仪表盘,来沉淀数据分析的结果。接下来的几篇文章中,将依次介绍如何在日志服务实现上述几种策略。

总结

本文主要介绍Growth Hacking的整体架构,之后将用一系列文章介绍step by step如何介入数据,如何分析数据。



本文作者:云雷

阅读原文

本文为云栖社区原创内容,未经允许不得转载。

你可能感兴趣的:(架构,日志,运营,数据采集,存储过程)