《硅谷增长黑客实战笔记》摘要

之前了解了很多增长黑客的东西,觉得这个理论(或者方法论)很棒。于是,在自己的日常工作中,很像快点实践一把,但是无论是之前读的《增长黑客》还是从GIO平台了解到的东西,大多都是偏向理论的,所以对于我这个初级玩家,从哪下手很摸不到头脑。就在这个时候,发现了曲卉老师的《硅谷增长黑客实战笔记》,新书,很贵,但是还是直接买来看了。

全书干净利索,全是干货,都是曲卉老师之前的增长经验。所以我也不多废话,先把全书的摘要干货说一下,再说自己的思考。

内容摘要

《硅谷增长黑客实战笔记》摘要_第1张图片
全书结构

全市一开始还是先普及了一下增长的概念版,随后通过实际的工作流程和例子,就AARRR模型中的三个核心步骤进行了讲解,同时,全书贯穿了增长工作开展的介绍,最后还从实际经验触发,介绍了增长团队的建立,以及如何建立规范,可持续的增长引擎,也就是增长流程。以下只总结重点章节。

制定增长计划

1、找到北极星指标

判断北极星指标的几个标准:①、指标能够体现产品的核心价值;②、指标能够体现产品的用户活跃程度;③、指标能够影响到公司的发展方向;④、指标要易于被团队理解;⑤、确定使用先导指标还是滞后指标;⑥、指标要可操作,可统计。

2、构建增长模型

step 1:定义北极星指标;step 2:绘制用户旅程(即将用户的核心使用路径找出来);step 3:建立模型,最好能够通过一个数学模型呈现。

3、绘制用户心理决策路径

总体路径:访问-转化-激活-留存-推荐-变现

用户获取

1、用户获取公式:LTV>CAC(LTV是用户声明周期的总价值,CAC是平均获客成本)

2、确定适合自己产品的用户获取渠道

3、用户推荐是最好的用户获取渠道

用户推荐的集中形式:①、口碑效应;②、用户之间的产品展示;③、奖励或者补贴等形式的推荐;④、社交网络上的推广;⑤、病毒传播;⑥、产品内的传播。

4、用户推荐公式:用户推荐获取的用户=潜在推荐人数*推荐转化率*分支因子*被推荐人转化率


《硅谷增长黑客实战笔记》摘要_第2张图片
用户推荐公式

用户激活

用户激活,就是让用户认识到产品的价值。

1、如何定义产品的关键行为

①、根据自己对产品价值的理解,列举所有可能存在的关键行为;②、通过数据去筛选这些行为,通过观察留存、转化率等指标确定真正的关键行为;③、再通过用户定性研究,验证自己的判断。

2、激动指数模型

激动指数是指用户进入产品时,内心抱有的期待,也可以理解为行为的动力,产品中的体验会时刻影响用户的激动指数,例如注册登录需要消耗用户的激动指数,但是找到用户需要的价值会提升激动指数。

通过合理规划产品的流程、交互体验、信息传达结构能够保证用户的激动指数,并一步步引导用户完成激活行为。

3、通过新用户引导提升激活

通过一定的新用户引导,能够帮助新用户快速理解产品的价值,从而更好地完成激活行为。

添加新用户引导时的一些原则:①、增强用户动力;②、减少使用障碍;③、适时助推用户;④、为用户提供个性化定制。

用户留存

留存可以认为是所有环节中最重要的,留存决定了一款产品的未来。

1、如何计算留存

同期群计算:计算同一批用户,在不同时间的留存,绘制留存曲线。

同时,留存在不同维度上可以进行观测:同一用户群不同时间的留存,这个可以帮助找到关键行为;不同时间用户的留存对比,可以观测产品的留存表现是不是在变好。

2、留存的关键行为

通过不同行为的同期群留存计算,可以找到和留存相关性最高的行为,这就是留存的关键行为。同时,关键行为之间其实有一定的自然周期,比如健身应用的关键行为是完成一次健身,这个的周期可能是一周。

3、增加产品黏性

产品黏性的两个表现:用户用的越多好处越多,例如今日头条、网易云,用的越多,信息和歌曲推荐越准确;用户用的越多离开的损失越大,例如笔记类应用,邮件应用。

4、BJ fogg行为模型

用户行为=动力*能力*触发,这个原则在交互设计里也十分重要。

5、形成自己产品内部闭环

6、一般提升留存的手段


《硅谷增长黑客实战笔记》摘要_第3张图片

一些思考

1、增长科学其实是一套产品可以借鉴的方法论,它对产品的各个阶段进行了明确有效的划分,并为每个阶段定义了一些观测指标,然后再围绕这些指标展开优化和实验。因此自己感觉,与其叫它方法论,不如称其为一套可行的工作流程更合适。

2、增长黑客十分强调数据导向,并且将实验思维引入到工作中。数据导向当然是对的,产品的表现需要衡量,产品工作中通过数据发掘需求,推动优化不会错,但是产品的价值并不能完全通过数据表现。用户的行为,用户的心理,用户的体验也不能完全由数据定义。如果过分依赖数据,虽然可以通过实验不断优化指标表现,但是可能会间接伤害用户。同理心依旧是重要的。

3、留存其实和产品使用频率息息相关,增长科学对于留存提出的模型和建议,对于中高频率的需求有很好的帮助,但是对于低频需求却有点鸡肋。

你可能感兴趣的:(《硅谷增长黑客实战笔记》摘要)