關于Winco中增長黑客理論分享的再學習與整理

增長黑客(Growth Hack)這個概念大致興起于2012年,主要指既懂技術又懂運營、以數據驅動營銷、以市場指導產品、通過技術化手段貫徹增長目標的人。在很多人眼中,他們就像是極客,發明家和廣告狂人的集合體。

增長黑客的核心思想

在產品初期階段,確定目標人群,使用一切方法找到這個人群,無論通過線上還是線下的方式,拉進來,留住,跟蹤這個過程中,通過數據分析不斷優化方案。這個過程中通常采用的手段包括AB測試,搜索引擎優化,電子郵件召回,病毒營銷等,而頁面加載速度,注冊轉化率, Email到達水平,病毒因子這些指標是日常關注的對象。

用圖形表示就是下圖這個AARRR轉化漏斗模型

Aquisition(獲取)

我們如何讓用戶在首次使用產品時吸引到用戶注意力,促進產品的用戶增長,引發流量?吸引用戶的來源途徑多種多樣,搜索引擎發現,網站廣告,媒體傳播,線下推廣等各種方式,不同的方式有不同的花費也有不同的效果,但終歸吸引到用戶是我們的首要任務,也是一個產品良好的開端。

Activation(激活)

用戶進來后怎么轉化,怎么激活,需要我們給予好的指引與服務。我們需要引導用戶完成某些指定動作,努力使之成為長期活躍的忠實粉絲。我們的指定動作,可以是完成一次注冊,上傳一張照片,填寫必要的基本信息,或者是任何促使他們正確并高效使用產品的行為,做到這一步,至少我們與用戶有了一次或者多次交互,給用戶留下了更多的印象。

Retention(提高留存)

我們經常會發現,我們的用戶總是來得快,去的也快,產品缺乏粘性,用戶數量入不敷出。獲取一個新用戶的成本總是高于留住一個老用戶,所以提高用戶留存才是維持產品價值,延長生命周期的重要手段。

Revenue(增加收入)

不管互聯網再怎么強調各種免費,產品設計的各個階段總還是有一個明確的目標—增加收入。我們看到的各種活動促銷,各種廣告展示,業務分層等,都可以是我們的收入來源,如何增加是增長黑客面臨的大指標。能讓用戶走到這一步還木有流失,證明產品做得還是相當不錯。

Referral(傳播推薦)

現在流行的微信,微博等各種社交網絡的病毒式傳播,是現在低成本推廣成本的全新方式,妥當的運用會引起我們產品用戶的鏈式增長,口口相傳的力量收效甚是可觀。

那么如何具體使用這個AARRR模型?

1. 獲取用戶(Acquisition)

這個階段,最初大家最關心的數據是下載量。不過,下載了應用不等于一定會安裝,安裝了應用也不等于一定使用了該應用。所以很快激活量成為了這個層次中大家最關心的數據,甚至是有些推廣人員唯一關注的數據。通常激活量(即新增用戶數量)的定義是新增的啟動了該應用的獨立設備的個數。從字面上看激活量似乎更應該是第二層Activation的指標,但是因為下載量、安裝量這些數據都比較虛,不能真實反映用戶是否已經被獲取。所以大家都要看激活,這才是真正獲取到了新的用戶。

另一個非常重要的數據,就是分渠道統計的激活量。因為在渠道推廣時,很多應用開發者選擇了付費推廣。結算的時候,自然要了解在某個渠道有多少真正激活的用戶。即使沒有付費關系,開發者也需要知道哪個渠道是最有效果的。

但是站在更高的高度看,CAC(用戶獲取成本 Customer Acquisition Cost)才是最需要去關注的數據。目前行業里有種粗略的說法,每個Android用戶的獲取成本大約在4元左右,而iOS用戶大約在8元以上。當然,應用市場下載、手機預置、廣告等各種不同的渠道的獲取成本是完全不同的。這里面有個性價比的問題,有些渠道的獲取成本比較高,但是用戶質量也比較高。

增長案例可以研究Uber開拓新城市、Dropbox等等

2.提高活躍度(Activation)

先看前兩個個指標:DAU(日活躍用戶)、MAU(月活躍用戶)(兩個數據基本上說明了應用當前的用戶群規模,在網絡游戲行業這是兩個運營人員必看的指標。)通常活躍用戶是指在指定周期內有啟動的用戶。但是啟動并不等于活躍。如果在指定周期內只啟動了一次,而且時間很短,這樣的用戶活躍度其實并不高(當然對某些特殊的應用來說可能算高。所以其實還要看另兩個指標:每次啟動平均使用時長和每個用戶每日平均啟動次數。當這兩個指標都處于上漲趨勢時,可以肯定應用的用戶活躍度在增加。

針對使用時長和啟動次數的渠道統計同樣很重要。我們把它們稱為渠道的質量數據,如果某個渠道上來的用戶,這兩個指標很差,那么在這個渠道上投入太多是沒有意義的。

除了渠道,另一個和活躍度相關的分析維度是版本。各個版本的使用時長和啟動次數也會有差異。對產品經理來說,分析不同版本的活躍度差異有助于不斷改進應用。

此外跟活躍度相關的,還有日活躍率、周活躍率、月活躍率這些指標。當然活躍率和應用的類別是很有關系的,比如桌面、省電類的應用的活躍率就比字典類的應用高。

3. 提高留存率(Retention)

下載和安裝——使用——卸載或者遺忘,這是用戶在每個應用中的生命周期。成功的應用就是那些能盡量延長用戶的生命周期,最大化用戶在此生命周期內的價值的應用。

對于大部分應用,應該關心的是1-Day Retention 和7-Day Retention。這里我之所以用英文,是因為其中文翻譯不統一,容易引起歧義。1-Day Retention通常翻譯為首日留存率,其實這個“首日”并不是指應用被安裝使用的第一天(假設日期為D),而是D+1日,即安裝使用的第二天。因為安裝使用的第一天沒有留存率這個概念(有的話,只能是100%)。到了第二天,前一天安裝使用的用戶中還有多少百分比的人還在啟動使用這款應用,這就是1-Day Retention。同樣的,7-Day Retention是在D+7日啟動使用這款應用的占D日首次安裝使用這款應用的用戶總數的百分比。通常用戶新安裝使用后的前幾天是流失比例最大的時期。

有些應用不是需要每日啟動的,那樣的話可以看周留存率、月留存率等指標,會更有意義。 留存率也是檢驗渠道的用戶質量的重要指標,如果同一個應用的某個渠道的首日留存率比其它渠道低很多,那么這個渠道的質量是比較差的。

4.獲取收入(Revenue)

關于收入,最耳熟能詳的指標就是ARPU(平均每用戶收入)值。對應的比較少提的還有個指標叫ARPPU(平均每付費用戶收入)

不過ARPPU高,ARPU不一定會高。因為其中還有個指標是付費用戶比例,也就是付費用戶在全部用戶中所占的比例。如果付費用戶比例較低,那么那些收入攤到所有用戶身上的平均值就低了。

但是收入并不是最重要的,利潤才是。如何最大化利潤呢?首先我們看一下成本,我們在上一篇中提到過CAC(用戶獲取成本)。除此之外,還有應用本身的開發成本、服務器硬件和帶寬成本以及運營成本等等。不過在用戶量很大的情況下,CAC會成為最主要的成本,而其它成本不在一個數量級,所以我們在后續討論中只考慮CAC。

那么收入如何計算? ARPU是一個和時間段相關的指標(通常講的最多是每月的ARPU值),還不能完全和CAC對應,因為CAC和時間段并沒有直接關系。所以我們還要多看一個指標:LTV(生命周期價值)。用戶的生命周期是指一個用戶從第一次啟動應用,到最后一次啟動應用之間的周期。LTV就是某個用戶在生命周期內為該應用創造的收入總計,可以看成是一個長期累計的ARPU值。每個用戶平均的LTV = 每月ARPU * 用戶按月計的平均生命周期。

LTV – CAC的差值,就可以視為該應用從每個用戶身上獲取的利潤。所以最大化利潤,就變成如何在降低CAC的同時,提高LTV,使得這兩者之間的差值最大化。更進一步的,對不同渠道來源用戶做斷代分析,根據他們不同的CAC和LTV,就可以推導出不同渠道來源的利潤率差異。

5. 自傳播(Refer)

自傳播,或者說病毒式營銷,是最近十年才被廣泛研究的營銷方法。雖然大家都聽過一些病毒式營銷的經典案例,但是要說怎樣量化評估其效果,卻很少有人知道K因子(K-factor)這個衡量指標。其實K因子這個術語并非起源于市場學或軟件業,而是來源于傳染病學——對,就是研究真正的病毒傳播的科學。K因子量化了感染的概率,即一個已經感染了病毒的宿主所能接觸到的所有宿主中,會有多少宿主被其傳染上病毒。

K因子的計算公式不算復雜,K = (每個用戶向他的朋友們發出的邀請的數量) * (接收到邀請的人轉化為新用戶的轉化率)。假設平均每個用戶會向20個朋友發出邀請,而平均的轉化率為10%的話,K =20*10%=2。這個結果還算是不錯的效果——當K>1時,用戶群就會象滾雪球一樣增大。如果K<1的話,那么用戶群到某個規模時就會停止通過自傳播增長。

很遺憾的是,即使是社交類的移動應用,目前K因子大于1的也很少。所以絕大部分移動應用還不能完全依賴于自傳播,還必須和其它營銷方式結合。但是從產品設計階段就加入有利于自傳播的功能,還是有必要的,畢竟這種免費的推廣方式可以部分地減少CAC。

(補充病毒式營銷主要原理:1、天生的傳播特性(Inherent virality)-產品本身、口碑效應;2、協同效應傳播(Collaboration virality)-規模效益遞增;3、溝通效應傳播(Communication virality)-社交軟件傳播;4、激勵效應傳播(Incentivized virality)-獎勵;5、可植入性傳播(Embeddable virality)-植入廣告;6、簽名式傳播(Signature virality)-對外宣傳品附加簽名、圖片;7、社交化傳播(Social virality)-類似qq空間每次通報你在玩的游戲==;8、話題性傳播(Pure word of mouth virality)-話題討論事件)

以上列舉了在應用推廣運營各個層次(各個階段)需要關注的一些指標。在整個AARRR模型中,這些量化指標都具有很重要的地位,而且很多指標的影響力是跨多個層次的。及時準確地獲取這些指標的具體數據,對于應用的成功運營是必不可少的。

最后是12個做增長的策略

1. Blog Content

2. User Story

3. 行業媒體投稿

4. 內容分發

5. 用戶推薦制

6. 可分享式內容

7. 大數據初始化頁面(類似淘寶首頁)

8. 自動化CRM(新用戶教程、老用戶優惠再聯系)

9. KOL

10. 聯合推廣

11. SEO?

12. 優化網頁設計


主要來自Nathan分享內容和網上相關文章的整理,深入學習請閱讀范冰的《增長黑客》

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,156評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,401評論 3 415
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,069評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,873評論 1 309
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,635評論 6 408
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,128評論 1 323
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,203評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,365評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,881評論 1 334
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,733評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,935評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,475評論 5 358
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,172評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,582評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,821評論 1 282
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,595評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,908評論 2 372

推薦閱讀更多精彩內容