Aha moment深度思考

你好,我是不二翔叔。

目錄:

1.什么是“Aha moment”?

2.“Aha moment”有什么價值?

3.如何找到屬于自己的“Aha moment”?

4.如何應用“Aha moment”?

5.什么時機找比較合適?


1.什么是“Aha moment”?

忘記第一次是在哪看到“Aha moment”這個概念了,覺得很神奇,立刻就被吸引了。

先來做個小小的解釋:

Aha Moment(多譯為“頓悟時刻”)這個表達是由德國心理學家及現象學家卡爾·布勒在大約100多年前首創的。

他對這個表達的定義是“思考過程中一種特殊的、愉悅的體驗,期間會突然對之前不明朗的某個局面產生深入的認識”。現在,我們多用Aha Moment來表示問題的解決方案突然明朗化的時刻。



2.“Aha moment”有什么價值?

在產品設計中的Aha Moment是指新用戶在體驗產品初期發現產品價值的時刻,一旦新用戶找到了產品的Aha Moment,那么就更有可能留存下來。

一個新用戶下載使用產品的早期(1~3天)體驗決定了產品的整體留存水平。

下面是常見一些產品的“aha moment”。

也就是當一個新用戶進來,只要及時觸發了上面的這些Aha moment,他后續留下來活躍的可能性會大很多,這是不是很棒!如果每個產品都能找到自己的Aha moment,豈不是很容易做的風生水起。

既然這么優秀,那我們該如何找到自己產品的Aha moment呢?


3.如何找到屬于自己的“Aha moment”?

先說兩個秘密武器:同期群分析和A/B測試。

①同期群分析 (Cohort Analysis):找出關鍵用戶行為

②A/B測試:驗證最佳用戶引導方向


常見的分析思路如下:

①將用戶分層

研究哪些用戶?需要圈出一批用戶作為樣本。

總體來說,主要聚焦在兩大類用戶:留存/流失。具體還可以細分為:高質量用戶、留存用戶,以及低質量用戶、不活躍用戶。

(某個時間段)全部“有效”用戶。

某個時間段:

時間段:

比如:選擇1月上半月,1月下半月,2月上半夜,2月下半月,3月上半月,3月下半月,4月上半月,4月下半月這8個時間區間。

新用戶注冊后兩周左右的行為,能預測接下來是否流失。所以一般以兩周一個時間單位。


有效:

排除被動導入用戶。一次性用戶等沒有研究價值的用戶,選取有主動活躍行為的人。

主動活躍是指主動使用App內相關功能的行為




②研究用戶相關數據

研究哪些數據?基本有三個方向:

a.關系網絡——用戶在多少時間內形成多少連接

b.內容卷入——用戶上傳、下載、發布

c.使用頻率——用戶至少多長時間內使用一次


數據可粗略分為狀態數據和行為數據。

a.狀態數據:注冊時間、好友數量、群的數量、發帖數量、性別、年齡……

b.行為數據:完成注冊和激活、看過產品介紹之后繼續使用App、用到產品核心功能、與其他用戶建立聯系……

比如:發文字消息、發語音消息、一段時間進行xxx次xxx行為……


PS:盡量提全面!防止返工!

特別是需要開發或數據同事幫忙提數時,請一次性提全。有條件的話自己提數據,分析過程中可以根據需要隨時補充數據。



③找到“Aha moment”

1.重點找到留存用戶、流失用戶獨有的特定行為

2.對比找出”留存用戶“的行為與”流失用戶“行為之間的差異

確認那些在”留存用戶“中占比最高,并且與留存有正相關的用戶行為。例如,找到”留存用戶“行為有添加3個好友,發送2條消息和瀏覽5篇文章后,進行研發評估后,我們確認引導用戶添加3個好友這個功能可以最快實現,然后確認運營策略,調配開發資源去實現這個功能了,但如果事實上,”流失用戶“中的用戶也有很大比例添加是3個好友,那就意味著我們有可能在做一個無意義的功能了。

3.找到所有與留存正相關的所有行為或狀態。

與留存有正相關的行為可能不止一個,我們需要根據產品戰略、技術開發的難易程度、用戶調研和內部討論進行綜合評估,確認一些可以盡快將其完善成功能的行為類別作為 Aha Moment 的首選假設,之后實施研發,將其作為后續A/B測試的試驗版本。

4.做A/B測試。

將那些不活躍的、低質量用戶設為試驗受眾,通過A/B測試觀察這些不活躍、低質量用戶的數據是否可以提升,從而達到活躍用戶的標準,進而找出真正的 Aha Moment 。

5.廣而推之。

通過不斷測試之后,試驗數據將告訴我們哪些行為會成為 Aha Moment ,我們確認之后通過A/B測試工具將附帶 Aha Moment 的版本推送給所有用戶。

PS:在做同期群分析確認留存用戶的特定行為時,我們也需要關注通過用戶訪談和一些線下用戶的反饋所獲得的寶貴信息,這點非常重要。


4.如何應用“Aha moment”?

找到了”Aha Moment“,下一步該怎么具體用起來呢?

新手引導:針對新用戶,引導其快速完成”Aha Moment“的指定行為目標,以此提升用戶留存

運營活動:在各種運營的活動策劃時,有意識的添加某些引導,讓用戶完成指定行為,提升新老用戶留存

人工智能:建立完善的用戶運營體系,實現自動化,精準化的運營,包括推薦、引導、推送等全方位策略



5.什么時機找比較合適?

最好的時機是產品已經達到了P/MF標準,同時在快速增長的階段。



參考鏈接:

1.要如何找到產品中的AhaMoment,才能像Facebook一樣

2.“10天7個好友”怎樣成為Facebook增長到十億用戶的獨門秘訣? - 創業邦

3.馬瑫:提升留存的方法論與實戰 Ⅰ1208拉新課

4.如何發現用戶留存的關鍵點_以易信為例-網易微專業用戶研究

我是不二翔叔,歡迎關注我~

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