自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

這是我見過最好的用戶增長分析模型

大數(shù)據(jù) 數(shù)據(jù)分析
當賽道具體到一個具體領域后(快消、耐用、零食、服務……),其目標用戶群體的畫像、消費力、人群數(shù)量是可以鎖定的。這里有兩個要重點關注的東西:用戶消費力分層與用戶復購行為。這兩點,直接決定了增長打法。

數(shù)據(jù)驅動增長,是很多公司對數(shù)據(jù)分析師的要求,可具體到操作上,大家就開始糾結了。雖然增長黑客上白紙黑字寫了AARRR五個大字,可真到分析的時候,就總被吐槽:

“新客戶數(shù)10000人,所以呢?”

“活躍率50%,又怎樣?”

“轉化率跌了,干啥能升起來?”

單純看AARRR五個指標,很容易給出“轉化率跌了,要搞高”這種無腦結論。要怎么分析才能成體系地輸出結論?今天系統(tǒng)分享一下。

一、用戶增長的本質

先忘記模型、數(shù)據(jù)、方法論。就問一個最簡單的問題:“如果讓你自己做生意,你會思考啥?”你肯定不會先去聽成功學大師講“心法”“模型”“底層邏輯”(如果真有人兜售這些,要溜快點?。?,而是問幾個簡單的問題:

1、我要賣啥?

2、賣給哪些客戶?

3、在哪里找到客戶?

4、怎么讓客戶買單?

5、我要投入多少?

6、我能賺回多少?

這些實打實的問題,才是生意成功的關鍵。企業(yè)也是一樣,不管發(fā)明多少新名詞,做用戶增長,就是得解決這六個核心問題:

1、賽道選擇(線上/線下,快消、耐用、零食、服務……)

2、客群選擇(一個具體賽道下的高、中、低客戶)

3、獲客渠道(廣告投放、門店、裂變、傳統(tǒng)銷售……)

4、轉化方式(買贈、拼團、秒殺、優(yōu)惠、限購……)

5、投入成本(商品成本+廣告成本+營銷成本+運營成本)

6、產(chǎn)出收益(銷售利潤,融資目標)

這六個問題之間,有內(nèi)在邏輯(如下圖):

圖片圖片

整個分析模型,就是圍繞這六個模塊做深入。不但要用AARRR呈現(xiàn)增長結果,更要量化展現(xiàn)增長決策的全過程,從而發(fā)現(xiàn)更深層的問題。

二、第一:賽道選擇

用戶增長本身有兩大方式:

初創(chuàng)型企業(yè),需要在公共市場上競爭,大海捕魚。

集團企業(yè)內(nèi)部孵化新業(yè)務,可以從內(nèi)部引流,池塘養(yǎng)魚。

兩個方式下,數(shù)據(jù)看法不同:

大海捕魚式:需要評估市場空間,市場增長速度,競爭對手情況,需要大量二手數(shù)據(jù)。

池塘養(yǎng)魚式:內(nèi)部客戶已有數(shù)據(jù)基礎,待轉化的范圍是有限的,直接做客群分析即可。

相比之下,大海捕魚式更麻煩,因此重點講一下,此時需要收集三個數(shù)據(jù)(如下圖):

1、目前市場評估:評估增長空間有多大

2、存量玩家的規(guī)模:發(fā)現(xiàn)競爭格局,評估競爭難度

3、存量玩家的增速:發(fā)現(xiàn)增長標桿,選擇對標對象

圖片

這三個數(shù)據(jù),都不太可能直接獲取準確數(shù)據(jù),因此需要結合第三方數(shù)據(jù)、行業(yè)報告、主要競爭對手的新聞,甚至一些不太光彩的手段獲取。

此時,不必太糾結數(shù)據(jù)準確度(一定不100%準),而是要評估來自各個渠道的信息,指向是否一致。比如各渠道都反應:行業(yè)是壟斷競爭裝填,行業(yè)在快速擴張期。定性判斷是準的即可。

二、第二:客群選擇

當賽道具體到一個具體領域后(快消、耐用、零食、服務……),其目標用戶群體的畫像、消費力、人群數(shù)量是可以鎖定的。這里有兩個要重點關注的東西:用戶消費力分層與用戶復購行為。這兩點,直接決定了增長打法。

用戶消費力分層

原則上,頭部客戶的消費力越強,人數(shù)越少。則越應該采取“大浪淘沙”式的增長策略,大量獲客之后,通過高門檻+重服務,篩選出大客戶,緊緊抓住大客戶的需求。如果頭部客戶消費力與底部差異不大,或者用戶普遍有大額消費剛需,則要采取“放水養(yǎng)魚”策略,做好基礎服務,做大客群。

用戶成長路徑

客戶自然復購率高,通過少量投入能引發(fā)復購,則可以打造用戶成長路徑,鼓勵用戶多消費,鼓勵累積消費。如果天然復購率就低,則應采用收割策略:大量獲取新人,鼓勵老人帶新人,從而保持持續(xù)增長。(如下圖所示)

圖片圖片

注意,這里有個典型的分析陷阱:把自己的存量用戶,當成了市場上全量用戶。當一個企業(yè)在市場上沒有處于壟斷地位的時候,很有可能存量的用戶只是整體用戶的一部分。市場上的用戶全貌和基于存量分析出的用戶畫像不一樣(如下圖)。

圖片圖片

因此在客群選擇階段做分析,要結合調(diào)研/競品分析開展,及時了解競爭對手的客群結構,避免盲人摸象,越做越瞎。

三、第三:獲取渠道

用戶獲取渠道與轉化方式,與用戶群體的定位有直接關系。理論上,有四種常見的形式可以選:

1、線上廣告投放(根據(jù)目標用戶喜好的渠道、內(nèi)容進行投放)

2、線上用戶裂變(目標用戶中有KOL存在/KOC有足夠分享意愿才行)

3、線下門店(目標用戶聚集在特定城市/特定區(qū)域)

4、線下銷售(有足夠多大客戶,值得銷售一對一跟進)

這四種方式,對應著特定用戶群體需求。因此在評估獲客方式的時候,優(yōu)先看的是每一類方式是否能觸達對應的用戶,再看轉化效果。因此要區(qū)分局部影響因素和全局影響因素,優(yōu)先看投放渠道和觸達人數(shù),是否達成目標(如下圖)。

圖片圖片

之后,才是每一類方式的轉化漏斗分析。轉化漏斗分析在很多文章已經(jīng)有講到,這里不再贅述了,傳統(tǒng)的投放分析/獲客分析也經(jīng)常做這一塊。

四、第四:轉化方式

轉化方式的分析,在很多文章也已經(jīng)講過,這里不再贅述了。實際上,傳統(tǒng)的投放分析/獲客分析也會做轉化方式的研究,很多ABtest也是圍繞“哪種轉化方式更有效”進行的。

比如測試一個在線課程獲客效果,可以用如下圖方法,通過多個版本測試,逐步實現(xiàn)。

圖片圖片

要注意的是:測試不是無節(jié)制的。每一種打法可能有其轉化能力的上限。因此在設計方案的時候,可以預設測試的次數(shù)、投入費用與期望值。比如一個月測試3次,如果都不能滿意,就果斷地換方案,避免在細節(jié)里陷得太深,只見樹木不見森林。

五、第五:投入產(chǎn)出核算

投入產(chǎn)出核算,是評估增長的最重要尺子。這一步,常規(guī)的投放分析/獲客分析也會做,但經(jīng)常陷入細節(jié),過分糾結每個渠道的ROI,形成“瘸子里邊挑將軍”的局面(如下圖)。

圖片圖片

做投入產(chǎn)出核算,首先應該將增長策略打包,同類策略下若干具體推廣措施/活動,作為一個整體。先評估整體效果,再看細節(jié)。

作為一個策略包,在其作用下:

1、增長速度是否令人滿意

2、增長數(shù)量是否達到要求

3、投入產(chǎn)出比是否可接受

對整體評估之后,再看細節(jié)。這樣既容易在內(nèi)部樹立標桿,又能避免“只見樹木,不見森林”。如果發(fā)現(xiàn)競爭對手有新的策略推出,還能跟蹤觀察其效果,即時驗證新方法可行性,避免局限于過往經(jīng)驗,錯失新增長機會。

六、小結

這一套增長模型的做法,主要是為了避免增長分析只盯著眼前的一畝三分地,而導致的短視問題。領導們期望的深度洞察,比如下面三個問題,都得從全局出發(fā),系統(tǒng)觀測才能得到:

1、是否有還沒采取的,但是很有用的手段

2、是否有更多突破常規(guī),出奇制勝的技巧

3、是否已經(jīng)觸達上限,需要更換賽道/客群

當然,這樣做也有挑戰(zhàn),就是數(shù)據(jù)分析的范疇,突破了現(xiàn)有數(shù)據(jù),需要結合大量的行業(yè)數(shù)據(jù)與測試數(shù)據(jù),才能下結論。這樣對于數(shù)據(jù)分析師的工作是有很大挑戰(zhàn)的,但是對增長來說非常有幫助。

責任編輯:武曉燕 來源: 接地氣的陳老師
相關推薦

2023-06-12 11:53:08

數(shù)據(jù)活躍率流失率

2025-02-06 11:52:44

2024-03-26 00:54:42

預測模型數(shù)據(jù)

2023-06-26 00:19:13

2023-09-04 11:32:28

數(shù)據(jù)診斷模型

2018-03-19 07:50:34

編程知乎框架

2022-02-14 15:03:50

MySQL程序員面試

2020-08-11 10:40:31

裝飾者模式Java組件

2019-04-08 20:20:37

2018-04-17 13:15:26

Python模塊

2023-09-01 14:02:25

用戶分析攻略

2018-07-23 13:16:24

編程語言Python裝飾器

2021-05-08 08:51:28

SpringCloud微服務架構

2015-12-18 13:52:29

RFID技術物聯(lián)網(wǎng)

2017-09-08 09:55:00

程序員IT

2022-11-25 07:59:43

JavaIOGuava

2016-08-01 15:06:28

混合SDN

2023-02-01 23:00:42

大數(shù)據(jù)

2024-04-18 08:30:00

留存分析模型數(shù)據(jù)分析
點贊
收藏

51CTO技術棧公眾號