܄

GrowingIO创始人张溪梦:数据如何驱动产品优化?

【数据猿导读】 流量为王的时代已经结束,精细化运营才是未来的方向。在 Growth Hacker 里面,如何使用各种工具对产品进行调优是一个重要的概念

GrowingIO创始人张溪梦:数据如何驱动产品优化?

为什么流量为王的模式难以持续?

第一,流量获取的成本越来越高了,SEM,广告联盟等一系列渠道的价格是不断增加的,公司越来越难承担这样的成本。

第二,企业员工的薪水在近几年快速增长,公司的运营成本在不断增加。以前我们可以铺人、搞地推,但是当获客成本在不断增加的时候,这种运营模式就渐渐不可持续。

第三,公司的整个产品体系不断演化,他们必须在一个细分领域把产品做到最好,用户才能持续使用他们的产品。要想留住客户,就必须提供好的产品,更好的用户体验。

以往粗放的运营模式就像上面漫画中两个人拉一辆没有轮子的矿车,消耗人力而且效率非常低。数据分析能及时发现产品和运营的问题所在,及时修正;就像给上面的矿车加上了一双轮子,极大提高搬运的效率。

增长黑客的含义,是用数据分析和技术驱动,在最小的成本下快速增加客户、实现产品、流量和价值的增长。公司在资源有限的情况下,充分利用数据分析来实现精细化运营,是实现 “增长黑客” 的必由之路。

中美的差异在哪些方面?

中国企业没有意识到数据驱动能给企业带来巨大价值,只有少数大规模公司有这方面意识。

使用经验有差别,在美国已经成熟的产品、方法论,在中国时间应用的时间却较短,大部分企业不具备操作经验和能力。

美国用数据决策的人比较高,90%的人每天都在根据数据做优化。而中国用数据决策的人很少。

美国已经到了工具化、产品化、规模化提高效率的阶段,而中国很多产业依旧需要铺人来提高效率。

如何用数据来打磨产品?

说到数据驱动产品运营,不得不提起三个指标,分别是转化率、活跃度和留存率。这三个指标构成了产品和运营的一个基本指标体系,是互联网公司必须关注的。

过去企业关注 PV、UV、DAU 等指标,但是现在不能只用这些指标,更需要用用户转化率、留存率和用户粘度来衡量一个产品是否优秀。

在 SaaS 行业有一个 KPI 叫做 MRR,就是每个月的营收。如果一个公司的客户月流失率是 3%,每个月有 3%的客户流失;同行业另外一家公司营业额月增长率是 3%,或者同样用户的重复购买率是 3%。60 个月后,两家公司的营业差异是 3 倍,一个 3%的月度流失率会造成若干倍营业额的变化。这就是为什么 SaaS 行业要关注 LTV(客户终生价值)的问题。

一般来说,如果你的获客成本大于用户生命周期这个价值的 33%,这个企业基本上以后会失败:这是过去十几年美国总结出来的经验。

为什么要反复强调流失率呢?

客户的流失率越低,它的 LTV 就越高。一个好的用户留存或者较低的流失率,会给公司带来几何倍数的好处,具体如下。

用户口碑传播:一个用户忠于使用你的产品,时间长了,就容易推荐给别人使用;

付费可能性提升:使用时长越长,付费的可能性越高,付的钱越高;

销售机会增加:用户留存越高,我们做关联销售、交叉销售的机会越多,不同的新产品还能卖给客户;

更低的 CAC/LTV 比率。

在对上述指标进行跟踪的过程中,可以细化成 5 个步骤:

1)首先利用数据采集和分析软件追踪用户转化情况,画出转化漏斗;

2)然后根据转化漏斗分析用户使用产品不同功能和界面的流畅度,尤其注意转化率前后差异很大的步骤;

3)对用户进行区隔,这是非常重要的一步,也是精细化运营的体现。我们要注意到用户具有不同的属性(性别、年龄段、行业等等),所以同样的产品对不同的用户应该有不同的功能点;这也就要求我们的产品经理和运营人员花时间去了解不同用户对产品功能、交互设计等方面的不同需求;

4)分析用户行为。用户行为是用户体验最真实的表现,往往隐含着最直接的用户需求;

5)最后,根据上面的分析,找出产品的问题,尽快对产品进行优化和改进。


来源:36大数据

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

旅游交通大数据——大众旅游时代的“富矿”
旅游交通大数据——大众旅游时代的“富矿”
#榜样的力量#疾控AI分析平台WDCIP——以科技力量贡献“大数据”智慧丨数据猿新冠战“疫”公益策划
#榜样的力量#疾控AI分析平台WDCIP——以科技力量贡献“大数...
张涵诚:大数据招商平台可推动地方供给侧改革
张涵诚:大数据招商平台可推动地方供给侧改革

我要评论

精品栏目

[2017/12/19]

大数据24小时

More>

[2017/12/18-22]

大数据周周看

More>

[2017/12/18-22]

大数据投融资

More>

[2017/12/18-22]

大咖周语录

More>

[2017/12/13-20]

大数据周聘汇

More>

[2017/12/12-19]

每周一本书

More>

返回顶部