数据如何驱动C端产品增长

在产品上线后的后续优化中，如何通过数据驱动C端产品用户增长，如何通过数据去挖掘出真正能引导产品增长的新功能呢？这种需求一是直接统计用户的问题反馈，收集通用的功能需求；二是主动从用户行为路径和转化漏斗中去挖掘用户无意识但能激发用户感知并引导用户增长的需求。

一、产品迭代

产品运营中需要关注产品功能转化率，即拉宽用户路径中的漏斗结构或减少链路来达到高付费率，比如通过AB实验，电商产品可以优化商品详情页的页面布局，找出用户支付转化率最高的一个方案，在不影响用户体验的情况下，用持续不断的小范围实验和迭代，获得更高的交易额和支付转化。AB实验是数据驱动产品运营的工具，通过实验结果证明产品迭代版本的优化效果显著可保证产品事前控制的安全性，避免无效迭代对用户的利益损害和公司资源的浪费。

• Google 每个月从上百个 A/B 测试中找到十几个有效方案，月营收提升2%左右10亿美元的规模，广告位左移一个像素带来 X %的营收，左移两个像素带来 Y %的亏损• 任何产品的优化、改动都需要AB测试才能上线。

• facebook 6个月内所有产品全部线上灰度发布，通过不断进行用户的流量分割的方式进行试验，获得无 BUG 口碑。

• 滴滴出行在滴滴司机招募的着陆页上，通过尝试不同的设计和文案，使得注册率提升了20%以上。

图1 滴滴司机招募着陆页AB实验效果

二、新增产品功能模块

流量在互联网红海中变得越来越稀有，如何减少用户在探索社区内容时浪费的时间并进而减少产品退出率。对于内容生产社区用户在除关注的UP主中跟踪其更新状态，还会消费社区中基于兴趣推荐的视频内容，但是如何在有限时间内尽可能的找到用户真正感兴趣的视频，并因而提高视频播放的完成率。一是基于用户行为数据开发用户推荐算法，爱奇艺基于用户行为数据得出，几乎每个用户观看视频时，都至少会产生1次视频快进或快退操作。于是基于视频每时刻的观看用户量、用户评论量、用户快进快退次数、跳过回看次数等行为数据，于2013年11月推出的视频编辑功能——“绿镜”，这也是最初大数据分析驱动产品优化的案例，该功能基于综合分析用户海量视频观看数据，自动判断用户喜好，从全内容视频中抽取精彩部分，生成高热度精华片段。二是在产品功能优化上尝试开发新功能模块。B站在2019年11月11日上线了“高能进度条”，目前该功能还在公测阶段，仅能在PC端使用，该功能其实实现简单，早在去年就有开发chrome插件并开放基于chrome-typescript-echarts的源码[1]，该功能在原进度条上附加了一条面积曲线图，而该统计图的数据统计口径是当前区域内的弹幕密度，峰值越高，对应弹幕热度最火。而此前Pornhub（本人没用过）就上线过该功能，但是P站的数据统计口径是用户退出的网站的比例。该功能真的是追踪热度视频亮点地方的神器，解决了之前摸瞎盲拖视频进度条而浪费用户时间和耐心的问题。

图2 B站高能进度条功能实例

三、策划运营活动方案

PDD用户增长的快速实现了成立4年就实现上市，而有分析师预估其单均获客成本已经高达285元，在获客成本越来越高的增长背景中，如何实现精细化运营将有限的成本实现效益最大化，背后的数据分析机制推动运营活动的制定。在广义的用户增长定义中，除了拉新，还有留存和唤醒等手段提高活跃用户量。而拉新主要是对用户来源渠道的成本和效果分析。为了更好地体现精细化运营，这里以如何唤醒流失用户举例，唤醒流失用户不是事后控制，如果产品一旦被用户打入冷宫或者卸载，产品将很难再次回流到用户的手机上，那么如何事前判断流失预警并采取行动。

1 分析用户生命周期

从用户行为数据中明白用户处于生命周期的哪个阶段，对于阶段可以用数据来测量定义，比如对于新用户的定义，可以是用户在他首次付费后的14日内，活跃用户为7日内至少3次购买或者7日访问次数，而流失了的阶段为用户3个月未访问产品。

2 明确各个阶段用户画像

定义好用户的生命周期后，基于Cohort理论，识别不同用户群对产品的贡献度和潜在用户群对产品增长的重要度，我们需要给用户标签并分类建立用户画像，对潜在用户群策划营销活动，比如用户的自然3日留存率为40%，为提升用户的留存率即留存率曲线上移，工具类产品考虑制定连续打卡活动，电商次卡优惠购活动，而具体打卡的天数和次卡的次数都由活动成本预算和最终目标效果决定。

3 运营活动效果评估

在上线完活动后，需要评估活动的效果来评判活动是否成功，是否能继续在其他地方推广。活动评估中常常用到的指标是ROI，定义为人均累计销售额除以获客成本，而在计算中，容易忽略用户的复购价值，那么人均累计销售额的时间期限应该是用户的生命周期。问题回归到了需要确定用户的终生价值（LTV: lifetime value），该指标帮助识别用户价值，区分哪些是能高价值用户（高付费用户）和低价值用户（羊毛党）。精细化运营还需要考虑负面指标，比如集中促销活动后的高投诉率、高退货率，还有被差异化价格歧视后带来的“大数据杀熟”的公司形象负面评价。

参考资料：

[1] https://blog.csdn.net/weixin_34292402/article/detail

[2] http://www.woshipm.com/operate/330874.html

————————推荐阅读———————

点个“在看”↘