增长:实现量质同增 | 冰岩分享
增长困境
增长很火,但越来越难。
增长黑客,英文「Growth Hacking」,已经是互联网产品运营人耳熟能详的词汇,它最初被定义为创业型团队在数据分析基础上,利用产品或技术手段来获取自发增长的运营手段。即以数据驱动营销,以市场指导产品,通过低成本的手段解决公司产品早期增长问题。
随着增长黑客理念在国内互联网公司的渗透,它也代表着一种成本极低效率极高实现用户获取的运营方式。其中增长黑客最经典的模式是「AARRR」转化漏斗模型。围绕每一层漏斗环节,增长黑客可以采用以下几个方式来提升下一环节的用户数量,即 Acquisition(获取用户)、Activation(激发活跃)、Retention(提高留存)、Revenue(增加收入)、Referral(传播推荐)。但直到现在,大家更为熟悉的仍是流量增长,即在获客层面的增长,而随着互联网进入下半场,留存和变现能力愈加凸显,增长非单纯数值诉求,本文将立足AARRR模型思维并结合实际案例分享如何实现量质同增的可能。
理解增长
一张图帮助理解量质同增。
用户增长 = 有效用户增长 = 用户获取 * 用户留存率 * 用户变现率
增长方法
6种驱动赋能用户增长,在这里因篇幅有限,主要分享产品驱动和数据驱动两种方式
产品驱动
基于RFM用户分层设计转化矩阵
不知道读者在购买车票时是否遇到过这样的“烦恼”,有时经常平台替你勾选了“快速出票”、“意外保险”等增值性服务,明明自己不需要,却被迫默认勾选,这种场景下,部分价格敏感型或流程敏感型用户体验极差,那么如何用分层策略优化达成质与量同增长的目标呢?
首先分析该场景下,业务的核心指标:营收与转化
用户分层输出购票模式:
高转化模式
面向用户:
流程敏感性用户,降低操作门槛 初次尝鲜用户,打造流程购票体验 易流失流失,减少搭售,纯净购票 高营收模式
面向用户:
忠诚度高,不会因产品流程调整影响购票意愿
增值服务接受度高,区分历史已购or未购,精准推荐增值服务
数据驱动
5步法则持续落地
这段时间大家在网上购买火车票时,是否注意到一个新增节点,需要输入手机号验证。因为3月2号铁路局出台政策为加强疫情防控, 所有出行人购票前需完成手机号核验。我们都知道,在一个业务流程中,每多一个节点,漏斗就越深,转化率就会被砍一截。那么如何在该场景下通过数据驱动来破局呢?
现状分析 确定关键增长指标
出行人 手机号核验 → 每日购票乘客中已核验率 问题:在何时通过何种方式让哪类用户完成核验 指标拆解到最小独立因子
每日已完成核验且购票乘客数 = 进入核验场景用户数 * 核验操作率 * 核验成功率 * 下单率* 出票成功率
进入核验场景用户数 → WHO:需要核验的乘客
→ WHERE:预定环节、占座环节、出票环节
核验操作率 → HOW:搭建核验场景并降低门槛
出品成功率 → HOW:关注底层系统能力,如:核验接口性能响应时间、超时等
每日购票乘客已完成核验率 = 每日已完成核验且购票乘客数 / 每日购票总乘客数
关键指标体系搭建及策略确认
增长误区
只关注虚荣指标
比如一个社交产品只关注 注册用户数,往往会导致产品从高速发展到断崖式下跌
互联网产品三级火箭,头部流量+沉淀商业模式+形成商业闭环,但头部流量不仅仅是注册用户数。
正确的做法是指标必须与战略目标挂钩,必须可量化,可汇总
只关注量
用户有了,但业务量和收入在哪里?
获取的新用户是否目标用户?
检查渠道,优胜劣汰
是否产生了留存和持续性新购买?
分析存量用户池留存及复购
忽视生命周期
产品尚未被市场验证、产品不够完善的情况下,过快的用户增长只能导致负面的口碑和大量的用户流失,加速产品死亡。
结语
所有的增长,最底层一定是足够硬核的产品的核心价值。
最后大家可以做一个小练习,假定知识付费APP的核心宏观指标是收入,即通过销售知识付费产品赚钱。
如何做收入增长?
收入= 付费用户数 * 客单价 = 用户数 * 付费转化率 * 客单价 = 新用户数 * 新用户付费转化率 * 新购客单价 +老用户 * 复购率 * 复购客单价 = 流量 * 注册转化率 * 新用户付费转化率 * 新购客单价 + 老用户数 * 复购率 * 复购客单价