用户增长是什么?和数据分析有啥关系?

很多同学会经常看到“用户增长”“增长黑客”“增长团队”之类的说法,并且这些岗位常常一眼看上去和数据分析有关系。
比如:
  • “建立系统的增长模型,驱动增长的持续化和规模化”
  • “构建用户转化漏斗,挖掘留存关键点,发现深层问题”
  • “分析目标用户,建立用户画像,优化增长策略”
猛一看似乎自己都能干呀,但似乎又有点区别。那到底“用户增长”是个啥玩意,和数据分析有多大关系?今天系统讲解一下。
 
  1
用户增长的起源
 
互联网界很多概念都来自硅谷,用户增长或增长黑客也是来自硅谷。有意思的是Growth Hacking(增长黑客)最早应对的假想敌是传统的Marketing(市场营销)。
要解决的问题是:
在传统市场营销中,大家都知道50%的钱被浪费了,却不知道浪费在哪里的问题
 
因为在传统企业,销售的主导权在销售/业务/分公司手里,营销活动需要通过销售落地。因此,考核营销活动效果,很难讲清楚“销售1个亿,有多少归功于营销策划,多少归功于产品本身吸引力,多少归功于销售拼命干活”。因此商品管理、活动策划、市场推广的功劳就很难衡量。
 
品牌宣传就更难衡量了,老板只看到每年大把银子孝敬了媒体,真正起了多少作用根本无从说起——你甚至根本不知道你在电视、报纸、路牌、电梯间、网站上投的广告,到底有多少真的让用户跑到实体店来买货。互联网的PC时代,这种状况也没有多少改观,即使网站投了广告,用户还是得在实体店买货——PC时代互联网行业挑大梁都是游戏公司。
直到
移动互联网改变了这一切。因为移动互联网时代:
  1. 移动支付+智能手机,可以让用户随时随地消费。
  2. 基于智能手机,企业可以直接和用户互动。
  3. 物流一类基础服务极大完善。
2014年4G开始普及,同时微信、支付宝大量攻城略地,2015年滴滴、饿了吗、王者荣耀,这些移动互联网时代的标配开始出现并且迅速占领了我们的手机。
同时,《增长黑客》这本书在
2015
年也同步上市,还真是时势造英雄呀。一时间掀起很大风浪,甚至有人宣称,以后只有CGO(Chief  
Growth Officer)没有CMO了(Chief
 Marketing Officer)。
  2
用户增长的含义
 
用户增长是对抗营销的不可知性的。基于移动互联网应用,确实做得到,因为:
  1. 不需要线下销售,所以不需要和销售部扯皮。
  2. 用户对广告的点击、下载应用、应用内购买行为均可以记录。
  3. 基于智能手机,应用可以直接联系到用户,并得到用户的反馈。
 
基于这三点,企业可以相对精确地记录:
  1. 我投放的广告,获得了多少客户点击、下载。
  2. 客户更容易反馈XX类的产品、活动、宣传。
  3. 没有反馈的客户,停在了哪个环节。
终于,困扰营销界的千古难题,得到了一定程度的解答。(注意,千古难题并没有得到全部解答。既然数据可以记录,就可以造假。互联网广告界造假手段花样繁多、琳琅满目,完全可以单独写一本书了。有兴趣的可以关注公众号计算广告,跟着大神开开眼界)
基于这些精确的记录,企业可以:
  1. 追溯客户来源
  2. 了解客户需求
  3. 分析广告效果
  4. 改善产品设计
  5. 改善操作流程
 
经过这些工作,可以理直气壮的说:
  • 我们投入营销费用,实现了增长
  • 我们知道钱花到哪里去了!
这就是增长黑客or用户增长的概念流行一时的原因。
 
当然,硅谷的东西到了国内都会变形,用户增长也是。国内互联网企业太沉迷于烧钱做补贴圈市场的模式,沉迷于先免费圈人、再收费割韭的套路,沉迷于“过把瘾就死,不死就暴富”的赌博游戏。于是用户增长,渐渐演化成三大流派:
裂变流:这帮人口中的“用户增长”,就是基于微信做各种裂变,各种快速圈人,往往还伴有三级分销等打擦边球的东西。
投放流:这帮人口中的“用户增长”,就是做广告投放,基于各种广告平台规则砸钱圈人。往往他们喜欢喊“流量为王”,最近流行的“私域流量”也是他们捣鼓出来的。
ABtest流:上两类都是小平台,大平台往往已经有很大存量规模,于是想办法做“质”的增长,其中的核心就是ABTest。自己不会做没关系,多搞一些点子试试就好了。
 
当然,你会说从工作内容上看,这玩意和数据运营、渠道运营、用户运营有好多交集。为啥不是这些传统部门来承接,还要搞一个新概念。大家要知道:做管理的可不像我们这些搞技术的,
做管理的总是天生喜欢捣鼓点新概念。新概念才能更吸引力,才能整合新团队,才能搞出更多位子升官。才能搞出更多个人成长机会。所以大家习惯就好。
 
而细心的读者已发现,以上三类工作都跟数据分析有直接关系!这也是开篇各种疑问的来源。
  3
用户增长与数据分析
 
用户增长要对抗未知性,必然依赖数据分析。可以说数据分析能力是增长团队的核心能力
之一(必须加之一,明白这个很重要)。
 
最基础的,是数仓、和数据埋点,没了这俩连记录都没有,后续就无法分析了。
再往下,最基础的指标是AARRR,这个指标体系往往用来衡量用户群体规模、增长态势、重点环节。陈老师之前有分享,戳链接:
AARRR模型的使用注意事项【防坑提醒】
再往下,三大流派对应的分析方法是有区别的,我们详细分享下:

裂变流:
K
因子与超级传播者 
裂变流的核心在于:参与裂变的用户有多大比例能真正响应,响应裂变的用户能带来多少新增。因此裂变流喜欢讲K因子(K因子=邀请数*转化率)。以此衡量裂变效果。不过从实际操作上看,超级传播者分析思路会更适合。因为每次裂变,真正能带来大量新增的往往是少数KOL或者至少是个KOC,所以区分是否存在超级传播者,到底传播力有多少,对于设计裂变方式有非常重要的参考意义:

                            
▌投放流:转化漏斗  
投放流的核心就是投放的转化漏斗,转化漏斗在很多地方都有分享,大家看图就好:

 
▌ABtest流:ABtest搞起……  
ABtest有很多成熟的文章分享,这里不再赘述,大家看图就好。

需要提醒的是,ABtest本身并不是唯一检验idea的方法,还有很多其他方法可以用。ABtest太耗时间,而且经验上看,结果会存在偏向性。往往产品流程用Abtest,一般都是接近传统流程的方案胜出。往往是转化问题的Abtest,一般都是优惠度大的获胜……所以ABtest可以用,但切莫沉迷。
  4
用户增长岗位好不好
 
讲了这么多,很多同学自然会问:那作为数据分析师,加入用户增长团队好不好?有没有什么坑点要注意。这里一并解释一下:
 
首先要明白:用户增长不是数据分析!用户增长本质是个业务部门,要对业务负责任。甚至有可能
个人都要对活跃用户数、付费用户数、转化率等业务指标负责。这对很多做数据分析的同学是个考验。有些同学就是你让他写报告可以,一提“负责”“绩效挂钩”“不行扣钱”他就怂了。所以在选择团队的时候要小心看清楚:到底要不要负责,负哪些责,然后评估下自己抗的住不。
 
其次,用户增长核心能力不止数据分析。比如裂变,如何设计裂变形式、测算奖励幅度?比如投放,如何设计海报、选择渠道?这些需要的是
运营能力。这又是做数据分析同学的一道坎。很多做数据的同学停留在:“活跃低了,要搞高”上,缺少实际业务能力。因此在选择团队的时候要小心看清楚:到底这个岗位需不要业务能力,需要多少。当然,也有些增长团队,就是单纯招数据分析师,所以要小心鉴别。最后评估下,自己抗的住不。
 
丑话在前边说完,讲点有吸引力的。用户增长部门可能在某些公司很核心,可能是新设部门,可能有很好的绩效奖励(远远大于数据分析部门),所以在薪资、个人成长机会上,都可能是一个好选择。毕竟不是所有的程序员都能做到架构师,毕竟不是所有公司都需要首席数据科学家,所以对很多同学是个好机会,具体怎么把握,就看个人能力和公司条件了。
 
这是陈老师第一次分享具体商业场景与岗位情况,有兴趣的同学可以点击“在看”。如果本篇召集齐
60
在看。我们继续选一个类似话题来分享。
  
往期精选:

来源:接地气学堂,本文观点不代表自营销立场,网址:https://www.zyxiao.com/p/12912

发表评论

登录后才能评论
侵权联系 投诉举报
返回顶部