前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >学习笔记 - 如何增长

学习笔记 - 如何增长

作者头像
叉叉敌
发布2021-12-06 15:27:26
3460
发布2021-12-06 15:27:26
举报
文章被收录于专栏:ChasaysChasays

学习笔记: 极客时间 - 从O开始做增长:从0到1的增长实战方法论 https://time.geekbang.org/column/intro/165

学习,真的不是一件容易的事情。

开篇

我想要分享给你的是一套可以成功复制的增长思路和实践技巧。

增长小白如何“弯道超车”

“最终为用户,简单却有效”。满足用户的核心需求,最终赢得了大量用户。

1、刚开始做容易陷入把需求复杂化,输出自以为“最好的,最专业的”方案给用户,这样往往开发成本高而且效果差;上级说“要以用户想要什么为目标去发散思考,而不是以功能为目标去发散”,洞察用户真实想法,便找准了功能的方向,用杠杆以小撬动大,而不迷失在“专业”的功能实现层面上;

2、奥卡姆剃刀原理;「如无必要,勿增实体」,工作中多次在简单优化文案后数据得到提升,小小的文案修改往往起到点石成金的作用;

如何理解“增长”?

“增长”代表的是产品的长期价值,包括用户价值及商业价值,当然两者是相辅相成的。

极客增长:比如抖音它只能验证现有的想法,永远无法探索未知的东西。 产品极客:和增长黑客相反,产品极客鼓励创新、追求极致。比如微信

“事情不会在出现问题的那个层面上得到解决,只有上升到更高的层面才会得到解决。”

上面的2种思维合在一起:产品极客关注创新、洞察力、思维、体验、传播等等;增长黑客注重数据驱动及小成本快速实验;两者如能 合二为一,这不正是我们上一讲中提到的“最终为用户,简单却有效”

我们一方面要以用户为中心,另一方面要找到其中最关键的可以影响到增长的爆破点。这个爆破点取决 于“差异性洞察”。只有当你捕捉到了别人没有发现的点,你才可能出奇制胜。

不同职能如何做好增长?

  1. 增长全景图包含北极星指标、1级方向、2级机会、3级落地、4级成果这几大部分。
  2. 北极星指标极其重要,贯穿增长始终;错误的北极星指标 也好过没有北极星指标。
  3. 增长是一个体系化的工程,在执行过程中大家各有侧重, 但围绕统一的大方向互相协同。

道:用户为中心,简单却有效。 术:增长全景图。 器:产品极客、增长黑客、数据驱动。 用:将增长落地,切实有效的分解到工作中。

做增长如何处理职能间的矛盾?

只要能满足核心需求,用户完全可以忽略其它的小瑕疵。

在强调抓大放小,力求用最小成本获取最大价值

职业分工过细使得很多人只关注自己“份内”的工作,而忽略了彼此协作获取终极价值

找对目标 7

正确的增长目标:说到增长目标,就不得不提到一个非常棒的概念:北极星指标(North Star Metric),又叫OMTM(One Metric That Matters,第一关键指标)。

电商的长期价值:快捷的网上购物,第一指标:GMV总销售额。京东的北极星指标里一定会包含对成本的考量,因为自营的利润很低,成本就是命脉。通过差异性洞察找到增长爆破点

销售额=用户量X转化率(续费率就是我们要做的)

企业长远价值确实不会轻易改变,但在产品的不同生命周期,关注点是不同的,聚焦的指标自然也是不同。- 挖掘多元化器求发现新的增长点

既要具体到清晰的指标,又不要限制做事的方式。 不断提升自己的眼界和格局,像CEO一样高瞻远瞩

OKR包含了KPI的功能,一个目标对应多个KR(关键成果)

SMART是制定一个目标的原则,具体(具体到数字)、可衡量(有数字来衡量)、可实现(有挑战可落地)、相关性(和目标有关)、时限性(类似双规)

制度仅仅只是辅助工具,最重要的是你怎么看待和使用它 做增长需要全局视角、价值导向,职能之间的配合和协同是关键

学会洞察 15

阿里巴巴、京东等电商平台的数据显示,中国绝大多数的电商流水产生于早上10点、下午3点和晚上9点这三个时段。通过这个时间数据,江南春发现中国人最核心的消费决策都发生在公寓楼和写字楼。 因此年轻人是用户体。

“洞察”成功的结果就像是发现了一片前所未见的新大陆,激动人心。洞察其实就是发现差异、发现未知的过程,几个小技巧

  1. 通过百度指数分析 (我前面知乎好物的文章提到过这个) 比如随意输入一个产品名称,在“需求图谱”一栏里,就可以看到相关的搜索热词,凭此我们可以判断该产 品用户还对什么感兴趣。这对挖掘用户喜好以及潜在的商务合作机会都有很大帮助。

https://index.baidu.com/v2/main/index.html#/demand/京东plus会员?words=京东plus会员,88vip

数据获得只是一方面,更重要的是数据背后的洞察——发现差异点,分析差异点,你才能有可 能抓住增长爆破点。

  1. 分析用户留言和评论

在App Store里或安卓的应用市场、论坛、微博等很多地方都可以看到用户对你产品的评论。按照正常情况 来说,大部分用户是不喜欢评价的,除非遇到让自己非常愤怒的事情。

  1. 访谈老板

多跟老板聊聊天,借这个机会了解 产品的目标、方向、核心资源及优势、用户等等,完全可以起到事半功倍的效果。

我自己一开始也不习惯问别人,认为独立思考、独立解决问题,不麻烦别人是一种美德。但后来我慢慢想通了,如果能在10分钟内解决问题,为什么要花上好几天呢,而且还不一定能解决。好的人脉关系都是互相麻烦出来的”。

  1. 留意行业分析及用户行为报告

搜索:关键字「所在垂直行业+报告」, 比如京东: 电商+报告

这个是中国电商报告:http://www.gov.cn/xinwen/2020-07/02/5523479/files/0a2c57d8ba6d4e26b83d96cdd764d6f0.pdf

可以参考下内部工具:京东数聚汇, 需要通过ERP才能登陆。

调研目标,再考虑看什么数据(包括数据分析和访谈信息),如何分析数据,结果如何落地

  • 要看现在主流的市场是什么,再和它差异化竞争。 不清楚定位,那就去调研现有用户;增长瓶颈就调研潜在用户;,从0开始就从定位目标人群开始;
  • 铁人三项”数据是最基础的数据,所有产品通用,而且非常容易挖掘出差异点。(性别、年龄、地域)

花式比较:

  • 同类比较:比如淘宝88vip和京东plus比较,比如城市、用户占比、就可以看出有没有提升的空间, 提升空间在哪

下面这个图说明,四线城市是一个增长点。

只要在对比中出现重大差异,都值得我们去研究,顺藤摸瓜很可能就会得出惊人的洞察。主要对比,不同的地方都会增长的地方

  • 一定要可以落地的分析才有意义。分析的在专业不能落地也是白搭。
  • RFM(最近一次消费 (Recency)、消费频率 (Frequency)、消费金额 (Monetary))模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中,RFM模型是被广泛提到的。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。
  • 访谈内容,不要刻板,围绕下面的框架深挖。访谈中得出的任何结论,都不可以作为最终定论, 还有一定要对比

“洞察”一定不能停留在表面,而是要挖掘用户背后潜在的诉求和细微的心理活动。我有个做了多年用户研究的朋友听过我的理念后,说最近突然领悟到:这就好像淘金一样,你不冲到最后一 粒金就还是一堆沙,没用的。

  • 用户量是越对的越好, 不是越多越好,也不是越细越好

需要特别注意的是,要把数据支撑及必要的相关性说明附在后面。这是因为如果没有必要的数据支撑,调研结果将不具备说服力。

提炼伣重于在差异对比中体现出关键信息。

重点,要考的:总之,增长强调少而精、一针见血,这体现在我们工作的方方面面中:比如北极星指标(只有一个或一 组)、数据分析(基础三项)、用户分类(尽量单一维度)、用户画像(最关键的差异点)……你发现这个 规律了吗?

发现增长机会 19

抢占先机, 要蓝海,不要红海

如果比拼商品数量和价格,那显然不是天猫的对手,因为这正是自营模式的缺陷。但相 应地,自营模式保证了产品品质和快递速度。 所以在营销中,不要和竞争对手正面较量,而是拿自己的优势去对应它的软肋,笼络和它完全不同的一批新 用户,抢占空缺市场。

  1. 公司整体优势或独特的商业模式;
  2. 二是在此基础上发展出的核心产品优势;
  3. 三是对应的目标群体。

产品人设、陈道明 我觉得比较符合PLUS。

找到增长爆点

如何落实到具体的纸面上去?

  1. 产品目前所处阶段及关注点(探索期/成长期/成熟期/新的探索期);
  2. 当前阶段的北极星指标;
  3. 用户范围/分类/优先级(围绕北极星指标);
  4. 用户画像(用户差异性洞察,需要数据支撑);
  5. 定位(三级大炮);
  6. 一级方向(围绕定位最高级的事项)。

比如:

代码语言:javascript
复制
1. 产品目前所处阶段及关注点:成长期到成熟期,关注发展速度及商业价值;
2. 当前阶段的北极星指标:低成本高贷款余额(包括业绩增幅);
3. 用户范围/分类/优先级:用户范围为近3个月放款成功的用户;初始分类为小微企业主(带来业绩)、工
薪人群(降低风险成本),工薪人群优先级高;后经过调研,发现只有一类兼职创业人群;
4. 用户画像:男性、25-35岁;二线城市多、兼职创业多、资金周转多(数据略);
5. 定位:二线城市用户大额首选;
6. 一级方向:突出额度高。

B端如何调研

需要深入了解特定行业差异;然后,是该产品和行业对比的差异性。

另外,业务优先级也是非常重要的,如果说C端产品以用户为中心,那么B端产品很大程度上是以业务为中心的

全局规划增长机会

能否制定增长策略,也是市场稀缺的增长产品经理和普通产品经理最大的区别。

产品在任何阶段,都需要提升产品价值的“慢功”以及营销推广的“快功”同时运用,以发挥更大功效

  1. 获取用户
  2. 激发活跃
  3. 提高留存
  4. 获取收入
  5. 传播推荐

打造百发百中的增长闭环 26

统筹全局的用户增长地图

体验是增长的基础,但并非直接相关。 用户増长地图以增长为导向,帮助我们在全局中找到“四两拨干 斤”的关键环节并提出相应的增长策略。

定义关键增长指标

举例:听歌, 理想的总听歌时间=下载量×注册率×首次听歌比例×持续听歌比例×平均听歌时长。 这样,我们就可以把这几个指标定为二级关键增长指标,通过分别提升它们,来提升总的北极星指标。我们 也可以通过这个公式来判断要优先提升哪个指标,提升到什么程度最有利于提升北极星指标。

正负双向洞察,找准切入点

一级洞察中,我们发现用户的差异点,然后结合自身优势,扬长避短,差异化地满足用户。我曾经强调 过:产品差异化一定是要找最长板,而不是找短板。但是在二级洞察中,我们既需要结合优势,也需要正视缺陷。

3.惊喜时刻:用户体验时发现产品核心价值、感到惊喜的时刻 4.魔法数字:用户行为与最终留存或核心指标的相关性。

常见问题

数据也是这样,拆分指标有助于我们落地执行,但并不意味着是把整体工作完全割裂开,最终还是要 看整体指标的情况。

正向帮助我们稳固核心优势脱颖 而出;负向帮助我们改进现有问题避免拖产品后腿。

级机会确定后,还需要排列优先级。毕竟做增长是一种“四两援干斤”的能力,也就是要从干头万绪中找 到最关键的核心问题,通过解決核心问题创造最大价值。可以说判断优先级的能力贯穿做增长的始终

  1. 通过增长公式计算
  2. 按重要程度细分
  3. 根据产品阶段判断
  4. 根据实验成本判断

为即将破产的公司做增长

开拓一个新领域需要大胆创新,结合自己的优勢找对目标人群,提供差异化的服务,也就是我们说的一级方向”。而稳定妥善地经营业务需要的是励精图治,既要秉承一级方向,又要精细化运营,得出“二级机会”。这两者缺一不可。无论是创新者还是经营者,其实都在为增长发挥巨大的作用。

这20%的高价值用户可能贡献出的 是80%的收入做增长要抓大放小,找到关键核心,把它做深做透

于AARRR的思路,即获客、激活、留存、变现、传播。

这些具体策略怎么得出来的?换到我的产品里怎么办?

即学即用、立竿见影的东西是不存在的。掌握底层方法和思路,才是“弯道超车”的唯一法门。

代码语言:javascript
复制
# 一级方向画布
1. 目前阶段:成长期
2. 北极星指标:用户量增长和盈利
3. 用户范围、分类、优先级:赚钱的用户和不赚钱的用户 (多洞察,然后测试)
4. 用户画像:增量需要提高用户的认可度(潜在中最需要的点)
5. 定位:定位用三级大炮(公司优势、产品优势、目前群体) 比如京东:依次是自营质量保证物流快、免运费券、用户群体待定)
6. 一级方向:围绕北极星指标、和定位部分中的人群,去制定增长策略。 因为方向是:突破和强调潮牌的定位
# 增长地图
7. 二级增长策略:
 - 北极星指标和一级方向
 - 用户旅程和增长目标(见下图)
 - 二级洞察:可以依赖一级洞察的核心内容(用户是谁?它的差异特征么?如何差异化地满足?),得出正负双向二级洞察。
 - 二级机会:
用户旅程
用户旅程
正向二级洞察
正向二级洞察
负向二级洞察
负向二级洞察
二级机会
二级机会

上面就是一级方向画布和用户增长地图,那可以提供清晰的增长框架。并在我们做决策的时候,不遗漏关键的内容。这就是我看这篇文章获取到最大的内容,那通过这个逻辑去梳理增长,那不是从别人的经验之谈区如何下手,比如说,苹果是如何增长,小米是如何增长的,网上有很多案例,但是他没有一个框架,其实我就比较喜欢这种有框架的东西,有框架的东西之后,你往里面去填充自己的内容,那就非常清晰了。

就像在学习机器学习一样的,你只要把参数方法还是掌握了,就根据这套就可以了,不需要去掌握太多的理论知识就可以开始入门,如果真正的要做到精通,还是需要继续学习、实践。

让增长落地 32

为什么数据怎么优化都不提升?

打造百发百中的增长闭环

解决正向的问题,就是创新和增长。解决负向是改进。 通过差异性洞察,在千头万绪中找到最关键的足以影响到增长的爆破点。

精益闭环分为四个步骤,分别是:指标、假设、分解、实验。

  1. 指标:指标主要是通过北极星指标分解得来的。具体可参考用户增长地图中的关键指标。有多个就排序优先级。
  2. 假设:假设是通过洞察得到的可能提升指标的方式。从指标到假设,可以帮助我们避免做太多无用功,而是专注在 与增长相关的关键问题上。
  3. 分解:每条假设都可以分解成若干个变量,有助于量化结果。曹冲称象。通过分解,我们验验证证的的结结果果可可以以被被不不断断复复用用
  4. 实验:在经过指标、假设、分解这三个步骤后,我们需要通过实验结果来验证每一个被测试的变量的效果。

闭环案列

验证落地效果数据是否有效。 这也体现出无数一线工作者,比如设计販、开发人员的心声:我们做了这么多工作,最后该如何验证这些工 作的价值?

分解、然后看每个变量的影响,就知道那个环节最重要。受业务因素影响较大的部分,可以进行AB测试。 其他的环比数据即可。

通过不同的维度,找到渠口。

巧妙的复制 35

需求文档

逻辑框架:包含需求背景、需求目标;功能特性列表、主要逻辑、特性功能点;性能需 求、数据情况等。

把有能力出策略的产品经理单独提出来,放到更上游的位置,为“普通”产品经理和设计师 提需求。

  1. 指标 : 需求文档需要体现出的至少有四点:需求背景、用户群体、需求所在业务模块、量化指标/非量化目标。
  2. 假设: 这里分为3点:历史假设验证记录、本次数据洞察/用户 洞察、本次需求假设。
  3. 分解: 每一个分解点里要包含具体的内容、流程 图、页面及功能、后台系统交互等,我们需要逐步分解假设,形成需求假设拆分列表。
  4. 实验: 面包含:上线时间、测试方案、数据统计报表/埋点文档等等。

无线场景应用

小猪佩奇的案列

  • 指标:便宜的传播
  • 假设:过大年、集体意识、小猪佩奇
  • 分解:2+10, 2+6+7 。。。

新手参加游戏比赛如何胜出

  • 指标: 取胜 (规则:短时间表达出来有感染力,不能太复杂)
  • 假设: 思路简答、有创意、好实现
  • 分解:。。。。

那么如何判断自己的工作是对公司、对老板有价值的呢?这确实不太容易直接量化。但是我有个朋友提出了很好的假设:让你的工作成为老板年终汇报的一页PPT

  1. 精益闭环以目标为导向,通过假设、分解、实验,帮助我 直达目标,少走弯路。
  2. 它可以解決各种各样的问题,你可以多多尝试、延展。

设计一次实验

想做好一个实验,需要注意以下几点,分别是分解实验变量、多维度排列优先级、可视化时间安排、量化结果并复盘。为什么这几点这么重要呢?我想通过题外”的故事来为你解释。

成功不仅需要清晰的目标,还要把目标化成一个个可量化、可实现的阶段性“待办事 项”。不仅知道要什么,还要知道怎么做,时刻关注自己的表现,时刻看到自己的进步,自然就不再迷茫。

思考他希望看到什么、他想到了什么、希望听到什么、可能会说些什么……然后提炼出用户痛点和用 户诉求。

  • 然后分类
  • 多维度排列优先级
  • 首先,是看指标,即这些内容是否可以提升指标;如果比较确定,则保留进测试计划;如果认为不能(比如 根据过往实验则删除
  • 其次,是看提升指标的可能性,可能性越大的排在前面,可能性小的排在后面
  • 再次,是秉持“从大到小思路,先做大优化,再做小细节优化。
  • 最后,是看实现难度。对于H5页面来说,这项几乎可以忽路不计按照这几个维度去筛选并排列优先级,并标出序号,比如a1,a2,a3 ....

当然对于大神来说,也许并不需要这么麻烦,他可以很快地根据前期洞察想到提升指标的假设。但如果是一群普通人打増长持久战,那就需要这种成体系的方法了。

为了谨慎,一般我们不会五五分做AB測试,而是切出一个较小的果道,或较小的量级来进行测试,如果实 验效果不错再切出更多的流量测试。比如,可以先保持90%的流量不变,剩下的10%流量里各切5%进行AB 測试。当然也得看总量,一般来说AB测试要保证每个样本量上千。如果想要更严谨的话,可以进行置信区 的计算,这个我们在下一讲会具体介绍至于什么情况用单变量測试,什么情况用多変量测试,我认为也是要综合来看。如果变量之间有强烈的关 联,那么就需要多变量测试。比如唤醒沉睡用户的案例,对什么样的人在什么样的时间用什么样的方式去唤醒,很明显这些大变量之间有极强的关联性,是无法独立测试的。另外就是看产品发展阶段,越到成熟期越推荐单变量测试,因为我们需要精细化的考量独立因素对最终指标的影响。

  • 可视化时间安排

可视化时间安排,是为了让你可以更直观地接收时间计划。包含了具体时间、实验目的、实验假设、设计内容、实验结果及 实验结论。

做实验必须保持一定的量级,否则结果不具有代表性。做实验需要考虑时间周期。

  • 置信区间:评估AB測试结果的利器 (结果差不多的时候)

置信区间是用来表示实验的误差范围的。可以接受的误差范围 要知道,早期科学实验中科学家们是不承认实验有误差的。因为他们认为所有的测量都必须是精确的,只要 出现了误差,那一定是实验出现了错误。不过现在我们都知道了,其实误差是不可避免的。即使实验条件再 精确,也是无法完全避免随机干扰的影响。所以,做科学实验时往往需要实验能够复现,而且要测量多次, 再用取平均值之类的手段才能得出最终的结果。

  • 置信区间的计算方式

微信搜索「置信区间计算」

巧妙复制让增长遍地开花

如果你养成了科学实验的习惯,每次増长一点点,坚持一段时间,就会积累出巨大的成果

增长的积 少成多有三个层级,分别是:价值导向的创新迭代、成功经验的二次复制、实验结果的批量复用。

专业能 力只是基础,在实际操作中还要配合合理的方法,才有可能做到增长。

无论你用什么方式积少成多,増长都有一条内在的链路在运作,

  • 增长组件库案例: 什么是GPL增长组件库 Growth Pattern Library)增长组件库。 下面的DPL是Design xxx

总结 39

越来越多的公司开始强调业务(增长)导向,也就是图中的1级和2级;产品经理和设计师更倾向于执行, 也就是图中的3级;并且职能融合的趋势越来越明显,复合型人才开始受到青睐,只有一技之长的人则感到 越来越困难。

1.增长思维的要点:以价值为导向、系统性的思考、拆解式 的执行、组件化的复用。 2.应该精益求精还是拿数据说话?取決于你如何看待价值。 3.公司天然追求规模或利润;个人依附于公司,应该以公 价值为导向。 4.专业是增长的基础,也是增长的限制。但专业完全0基础 也难以学会增长。 5.增长思维最重要的作用是:可以改変我们人生的方向。

我认为增长黑客是增长时代的开拓者,率先考虑用创意、营销、数据等方式来驱动增长。“黑客”从字面上理解,有点不按常理出牌、无所不用其极的感觉。它背后缺乏的是可以复用的方法体系,别人学习的时候往往学到的是表面上的“壳”,这样解决不了实际问题。

更希望做出差异化,提供一套自成体系的方法论,甚至世 界观,我想这才是这个专栏最有价值的地方

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2021-02-28 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 开篇
    • 增长小白如何“弯道超车”
      • 如何理解“增长”?
        • 不同职能如何做好增长?
          • 做增长如何处理职能间的矛盾?
          • 找对目标 7
          • 学会洞察 15
          • 发现增长机会 19
            • 抢占先机, 要蓝海,不要红海
              • 找到增长爆点
                • B端如何调研
                  • 全局规划增长机会
                  • 打造百发百中的增长闭环 26
                    • 统筹全局的用户增长地图
                      • 定义关键增长指标
                        • 正负双向洞察,找准切入点
                          • 常见问题
                            • 为即将破产的公司做增长
                            • 让增长落地 32
                              • 为什么数据怎么优化都不提升?
                                • 闭环案列
                                • 巧妙的复制 35
                                  • 需求文档
                                    • 无线场景应用
                                      • 设计一次实验
                                      • 巧妙复制让增长遍地开花
                                      • 总结 39
                                      相关产品与服务
                                      大数据
                                      全栈大数据产品,面向海量数据场景,帮助您 “智理无数,心中有数”!
                                      领券
                                      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档