实现优质增长的三个最优解

在后流量时代，整个互联网进入存量竞争阶段。如何实现快速高效获客、维持用户活跃度和留存率、提升各环节的体验及转化，便成为每个行业的首要问题和核心话题。

试验不息 增长不止

耶鲁毕业的王晔博士曾是一个典型的“硅谷漂”，对A/B测试系统、大规模复杂系统、数据挖掘和分析、互联网基础架构都有深入研究和实操经验；同时，他也是一个技术过硬的增长黑客，曾历任IEEE移动计算、GLOBECOM互联网协议与车辆技术评论家专家。最终，在Google美国总部负责广告产品的创新和研发时，发现了一直在寻找的全新的互联网增长之路—— A/B 测试。

多年来，王晔和归国后创办的吆喝科技始终都在为A/B测试的普及奔走“吆喝”，其中一个狠心的问题就是帮助大家认识到“如何通过数据思维提升转化”。在分享中，王晔先生首先帮助大家破解了一个基础问题——『数据思维』为何物？

许多人脑海中的数据还停留在数字层面，认为只要掌握大量的数字信息和资源就是数据化。可是，目标对象的属性、行为、标签并不是数字但却是重要的数据内容。由此可知，数据思维首先要形成定性结论，进而形成可感知的商业价值。

公司每一个部门的每一项具体工作，都会产生大量的数据，理论上讲，数据随着定性角度的不同是不可穷尽的。复杂而海量的数据信息要求我们必须形成与之匹配的数据思维，如上图所示，数据思维大体可以分为13种：

然而，具备真正的数据思维只是数据驱动转化提升的一小步，如何将数据思维变成可感知的商业价值呢？了解互联网产品增长的内在逻辑是关键，王晔先生用下图揭示了这个“秘密”：

在这个循环中，运行试验处于最接近实际效果的位置。你可以聘请专业的调研机构获得调研结论，可以综合进行数据与行为分析，可以有千百万个优秀或自以为优秀的方案，所有的一切都将在试验中得到真实检验。

从理想到现实不可能一帆风顺，或许你的假设和方案会败得一败涂地，这时你需要克服短暂的小失败，再次进行更为精准的调研和分析，重新提出更为合理的假设和排期，在不断的循环中实现『优质增长』。

此外，王晔先生还结合百场汇、追书神器、跟谁学、衣二三等具体的 A/B 测试案例，举例说明任何一个细分行业都可以通过 A/B 测试提升转化率。甚至我们可以说，不能通过 A/B 测试实现业务增长的领域是不存在的。

『百万答题』和『dan哥搜索』两款爆红的现象级应用来启发大家思考一个深刻的问题：数据思维优化转化是仅仅对创业小公司有价值吗？

时下打造爆款的浮躁思潮，让大家养成了曾热点的习惯，但是这些应用依然无法逃避大量客户涌进后的留存问题，如何让客户沉淀下来并最终转化成付费用户是每一个公司都应该思考的问题。面对优化转化问题，大公司小公司、热点还是冷门都是平等的。

最熟悉的陌生人

在王晔先生的分享中，已经提及了行为分析在优化转化中的作用。关于行为分析这一话题，来自的诸葛io的增长与客户成功副总裁或许能够提供更为专业的解答。

首先让我们了解一下诸葛io——国内领先的数据智能决策平台，为多个行业的客户提供完整的一站式智能营销分析及自动化平台。诸葛io的核心工作是以用户为中心的分析方法，洞悉用户行为画像、提升用户生命周期价值， 为企业实现数据驱动的精准营销和精细化运营。

对于许多产品运营从业者人员会浅显的认为用户行为数据分析处于『高不成低不就』的境遇。然而，这是一种十分陈旧的刻板印象，大多数人已经无法想象目前的行为数据分析已经强大到何种程度：

既然现在行为分析能够搜集如此详尽的数据，那么问题来了：行为数据分析对公司业务究竟有何作用？在面对下图所示的增长趋势时，如果你是决策人，你会作何感想呢？

简单的线性思维方式，会认为直播平台或主播吸进能力下降，从而在资源配置和运营方式就会发生彻底的变化。然而，这种思考方式完全忽略了打赏这种行为的相关因素。利用诸葛io进行行为数据分析后便可以挖掘出用户在群聊秀场和私聊真心话不同场景下的交互行为与付费转化之间的关系：

行为数据分析，不仅能够帮助决策层在众多相关性因素中确定影响转化的因果性因素，从而保证重大决策的决策科学与正确，而且也能够帮助具体执行层面的产品运营小伙伴确定转化时机：

优化转化，就是在每一个可能流失和跳出的时机尽可能留住用户，在每一个可能发生付费转化的时机，帮助用户从理性决策向感性决策转化。如果说 A/B 测试 是一个关于提升转化的中观理论与方法论，那么行为数据分析是与之一脉相承的微观操作利器。

墨刀的转化进击之路

目标、优先级和Landing Page

关注吆喝君的小伙伴，或许对墨刀增长负责人杨过过并不陌生。这次分享中，过过女神首先与我们分享了最近的一个思考：如果说增长这个岗位在商业本质上做的事情和产品、运营、市场人员时一致的，那么单独设立增长岗位的意义在哪里？优越性何在呢？

增长是一种团队协作方式。为什么部门之间经常会撕×？往往是因为在部门业务之间存在缺失的转化漏斗，比如说在市场和销售经常会就业务下降互相推诿，互相指责对方造成转化流失，原因就在于线索转化漏斗环节没有任何负责：

这个例子已经说明，漏斗的每一层都有自己明确的转化目标，但是转化目标之间是存在优先级问题的，明确优先级能够让每一种优化手段运用得恰如其分，而不是互相打架。过过老师已经为我们整理了确立优先级常用的理论模型：

此外，过过老师还结合与石墨文档的合作实例，分享了她在实际工作中如何工作中从提出假设到验证假的心得体会，而且还分享了在验证假设阶段必用的三种方法：A/B 测试、用户访谈、焦点小组测试。

总结

A/B 测试与行为数据分析是一脉相承的理论模型与方法论，他们需要在明确转化目标下才能发挥最大作用。三者相互结合才是『试验驱动创新、数据驱动增长』的最优解。

文：吆喝科技

相关文章推荐：

《增长黑客教你增加APP产品的用户粘性》
《Testin A/B测试让数据运营更简单》
《通过A/B测试，如何判断一个需求可以做？》

更多精彩，关注：增长黑客（GrowthHK.cn）

增长黑客（Growth Hacker）是依靠技术和数据来达成各种营销目标的新型团队角色。从单线思维者时常忽略的角度和高度，梳理整合产品发展的因素，实现低成本甚至零成本带来的有效增长…