这篇是说【增长运营的通用工作思路】
就是说不管是做拉新、裂变还是留存、激励体系,反正是跟增长有关的,都能用这个工作思路。
这个工作思路就两点:数据驱动和增长实验。
主要是数据驱动比较关键,增长实验还好点。
先来讲数据驱动,数据是增长的关键,运营动作的依据是数据,显出增长效果看得还是数据。
01 数据分析
学数据分析,分两个维度:数据思维、数据工具
数据思维就是理解取什么数、怎么取数、怎么根据数据锁定问题原因、怎么做预测等等。
数据工具就是帮助达到以上目的的工具,包含 Python、Excel、SQL、Hive等等。
学习数据思维非常重要,后面根据数据需求再看要不要学工具。
1.数据思维的基础是会分析数据
增长方面的数据分析思维很简单,你就记住一句话:增长其实是多个不同类型的用户从不同的渠道走了产品设计好的不同用户路径,达到最终的北极星指标,且每个时间段表现不一样。
这里就横向和纵向两个维度,纵向就是所用用户从接触到了解到最后转化的路径,横向就是有不同类型的用户、不同类型的转化路径、不同渠道的用户等等。
数据分析就是从这两个维度把数据打细,找增长漏斗的问题,看哪个环节转化率低拖了后腿,确定了后在分析不同渠道、不同类型的用户在该环节的转化率偏低,用这来确定是哪类用户在这个环节拖了后腿,分得越细,越容易找到答案。
所以你看着上面那句话,就知道进一家公司刚接触一款产品时,可以取出哪些数据先了解情况。
大概是这些:
对不同用户属性
- 了解用户属性,甚至根据用户属性查看数据
对不同渠道:
- 按获客渠道分解看数据区别
对用户路径:
- 梳理全链漏斗,看每个环节的数据和转化率,查异常点
对AARRR:
- 了解用户的基本活跃情况、留存情况、变现情况
对时间段:
- 将全链漏斗数据增加时间维度,查历史趋势,看拐点异常
分析出来之后,发现好的点继续沿用,发现的问题进行修补或舍弃。
后续再做严谨的数据分析就可以从横纵两个维度找异常点。
纵向的可以看看活跃数据、留存数据、各环节转化率数据、变现数据、拉新数据等
横向的可以看看不同属性、不同行为、不同渠道的用户数据区别,至于怎么做用户分群看你的分析工作需要,这个没有标准。2.数据分析的进阶需要是搭建数据监测系统
第1点适用于有现成数据,需要找问题的情况,更难的情况是数据不全,那就要自己搭建科学的适合业务的数据监测体系。
首先要梳理出来用户路径,然后做数据埋点和采集,对所有有关用户路径的指标都找一找,确定自己想要看到什么数据,跟开发或数据分析师提需求,最后是能做一个监控体系,直观得看到重要指标的变化,方便及时做调整动作。
这个监控体系也可以叫数据仪表盘,我以前没有数据工具的时候我是用Excel做的,每次需要自己填进去新数据,后面接触app增长时会用神策这样的三方数据平台搭建看板,因为app上的埋点已经跟三方平台打通,app数据有变化,数据平台就会实时变化,这样就很方便看实时数据。
这个能力看业务需要去培养,早期阶段了解一下就好,重点是学会第1点。
02 增长实验
数据分析找出来了问题,就得有方案解决问题,但是经过数据分析得出来的方案不一定有效,就得做测试。
增长运营的测试比较频繁,我大多数时候都是在做测试,然后得出结论,看要扩大还是放弃。
增长实验的过程其实没有什么好说的,就是上面那句话。
但是绝对要注意的是以下几点:
- 实验依据是业务数据和用户定性想法,不能是出自于“我”
- 实验要有明确的判断指标
- 实验要有足够的样本量和测试时间防止偶然性
- 实验版本之间分流要均匀
这几个说明的都是实验的可靠性,来自用户的数据作为依据,也用数据作为验证结果,为防止偶然性需要足够的样本量和测试时间,样本量的制定根据产品的情况看,分流均匀也是为了防止偶然性。
一般难一点的增长运营面试就是在问细节数据和实验过程,主要看做事是否看依据,依据是否足够说明问题,调整优化过程是否有偶然性的可能,排除偶然性的做事方法是可以迁移应用的,这个就体现了这个人的运营潜力,这些细节说清楚了,业务面基本没什么问题。
作者:岛主,前建筑造价员,4年经验的互联网增长运营,擅长转行、运营、职业规划、成长话题
本文经授权发布,不代表增长黑客立场,如若转载,请注明出处:https://www.growthhk.cn/cgo/coo/54752.html