我的编程空间,编程开发者的网络收藏夹
学习永远不晚

用户增长是什么?和数据分析有啥关系?

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

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。

01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。

对于如何归因,可以看数据分析终极一问:多影响因素下,到底咋归因?!

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:

移动支付+智能手机,可以让用户随时随地消费。

基于智能手机,企业可以直接和用户互动。

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)。

02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:

不需要线下销售,所以不需要和销售部扯皮。

用户对广告的点击、下载应用、应用内购买行为均可以记录。

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:

我投放的广告,获得了多少客户点击、下载。

客户更容易反馈XX类的产品、活动、宣传。

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:

追溯客户来源

了解客户需求

分析广告效果

改善产品设计

改善操作流程

经过这些工作,可以理直气壮地说:

n 我们投入营销费用,实现了增长!

n 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。

03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。

04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,然后评估下自己抗得住不。

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,自己抗得住不。

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。

 

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

用户增长是什么?和数据分析有啥关系?

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

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。

经营分析、数据分析、财务分析有什么关系?

从去年开始,经营分析迎来了一波文艺复兴,虽然并不是啥好事。企业经营压力加大,便开始加强对业务绩效的考核,加强对成本的控制。这个任务,有的公司交给数据分析师来办,有的交给财务,有的则由专门经营管理部承接。

稳定币是什么,和法定数字货币有啥关系?

什么是稳定币呢?它和央行发行的法定数字货币、电子货币是一回事吗?今天,我们就来聊一聊稳定币的相关内容。

Python数据分析Numpy中常用相关性函数是什么

今天小编给大家分享一下Python数据分析Numpy中常用相关性函数是什么的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。摘要
2023-06-30

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录