如何在预算有限的情况下实现本土化增长
"增长黑客"是一个在互联网行业非常常见的概念，尤其是在过去几年，很多人也研究过国外的经典案例。例如，Netflix通过分析用户观看电影和电视剧的数据，发现凯文史派西参演的电影和政治题材的电视剧非常受用户欢迎，因此制作了电视剧《纸牌屋》。Facebook在灰度测试中发现新版本会导致变现率下降25%，所以紧急终止了新版本的上线。这些案例的核心理念是依靠技术和数据驱动增长。然而，近年来人们发现，国内的增长情况并不乐观。与国外相比，国内的增长更加困难，尤其是在APP store和国内的应用商店的商业化程度对比上更加明显。国内的公司往往没有足够的资源支持试错，所以老板们更倾向于让员工按照别人的模式去执行任务。然而，这样的做法往往会导致意想不到的结果。那么，在预算有限的情况下，如何实现本土化增长呢？今天我给大家介绍一个精益激活模型。
一、精益激活模型是什么？
在介绍模型之前，我们先了解一下什么是激活，以及如何量化激活。激活来自于AARRR模型中的第二个字母A（Activation），国内也翻译成提高活跃率。然而，我更喜欢使用激活这个词，因为激活并不仅仅指的是提升新用户留存或者提升注册率等单一指标。在激活阶段存在两个误区：第一个误区是认为注册就等于激活，一旦用户注册并留下手机号，就认为该用户是真实有效的。第二个误区是只关注新增用户的留存情况，认为这个指标可以反映用户的激活情况。然而，大家往往忽视了一个重要的指标，即核心功能的使用率。
激活的关键在于让用户在最短的时间内使用产品的核心功能，从而给用户留下深刻的印象。有时候，激活失败是因为初次接触没有给用户留下深刻的印象，导致用户流失。不同类型的产品有不同的核心功能。以游戏类产品王者荣耀为例，新手引导的完成率、首次游戏时长和局数等指标成为激活的重要衡量标准。以得物（毒）APP为例，核心功能是收藏爱鞋并查看价格波动和市场行情，所以新用户的收藏率和工具使用率成为激活的重要指标。以易车APP为例，核心功能是汽车工具，通过工具可以查询爱车的最低价格和相关资讯内容，所以新增用户使用工具后的询价率成为激活的核心指标。
判断用户激活情况不仅仅依靠注册率和留存率，还要根据产品类型找到核心功能的使用率作为监控指标。总结一下，注册率、新用户留存和核心功能使用率成为产品激活阶段的关键指标。
二、激活失败的原因
现在我们来讨论一下激活失败的原因。很多用户通过推广渠道下载APP，但只使用一次后就不再使用，这就属于激活失败。造成这种情况的原因主要有两点：渠道问题和产品问题。
渠道问题可以参考之前我写过的文章《渠道评估模型：用更少的钱带来更优质的用户量》，其中详细介绍了如何评估渠道带来的用户质量，并提高用户质量以提升激活质量，今天就不再赘述。
今天我们要讨论的是如何从产品角度解决激活失败的问题，实现用户增长。
模型概述
精益激活模型是一种在成本可控的情况下，快速进行实验测试的方法，通过不断发现问题、提出想法、实验测试和复盘分析来实现用户增长。这个模型的基本原理非常简单，就是不断重复这四个步骤，从每一轮的实验中吸取失败的教训、总结成功的经验，最终实现用户量的增长。这个模型并不复杂，只是一直不断地进行实验，非常朴实无华且枯燥。
模型流程
本章我们将以易车APP为例，根据上一章提到的四个步骤来讲解如何运用精益激活模型实现用户增长。
发现问题
吉德林法则曾经说过：“把问题清清楚楚地写出来，便已经解决了一半。”因此，在开始建模之前，我们试图让团队多提出一些问题。经过一系列的问题脑暴后，我们将问题整理成了一个问题看板。问题看板包括激活的定义、激活失败的原因、选取何种增长模型以及增长的公式等。通过清晰地写出问题，第一步发现问题也就完成了，接下来的三步是解决问题的关键。
提出想法
在上一节中，我们提出了四个问题：激活的定义、激活失败的原因、如何选取增长模型以及如何确定增长公式。在本节中，我们将逐一解答这四个问题。
激活的定义：用户激活不仅仅是注册，还要考虑用户的留存和核心功能使用情况。以易车APP为例，我们选择强制要求用户注册。经过AB测试，我们发现实验组（强制注册）的用户质量明显高于对照组（非强制注册）。因此，我们将观测监控指标定义为新用户的次日留存率和询价率。
激活失败的原因：激活失败的原因通常包括渠道问题和产品问题。在无法改变渠道的情况下，我们需要考虑如何调整产品逻辑、提升用户体验，以改善激活情况。
增长模型：精益激活模型是通过实验测试的方式实现增长的模型。
增长公式：在实验冷启动阶段，我们首先对已有功能的用户行为进行分析。需要注意的是，这里的用户是所有用户，包括新老用户，而不仅仅是新用户的行为。之所以使用全量用户进行分析，是因为只选取新用户的话，样本量较小，不足以说明问题；而新用户对APP不熟悉，有些入口较深的功能无法触及，这也会影响判断。通过分析全量用户使用功能后的留存和询价行为，我们确定了增长公式。具体的全量用户行为分析结果如下表所示：
| 用户行为 | 触达留存 | 未触达留存 | 触达人数/DAU |
|----------|----------|------------|---------------|
| 功能A | 30% | 20% | 40% |
| 功能B | 25% | 18% | 35% |
| 功能C | 35% | 22% | 42% |
根据上述数据，我们可以得出以下增长公式：
留存增长公式：增长公式=留存率差值 x 渗透率 =（触达留存 - 未触达留存） x （触达人数/DAU）
询价增长公式：增长公式=询价率差值 x 渗透率 =（触达询价 - 未触达询价） x （触达人数/DAU）
其中，留存率差值表示使用该功能的用户的留存率减去未使用该功能的用户的留存率，通过这个指标可以判断该功能是否为“aha moment”，即用户用过之后会记住产品，从而提高留存率。渗透率则表示使用该功能的用户占总活跃用户数的比例。通过渗透率可以判断当前功能的入口深度是否合理，是否存在埋藏过深的情况。从公式中可以看出，要实现增长，我们需要从留存率差值、询价率差值和渗透率这三个方向进行尝试。
-
留存率差值提升：如果差值是负数，说明使用该功能的用户体验很差，可能会导致用户流失，因此我们需要调整或者去掉该页面。对于差值为正数的功能，我们可以考虑通过调整产品形态来扩大差值，例如提高文章的质量，减少机器写作和标题党文章的数量，从而提高阅读者的体验，进而提高留存率。
-
询价率差值提升：与留存率提升的逻辑类似，不再赘述。
-
渗透率提升：当发现留存差值很高但渗透率较低时，我们应意识到该功能可能因为入口太深而未被用户察觉。此时，我们应该调整入口深度，让更多的用户使用该功能。
通过以上的增长公式和方法介绍，我们可以具体情况具体分析。根据增长公式表的数据，我们可以制作出增长矩阵（波士顿矩阵）图，如下图所示：
波士顿矩阵图非常直观地展示了功能的增长情况。矩阵的横坐标代表留存率差值，纵坐标代表询价率差值，气泡的直径代表渗透率。通过红色交叉十字将功能分成四个象限，便于我们了解情况，并做出决策。
在本小节中，我们定义了用户激活，分析了激活失败的原因，并通过现有用户行为确定了增长模型和公式。这一系列操作为下一步的实验测试做好了准备，万事俱备，只差测试！
实验测试
在这一节中，我们将进行实验测试，以便让一个大约20岁的大学毕业生能够理解其中的含义。
首先，我们需要将想法按照优先级进行排列。尽管我们有很多想法，但并不代表我们有能力测试所有这些想法。因此，我们需要挑选出增长可能性较大的想法进行测试。
如何挑选增长可能性较高的想法呢？我们可以通过增长矩阵图来挑选。在增长矩阵图中，我们可以看到销量榜、快捷选车和降价榜属于第一象限的功能。我们可以通过分桶的方式对这些功能进行测试。以下是一些测试想法：
首先，我们需要选择渠道。我们不是对所有渠道进行测试，而是在成本可控的情况下进行测试。例如，选择华为渠道，而不是全部安卓应用市场。这体现了“精益”的核心理念。
然后，我们将用户分桶，在用户首次启动后展示不同的落地页。这些落地页包括销量榜、快捷选车、降价榜和原页面（对照组）。每个页面分配给25%的新增用户。关于如何进行分桶，可以参考市面上的AB测试平台，这方面已经做得非常完善，可以同时进行多种方案的交互测试。
综上所述，以下是实验流程图：
上图是一个简单的流程概念图。我们只展示了4个页面的实验作为示例，实际业务中可能会涉及到多个渠道、多个落地页以及多个细节改动方案。因此，可能会有多种不同的方案组合。
在实验的初期，我们需要放慢脚步，在成本可控的情况下选择投放的渠道，并进行少组数的实验。待实验模型的流程跑通后，我们可以逐渐加快速度，让模型高速运转起来。
复盘分析
在复盘阶段，我们会得到4种信息，如下图所示：
我们知道我们知道的：在第二章中，我们提出了想法，并知道需要监控的指标是留存率差值和询价率差值。
我们知道我们不知道的：在第二章中，通过对全量用户的行为分析，我们推测出新用户激活阶段可能增长的页面（功能点）。然而，我们不知道老用户是否能代表新用户的表现，需要进行测试来验证。
我们不知道我们知道的：这是指直觉。直觉告诉我们波士顿矩阵这种可视化展现形式有助于我们了解业务并做出决策。当然，你也可以选择柱状图、饼状图等等，但我们的经验和直觉让我们在第一时间想到波士顿矩阵，这就是数据敏感度。
我们不知道我们不知道的：探索分析区域。我们不知道哪个页面或功能点是最好的，也不知道哪个页面的入口深度能够保证用户的留存率和询价率达到最优解。因此，我们需要进行复盘分析，并从每次复盘分析中收集信息，保留正向结果，替换负面结果，快速迭代实验，以实现用户增长。
在上一章的实验测试中，我们得到了以下反馈数据：
从新增用户激活的分组表现来看，销量榜的次日留存率和询价率相比对照组分别高出5.0%和7.6%；快捷选车的次留率比对照组低1%，询价率高出4.7%；降价榜的次留率降低0.4%，询价率提高6.3%。
与冷启动时使用全量用户的波士顿矩阵（增长矩阵）进行比较，销量榜、快捷选车和降价榜的表现符合我们的猜想，即选车工具是我们的核心功能。因此，用户接触后的询价率会比对照组高。
然而，快捷选车和降价榜的次留率比对照组低。这个结果出乎我们的意料。为了解释数据差异的原因，我们需要查看页面细节图。
这三个页面都是核心功能页面，只有一些细节不同。我在图中标注出了不同的点，试图解释数据差异的原因：
-
猜想一，选车键：销量榜和降价榜都有选车按钮，通过小汽车图标的形式，降低用户理解成本，并便于快速分类汽车，可能是询价率提升的原因之一。
-
猜想二，销量榜：大家对销量TOP榜感兴趣，这是影响次留和询价率的原因之一。
-
猜想三，销量数字：实际销量数字能够获得用户信赖，这是影响次留和询价率的原因之一。
-
猜想四，询底价按钮：这是影响询价率的原因之一。
-
猜想五，降价金额：大家对降价金额不感兴趣，降价多的车型并不是用户想要的，这可能是造成留存下降的原因之一。
-
猜想六，降价榜：大家对降价TOP榜不感兴趣，这可能是造成留存下降的原因之一。
除了上述这些猜想之外，我们还有许多其他猜想。比如，如果华为的渠道是这样的，那么vivo和oppo呢？如果询底价的按钮变成蓝色，会有什么效果？我们的对照组是不是因为推荐算法有问题而导致转化率低等等。虽然这些只是猜想，可能是对的，也可能是错的，但这些猜想都是很有价值的信息，可以转化为我们下一轮实验的问题，开启一个新的实验循环，以终为始。
综上所述，复盘阶段得出的结论是，这三个页面符合我们最初的猜想，属于核心功能。其中，销量榜的效果最好，能够同时提高留存率和询价率这两个指标。建议将这个路径保留作为华为渠道的全量用户的激活路径。同时，针对我们提出的猜想，将作为下一轮实验的种子组进行测试。
实验总结：以上就是我们的实验整个流程，通过发现问题、提出想法、实验测试和复盘分析这四个步骤来构建实验模型，在成本可控范围内不断测试，领悟增长的真谛。这就是精益激活模型的精髓。我们将整个模型流程总结如下图所示：
模型的拓展：此模型同样适用于用户全生命周期的各个阶段，包括获取、激活、留存、变现和传播阶段。它还可以在活动、文章内容等业务方面使用。只要持有实验增长的心态，任何事物都可以通过发现问题、提出想法、实验测试和复盘分析这四个步骤来实现增长。
今天给大家介绍的精益增长模型就到这里了。希望大家学会后，能够迅速运用这个模型，引爆用户增长。同时，欢迎同行和爱好者一起交流学习，提出宝贵的意见。
免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请您通过400-62-96871或关注我们的公众号与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！
请先 登录后发表评论 ~