我相信,不少应用开发者对AARRR模型都有所了解,并且经常会观察产品数据指标的变化和趋势。但是,如何有效的利用这些指标指导产品及运营的改进,多少有些让人感觉无措。很多情况下:

• 我们得到了非常清晰的产品数据指标;

• 然而,我们的产品和运营改进依然是盲目的。

换句话说,数据指标并不足够直接指导产品的改进。这是由于:产品的数字指标过于宏观,而用户增长的构成是非常微观的——我们的用户是一个一个(one by one)被获取、激活和留存下来的。

因此,在观察数据到用户增长之间,我们还有一些非常重要、非常具体的事要做:

第一步:弄清目标和当前的主要问题

在开始之前,确立产品的目标、弄清当前最亟待解决的问题,是至为重要的事。

比如,一个电商类产品已经确立其目标是提升销售额。接来下,就要分析当前最主要的问题是什么?是新用户的增长不够多,还是老用户的重复购买率太低?

这些问题,可以利用各类应用分析工具很方便的得到。

第二步:找出问题相关的数据指标

弄清目标和主要问题后,下一步是要找出和问题最直接相关的数据指标。

比如,如果当前的问题是用户的重复购买率低,那么还进一步分析:用户在第一次购买多久之后的购买率会有显著的降低?哪些人群的重复购买率明显的低于或高于全部人群的平均值?

总结起来就是:要尽可能精准的定位问题的点(时间、人群、渠道……)。

第三步:对问题指标的相关人群进行画像分析,探究问题背后的可能原因

找到较为精确的问题点及相关指标后,可以围绕这些指标做背后人群的画像分析,看能不能找到潜在的原因。

比如,分析重复购买率明显高于均值的用户的群体画像,将其人群属性、行为特点与其他用户做对比,找到不同点,分析这些不同点与重复购买率之间的关系(需要的话,可以直接或间接联系少量的用户以做验证)。

通过探索,您可能会发现一些可能的原因。

比如,您可能会发现,某项功能的使用不便、或者某个地区用户习惯的不同是造成问题的可能的原因。

第四步:改进产品或运营

在上一步,您已经分析出了一项或几项可能影响用户增长的原因。接下来,您需要做的是从可能性以及改进成本等方面评估,并对产品或运营做出改进。

比如,改进易用性差的功能,或针对有问题地区的用户增加引导。

第五步:观察指标和画像,分析改进效果

改进后,对问题指标及问题相关人群进行持续的观测,验证是否达到了预期的效果。如果达到了预期的效果,则继续按照上面的步骤分析新的问题并加以解决。如果未达到预期的效果,也可以继续按照上面的步骤继续分析问题的原因,或者放弃转向其他问题。

总结

正所谓“集腋成裘、聚沙成塔”,用户增长是一件积少成多的事儿。

在数据指标和用户增长之间有很多坑,让产品和运营的改进变得步履维艰、让用户的增长变得缓慢。

基于产品目标、针对关键问题的用户群体画像分析是一架坚实的桥梁,可以帮助您和您的产品更加顺利的跨越鸿沟,尽早实现用户的快速增长!