初创团队的精细化分析和Growth Hacking初创团队的精细化分析和Growth Hacking.pdf

初创团队的精细化分析和Growth Hacking初创团队的精细化分析和Growth Hacking.pdf

  1. 1、本文档共16页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
初创团队的精细化分析和Growth Hacking初创团队的精细化分析和Growth Hacking

初创团队的精细化分析和Growt h Hacking 前言 :最近一直在研究互联网产品的AA RRR模型和Growt h Hacking ,有了一 思考 ,所以 和大家分享一下 ,希望能够抛砖引玉 ,欢迎持有不同见解的朋友讨论、拍砖。 那么为什么要精细化分析 ?什么是Growt h Hacking,并且我们如何去做Growt h Hacking呢 ?接下来 我将从“人群差异化”、“从流量经济到AA RRR用户模型”、“硅谷公司的Growt h Hacking”、“寻找自己 的Growt h Hacking策略”等几个方面去解释。 人群差异化 有过A pp (网站 )开发和运营经验的朋友 ,一定对百度统计 ,友盟 ,Google A nalyt ics等统计工具 毫不陌生 ,它们可以提供一 基础数据统计服务 ,比如总用户数 ,每日活跃用户数 ,或者页面访问 数等等。只是这 分析只能是一 通用的细分维度下 (如渠道 ,版本等 )的统计数字 ,所以这 统 计工具无法从更详细的维度 (例如用户的人口属性 ,用户的行为事件等 )去细分用户群体。 我们看看下面几组来自Talkingdat a的年度报告图片 : 首先 ,从用户年龄群来看 ,90后 ,80后 ,70后及以下的人群分布已经越来越均衡 ,由此可以预见到 的是上网人群的年龄也会从过去相对集中的二三十岁的年轻人到全年龄层的分散。 其次 ,城市的覆盖 ,也意味着上网人群从过去集中在一二线城市的情况 ,变成了到三四线城市的全 面分布。 第三 ,上网环境的优化 ,W i i和4 G的增加以及2G的减少 ,意味着 ,应用内容会越来越丰富 ,显示 的内容将不再受到网速的约束。 第四 ,北上广深的应用偏好差异 ,意味着城市文化与节奏的差异已渐渐影响到不同城市人群的喜好 。 2000年互联网起步 ,2005年的web2.0以及2009年的移动互联网的几波浪潮期间 ,互联网人群还比 较集中在80后 ,一二线城市 ,没有太大的差异。但是现在 ,随着互联网人群从年龄 ,城市等多方面 的渗透分布 ,差异化越来越明显。所以 ,如果几年前互联网还可以认为流量影响的人群比较一致 , 不用作细分分析的话 ,那么现在对于A pp或者网站而言 ,人群差异一定会存在不同的使用影响 ,例 如母婴类应用 ,全职妈妈或者白领妈妈 ,一二线城市的妈妈或者三四线城市的妈妈 ,抑或外婆奶奶 这种“伪妈妈” ,她们对于应用使用也会有不同的差异。 从流量经济到AA RRR用户模型 其实现今为止 ,大多数公司只关注三件事 :流量、用户、收入。 他们关注的是通过大批流量的入口 ,招来大批用户 ,然后再带来大量收入 ,或者换言之 ,这是一种“ 流量经济”。但现在 ,如上面所述人群差异化越来越明显 ,导致以前的这种方式 ,会越来越低效 ,出 现了越来越多的无用投放 ,以致于最后出现这样一种现象 :通过流量交换 ,或者一 渠道与CP其 实已经影响了很多用户 ,但最终留存下来的用户却很少。 之前36kr有篇文章 《流量时代何时走向终结》写过这样一句话 :“‘流量经济’的重点在于‘洗’ ,要找到 一种与之相对的模式 ,那一定是‘粉丝经济’ ,其重点在于‘养’”。 所以抛开流量增长带来的收入 ,我们更应该关心的是流量带来的是什么样的用户 ,怎么来的用户 , 以及不同用户怎样产生收入 ,产生什么收入。 比如说 ,现在我们很多A pp常常会换量 ,找两个CP换量 ,一个带来5000量 ,而另一个带来3000量 。很多人单从流量数字来看会觉得5000的好 ,但是没有考虑5000和3000用户背后的留存率 ,如 果5000的量的留存是10% ,3000的留存是4 0% ,实际上是后者带来的有效用户是前者的两倍 ;然后 还不止这么简单 ,如果前者 (5000量里的10%的留存 )带来的A RPU值是后者 (3000量里的4 0%的 留存 )的5倍 ,意味着前者带来的价值又会是后者的两倍多 ,所以这 都必须通过对人群的深度分 析才能得出结论 ,了解你的高留存用户 ,然后去“养”这 用户 ,那么才有可能产生持续稳定的高 价值。 所以当“流量经济”已经大打折扣时 ,就没有别的办法吗 ?不 ,其实国外已经提出了一种新的分析思 路就是AA RRR用户模型。 所谓AA RRR用户模型其实就是获取“ (A cquisit io n )”、“激活 (A ct ivat io n )”、“留 存 (Ret ent io n )”、“传播 (Ref erral )”、“收入 (Revenue )” ,整个步骤如图所示。 用户获取 (A cquisit io n

文档评论(0)

vshoulrengb3 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档