神策数据干货下载 | 如何完成产品和运营的数据驱动闭环?
2018年07月02日 由 荟荟 发表
299058
0
互联网时代数据分析工具已经越来越多地应用于产品与运营场景,做一款优秀的产品,先决条件是要充分了解产品所面对的人群特征,做好用户运营也是同样的道理,以用户运营效率为起点,不断优化产品,从而达到进一步提升运营能力的目的,这是一个良性循环的闭环。
一、达成共识:莫把用户关进笼子,别把数据放地下
[caption id="attachment_25765" align="aligncenter" width="300"]
企业真实状况示例图[/caption]
这张图反应了一部分企业的真实状况。在企业做决策时,不同角色都能指出不同的方向,尽管企业文化一直标榜“以客户为中心、用数据说话”,但在真正落地时,往往脱离了数据和用户——数据被放在地下,用户则被关进笼中。
产品人与运营人日常工作目标不同,产品人主要围绕产品的生命周期,制定产品策略推动产品迭代;而运营人员则围绕用户群体进行有目的的组织和管理,增加用户粘性、用户贡献和用户忠诚度。
从协作和效率的视角,要打造产品和运营这两个角色的闭环,首先要撇开思路差异,换位协作,两个角色要有统一共识。数据即是最好的“巴别塔”,通过统一语言来统一共识。通过从数据到行为模型、指标体系的建立,数据分析师在其中担任粘合剂的角色,用共同语言将产品人和运营人更好地连接起来。
这张图反应了一部分企业的真实状况。在企业做决策时,不同角色都能指出不同的方向,尽管企业文化一直标榜“以客户为中心、用数据说话”,但在真正落地时,往往脱离了数据和用户——数据被放在地下,用户则被关进笼中。
[caption id="attachment_25766" align="aligncenter" width="300"]
共识Alignment示例图[/caption]
。
二、产品人:用运营视角思考,关注全景漏斗和运营效率
在产品人与运营人达成统一的共识的基础上,产品人应该从运营的视角来考虑产品设计,从全景漏斗的角度来思考,并关注运转效率。
用运营视角来考虑产品设计
[caption id="attachment_25767" align="aligncenter" width="300"]
图:从产品到运营[/caption]
从运营的视角来考虑产品设计,产品人的思维不再是简单地从痛点、问题出发,而会将用户进行分群,如老用户、新用户、不同地区的用户、不同场景的用户等。基于分层深入思考,如何让不同用户感受到差异化的服务。这些细分的背后,都是一个个生动的场景,每个场景都蕴含着产品改进、数据提升的机会。
思考全景漏斗
下图是某款具有社交属性的健身工具类产品,产品包括训练、电商、内容、社交、运用等分类内容,每块内容都有独自的漏斗,然而在用户使用过程并不是完成 a 漏斗继而完成 b 漏斗的过程,而且与各类内容都交缠反复的过程。在产品人思考产品时要具备运营思维,动态看用户在产品中的流转。
[caption id="attachment_25768" align="aligncenter" width="300"]
全景漏斗图[/caption]
思考产品运转效率
一个产品乃至公司,都可以认为是有机的效率“机器”。“机器”能够持续运转,且通过正向反馈不断调优。
产品本身相对于运营来说是静态的,衡量产品的运作效率要动态考量产品的运作情况,每个产品都应该定义自己的运转效率第一指标,或者相对动态的能评价整体运转情况的北极星指标,比如定义运转效率= 日活
激活率分享率*累乘(1+△激活率)(1+△分享率),即可以表述产品的运转效率、改进效果。根据指标反馈到运营优化上面,再由运营优化的结果,内化到产品迭代中。
三、运营人:从产品视角思考运营
运营人要从产品化的视角考虑运营问题,考虑如何让运营做到去人工化,尽量实现机器化。在用户群体中找到产品机会,寻找讲日常运营得到的“知识”,内化到产品中,从而实现自增长的闭环,让运营工作更加简单。
因为运营的手段通常来说是比较动态的,但日常中有许多工作可以总结成自动化、机器化的“套路”,这就是产品化的机会。Uber 的自增长闭环显示出产品是如何循环起来的,表面看起来是运营,实际上每个环节都可以转化到产品中。
[caption id="attachment_25769" align="aligncenter" width="300"]
示例图:从运营到产品,自增长闭环[/caption]
四、行业实践分享:闭环,是渐进迭代的系统工程
实现产品智能驱动产品与运营闭环,可以分为四个层次:
第一, 能实现规则可描述的分群运营;
第二, 能实现按复杂规则、策略的分群运营;
第三, 能实现个性化的模块、推送、推荐;
第四, 能完全实现通过机器替代人工运营;
[caption id="attachment_25770" align="aligncenter" width="300"]
图:产品智能驱动产品与运营闭环[/caption]
行为和用户价值标签驱动的分群运营
这是相对传统的精细化运营方式。我们通过用户属性筛选出不同特征的用户,即通过他发生过的行为、行为特征等产生群体标签(为运营人员所理解的标签),让运营人员在此基础上实现精细化运营。例如给内容平台的不同标签的用户推送 App 消息、发送站内信。
这是直销银行的分群运营的案例。通过绑卡开户、客户入金、投资理财、生活缴费的行为进行分群管理,包括高净值客户群体、预警流失用户群体。接下来可对这两部分群体进行精细化运营,将高净值客户群体推送至 CRM,做召回或者刺激购买的推送;推送中心则可对流失预警用户进行召回,避免流失。
[caption id="attachment_25772" align="aligncenter" width="300"]
图:行为和用户价值标签驱动的分群运营[/caption]
[caption id="attachment_25775" align="aligncenter" width="300"]
实时个性 Push、个性化模块[/caption]
在做 Push 的过程中,我们思考如何将 Push 变得更为高效,转化率更高?如图,一家以色列公司尝试采集用户行为过程中的一些行为数据,根据当前的场景、状态、设备类型等进行打分。
举个例子,在一款广受欢迎的食谱 App 应用里,当消费者走进一家超市时,他们会使用这款食谱 App 应用购买食材。当消费者根据食谱准备食物时,通常会把手机放在厨房桌子上,可能会不停搜索、浏览;当手机静止不动时,多半是他们正躺在床上,研究各种不同的食谱……
通过实时收集当前设备、用户的状态,他们判断用户是在走路、还是躺着、还是手机放在桌子上,以此判断用户所处的场景,打出相应的分数。分数会反映在当前状态下,应该进行什么样的模块、内容推送。高分的时候(用户沉浸度最好)是用户转化率最高的时候,此时与用户沟通(推送)是最为恰当的时机。
个性化推荐
个性的推荐服务,本质是产品去适配无数个细分场景和市场。在拉新方面,个性化推荐的作用较小,而对留存和转化的作用较大。个性化推荐目的是,让你尽可能地触达天花板,而天花板早在你选择进入市场时就已经决定。个性化推荐被证明是能有效提升用户留存、用户体验的一种方法。
Bot!Bot!
通过 Bot 化的运营、Bot 化的产品,用系统的思维替代人工运营方法,从而提高运营效率。
A 公司是一家做海淘的 App,在美国,电商市场相对稳定,行业基准线是次日留存 30%+,平均转化率均在 2% 以上。这家企业如何突破行业基准线?如何真正提高转化呢?
A 公司从价值链上找提升机会,看哪些点可以减人、哪些点增加效率;从日常工作中,从产品下单到仓库、到分仓的整个流程中,寻找到机器代替人工的方式。具体说来,通过品类运营、流量运营、减少物流人工、减少人工下单的方式。
[caption id="attachment_25777" align="aligncenter" width="300"]
图:软件机器人[/caption]
例如,传统的下单流程是,用户下单后,电商平台代下单,并在代下单的地点将货物发回仓库之后发货,消耗人力较多。A 公司做了物流的软件机器人,用户下单后在美国直购网站上生成用户,并下订单并返回给公司。
再比如,内容机器人可以根据节日、品类、用户自动组织活动内容,包括标题、图片、推荐的商品等,把运营结合到产品中去的,将更多的节省成本。
[caption id="attachment_25778" align="aligncenter" width="300"]
图:完成闭环所需要的支撑[/caption]
综上所述,建立好的闭环并没有什么灵丹妙药,需要工具、方法论、团队思维的支撑。
工具方面,工具包括行为分析工具、运营支撑系统、用户生命周期管理、用户标签与画像系统等工具,在此基础上实现系统管理用户生命周期,实现机器代替人工、更为精细化的运营。
方法论方面,围绕用户生命周期标签,构建指标体系和行为标签,描述不同的用户群体,实现更为精细化运营和产品增长。
团队思维方面,构建问题驱动的企业文化,把数据作为一种工具,让数据说话,在这个过程中分析师充也发挥粘合剂的作用。
简言之,数据驱动产品和运营闭环作战是公司持续进行的过程,没有工具或者方法论能够立竿见影,靠的是复合团队 + 有效工具 + 方法论。