如何用数据分析驱动用户增长.pdf

Growth H a c k e r如何用数据分析驱动用户增长当我们谈数据分析时，到底在谈什么？目录目录123增长硬核能力：数据分析4步搭建数据增长体系病毒系数K值增长硬核能力：数据分析4步搭建数据增长体系病毒系数K值K值如何指导增长活动优化结构化数据分析思维结构化数据分析思维任何优秀增长官都避不开的专项能力 增长硬核能力：数据分析增长硬核能力：数据分析每一位优秀增长官都避不开的专项能力011增长硬核能力：数据分析Q1：每次从后台导出一堆数据，不知道要从哪里上手拆解？Q2：知道要做数据分类，但不知道做优先级，不知道选哪些数据？Q3：每次领导都说一定要做数据预估，但是怎么预估才有效呢？Q4：花大量时间做完数据分析，怎么应用到业务问题上呢？怎么去支撑策略优化？这四个问题，你是不是也常遇到？1增长硬核能力：数据分析数据分析的核心能力是啥？数据分析工具？数据分析流程？学习数据库原理和SQL？爬虫抓取数据？学习分析算法？可视化展示？1增长硬核能力：数据分析一个优秀增长官的数据分析核心能力在于拥有结构化的数据思维思维掌握数据分析思维，用数据支撑业务决策，用数据帮助业务解决问题 024步搭建数据增长体系4步搭建数据增长体系结构化数据分析思维14步搭建数据增长体系关键业务行为关键数据指标关键数据获取结构化数据分析业务流程梳理业务核心目标明确用户路径梳理用户情绪体验地图用户决策心理分析搭建数据指标体系用户分层&数据标签数据对业务的价值数据预估模型数据采集方式数据埋点优化目的异常数据指标原因分析优化策略优化前后数据对比经验沉淀1、冷冰冰的数据背后是活生生的用户；2、数据分析的背后是对用户心理的揣摩；3、数据是对业务假设、用户行为假设的反向验证；01020304业务目标数据指标数据采集数据分析1业务目标-数据目标拆解核心目的GMV客单价UV二级定位新客老客购买转化率新客老客商品销售一级目标市场广告投放社交力度调整注册未下单用户触达激活媒体平台宣传社群触达已下单用户分层触达新人品类调整新人红包补贴力度新人赠送会员卡社群红包补贴当日访问老客送券非会员老客送当日会员体验卡露出商品力度拉动转化商品露出调整商品促销调整商品结构调整商品售罄情况判断支付前加购提醒满减享额外优惠高门槛中低额红包增加高客单爆品运营抓手1业务目标-用户全生命周期营销布局客户成交线索顾问展业线索沉淀互动连接内容传播内容消费手机号授权率位置授权率内容访问量分享率裂变率活跃会员率活跃会员数填写率到访率购买成交率关键指标线上活动朋友推荐广告投放内容传播活动奖励各类活动活动促销产品推荐顾问联系门店体验优惠政策门店服务用户触点场景营销机会点优质内容游戏化活动裂变传播奖励诱饵深度互动产品粘性活动福利表单设计销售服务门店体验优惠政策购买传播用户生命周期导入期成长期成熟期用户关键行为用户体验地图用户价值成长路径曝光兴趣熟悉考虑活动留资咨询信任成交浏览 评论 点赞转发邀请好友发布内容参与活动填写表单留资了解体验产品购买意向产品以用户生命周期为主路径，拆分各个阶段的关键用户行为和数据指标。从而构建全生命周期、全链路的营销触点，并基于触点的场景分析来制定营销动作；2数据指标-数据指标体系经营数据成本和收入方面的数据情况；业务数据用户在业务内容方面的数据情况；行为数据用户使用裂变功能、参与运营活动的深度；大盘数据用户整体健康程度；活动访问人数、访问次数领取人数、关注人数、下载人数渠道来源、渠道人数大盘数据关注成本、注册成本、下载成本投放成本营收收入经营数据授权微信头像、手机号注册、地理位置、关注公众号、unionID、openID、分享人数、裂变拉新人数、裂变层级、裂变放大倍数用户行为数据消费频次、消费时长消费时间、消费倾向业务数据数据指标体系数据指标-数据指标体系22数据指标-用户转化漏斗与数据标签体系用户属性-普通用户注册，但基本不互动，较不活跃小程序增长阶段-流量引入运营目标-活动+内容吸引关注增长策略-红包活动拉新/养成游戏留存用户，导流到私域载体公 众 号、A P P、企 业 微 信增长阶段-筛选培育运营目标-产品+服务筛选培育增长策略-公众号消息触达，APP重度服务承接转化，个人销售一对一沟通到店体验，转化成交增加阶段-导流成交运营目标-终端服务+私域营销转化成交增长策略-展业功能赋能销售用户属性-活跃用户注册账号，较多活跃行为用户属性-超级用户注册账号，活跃频率大，访问时间长、访问深度大、较多消费转化潜力2数据指标-构建模型根据活动流程模拟整体数据转化模型各环节转化数据，为往期项目数据参考；精准测算关键业务获客成本，便于做整个项目的大盘数据分析和成本结构调控；3数据采集-常用的数据采集方式1手动统计每小时截取2数据埋点通过代码提前埋点3具备统计功能的工具系统例如零一分销工具数据采集是实现数据驱动产品优化和精细化运营链条上重要的一环打开红包绑定手机号获得红包分销主页关注公众号引导下载开户提现生成海报3数据采集-数据埋点埋点定义活动页面用户事件注册开户页分销主页奖励获得页账户绑定页首开红包页访问页面点击红包授权微信绑定账户点击分享点击分享点击关注开户人数埋点是服务于数据分析的，根据业务分析需求所需要的数据进行埋点即可3数据采集-数据埋点维度服务端埋点代码埋点第三方SKD微信原生数据系统采集说明接口调用、数据结构化嵌入SDK，定义事件并添加好事件代码嵌入SDK微信小程序后台自带成本需要投入后端开发人员需要投入前端开发人员专门埋点只需接入第三方平台，省时省力（费用视平台方而定）无成本数据获取服务端采集缺少前端的环境信息。更灵活、更准确、可基于业务需求进行全埋点，获取更全面的数据数据准确性不高无需埋点，数据信息较少，仅能监测基础数据、页面数据、行为事件数据根据具体的业务需求，选择合适的埋点方式，必要情况下可以结合使用多种埋点方式。例如小程序活动，除了用微信自带的系统后台外，可同时接入阿拉丁平台和自有代码埋点，对比各环节的数据。小经验3数据采集-数据埋点团队内部建议尽量用同一套数据定义标准，方便更高效率的沟通。小经验4数据分析-结构化分析分销用户路径全局转化率分析第1步：曝光第2步：购买第3步：支付后进群第4步：引导分销第5步：排行榜奖励4数据分析-结构化分析分销用户路径全局转化率分析4数据分析-结构化分析分销用户路径全局转化率分析4实战案例解读某私域流量转化案例业务流程完成提醒自动回复活动海报开课提醒自我介绍欢迎话术课后引导结营转化免费课培养用户兴趣每天引导打卡分享任务宝裂变涨粉沉淀个人号拉群发放优惠券引导复购流量引入裂变期社群运营维护期付费转化期用户路径4实战案例解读某私域流量社群转化案例课程GMV客单价UV购买转化率公众号新增关注人数添加人数进群人数打卡人数打卡参与率种子启动量分享参与率任务完成率裂变拉新率留存取关率添加率进群率课程访问人数核心目的一级拆解二级指标三级定位运营抓手渠道投放老客触达公众号自动回复奖励引导活动海报邀请门槛实时提现邀请难度留存奖励课程奖励拉群话术触达提醒课程内容购买人数优惠券核销率优惠券力度购买引导4实战案例解读某私域流量社群转化案例社群运营节奏4实战案例解读某私域流量社群转化案例社群运营人员活动奖品渠道成本人力成本课程销售老师成本支出奖品成本课程奖品优惠券补贴收益产出高阶课程低阶课程课程营收用户ARPU=GMV/单个用户获取成本培养活跃用户互动水军活跃参与流量裂变 任务宝阶梯性奖励刺激 每日打卡再次裂变人设IP打造 每日课堂展示+话题互动 老师一对一点评作业UGC互动转化变现打卡奖励机制个人号+社群一对一提醒案例亮点 病毒系数K值K K值如何指导增长活动优化值如何指导增长活动优化031病毒系数K值是啥？病毒系数公式：Custs(t)，即一段时间后的总用户量Customers after TimeCusts(0)，即初始种子用户Initial CustomersK，即病毒系数Viral Coefficientt，即病毒传播总时间Timect，即病毒循环/传播/转化周期Cycle Time 简化版公式：种子用户分享参与率分享回流率裂变周期(传播层级)病毒系数K值=2病毒系数K值评估标准理论状态，当病毒系数K值 0.50.5，裂变层级从第二级开始，传播人数即呈现指数级萎缩，整体数据不具备裂变属性。理论状态，当病毒系数K值=1=1，每期用户恒定不变。理论状态，当病毒系数K值1 1，裂变层级从第二级开始，传播人数即呈现指数级上升，具备强裂变属性。3病毒系数K值如何计算？裂变层级 受邀人数(/人)邀请人数(/人)K值分享参与率分享回流率01527/分享参与率*分享回流率 邀请人数/上一级受邀人数 受邀人数/邀请人数114894170.98 27.31%357.07%210712690.72 18.07%398.14%37492160.70 20.17%346.76%46901400.92 18.69%492.86%56141570.89 22.75%391.08%67171641.17 26.71%437.20%78381891.17 26.36%443.39%89132341.09 27.92%390.17%98412450.92 26.83%343.27%108192180.97 25.92%375.69%117872050.96 25.03%383.90%126711880.85 23.89%356.91137371401.10 20.86%526.43%149471841.28 24.97%514.67%156902030.73 21.44%339.90%164191420.61 20.58%295.07%17178760.42 18.14%234.21%1859200.33 11.24%295.00%1942130.71 22.03%323.08%202780.64 19.05%337.50%212070.74 25.93%285.71%221140.55 20.00%275.00%前提：要提前进行数据埋点，统计裂变层级（每一级的分享人数、受邀人数）4病毒系数K值有什么用？病毒系数K值的实际指导价值：1、K值代表一个动态裂变循环系统，属于过程性指标，应该结合裂变传播层级一起使用；2、K值的指导意义在于当前裂变层级对未来裂变趋势的判断，0.5 衰减趋势严重，0.51 衰减趋势较弱，1指数增长；3、K值的影响因素（种子用户量、分享参与率、分享回流率、传播时间周期-传播层级）；4、K值是有动态和静态、全局和层级的区别，K值的指导意义在于当下某一层级对裂变趋势的判断；5、过程性分析结果性分析，由于实际传播场景下干扰因素过多，只有对裂变层级的K值系数进行逐层趋势分析，才具备实际参考价值，如果通过全局和静态K值系数实际指导意义不大。4病毒系数K值行业参考数据效果评估基本值：1.1.分享参与率20-较差、2025-中等、25-较好2.2.分享回流率250%较差、250%300%-中等、300%较好3.3.裂变放大倍数=被邀请人数/种子用户数，1较好4.传播层级 6级-较差、6-10级-中等、10级-较好评估参考值动态裂变策略多版本红包金额数值，测试最具裂变效果红包模型病毒系数K值种子用户分享参与率分享回流率裂变周期渠道量级激励刺激视觉展示路径引导奖励刺激裂变层级5病毒系数K值案例某分销活动的裂变趋势裂变层级：15级注：数据来源自零一分销工具系统裂变关键影响因素1、分享参与率，影响用户参与能力分销按钮引导，分销激励2、分享回流率，用户推广后裂变拉新能力推广载体素材（海报、文案、话术）3、种子用户数量，初始启动量级与过程中的补量4、裂变循环次数（裂变层级），层级越多裂变传播能力越大；最后：回到最初的问题最后：回到最初的问题04Q当我们面临数据分析的问题明确分析目的围绕业务问题根据业务需求搭建数据指标体系结合活动转化路径建立数据预估模型理解业务逻辑结合用户场景Q1：每次从后台导出一堆数据，不知道要从哪里上手拆解？Q2：知道要做数据分类，但不知道做优先级，不知道选哪些数据？Q3：每次领导都说一定要做数据预估，但是怎么预估才有效呢？Q4：花大量时间做完数据分析，怎么应用到业务问题上呢？怎么去支撑策略优化？1.层级式拆解业务目标，针对性设计运营抓手2.围绕用户全生命周期，设计裂变增长触点3.基于业务需求，构建数据指标体系4.结合用户生命周期流程，设计载体承接用户分层5.根据活动用户流程，搭建数据预估模型6.数据埋点要明确好数据定义7.分析活动要结构化分析8.通过裂变系数K值判断活动效果关键的知识点总结：总结：