增长案例丨为 Keep 设计一场增长实验

想月入三万吗,请浏览Mrw.so短链接,你也可以收藏一下!

每套方法论都有自己的逻辑闭环和不同的适用场景,也存在在执行时仍然存在的困惑,根据自己遇到的困惑,拆解输出的方法论理解消化后输出自己的方法论,才是最合适的做法。

码人网mrw.so缩短网址文章图片

增长是一个持续实验的过程,就像做产品迭代,最科学的方法是向迭代要数据,依据数据做迭代;做增长亦是如此,即数据驱动增长。

策略、增长都有各自的方法论,抽象出来其实表达的是相似的意思。

通过数据发现问题→提出假设→设计方案→获得更多数据→验证假设→发现颗粒度更细的问题→提出更精准的假设。

是无数组闭环逻辑的循序渐进,根据实际达到的效果以及成本,来决定做到哪一步就可以满足目标或者需要及时止损。

每套方法论都有自己的逻辑闭环和不同的适用场景,也存在在执行时仍然存在的困惑,根据自己遇到的困惑,拆解输出的方法论理解消化后输出自己的方法论,才是最合适的做法。

码人网mrw.so缩短网址文章图片

2. 设计增长实验前,如何发现问题

2.1 有明确目标(根据目标找数据)

有明确目标的意思是,促使实验发起的需求来源不是分析数据后发现的问题,而是通过其他需求来源提出的明确的可衡量的目标。

比如老板下达任务,这个季度的GMV要提升30%。那么关键指标可定义为2020Q1GMV,相关指标可以在已经搭建好的增长模型或者公式中获得。

GMV等于流量*转化率*客单价,流量包含自然流量和渠道流量等,自然流量包含产品本身的APP、小程序等,渠道流量包含各个外部渠道。

根据实际情况选择对应的颗粒度分析。

码人网mrw.so缩短网址文章图片3. 增长实验案例丨KEEP社区

3.1 实验背景&目的

(1)提升用户对其他用户关注率

码人网mrw.so缩短网址文章图片

定量分析

  • 用户在【feed流>动态详情>feed流>动态详情】(循环)路径中点击关注的数量
  • 用户在feed流中给非关注用户动态点赞后,关注该用户的数量

假设2

【如果】增加逻辑:点赞默认同时关注,个人中心可设置点赞是否同步关注

【预计】月关注率可以提升30%

【因为】

  • 与上条一样,产品需要引导用户的是不把关注看做是一个很重的操作,从而使用户更多的进行关注。
  • 点赞和关注,在不同的社区运营过程中,含义的演化各不相同;可设置的点赞是否同步关注逻辑,是将选择权还给用户,满足对这两者不同理解的多种用户群体需求。
  • 对于在feed流中根据一条动态便确定关注意愿的用户来说,当前需要操作三步(点赞、点击动态、关注)才能完成点赞+关注。使用假设后只需要点赞一个动作,操作多个时,指数级的降本增效。

最佳实践

通常情况,缩短转化路径可以提升转化率。

微博有类似的逻辑,通过内容吸引用户关注发布者。

码人网mrw.so缩短网址文章图片

码人网mrw.so缩短网址文章图片

定量分析

  • 用户在【feed流>动态详情>feed流>动态详情】(循环)路径中点击关注的数量
  • 用户在feed流中给非关注用户动态点赞后,关注该用户的数量

假设3

【如果】为游客开放浏览社区和关注用户&话题权限。(登录后选择是否同步关注数据,根据终端同步)

【预计】月关注率可以提升5%

【因为】

  • 用户不需要登录即可进行浏览,缩短了转化路径
  • 但是对于一个产品来说,用户的登录代表了最基本的兴趣和信任,一直处于游客状态的用户并不会很多也不会很活跃

最佳实践

对于游客用户也可以使其产生粘性和沉默成本,拿出诚意,先给用户价值,寻求用户未来的登录。

好奇心日报,未登录状态下可以做浏览、收藏、参与研究等操作。

码人网mrw.so缩短网址文章图片

定量分析

  • 下载量
  • 登录页UV
  • 登录用户数

假设4

【如果】类似微博,登录成功后,引导填写简单用户问卷(健身侧重内容),根据用户个人情况推荐关注表单。

【预计】月关注率可以提升25%

【因为】

  • 微博、站酷、好好住等各领域社区APP已经教育出用户习惯,比较易于接受,用户的问卷反馈可以应用于内容推荐和push等策略,带来更精准的促活
  • 但是根据keep的商业模式以及当前的一级页面C位(运动)可以很清晰的看出,KEEP的核心还是工具属性;
  • 因此是否提升社区的权重,需要战略层面的权衡

最佳实践

微博的各种引导关注&自动关注机制,需要权衡差异选择性参考。

码人网mrw.so缩短网址文章图片

码人网mrw.so缩短网址文章图片

定量分析

  • 用户在文章详情&动态详情中停留5s以上后,关注发布者的数量和比例。
  • 用户关注发布者时在详情中停留的平均时长。

2)实验指标

码人网mrw.so缩短网址文章图片

5)分析实验结果

实验组:是接受实验变量处理的对象组。

对照组:对实验假设而言,是不接受实验变量处理的对象组。

关注点:

  • 实验组和对照组的流量是否平均,是否获取到了足够的样本数
  • 实验周期是否足够长,是否受到周末、节假日影响;是否受到用户的新鲜感影响
  • 每组中是否覆盖了全部用户类型(高、中、低频)
  • 实验组的核心指标对比对照组是否提升、辅助指标是否提升或持平、反向指标是否提升造成负面影响
  • 核心指标是否达到统计显著性要求(搜索引擎中即可找到第三方统计工具)

6)实验下一步

开启新的循环

 

本文由 @紫原新之助 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议

想月入三万吗,请浏览Mrw.so短链接,你也可以收藏一下!