增长黑客的阴暗面、基本数据能力和意识

增长黑客的阴暗面

1. 对“增长黑客”保持克制

产品的增长其实并不是被发明的流程,它是一直存在的。人们通过各种方式发现产品和服务(获客),被吸引并动手尝试(激活),成为产品的用户不时地来使用它(留存),为它付费(变现),并推荐给更多的用户(传播)。

黑客其实是一种不拘泥于规则,通过各种各样的手段突破客观束缚和限制的精神。不论是利用薄弱环节取得系统的控制权,还是巧妙地绕开框架限制达成功能目标,这其实都是在利用聪明才智,去跟规律和规范做对抗。

所以当我们将“黑客”这个词用于增长时,其实就是一种突破产品自然增长规律的尝试。比如我们在上次分享聊到的传播过程,本来这是用户自发的过程,但当我们试图 Hack 它时,就需要通过各种手段去触发或加速这个过程。

这些手段在理性范围内是促进增长的科学,可一旦开始无节制地滥用,就会变成灾难,反倒给用户和产品带来伤害。

当利用人性弱点能够快速见效时,就会有人倾向于滥用这样的手段。

只需要很少比例不遵守规则的人,就可以引发可能波及所有人的“剧场效应”,而且一旦趋势开始发生,身在其中的任何人都无法依靠自身的力量扭转局面。

2. 朝着用户利益努力

在应用增长策略时,能够尽可能往用户利益的方向努力多走一步。至少做到不蒙骗、不恐吓、不嘲笑。

我们应当对那些病毒传播和爆炸式的增长保持警惕,对以刷屏、增粉为目标的神奇增长手段手段保持冷静。而去关注那些真正能够给用户带来价值,让他们心甘情愿变现和传播的特性。

个人理解:本篇更多的是人性的东西,其实对于产品如果不是更多的KPI指标压迫,心中有一个原则还是很重要的,在价值观的前提下,尽量不要沉浸在一些病毒式的和无节操的传播中,这类理解更在于自己内心能不能坚持,坚定不移的,对自己不该认可的事情去say no。

熵增

物理定义:熵增过程是一个自发的由有序向无序发展的过程(Bortz, 1986; Roth, 1993)。热力学定义:增加,系统的总能量不变,但其中可用部分减少。统计学定义:熵衡量系统的无序性。熵越高的系统就越难精确描述其微观状态。

产品经理需要具备的基础数据能力和意识

数据是产品经理最忠实的伙伴,它是理解产品现状的基础,是做出产品抉择的依据。数据分析能力通常也是产品经理技能图谱中最显著的内容。

1. 养成数据走查习惯

在我们开始分析这个问题之前,需要先注意一点,就是刚才提到的“例行看数据”。作为产品经理或运营,看数据应该是每天的必修课,这也是整体了解产品健康程度最有效的手段。

我每天睁眼的第一件事情就是掏手机看数据,因为全天的数据统计有几个小时延迟,早晨醒来的时候,刚好可以看到前一天的数据情况。

个人理解:习惯和平时自己一样,更多的时候我利用企业微信的插件功能,将每天的聚合数据定时9点发一次汇总到微信上,因为平时开机微信的打开频率最高,推送的实时性最高,后来将一些精确的监控指标也放在了微信上,相对及时和习惯性的了解第一手数据

这时我们可以通过一些第三方数据工具,看一下宏观指标,比如日活、用户新增、留存等。另外也会看一下收入情况,比如总收入、总订单笔数等等。

第二阶段是我到办公室之后打开电脑,第一件事情还是看数据。这个时候我会更多地利用我们自己的数据工具,看得相对微观一些。比如我会看各个渠道的用户数据,以及分时数据(就是每小时的情况),收入部分则会关注具体的收入构成以及变化。

这里理解更多的是对于一些精确的业务指标,每天的环比增量和用户参与量,实际的游戏消耗和 大局表现,当一些数据产生剧变时,一定是某些地方出现异常,不论是突如其来的流量,还是设计的系统漏洞。需要对这些异常的数据进行分析,这其中最怕的是自欺欺人的侥幸心理,墨菲定律在这里最能体现,往往 你安慰自己这个数据应该没啥问题吧,总是这里出现问题。

另一方面,作为产品经理,我们也应当保证自己是第一个获知产品健康动态的人。如果别人发现了产品的数据情况,来问我们的时候,我们什么都不知道,一头雾水,就会影响其他人对我们的信任。

2. 建立数据体系

“工欲善其事必先利其器”,要看数据,我们需要先建立产品的数据体系。我们在增长相关的分享中曾经提到过,数据体系有几种实施策略,可以完全自建,也可以利用第三方数据工具。

第三方工具(比如 GA、MixPanel、Growing IO 或 Umeng,对于小程序来说,可能是微信的官方后台或阿拉丁等等)功能丰富、性能稳定、上手比较快,而且能搜到很多相关资料;但是,它们的分析维度相对受限,只能对一些相对通用的行为数据进行分析,比如日活、月活、次日留存等。

初期可能会会有一个相当长的阶段,我们自己的工具平台可能远不如第三方平台丰富、易用和强大。这是很正常的现象,在这个过程中一定要有大局观念,咬牙尽可能多地使用自己的数据工具,只有这样才能帮助自建数据体系,快速度过尴尬期,发挥最大效应。

基础数据靠GA,精准业务数据靠后台,分渠道和漏斗数据最终还是需要自己做一系列的追踪和埋点

3. 数据仪表盘视图

不论是使用第三方工具还是自建数据工具,我们都应当有自己的“数据仪表盘”,也就是俗称的 Dashboard。

这个仪表盘有可能是第三方工具默认提供的(比如小程序数据统计工具),也可能是通过第三方工具自定义的数据视图(比如 GA 的自定义 Dashboard),也可能是自建数据平台的前端视图(比如我们是通过 Tableau 来构建业务数据的分析视图),还可能是从各个数据源拉取数据之后,在本地构建数据视图(比如用 Excel)。

Dashboard更多像是一个日常的实时数据跟踪,对于趋势的预估和分析会更适用

突发式流量数据暴跌,应该如何应对(分析篇)

“你在某天早晨起来,发现昨天产品流量暴跌 20%”,

1. 有没有业务变化或发布?

面对流量暴跌,我们要考虑的第一个可能性:是有没有产品或业务的变化。

2. 排除技术故障可能性

如果没有大的业务或产品调整,那么,我们接下来要排除技术故障的可能性。除了询问技术是否有相关发布(有时候纯技术的变更产品经理可能不知情),请他们查看系统监控和报警之外,我们也可以去看相关数据的分时报表,看一下 24 小时内的流量变化。

如果我们自己的系统没有故障,我们就需要排除环境故障。

比如网络故障和终端故障。这个时刻,我们需要对用户进行分类,从而观察数据,区分出不同的设备、网络条件、浏览器和屏幕尺寸等技术参数,再做一下对比。

3. 流量降低的“案发现场”在哪里

排除了技术故障之后,我们要找到流量降低的“案发现场”,去观察在所有的产品页面和功能模块中,是否存在某一个模块的流量显著降低,影响了整体情况。

找到案发现场,并不代表找到了具体的原因,只是找到了进一步做数据分析的一个努力方向,所以还是不能松懈。

4. 数据变化的渠道特征

Web 流量分为直接流量、搜索引擎和引荐流量三大类型,搜索引擎又分为自然搜索和付费搜索结果的来流。

个人理解:这里的排除故障的基础流程和游戏会有一些出入,具体的问题具体分析,个人更喜欢从用户的角度来看问题,

例如游戏昨日日活暴跌20%,第一时间先确定,20%意味着不是全部的影响范围,第一点从影响范围来确定问题,

非全部,则开始对比新增数据和活跃数据,可以定位是否新增出错,还是老用户的数据出错,

如果都平均,则排除新老用户的故障方向,再分析渠道数据,多渠道用户的数据对比,如果出现异常排除异常渠道。

等等二分法进行分析问题。

—— 欢迎在线投稿 ——

特别提示:关注本专栏,别错过行业干货!

PS:本司承接 小红书/淘宝逛逛/值得买/微博/抖音/百度系/知乎/大众点评等平台推广:关键词排名,笔记种草,数据优化等;

咨询微信:139 1053 2512 (同电话)

首席增长官CGO荐读:

更多精彩,关注:增长黑客(GrowthHK.cn)

增长黑客(Growth Hacker)是依靠技术和数据来达成各种营销目标的新型团队角色。从单线思维者时常忽略的角度和高度,梳理整合产品发展的因素,实现低成本甚至零成本带来的有效增长…

本文经授权发布,不代表增长黑客立场,如若转载,请注明出处:https://www.growthhk.cn/cgo/36720.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2021-04-23 15:52
下一篇 2021-04-23 16:40

增长黑客Growthhk.cn荐读更多>>

发表评论

登录后才能评论