1. 首頁 > 生活百科 > >

建數據分析框架的3個步驟 如何搭建數據分析框架？( 三 )

小知識數據分析框架


好的留存率對于不同的產品而言是不同的 ， 在這里不展開對用戶留存率的劃分 ， 針對不同類型的產品與用戶粘性尋找最適合的留存指標才是正確的 。
2. 付費式增長引擎付費式增長引擎以 Revenue 營收作為 OMTM 驅動增長 。
簡單來說 ， 從顧客在產品上貢獻的價值大于獲取付費客戶的成本 ， 就可以一直驅動營收增長 。
互聯網金融是付費式增長引擎的典型例子 ， 由于產品類型不像游戲和視頻資訊類應用 ， 有強大高頻使用需求 。 互金運營考核的核心目標就是促成交易 ， 從用戶每一次投資/借貸行為中獲得收入 ， 覆蓋營銷的投入 ， 不斷驅動引擎的轉動 。 這里我們要重點關注2個指標：

  • CAC（Customer Aqusition Cost）客戶獲取成本
  • CLV (Customer Lifetime Value) 客戶終生價值
例如：某次月在營銷上投入成本20000元 ， 新增投資用戶100人 ， 則獲取每位投資用戶的成本是200元 。 若人均投資5萬元 ， 利潤率2% ， 客戶終身價值CLV=1000元/人 。
當 CLV>CAC ， 不計其它成本的基礎上 ， 已驅動引擎正常運轉了 ， 接下來就要思考如何提供更多曝光 ， 擴大頂端的漏斗 ， 以及盡可能縮短客戶盈虧平衡時間 。
3. 爆發式增長引擎爆發式增長引擎以 Referral 傳播作為 OMTM 驅動增長
典型案例：基于社交場景的分享 ， 通過瓜分紅包 ， 砍價、拼團、秒殺等玩法 ， 不斷觸達潛在用戶 。
用戶社交網絡 ， 即可降低付出的成本 ， 通過為用戶省錢的策略 ， 提升用戶感知價值 ， 不斷刺激價格敏感用戶 ， 貢獻大量的分享量 ， 點擊量 ， 引導潛在用戶進行體驗/注冊 。
在爆發式增長引擎中 ， 我們需要關注病毒系數 K=I * Conv :
I：Invitation ， 即每個用戶發送的邀請數量 ， 反映了分布密度.
Conv ： Conversion rate ， 即每個邀請成功的概率 ， 反映了感染強度.
那么如何提升讓病毒傳播系數 ， 上面活動中常見的3種方案：
  1. 重點提高接受率：降低接受門檻 ， 且盡量將接受步驟控制在社交場景中 ， 避免二跳降低轉化 。
  2. 縮短單次邀請流程的生命周期：通過限定時間的方法 ， 加快增長進程的同時 ， 提升緊迫感 。
  3. 試圖說服用戶去邀請更多的人：頭幾位受邀用戶在砍價中可以砍掉很多金額 ， 讓用戶初嘗甜頭后會激勵更多的轉發量 。
四. 總結結合多種業務場景 ， 梳理如何通過用戶行為進行事件分析、漏斗分析和留存分析 ， 基于AARRR模型如何獲取用戶、激發活躍、提高留存、獲取收入和病毒傳播 ， 最后通過三大引擎 ， 聚焦OMTM驅動增長 。
每當產生新的業務問題的時候 ， 通過框架去進行系統化的思考 ， 對問題的解決起著尤為重要的作用 。
數據分析是互聯網產品和運營的基本功 ， 筆者在數據分析方向的還處于不斷提升階段 ， 以上是最近學習工作中的一些案例和心得分享 ， 希望能給在學習中新人帶來一些思路！

推薦閱讀