本文引用增長(zhǎng)黑客方法論，遵循數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)思維準(zhǔn)則，對(duì)一款家居后APP做整體復(fù)盤分析。筆者旨在利用數(shù)據(jù)分析工具對(duì)一款互聯(lián)網(wǎng)+產(chǎn)品進(jìn)行解剖，通過(guò)數(shù)據(jù)層的表現(xiàn)，找出背后內(nèi)核層、表現(xiàn)層及業(yè)務(wù)層的驅(qū)動(dòng)邏輯。讓這款具備了從0到1特質(zhì)的產(chǎn)品以一種理性、科學(xué)、嚴(yán)謹(jǐn)?shù)陌咐鸾庑问絹?lái)幫我們尋找創(chuàng)業(yè)產(chǎn)品的爆發(fā)式增長(zhǎng)共性，強(qiáng)化和提醒數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)的思維準(zhǔn)則。

關(guān)鍵詞：AARRR模型、爽點(diǎn)、北極星指標(biāo)、轉(zhuǎn)化漏斗

工具：友盟+移動(dòng)統(tǒng)計(jì)（U-App AI版）、PPT、Excel

一、 產(chǎn)品及用戶概況

1. 產(chǎn)品概況

產(chǎn)品形態(tài)：師傅端（安卓版、IOS版）、商戶/個(gè)人端（安卓版、IOS版，以下均簡(jiǎn)稱商戶端），其他產(chǎn)品形態(tài)不在本次分析范圍內(nèi)。

時(shí)間周期：2017年7月1日-2019年4月1日

周期內(nèi)數(shù)據(jù)趨勢(shì)：累計(jì)用戶0-420,000，活躍用戶0-15,000

產(chǎn)品流程圖：

2. 用戶畫(huà)像

了解你的用戶屬性，包括基本屬性和設(shè)備屬性，便于我們基于用戶數(shù)據(jù)，制定產(chǎn)品和運(yùn)營(yíng)的策略。

系統(tǒng)自帶的用戶畫(huà)像屬性不談，我只提自己從數(shù)據(jù)層看到的一些有價(jià)值的信息：

（1）師傅端APP安卓和IOS的累計(jì)用戶比例是7:3，而商戶端則是3:5結(jié)論。

由此判斷，家居后市場(chǎng)從業(yè)的師傅大部分使用安卓手機(jī)，收入不高。針對(duì)師傅端在產(chǎn)品迭代版本順序選擇和Push推送、渠道分發(fā)及推廣、運(yùn)營(yíng)活動(dòng)設(shè)計(jì)上，都要優(yōu)先選擇安卓。

在此產(chǎn)品一次運(yùn)營(yíng)裂變活動(dòng)中就遇到過(guò)ios下h5的長(zhǎng)圖片二維碼可直接長(zhǎng)按識(shí)別完成分享裂變，而安卓系統(tǒng)則必須重新做匹配的圖才能直接識(shí)別。商戶端則相反。

（2）地域分布：作為一款O2O的家居后產(chǎn)品，了解用戶的地域分布無(wú)論是對(duì)于整體運(yùn)營(yíng)決策還是精細(xì)化運(yùn)營(yíng)，都非常重要。

這次做復(fù)盤比較意外的無(wú)論是師傅端還是商戶端，湖北都沒(méi)有進(jìn)入到前五，也從側(cè)面說(shuō)明了目前平臺(tái)的北極星指標(biāo)（后文講解）主要還是依靠線上完成。

3. 用戶行為

使用頻率、頁(yè)面訪問(wèn)、頁(yè)面路徑及來(lái)源等，這些都是最基本了解用戶行為的維度。

因?yàn)檫@里是概況，所以只對(duì)平均單次使用時(shí)長(zhǎng)和日啟動(dòng)次數(shù)結(jié)合一起做了分析：

師傅端平均單次使用時(shí)長(zhǎng)

商戶端平均單次使用時(shí)長(zhǎng)

師傅端平均日啟動(dòng)次數(shù)

商戶端平均日啟動(dòng)次數(shù)

結(jié)論：師傅端平均單次使用時(shí)長(zhǎng)兩級(jí)分化嚴(yán)重，到行業(yè)旺季單量大或有運(yùn)營(yíng)活動(dòng)時(shí)暴漲，整體呈緩慢下降趨勢(shì)，但日啟動(dòng)次數(shù)明顯上升。這和產(chǎn)品迭代加入了師傅簽到打卡、每日抽獎(jiǎng)、積分商城等運(yùn)營(yíng)方式有關(guān)，但如何通過(guò)師傅社區(qū)及其他內(nèi)容運(yùn)營(yíng)提升總使用時(shí)長(zhǎng)完成從工具轉(zhuǎn)向平臺(tái)產(chǎn)品是下一步需要階段的問(wèn)題。

商戶端則平均單次使用時(shí)長(zhǎng)較穩(wěn)定，對(duì)常規(guī)運(yùn)營(yíng)活動(dòng)敏感度較低（后續(xù)會(huì)介紹商戶端運(yùn)營(yíng)的爽點(diǎn)在哪里），整體呈下滑趨勢(shì)，說(shuō)明商戶使用產(chǎn)品目的性很強(qiáng)，產(chǎn)品UE在逐步優(yōu)化，發(fā)單流程更簡(jiǎn)化，縮短了用戶操作時(shí)間。日啟動(dòng)次數(shù)也呈箱體波動(dòng)，下一步如何提升商戶日啟動(dòng)次數(shù)，提升品牌忠誠(chéng)度是下一步需要階段的問(wèn)題。

需要注意的：在拉平均日使用時(shí)長(zhǎng)的時(shí)候，師傅端并沒(méi)有按照原定周期從2017年7月1日開(kāi)始拉取，是因?yàn)殚_(kāi)始我按照這個(gè)時(shí)間周期拉數(shù)據(jù)的時(shí)候，發(fā)現(xiàn)全周期的歷史峰值是在2017年的9月19到9月30之間，遠(yuǎn)遠(yuǎn)高于其他時(shí)間段。而且，無(wú)論從平均日使用時(shí)長(zhǎng)還是日啟動(dòng)次數(shù)都很異常。

對(duì)于這段不正常的數(shù)據(jù)，我做了重點(diǎn)分析，后來(lái)對(duì)照累計(jì)用戶數(shù)的變化和詢問(wèn)當(dāng)時(shí)的運(yùn)營(yíng)情況，終于揭開(kāi)了謎底：

從累計(jì)用戶數(shù)上告訴了我們真相：原來(lái)在2017年9月期間，當(dāng)時(shí)APP產(chǎn)品剛上線不久，從之前的H5形態(tài)切換過(guò)來(lái)，初期師傅用戶很少，只有幾十個(gè)，來(lái)源于運(yùn)營(yíng)人員的地推。同時(shí)，為了吸引種子用戶的參與，對(duì)師傅報(bào)價(jià)采用了補(bǔ)貼活動(dòng)刺激。所以，就導(dǎo)致了當(dāng)時(shí)僅有的幾十個(gè)師傅為了爭(zhēng)搶報(bào)價(jià)補(bǔ)貼，產(chǎn)生了大量使用時(shí)長(zhǎng)和打開(kāi)數(shù)。

而9月30日的回歸均值，則是因?yàn)槭紫葟睦塾?jì)用戶數(shù)上看，師傅總數(shù)的大幅提升，后面幾天都是幾倍甚至十倍的日增，所以就拉低了使用時(shí)長(zhǎng)及各項(xiàng)指標(biāo)的均值。同時(shí)，平臺(tái)停止了報(bào)價(jià)補(bǔ)貼活動(dòng)。

所以，我們?cè)谄綍r(shí)做數(shù)據(jù)分析時(shí)，應(yīng)該對(duì)異常點(diǎn)做專項(xiàng)細(xì)致分析和處理，不然就會(huì)導(dǎo)致整體數(shù)據(jù)分析偏差。

二、 增長(zhǎng)黑客方法之爽點(diǎn)、北極星指標(biāo)與增長(zhǎng)等式

首先說(shuō)明下，此篇只是沿用增長(zhǎng)黑客方法論的思維模型做系統(tǒng)復(fù)盤，之所以選用增長(zhǎng)黑客，是因?yàn)檫@款非大廠非豪門的創(chuàng)業(yè)產(chǎn)品一路走來(lái)都是力求低成本實(shí)現(xiàn)爆發(fā)式增長(zhǎng)；并且增長(zhǎng)黑客主要方法是基于數(shù)據(jù)收集和分析，快速設(shè)計(jì)實(shí)驗(yàn)和驗(yàn)證結(jié)論的過(guò)程；用超強(qiáng)的技術(shù)實(shí)現(xiàn)能力，高效的把運(yùn)營(yíng)想法落地到實(shí)踐，快速試錯(cuò)和迭代，這也是此篇強(qiáng)化和提醒數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)思維準(zhǔn)則的目的。

我認(rèn)為，增長(zhǎng)黑客不僅僅是一種方法論，更多在于指導(dǎo)產(chǎn)品運(yùn)營(yíng)的思維模式、行為準(zhǔn)則、管理模式及人員配置。在流量紅利期已結(jié)束的今天，增長(zhǎng)黑客思維應(yīng)該是產(chǎn)品運(yùn)營(yíng)人必備的核心思維之一。

作為適用增長(zhǎng)黑客方法論的前提是產(chǎn)品足夠好——即P/MF產(chǎn)品與市場(chǎng)匹配度足夠，用戶群體足夠大且能快速獲取用戶。在這一塊，這款家居后產(chǎn)品是能滿足基本條件的。

下面，我就用增長(zhǎng)黑客方法論結(jié)合數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)思維來(lái)對(duì)這款產(chǎn)品做復(fù)盤：

1. 用戶爽點(diǎn)（啊哈時(shí)刻）

（1）商戶端

我認(rèn)為，客戶端的爽點(diǎn)在2個(gè)不同時(shí)刻都有，而主要的爽點(diǎn)是：在開(kāi)始階段，發(fā)單3分鐘內(nèi)，有多個(gè)師傅報(bào)價(jià)且費(fèi)用比線下找更低（算上平臺(tái)給的補(bǔ)貼）。

另一個(gè)小的爽點(diǎn)是：通過(guò)平臺(tái)雇傭師傅后，安心無(wú)憂不用操心售后問(wèn)題——即在安裝階段出現(xiàn)問(wèn)題時(shí)，平臺(tái)會(huì)介入?yún)f(xié)助解決售后問(wèn)題。

（2）師傅端

我認(rèn)為就一個(gè)爽點(diǎn)：用上這個(gè)APP后，每天都能接到新單子或者多賺錢的那一刻。

這樣的體驗(yàn)，就跟打車軟件類似，冰天雪地里叫車的我們，爽點(diǎn)就是發(fā)單出去馬上有安全價(jià)格合理的司機(jī)過(guò)來(lái)接。而司機(jī)師傅的那一句提示音——“您有新的訂單啦~”就足夠讓他到爽點(diǎn)。

2. 北極星指標(biāo)

數(shù)據(jù)層：活躍用戶，即活躍。

業(yè)務(wù)層：訂單完成量，即轉(zhuǎn)化。當(dāng)然，在不同產(chǎn)品周期，北極星指標(biāo)比重有變化。在2017年-2018年4月導(dǎo)入期，北極星指標(biāo)主要為活躍用戶量，進(jìn)入發(fā)展期后，則主要為發(fā)單量及完成情況。每個(gè)階段的團(tuán)隊(duì)KPI指標(biāo)及人員考核也是圍繞這個(gè)核心北極星指標(biāo)進(jìn)行指導(dǎo)拆分的。

3. 增長(zhǎng)等式

活躍商戶數(shù) X 平均發(fā)單量 X 活躍師傅數(shù) X 平均接單量 X 平均單價(jià) X 訂單完成率 =訂單完成量增長(zhǎng)

4. AARRR模型

這個(gè)也是增長(zhǎng)黑客中主要工作流模型，其實(shí)就是我們常說(shuō)的“拉新（Acquisition）”、“促活（Activation）”、“留存（Retention）”、“傳播（Referral）”、“轉(zhuǎn)（Revenue）”。

這些以前我的文章寫(xiě)了很多，這里不展開(kāi)，整個(gè)步驟如圖所示：

三、 AARRR模型之拉新

周期內(nèi)拉新情況

1. 最高點(diǎn)

首先看師傅端的拉新，如上圖所示：拉新除去春節(jié)、淡季放假幾個(gè)低點(diǎn)外，一共有幾個(gè)值得注意的拉新高點(diǎn)。

當(dāng)時(shí)最引起我注意，也是花了大量時(shí)間去做問(wèn)研的就是2018年的4月18日，在這天，安卓和ios都達(dá)到了歷史最高。通過(guò)查看渠道來(lái)源和時(shí)段詳情，可得知安卓幾乎都是來(lái)自默認(rèn)渠道，而且時(shí)間集中在12點(diǎn)左右的一個(gè)小時(shí)內(nèi)（蘋(píng)果只有AppStore）。

由此可見(jiàn)，讓我對(duì)那天的“暴漲”幾乎排除了是由于投放或某個(gè)線上平臺(tái)流量爆棚導(dǎo)致的可能。

同時(shí)，我也專門詢問(wèn)了產(chǎn)品經(jīng)理，讓她給我調(diào)出了當(dāng)天的后臺(tái)訂單情況，即全平臺(tái)最后的轉(zhuǎn)化目標(biāo)，當(dāng)天也無(wú)異常：

由此可見(jiàn)，當(dāng)天的可能更多是進(jìn)行了某種將默認(rèn)產(chǎn)品包直遞到用戶的運(yùn)營(yíng)操作。

開(kāi)始我本以為是集中的一次大規(guī)模地推，當(dāng)時(shí)詢問(wèn)到某位運(yùn)營(yíng)人員時(shí)也這么提過(guò)。后來(lái)想想，地推的用戶場(chǎng)景下，時(shí)間不太可能這么集中增長(zhǎng)。

比較遺憾的是當(dāng)時(shí)沒(méi)有開(kāi)通各渠道包，全部來(lái)自默認(rèn)渠道，所以就沒(méi)法對(duì)APP的流量渠道做區(qū)分。

從搜集到的4月及當(dāng)天發(fā)生了所有可能性中，我判斷是因?yàn)閷?duì)集中采集到的一批大數(shù)據(jù)進(jìn)行了群發(fā)短信激活（SMS）這一動(dòng)作，導(dǎo)致了這個(gè)拉新的特殊時(shí)刻。（商戶端的圖形和原因也一致，這一就不贅述。）

2. 次高點(diǎn)

次高點(diǎn)是在2018年的11月-12月底期間，這段時(shí)間也是周年慶和雙11活動(dòng)促使日均訂單大幅提升和產(chǎn)品領(lǐng)劵中心和金幣商城上線。

雙12活動(dòng)開(kāi)展的期間，亦是北極星指標(biāo)，完成訂單數(shù)的歷史峰值，所以這個(gè)次高點(diǎn)的拉新原因就不用展開(kāi)了，各種線上活動(dòng)的開(kāi)展，流量來(lái)源的疊加和產(chǎn)品功能的更新導(dǎo)致了這個(gè)次高點(diǎn)的發(fā)生。

3. 第三高點(diǎn)

第三高點(diǎn)是從2018年的5月-6月期間，這個(gè)階段很有意思，因?yàn)榘礆v史數(shù)據(jù)來(lái)看，這應(yīng)該是個(gè)淡季，不過(guò)我們看看產(chǎn)品版本更新記錄就大概明白是怎么回事了：

原來(lái)5月和6月陸續(xù)推出了“金牌師傅”、“邀請(qǐng)有禮”、“任務(wù)系統(tǒng)”以及每日抽獎(jiǎng)重磅功能，這些對(duì)于運(yùn)營(yíng)的重要性，之前我的文章有寫(xiě)。

所以，可以判斷的是：第三拉新次高點(diǎn)和產(chǎn)品的更新有著強(qiáng)關(guān)系。

而且，在后面的促活部分我也會(huì)說(shuō)到，在師傅端的IOS活躍用戶最高峰值上，竟然不是剛才提到的最高和次高點(diǎn)，而是5月11日。所以也驗(yàn)證了“用戶是否活躍，主要得看產(chǎn)品”這句話。

4. 拉新方式分析

我除了對(duì)周期內(nèi)的三大高點(diǎn)的細(xì)化分析外，還結(jié)合增長(zhǎng)黑客方法論、產(chǎn)品生命周期理論和圖形上幾個(gè)大的增長(zhǎng)區(qū)間做分析。

本案例能整體保持向上較高增長(zhǎng)趨勢(shì)，我認(rèn)為如下幾個(gè)拉新方式是值得學(xué)習(xí)的：

（1） 整體文案的市場(chǎng)匹配度

這條也是增長(zhǎng)黑客關(guān)于能擴(kuò)大獲客規(guī)模，首先要實(shí)現(xiàn)的兩種匹配之一，也就是能對(duì)產(chǎn)品優(yōu)勢(shì)的描述打動(dòng)目標(biāo)客戶的程度。

這個(gè)最有代表性的就是喬幫主的那句“將1000首歌放在你的口袋里”。異曲同工的是，在18年4月之前的增長(zhǎng)區(qū)間里，本案例對(duì)商戶端提出了“3分鐘5個(gè)報(bào)價(jià)”、“找?guī)煾?，就?**”；對(duì)師傅端提出了“平臺(tái)獎(jiǎng)勵(lì)多，師傅賺錢多”、“收入翻倍計(jì)劃”等等，直觀明了，獲得了導(dǎo)入期寶貴的種子用戶增長(zhǎng)。

（2）渠道和產(chǎn)品的匹配度

即你所選擇的營(yíng)銷渠道在向目標(biāo)用戶推廣產(chǎn)品時(shí)的有效程度，要分析用戶的行為類型進(jìn)行對(duì)應(yīng)的獲客渠道選擇并監(jiān)控渠道來(lái)源結(jié)果做篩選。在本案例進(jìn)入發(fā)展期后，也是對(duì)各渠道的有效監(jiān)控，從而發(fā)現(xiàn)了例如SEO/SEM，第三方電商等后期成為完成北極星指標(biāo)的核心渠道。

在這個(gè)過(guò)程中，也是不斷進(jìn)行新的嘗試，并做優(yōu)化試驗(yàn)。

（3）設(shè)計(jì)用戶邀請(qǐng)及病毒循環(huán)

首先圈定了在某個(gè)階段的活躍種子用戶，用戶屬性通過(guò)不同維度的篩選后，對(duì)于不同時(shí)期的潛在“超級(jí)用戶”，放到了用戶運(yùn)營(yíng)最優(yōu)先級(jí)，使用了包括：首單減免、充值優(yōu)惠券、誘導(dǎo)分享、積分兌獎(jiǎng)、邀請(qǐng)朋友得紅包、定向活動(dòng)推送、活動(dòng)邀請(qǐng)、游戲裂變等。

傳播學(xué)中，K=每個(gè)用戶向他的朋友們發(fā)出的邀請(qǐng)的數(shù)量*接收到邀請(qǐng)的人轉(zhuǎn)化為新用戶的轉(zhuǎn)化率。

通過(guò)營(yíng)銷方式結(jié)合，當(dāng)k>1時(shí)，用戶群就會(huì)象滾雪球一樣增大。想象Dropbox當(dāng)時(shí)怎么實(shí)現(xiàn)幾十倍增長(zhǎng)的？就是因?yàn)橛昧搜?qǐng)好友享受更大容量這招，包括hotmial的尾部簽名邀請(qǐng)使用、paypal的注冊(cè)就送10美金的案例皆如此。

（4）試驗(yàn)試驗(yàn)再試驗(yàn)，找到一招用到極致

正如上文中提到的4.18高點(diǎn)的主要原因，是對(duì)集采數(shù)據(jù)進(jìn)行了批量短信激活一樣，在本案例過(guò)程中，有無(wú)數(shù)個(gè)類似的看上去不起眼甚至覺(jué)得很low的運(yùn)營(yíng)動(dòng)作，也包括類似Airbnb的發(fā)家之路，在不斷優(yōu)化試驗(yàn)中，發(fā)揮到了極致。

不要覺(jué)得有些手段過(guò)時(shí)了，airbnb的案例已充分將為了低成本實(shí)現(xiàn)高增長(zhǎng)而無(wú)所不用其極展現(xiàn)的淋漓盡致。

四、 AARRR模型之促活

周期內(nèi)師傅端活躍情況

周期內(nèi)商戶端活躍情況

1. 師傅端

和拉新分析類似就不再重復(fù)，有意思的是上文提到的5月11日這個(gè)爆發(fā)峰值點(diǎn)，在活躍處等到了強(qiáng)化驗(yàn)證。

因?yàn)?月和6月陸續(xù)推出的“金牌師傅”、“邀請(qǐng)有禮”、“任務(wù)系統(tǒng)”以及每日抽獎(jiǎng)重磅功能，讓師傅端的IOS活躍用戶到達(dá)了階段最高峰值上。而整個(gè)師傅端的活躍也是經(jīng)歷了從導(dǎo)入期的小平臺(tái)A，到過(guò)渡期的小平臺(tái)B，再到現(xiàn)在的發(fā)展期小平臺(tái)C和D。

2. 商戶端

這次要把前文中用戶行為處提到的做定向分析，上文提到商戶端的平均單次使用時(shí)長(zhǎng)較穩(wěn)定，對(duì)常規(guī)運(yùn)營(yíng)活動(dòng)敏感度較低，那么從日活上看商戶端運(yùn)營(yíng)的爽點(diǎn)在哪里呢？

原來(lái)商戶端的日活圖形和師傅端差異很大，峰值在11月底-12月出現(xiàn)了爆發(fā)式增長(zhǎng)，究其原因是因?yàn)橥瞥隽祟I(lǐng)券中心、雙11 、雙12活動(dòng)等。

所以，從這里的數(shù)據(jù)分析，可以再次印證了開(kāi)頭提到的商戶爽點(diǎn)：發(fā)單3分鐘內(nèi)有多個(gè)師傅報(bào)價(jià)且費(fèi)用比線下找更低（算上平臺(tái)給的補(bǔ)貼）。

到這個(gè)階段，師傅活躍度已經(jīng)足夠多，加上產(chǎn)品發(fā)單流程的簡(jiǎn)化，剩下的就是利用一年一度的雙11，雙12作為引爆點(diǎn)，對(duì)商家進(jìn)行優(yōu)惠券、促銷等降低發(fā)單費(fèi)用即可造成活躍的爆發(fā)式增長(zhǎng)。

3. 促活轉(zhuǎn)化和流失漏斗

這里我專門從最源頭，渠道的下載量統(tǒng)計(jì)開(kāi)始到最后活躍做了一個(gè)轉(zhuǎn)化和流失漏斗，里面很值得運(yùn)營(yíng)和推廣人員研究：

各版本產(chǎn)品渠道下載數(shù)據(jù)與友盟累計(jì)激活用戶比例示意圖：

促活轉(zhuǎn)化和流失漏斗，（友盟統(tǒng)計(jì)2017年07月01日~2019年04月01日）

五、 AARRR模型之留存

師傅安卓端用戶生命周期表

商戶IOS端用戶生命周期表

這里用友盟+的用戶增長(zhǎng)功能中的用戶生命周期圖表更直觀一些，同時(shí)我也用7/14/30日留存率做了同步對(duì)比，基本上和這個(gè)圖形展現(xiàn)出的結(jié)論一致。

目前整體產(chǎn)品還是偏向工具型，雖然一致在通過(guò)社區(qū)、積分商城、學(xué)院、答題等功能來(lái)提升粘性，慢慢過(guò)渡到平臺(tái)型，但是目前的沉默用戶和流失用戶比例較高。

（1）師傅端

對(duì)師傅端來(lái)說(shuō)，拉新是把雙刃劍，既可以從新手轉(zhuǎn)化為高成長(zhǎng)潛力用戶，也有一半比例可能成為高流失風(fēng)險(xiǎn)用戶。且即使到了成長(zhǎng)階段，也大比例會(huì)視情況轉(zhuǎn)為沉默用戶，同時(shí)一旦流失，具備高召回潛力用戶比例很少，甚至?xí)苯有遁d產(chǎn)品。

可以理解是師傅對(duì)此類產(chǎn)品比較隨性，沒(méi)什么忠誠(chéng)度，主要看平臺(tái)是否能滿足其爽點(diǎn)，一旦沒(méi)滿足，再次回流的可能性很小。

（2）商戶端

拉新比較穩(wěn)定的可以轉(zhuǎn)化為成長(zhǎng)階段用戶，且用戶質(zhì)量較高，只要用習(xí)慣了本產(chǎn)品，都具備高價(jià)值潛力用戶特性。另外，在流失階段，如果應(yīng)用得當(dāng)，高召回潛力用戶也比例很高。

可以理解是商戶對(duì)此類產(chǎn)品比較理性，目的性很強(qiáng)，主要看平臺(tái)前期是否能滿足其爽點(diǎn)，對(duì)其有價(jià)值，要么好好用，要么暫時(shí)不用等時(shí)機(jī)成熟再回來(lái)，流失再次回流的運(yùn)營(yíng)召回動(dòng)作很重要。

（3）建議

對(duì)商戶端沉默和流失用戶做分群推送，采用能滿足商戶爽點(diǎn)的文案；而師傅端，分群推送效果不好，應(yīng)該重點(diǎn)在前期拉新渠道和方式的建設(shè)和產(chǎn)品用戶體驗(yàn)上做好功夫。

友盟+的用戶生命周期表結(jié)合分群推送實(shí)現(xiàn)定向召回

六、 AARRR模型之轉(zhuǎn)化

本案例2018年訂單增長(zhǎng)曲線及對(duì)應(yīng)事件

運(yùn)營(yíng)最終目的就是為了轉(zhuǎn)化（Revenue），一般用的比較多的就是漏斗分析法。

利用漏斗模型分析每一步的流失與轉(zhuǎn)化，用來(lái)分析不同用戶群從事件開(kāi)始到結(jié)束過(guò)程中用戶數(shù)量的變化趨勢(shì)和比例，從而尋找到優(yōu)化方案。漏斗顯示最終轉(zhuǎn)化率與每步之間轉(zhuǎn)化率，同時(shí)通過(guò)趨勢(shì)、對(duì)比、下鉆分析進(jìn)行分析，這個(gè)方法被普遍用于產(chǎn)品各個(gè)關(guān)鍵流程得分析中。

如圖所示：

師傅端服務(wù)事件漏斗Demo分析演示

從第一次報(bào)價(jià)→開(kāi)工→上傳完工圖和最終完成服務(wù)的轉(zhuǎn)化率，我們通過(guò)這樣的漏斗模型就可以找出哪個(gè)環(huán)節(jié)的轉(zhuǎn)化率最低。同時(shí)，和行內(nèi)標(biāo)準(zhǔn)值進(jìn)行對(duì)比，沒(méi)有達(dá)到的，要去分析具體原因在哪里，再去針對(duì)性的優(yōu)化和改善。

同時(shí)，還可以對(duì)頁(yè)面的關(guān)鍵事件做漏斗分析，例如：如果從首頁(yè)到訂單中心的轉(zhuǎn)化率有80%，但是從訂單中心到最終下單竟然只有5%。那么就應(yīng)該通過(guò)給訂單中心做分步驟埋點(diǎn)，從而發(fā)現(xiàn)問(wèn)題——例如進(jìn)入訂單中心后，缺乏當(dāng)前步驟的提醒，落地頁(yè)的UI設(shè)計(jì)和在線傳圖的UE也有問(wèn)題，對(duì)比競(jìng)品和做A/B測(cè)試后，最終轉(zhuǎn)化率提升幾倍。

另外，轉(zhuǎn)化沒(méi)有神丹妙藥，只能根據(jù)各自項(xiàng)目的特性，多進(jìn)行用研工作，調(diào)查用戶的需求，優(yōu)化服務(wù)定價(jià)。同時(shí)，逐步提升ARUP值，還要分用戶群體采取不同的策略。在了解用戶需求的基礎(chǔ)上，進(jìn)行轉(zhuǎn)化產(chǎn)品和服務(wù)的創(chuàng)新和升級(jí)。

除主要轉(zhuǎn)化方式外的其他轉(zhuǎn)化方式

總結(jié)

通過(guò)此次對(duì)這款家居后APP的復(fù)盤，也讓我本人重新溫習(xí)了增長(zhǎng)黑客方法論的精髓以及讓我對(duì)數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)有了敬畏之心。

所有優(yōu)秀的產(chǎn)品表現(xiàn)層的內(nèi)部一定有著精心設(shè)計(jì)的內(nèi)核層、業(yè)務(wù)層的驅(qū)動(dòng)邏輯，同時(shí)一款優(yōu)秀的數(shù)據(jù)分析工具給了我們這雙發(fā)現(xiàn)的眼睛，讓我們能夠以一種理性、科學(xué)、嚴(yán)謹(jǐn)?shù)姆绞絹?lái)一窺真相，洞察奧秘。

在流量紅利消失的互聯(lián)網(wǎng)下半場(chǎng)，我們需要增長(zhǎng)黑客方法論的指導(dǎo)，和遵循數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)思維準(zhǔn)則，來(lái)實(shí)現(xiàn)從0到1的低成本爆發(fā)式增長(zhǎng)。

獨(dú)學(xué)而無(wú)友，則孤陋而寡聞。

相關(guān)閱讀

萬(wàn)元懸賞數(shù)據(jù)高手｜2019「友盟杯」數(shù)據(jù)分析大賽報(bào)名啟動(dòng)！

你的堅(jiān)持值得被肯定｜2019「友盟杯」數(shù)據(jù)分析大賽結(jié)果公布

產(chǎn)品高于需求：低頻產(chǎn)品也可以有高用戶活躍度

渠道評(píng)估怎么做，才能讓App假量灰產(chǎn)無(wú)處遁形？

我的朋友老曹，居然用數(shù)據(jù)工具搞了這么多事

針對(duì)直播產(chǎn)品的成熟期，重構(gòu)用戶運(yùn)營(yíng)體系方案

拆解主要數(shù)據(jù)，分析社交類產(chǎn)品的數(shù)據(jù)運(yùn)營(yíng)方法

如何利用數(shù)據(jù)驅(qū)動(dòng)，從0.5到1搭建App積分體系？

場(chǎng)景分析：游戲關(guān)卡難度對(duì)玩家流失的影響

以抖音和陸金服為例，解構(gòu)數(shù)據(jù)分析三個(gè)核心原理

用AB實(shí)驗(yàn)分析個(gè)人中心的首頁(yè)改版

作者：付如濤，公眾號(hào)：老付說(shuō)運(yùn)營(yíng)，人人都是產(chǎn)品經(jīng)理專欄作家，14年互聯(lián)網(wǎng)運(yùn)營(yíng)專家。

本文為「人人都是產(chǎn)品經(jīng)理」社區(qū)和友盟＋聯(lián)合舉辦的“2019「友盟杯」數(shù)據(jù)分析大賽”中獲獎(jiǎng)作品，未經(jīng)作者及平臺(tái)許可，禁止轉(zhuǎn)載

本文部分?jǐn)?shù)據(jù)有脫敏處理，非全部真實(shí)數(shù)據(jù)

題圖來(lái)自Unsplash，基于CC0協(xié)議