流量对于互联网产品的重要性被上升到了一个新高度。
在人口红利处于爆发期的时候,一款 APP 的产品运营人员只需要借助简单的数据分析工具,即可做到对 PV、UV、DAU、MAU、新增用户、周留存等关键指标的挖掘与整合,毕竟在用户不请自来的情况下,大部分公司在初期都忙着产品迭代与抢占市场,在用户运营层面只保留基本的维护策略。
可当人口红利的热潮退去,传统的数据挖掘方式开始出现问题:新增用户一点一点减少,流量价格一天一天上涨,如果统计工具只能告诉我用户进来与离开的基本数字,却无法改善用户变少与流量变贵的现状,那这些数据也只是冷冰冰的现实。
“精细化运营”的概念在这时被提了出来,相比那些宽泛的、形容用户行为结果的数字,产品运营人员更需要关注“know how”,即在用户不断流失的漏斗模型中,是什么影响到他们点击“退出”或者“下一步”?
关注“一个用户”的逻辑
在精细化运营的具体操作中,单个用户的价值开始放大,这也是精细化运营中的“精细”来源。
“如果把每家公司比作木桶,把流量比作水,当水源充足的时候,即使木桶上有短板,你也一定不会先去补,因为你要急着捞水;但当水源枯竭了,你就必须要去补短板。”诸葛 io 创始人兼 CEO 孔淼在接受钛媒体编辑专访时谈到。作为国内第一家精细化数据分析产品,2014年成立的诸葛 io 目前已服务包括分答、在行、暴走漫画、enjoy在内超过一万家企业用户。
这同样成为饱尝流量红利后开始精耕细作的大平台们的共识。阿里巴巴在刚刚公布的2017财年第二季度财报中开始不再披露GMV数据,转而在财报中细致描述了单个用户在平台上的活跃程度,称在过去的这一季度中产品直播演示每天有数以百万计的收看次数,9月份超过600万的淘宝用户每天在平台上分享他们的购物体验。
可对于 BAT 来说,他们有足够的资源和能力去洞察平台上的数据,可对于中小企业来说,一旦流量的红利退去,他们只能依靠自己的力量去降低拉新成本,并分析用户流失与转化的原因。
这也是友盟在2010年成立后迅速被市场追捧的原因之一,尽管在它们的免费版本中,提供的只是基本的应用数据统计服务,但结合当时互联网行业的爆发与移动端的转型背景,类似像友盟、百度统计、神策数据、Talking Data、Growingio等数据分析平台很快能被创业公司认知、接受并应用。
尽管在业务与目标上相仿,这些公司仍然在具体的操作方式中有所差异。比如在被阿里收购后,友盟侧重于将平台积淀的数据行为生成报告在行业中曝光,同时与 CNZZ、缔元信.网络数据公司合并为“友盟+”,成为一家提供数据分析服务的公司;而Growingio则主打“智能埋点”以降低监测数据的成本,提升效率;神策数据则支持私有云部署,侧重于中小企业的定制服务。
操作方式的不同则影响着分析维度,数据分析公司可以凭借技术的升级为客户提供更海量的信息,但数据的规模并不能直接改善一个产品的运营状况,“多”不代表“好”,数据分析工具让产品运营有了照明灯,但他们更需要指引的方向。
数据分析公司的生存法则
“我们不想要以卖报告为生,这实在太苦了。”诸葛 io 高级运营经理何子茹对钛媒体编辑说到。
对于很多能够经手客户案例的第三方数据分析公司来说,当客户规模达到一定量级,结合数据衍生出各类行业报告,或者针对单个用户,以定制化的方式生成其所属行业的报告以达到宣传营销目的,都可以成为一条变现路径。
这也是不少所谓的数据分析公司越来越像广告营销公司的原因,曾经,互联网的过热让这些公司同样受益于流量红利,但当泡沫破裂,数据分析公司的技术门槛降低、产品趋同后,单纯提供一个工具已经无法具有竞争壁垒。
商业模式也直接决定了诸葛 io 的方法论有所不同,相较于市面上大多统计产品偏爱于用户“量级”的分析,诸葛 io 主打的是“用户单体路径跟踪”。
在诸葛 io 的工具应用中,一款产品的运营者除了可以看见用户总数、活跃度等基本数据,同时能观察到一个用户在进入自家的 APP后,先点击了什么、在哪里停留时间最长、之后在什么环节关闭了,是什么原因让他流失等行为路径数据。
在提供这样的工具类免费应用之后,诸葛 io 又成立了“CS(Customer Success 客户成就)”团队提供增值业务。这个今年刚刚成立的团队均由资深产品经理组成,并通过数据分析与用户行为标签辅助应用,为客户的产品增长提供咨询服务。
“在给很多客户介绍我们的产品功能的时候,客户也觉得很好,但是依然不知道这些功能能对他们的业务产生什么样的价值。”诸葛 io 客户成就团队总监邱千秋告诉钛媒体编辑。因为“客户成就”在国内还是比较新的概念,为了方便客户认知,诸葛 io 创建了一些场景分析的模块和案例,并提炼出基于行业的问题解决方法。
今年一度引爆朋友圈的“在行”和“分答”就是诸葛 io 目前引以为豪的两个案例。从去年9月开始,在行就接入了诸葛io数据分析平台,并在诸葛客户成就团队的协助下,先根据不同活跃度、不同内容偏好、不同消费能力等维度建立用户群组,再针对这些群组分批次进行产品的灰度测试,并最终得出结论:高频使用语音问答的用户群,与喜欢线下约见行家的用户群几乎是毫无重叠的两拨人。
这为在行团队孵化出“分答”的新产品提供了充足的信心,而对于提供数据服务的公司来说,对用户深层需求的不断探索和准确理解,避免“拍脑门”式的臆测,让行为数据替用户代言,用数据结果衡量每一个假设……这种客观严谨的用户研究方法,是值得每一个产品团队借鉴的。(本文首发钛媒体,记者/苏建勋)
根据《网络安全法》实名制要求,请绑定手机号后发表评论
没私隐