官网首页

点击返回首页

发表:2020年07月02日

编者按:本文来自微信公众号“Tech星球”(ID:tech618),整理:Tech星球,36氪经授权发布。

6月30日,36氪零售老板内参、Tech星球举办了主题为《数据驱动下的企业增长新法则》的线上直播论坛。

来自字节跳动火山引擎、悟空出行、MetaApp、奈雪的茶等数据驱动业务增长战绩突出的企业高管,毫无保留地分享了来自企业的实战干货;同时邀请到“增长黑客”的代表曲卉,解读增长领域最前沿的趋势洞察。

随着经济的全面复苏,所有企业正在按下加速键,希望嘉宾的分享,能帮助到企业装上数据增长的强劲引擎,掌握企业指数级增长的密码。

以下为各位大咖分享内容摘录,Tech星球根据演讲实录编辑整理,更多干货内容及PPT,将会陆续在Tech星球微信公众号上发布,敬请关注。

.

对于企业和商业世界来讲,增长是根本问题,有了增长,未来能有发展空间和想象空间。

尤其是今年,全球遭遇疫情“黑天鹅”,使得增长问题更加突出。目前,随着国内疫情形势的缓解,经济逐渐复苏,所有企业按下加速键,增长成了企业发展最为关键的命脉。

另外一个显著趋势,就是大数据和数字化时代的加速到来。今年以来,无论是政策层面,还是行业层面、企业层面,都在讨论数字新基建。我们认为,在未来,对于企业的划分和归类,基本可以分为两类:一类是,拥有数据资产、具备数字化能力的企业,另一类,没有数据资产,不具备数字化能力的企业。

因此,在企业发展中,拉新获客、留存转化、加速扩张、裂变增长……等等这些增长维度的问题,企业发展的关键战略和动作,都离不开数据驱动,数据也将成为所有企业未来最重要的核心资产。新商业的变革和进化,用数据破局,实现爆发式增长,将成为企业发展的必由之路。

.

过去十年,我都是在从事增长方面的工作,既在企业一线做过增长产品经理,天天数据分析,也在研究增长的理论体系,现在美国创业独角兽公司Gitlab做增长负责人,我自己总结下来数据驱动增长主要有四种方式。

第一种,“指标建模”。指标建模的重要意义,是可以帮助我们把很复杂的业务给它高度抽象化。我们在做业务做增长的时候,涉及到产品其实千头万绪,有很多不同的方方面面,但是如果我们能够把它提纲挈领归纳为几个重要指标,一个总体模型,就能够帮助我们看到最值得去关注的点。

第二种,机会洞察。做增长有很多事情可以做,比如获客拉新、老带新用户推荐、做留存等等,这么多选择哪个点最值得做?这时候如果我们把数据用起来,根据现有数据去找到很值得去做的点,可以帮助我们提升增长的效率和效果。

第三种,衡量结果。这个既包含我们用数据仪表盘,指标仪表盘的方式去持续不断监测我们业务运营的状况,也包含我们通过AB测试、前后对比,各种方式去持续不断观察,做到科学迭代,这样就能知道我们做了某些改动之后,这些决策的结果真正是什么样的。

第四种,决策自动化。在我们能够做到前三种的基础上,那整个公司数据模型就会比较完善了,这时候我们就能够真正把这些数据变成算法,让算法指导我们所有的员工在日常决策中做出一个又一个更加科学的决策。

.

业务做增长的时候有很多环节,整个增长过程中缺少任意一个环节都可能导致我们和想追求的结果失之交臂,或者叫谬之千里。如果想实现有效增长,我认为要做好五个环节,这五个环节还应该形成一个增长闭环,进一步帮助业务实现持续性增长。

问题发现,通过数据指标体系去做日常监控,只有监测数据才能及时发现数据的波动和变化。

第二,原因分析,我们要去通过数据拆解去分析核心指标波动,如北极星指标波动是由哪些细分指标波动造成的,以及这些细分指标波动背后的原因和故事是怎样的。

第三,策略验证,原因分析完成之后,要采取新策略去解决问题,新策略正式发布全量用户之前,要通过A/B实验验证是否能带来正向增长。

第四,方案上线,当新策略经过验证是正向的,且能够带来正向积极的结果之后,接下来要保证这个新策略能够平稳、快速地上线,能够快速应用,被大多数用户使用,从而能够帮助业务带来快速的用户增长或者变化。

第五,效果追踪,一个新方案上线也许能够在短期内拉升一些核心指标,但是长期效果是怎样的?这就需要回归到之前的数据追踪和问题发现的过程当中,需要持续不断去进行数据的监控,这就形成我们的精准增长闭环。

而企业要实现1^n的增长,我们觉得首先是要多点提升,即整个指标提升上有很多可以优化和提升的次级指标。其次是闭环迭代,我们希望每一个单一增长动作,它一定要是一个闭环的过程,就是前面讲到的精准增长闭环,我们会把整个指标体系搭建与监控、问题的分析和拆解、策略的A/B实验验证、方案发布上线并最终持续监控,形成一个更加完整的,不是0.8,也不是0.6,真的是“1”这样一个闭环。最后,通过持续闭环的方式去迭代,从而实现持续增长的目的。

我们想强调的概念是说,我们希望做增长的过程中它不是单一单次或者单点的过程,而是一个持续循环往复这样一个过程,从而实现次方级增长,这样一个结果远大于一次增长所带来的业务结果,这是我们讲的1^n大于1 的概念。

.

我经常看到大家讲A/B测试贴出来案例是两个UI的区别,不过A/B测试大多数情况下真的不是测按钮颜色,至于测试的结果怎么看?显著不显著、到底要多少才叫显著,什么情况下才能拍板下结论?

最简单办法也是最懒的办法,就是去问老板你觉得怎么样,但正确办法是什么?一般情况下,我们在做实验之前一定要想好多少流量够用,在测试的过程中决定该不该全量、关掉,还是迭代下一步,需要做一些实验。

补充两个有关联的名词知识点,一个是效用函数,一个是统计显著,我们统计专业里面会讲统计显著,假设检验有两种检验,一种是检验假阳性,一种检验假阴性,第一类错误是原假设为真时拒绝了原假设,这就是假阴性。第二类错误是假阳性,就是原假设为假的时候接受了原假设,需要Power达到0.8和p-value足够小,才能接受这个实验。Facebook流量多可以要求99.9%显著,正常公司只能要求95%。

在实际经验中,多少流量够用这个问题,要想达到95%显著效果,我们需要对照组和实验组各有2万的量;要想看5%留存的区别或者转化率区别,我们需要对照组和实验组各有2000的量,这是最少的。

接下来我们需要做正交和互斥配置,互斥组就是所有流量在同一个流量层里面,可以用用户的UUID的尾号分为尾号0-4做一个实验,以及5-9做另一个实验,实验1的实验组和对照组,实验2的实验组和对照组,这两个实验的组就是互斥组的。正交的话两个实验之间会互相影响但不影响看结论,会有用户既中了实验1也中了实验2的实验组。互斥组只会受实验1或者实验2的实验组,不可能同时出现,互斥的好处就是完全地洁净的一个实验室,正交的好处是省流量,流量不够的话建议使用正交。

另外我们做决定的时候很有可能时间不够,长期的负面效应不够,我们全量的时候要开95%-5%的长期观察。

.

悟空租车从2014年到现在六年多了,我们经历了非常坎坷的增长之路。最开始的时候,我们通过经验驱动业绩增长,大家很关注订单量、多少用户、增长什么样子,但是其实通过经验达到一定程度之后,我们发现订单增长非常受限制,我能不知道订单为什么继续增长,以及订单从哪里来,订单背后用户是谁都不知道,我们开始了从经验驱动模式,转向数据驱动做增长的转型之路。

首先,就是指标规划与数据采集。比如一个业务流,从前端流量到转化,到最后变成订单、转化成收入,过去我们只有一个KPI考核订单量,数据驱动以后我们设置了多个指标,比如说UV转化率、前端完成率等,整个流程拆散成多个步骤,每个步骤流程做了相应指标规划,这是很重要的,指标规划完之后我们做了数据采集,相当于在每一个流程上做了很多埋点,整体去监控这些数据,让数据可视化。

另外,有了数据监控之后我们开始做数据分析,形成策略。这些通过数据分析出来的方法,指导实际工作的执行,通过对数据分析,调整相应策略落地。转型数据驱动之后,我们整个订单量恢复了2-3倍快速增长。

.

数字化是我们一直在做也一定会做的事情,不管是对我们现在三四百家门店,还是一万多名的员工管理,后台都做的是数字化的,数字化也让我们运营效率更高,也使得学习和培训变得更简单。

对于前台呈现,奈雪的用户在消费场景下本身就是不分线上线下的,尤其是疫情发生之后,现在只有13%的订单是门店的POS机点单的,其他87%订单发生在线上,其中外卖平台近30%,其他更是来自点单小程序。

奈雪的小程序它已经不单单只是一个小程序了,其实是我们的一个线上门店,是我们跟顾客发生交互很重要的一个线上的场景。我们的公众号内容也会跟会员互动,我们的社群这一块目前也还不错,每一家门店都会做精准社群运营。

另外,我们现在已经开始在尝试直播,每个星期都有在做直播,我们团队认为直播未来会像公众号一样重要。关于未来的直播,可能不只是大V直播带货,那是比较短期的行为,对于品牌而言,要通过建立自己的店播,人格化的跟消费者沟通,让消费者线上线下体验保持一致或者更好。

现在我们的门店这非常数字化,门店可以自动订货、自动排班,大大节省了很多人力成本,而且会更加高效,门店小伙伴做更多创造性的工作,我们希望后台自动化能把人解放出来。




最新文章