摘要：用户增长依赖于数据分析来对抗未知性，弹性组织能为企业的数据系统和模型提供可能，这也是增长的价值。最重要的就是建设一个企业级的敏捷的组织体系，进行MVP小量快跑来保障增长落地。
用户增长依赖于数据分析来对抗未知性，弹性组织能为企业的数据系统和模型提供可能，这也是增长的价值。最重要的就是建设一个企业级的敏捷的组织体系，进行MVP小量快跑来保障增长落地。
当组织体系足够敏捷时，便形成了企业级敏捷。就像下图的各个小团队融合在一起一样，团队间的弹性、适应性会变得更强，小步快跑的增长实验也拥有了更多的空间。更多的组织合作，进行数据快速迭代和可视化，成为数据分析的一个重要组成部分，能够帮助团队更直观地理解数据，从而做出更准确的增长决策。
下图是一个敏捷企业进行数据引导运营和增长的思维链条：
数据飞轮是通过持续积累数据、不断优化分析，让数据流动起来，驱动业务以更高效、智能的方式运行。通过组织中各部门的数据收集，问题发现形成基础数据组——可视化层将数据清洗和分析解读，结合关键指标，形成可视化看板——增长实验AB测试寻找最新增长机会——反馈给各部门整理，形成新数据，从而进行新一轮的数据循环和数据飞轮效应；
为了更好促活用户，我们常常会做一些小游戏和奖品来吸引用户，提升用户参与并打开网站或者APP，其中大转盘抽奖，是最简单且用户参与度较高的流量猎手活动，也是做市场营销和促活常用的手段，例如“小狐狸乐园幸运屋”的大转盘抽奖活动。
这些活动的参与人数比较多，我们投钱给用户送各种奖品，用户也比较喜欢这种活动形式。
1. 我们梳理出用户旅程地图的全部路径和步骤从主页弹窗、首页VIP版面等活动入口进入大转盘活动主页，其中前七个为促进活动付费入口，最后一个为消耗权益入口。用户点击活动主页按钮再进行一系列的操作，最后可能会进入我们的付费转化流程。
通过历史数据进行漏斗分析对比，我们发现本次大转盘活动的数据下降了，活动参与率和付费转化率都有大幅度下滑。但是我们并不知道下滑的原因是什么，于是，我们开始对用户行为进行分析。
3. 用户行为分析就是研究用户在页面上的点击分布通过数据分析我们发现，登录按钮的点击率较高，通过同期活动点击热力图对比来看，这次大转盘活动中的登录按钮有15%的点击率。很有可能是用户进入活动页之后还需登录，登录失败了很多人就流失了。
4. 用户行为分析是分析用户参与活动的心理时间成本结合用户的行为判断有点击用户和无点击用户是否有特征差异。通过数据分析，我们得到洞察：
1) 抓住用户进入活动后20秒黄金时间点，增加有效的互动交互环节能有效提升用户的活动参与度。
2) 在40秒内能够让用户有效地开启活动环节。
3) 在2分钟内能让用户完成一次活动或游戏的互动。
这也是一个很重要的模型参数，我们称为“魔法数字”，是用户参与活动的心理时间成本，把这个参数抽出来，未来也可以复用。
基于全量精细化的人群，可以洞察所有对活动感兴趣的人群所具备的特征。例如，他们的时段特征、家庭画像特征、行为特征等，而这些将来会是我们举办活动之后沉淀下来的经验。这些经验可以指导我们二次改进产品和运营。
5. 用户行为分析是抓住目标群体高付费意愿时段首先定位目标群体，其次解析用户需求，最后设计一个基于数据决策非常科学有效的活动方式，撬动用户意愿。这三点汇总起来就形成了我们的改进方案：一是优化登录流程；二是优化活动节奏的流程，减少多余环节。
在购买消费时间节点来看，整体黄金时间17:00开始购物转化率持续高涨，在19:00-22:00达到顶峰
1）付费和非付费用户的黄金消费时间均为19:00-20:00，其中付费用户在此时间段的付费意愿更强——建议这个时间段，正对付费用户的优惠折扣和促销增强，一方面提升付费用户的购物转化；另一方面是吸引非付费用户向付费用户转移。
2）上午8:00-12:00时间，非付费用户购物意愿更强
——这段时间应抓住对非付费用户的营销意愿，退出非付费用户的营销和促活套餐，提升购物转化
6. 改进前后，用户付费转化率和人均购买次数趋势这两个改进方案优化的效果非常好，大幅提升了流量的转化和复购，同时也大幅促进了业务的增长。箭头指的地方就是我们发现问题后修复的时间点。可以很直观地看到修复后，整体的活动参与人数就很快上升了。
与此同时，通过调整活动中每个环节的节奏，把控用户的时间心理成本，针对高付费人群和时段加强推送频次，提升曝光，我们发现付费转化率和人均购买次数也有了大幅度的提升。
由于这只是一次简单的小活动，所以遇到峰值后会逐渐下降。如果我们同时开展很多长期性活动，会发现未来的波峰将会持续保存。如果再加上自动化推荐，由机器给合适的用户推荐活动，那未来活动效果的持续性一定是优于人工运营效果的。
最后分享做数据驱动和增长的心得：
■ 第一点，流量。
经过一些实践，我们更加懂得了流量思维和超级用户思维的差异，更注重超级用户的运营，让用户能更长久地留下来。
■ 第二点，转化。
转化一定是有一套科学体系的，而且当转化复杂的时候快速做决策会形成彼此之间的干扰，所以我们要分层分析转化。在不同的节点做转化分析，研究这些节点之间是否有关联并通过指标来验证。
■ 第三点，数据沉淀。
每个企业都要有自己的数据银行，数据银行的最终价值在于存下一份“活”数据，能够协助我们沉淀经验，指导下一次的投放、运营和产品设计。
增长是一种思维方式，会为一些传统的思维方式带来新的改变，这也要结合每个产业、每个产品自身的特点实现落地。流量精细化运营，策划驱动转化，数据沉淀是发挥增长长效机制的基础。数据模型化、智能化是未来增长的核心驱动力。如今大数据技术、AI技术已经逐渐进入应用阶段，模型化和智能化会是未来驱动增长的核心竞争力。
本文由 @ Sherryyyyy 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自 Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务
来源：人人都是产品经理一点号