如何在预算不够的情况下完成“本土化”的增长？

互联网圈的小伙伴一定很熟悉“成长黑客”，尤其是前几年，很多人也看过国外的经典案例，比如网飞（Netflix）通过对客户*的电影和节目的分析，我们发现凯文史派西的电影和政治电视剧非常受用户欢迎，所以一些网络飞行制作的电视剧《纸牌屋》；Facebook做灰度测试时，新版本的核心理念是依靠技术和数据来实现增长，这将降低实现率的25%，因此紧急终止新版本的推出。但近年来，我们发现“增长”并不香，所谓的“增长”是别人的“增长”，或来自国外的案例，在中国会变得不舒服，毕竟，国外甚至没有运营或渠道职位，看看APPstore和国内华米OV（华为、小米、vivo、oppo）比较一下Android应用商店的商业化程度就可以知道了，国内的增长可以说是hard难度的增长，有时连老硅谷都无法企及。此外，因为公司不是那么“沟”，在人力和物质资源不能支持你的试错成本，所以老板只是让你不要花哨，别人怎么做我们跟着做，意外必须自闭症！此外，因为公司不是那么“战壕”，在人力和物质资源上不能支持你的试错成本，所以老板只是让你不要花哨，别人怎么做我们跟着做，意外不必自闭症！那么，如何在预算不足的情况下实现“本地化”的增长呢？今天给大家带来一个精益激活模型。首先，让我们来谈谈为什么它被称为精益激活模型。“精益”一词来自《精益创业》中的MVP（MinimumViableProduct）模型，即最小可行化产品模型，是指在启动资金或预算较少的情况下，通过实验将产品调整到最优化，实现增长；“激活”一词来自AARR海盗模型，该模型用五个英文缩写代表用户的五个生命周期节点。它们是获取用户、激活用户、提高保留率、获取收入和传播推荐，我们的模型是在用户激活阶段建立的。最后，“精益”和“激活”的结合是我们今天要介绍的精益激活模型。最后，“精益”和“激活”的结合是我们今天要介绍的精益激活模型。激活德鲁克说：“如果不能量化，就不能管理。”因此，在谈论模型之前，我们应该首先了解激活是什么，以及激活的量化标准。来自AARR的第二个字母A激活（Activation），中国也被翻译成提高活动率，但我更喜欢原创的“激活”翻译，因为激活不是指单方面提高新用户保留率或注册率等单独指标。这里有两个关于激活阶段的误解：第一个是注册等于激活，一旦注册留下手机号码，就认为用户真实有效。第二个误解是只看新用户的保留情况，认为该指标可以反馈用户的激活情况。然而，人们往往忽略了核心功能利用率的一个重要指标。激活两个误解的核心功能是如何让用户在最短的时间内使用产品的核心功能，让用户在增长黑客中经常提到的ahamoment(惊喜时刻)闪闪发光，记住你的产品。有时正是因为“第一次见面”没有给对方留下深刻的印象，导致激活失败，导致用户流失。不同类型的产品具有不同的核心功能。以游戏之王的荣耀为例，每款游戏都有自己独特的规则，理解成本会很高。如何利用新手指导让新玩家了解基本操作尤为重要。因此，新手指导的完成率、第一次游戏的持续时间和游戏数量已成为激活的重要指标。以物(毒)APP为例，核心功能是收藏爱鞋，然后看到价格波动和市场情况，所以新用户的收藏率和工具利用率(穿搭、鞋VR等)是激活的重要指标。).以汽车应用程序为例，核心功能是汽车工具。您可以通过工具查询汽车的最低价格和相关信息内容，因此新用户使用工具后的查询率成为激活的北极星指标。北极星指数判断用户激活不仅限于注册率和保留率，还根据自己的产品类型找到核心功能的利用率作为监控指标。综上所述，注册率、新用户保留率和核心功能利用率已成为产品激活阶段的北极星指标。2、激活失败的原因是什么？让我们谈谈激活失败的原因。很多用户通过推广渠道来到APP，启动一次后再也不会使用。这是激活失败。造成这种情况的主要原因如下:渠道问题:推广渠道带来的用户存在质量问题。产品问题：不允许用户接触核心功能（ahamoment），中途流失。渠道问题可以参考之前写的文章“渠道评价模型：用更少的钱带来更好的质量”，将解释如何评价渠道带来的用户质量，提高用户质量，提高激活质量，这里不再重复。那么今天我们就来谈谈如何通过精益激活模型，从产品的角度解决问题，实现用户增长。3、模型概述精益激活模型的基本原理是在成本可控的情况下进行快节奏的实验测试，不断发现问题、提出想法、实验测试和回顾分析。模型概述图从每一轮实验中吸取失败教训，总结成功经验，最终量变引起质变，实现用户增长。没有太多花里胡哨的东西，就是一遍又一遍的做实验，就是这么简单枯燥。四、模型流程本章我们将根据上一章提到的四部曲，以易车APP为例，向大家讲解我们如何利用这个模型实现用户增长。4.1发现问题吉德林法则说:把问题写清楚就解决了一半。因此，在开始建模之前，我们试图让我们的团队提出更多的问题。经过一系列的问题脑暴，我们可以写下问题，总结如下图所示的问题看板：既然问题看板需要在激活阶段增加用户，激活的定义是什么？激活失败的原因是什么？选择什么样的增长模式？增长的公式是什么？问题写得很清楚，第一步发现问题就圆满结束了，接下来的三步就是解决问题。4.2提出了上述四个问题，即激活的定义、激活失败的原因、如何选择增长模型和如何确定增长公式。在本章中，我们将逐一打破这四个问题。激活的定义：用户激活不仅是注册，还考虑用户的保留和核心功能的使用。以汽车应用程序为例，我们选择强制用户注册。为什么要强制注册？经AB测试，发现实验组(强制注册)的用户质量明显高于对照组(非强制注册)。因此，新用户第二天的留存率和询价率是观测监控指标的选择。激活失败的原因:考虑如何调整产品逻辑，改善用户体验，改善激活，当渠道问题和产品问题无法改变时。增长模式：精益激活模式，即通过实验测试实现增长。增长公式：在实验冷启动的早期阶段，我们首先分析了现有功能的用户，并注意到这里的用户是包括新老用户在内的所有用户，而不是新用户。为什么要使用所有用户？有两个原因：一是只选择新用户，数量相对较小，不足以解释问题；二是新用户不熟悉应用程序，一些深入口功能无法触及，也会影响判断。综上所述，增长公式是通过分析所有用户使用功能后的保留和查询来确定的。全用户行为分析如下表：增长公式表保留增长公式：增长公式=保留率差x渗透率=（触摸保留-未触摸保留）x(触达人数//DAU）询价增长公式：增长公式=询价率差x渗透率=(触达询价-未触达询价)x(触达人数//DAU）保留率差为用户使用(触摸)过该功能的保留率减去未使用的保留率，用这个指标来判断这个功能是否是ahamoment，也就是用户用过眼前一亮，从而记住产品，提高留存率。渗透率是达到该功能的用户占DAU的比例。比如看过文章的用户是200万，当天DAU是500万，那么渗透率是40%。渗透率是达到该功能的用户占DAU的比例。比如看过文章的用户是200万，当天DAU是500万，那么渗透率就是40%。通过渗透率判断当前功能的入口深度是否合理，是否埋得太深。从公式上不难看出，如果你想实现增长，你应该从三个方向尝试：保留率差、询价率差和渗透率。保留率差异增加：如果差异为负值，使用该功能的用户体验差，会导致用户损失，那么我们应该找到调整或删除页面的方法；此外，是否可以通过调整产品形式来扩大差异，如提高文章质量，减少低质量的机器写作和标题派对文章，从而提高读者体验，提高保留率。查询率差值提升：就像保留提升差值的逻辑一样，不多赘述。渗透性提高：当发现保留值高但渗透率低的功能时，我们应该意识到，虽然该功能很好，但用户可能无法检测到该功能，因为入口太深。此时，我们应该调整入口深度，以便更多的用户可以使用该功能。介绍了增长公式和增长方法。我们将分析具体情况。通过增长公式表的数据，制作增长矩阵（波士顿矩阵）图，如下所示：增长矩阵图波士顿不仅有龙虾，而且矩阵图也非常好！矩阵横坐标代表保留差，纵坐标代表询价差，气泡直径代表渗透性。功能通过红色交叉分为四象限，方便我们了解情况并做出决定。在本节中，我们定义了用户激活，分析了激活失败的原因，并通过现有的用户行为确定了增长模型和公式。这一系列的操作是为（4-3）的实验测试做准备，一切都准备好了，只有很短！4.3实验测试本节我们要做两件事。第一件事是优先考虑我们的想法。我们有很多想法，但这并不意味着我们有能力测试所有这些想法，所以我们应该选择更有可能增长的想法来测试。增长矩阵图(冷启动组选择)如何选择增长可能性高的想法？我们可以选择增长矩阵的第一象限功能，包括销售列表、快速选车和降价列表，并以桶的形式进行测试。然后有以下测试想法:测试想法图首先要选择渠道，注意不要对所有渠道进行粗糙的测试，而是在成本可控的情况下进行测试，比如选择华为渠道，而不是所有的安卓应用市场。这里体现了“精益”的核心理念。然后，我们将在用户首次启动后显示不同的登陆页面，即销售列表、快速选车、降价列表和原始页面（对照组）。4个页面分配25%的新用户。然后，我们将在用户首次启动后，将用户分成桶，显示不同的登陆页面，即销售列表、快速选车、降价列表和原始页面（对照组）。这四个页面分配25%的新用户。至于如何分桶，您可以参考市场上的AB测试平台。这方面做得非常完善，N个方案可以同时互动。综上所述，有以下实验流程图：实验流程图上图为简单流程概念图。我们只为您做了四个页面的实验。在实际业务中，将有N个不同的渠道、N个登陆页面和N个细节变更方案*N*N种不同的方案。综上所述，在实验初期，首先要放慢脚步，在成本可控的情况下选择交付渠道，少组进行实验。实验模型流程运行后，应逐步加快速度，高速运行模型。4.4复盘分析在复盘阶段，我们将获得四种信息，如下图所示：当我们在第二章提出想法时，我们知道我们需要监控的指标，即保留率差和询价率差。我们知道我们不知道的：在第二章中，通过对所有（包括新旧）用户的行为分析，我们推测页面（功能点）可能在激活阶段增长，但我们不知道老用户是否能代表新用户的性能，需要测试来验证。我们不知道我们知道的是直觉。直觉告诉我们，波士顿矩阵的可视化显示形式有利于我们理解业务并做出决定。当然，你可以选择柱状图、饼状图等，但我们的经验和直觉可以让我第一次想到波士顿矩阵，这就是数据敏感性。我们不知道我们不知道的：探索分析区域，我们不知道哪个页面或功能点是最好的，哪个页面和入口深度，以确保用户的保留率和查询率达到最佳解决方案。我们需要重新分析，从每次重新分析中收集信息，保持积极结果，替换消极结果，快速迭代实验，实现用户增长。本章重点介绍了我们不知道的信息，即探索区域的复盘分析。通过上一章的实验测试，我们得到的反馈数据如下:根据数据复盘图中新用户激活的分组性能，销售列表的第二天保留率和查询率分别高于对照组5.0%和7.6%；快速选车次留率比对照组低1%，查询率高4.7%；降价排名保留率降低0.4%，询价率提高6.3%。与波士顿矩阵（增长矩阵）相比，销售列表、快速汽车选择和降价列表的性能符合我们的猜测。最初假设汽车选择工具是我们的核心功能，因此用户接触后的询价率将高于对照组。然而，快速选车和降价列表的二次保留率低于对照度。这个结果出乎我们的意料。为什么会出现这个结果？让我们看看页面的细节图。让我们找出错误。页面细节图这三个页面是核心功能页面，只有一些细节不同，我在图中标记不同的点，试图解释数据差异的原因：猜测1，汽车按钮：我们看到销售列表和降价列表有这个按钮，通过汽车icon的形式，不仅降低用户理解成本，而且快速分类汽车使用方便，可能是提高询价率的原因之一。推测二，销量榜：大家对销量TOP榜感兴趣，是影响次留和询价率的原因之一。第三，销售数字：实际销售数字能获得用户的信任，是影响次留和询价率的原因之一。猜测4，底价按钮：是影响询价率的原因之一。猜5、降价金额：人们对降价金额不感兴趣，降价较多的车型不是用户想要的，可能是留存下降的原因之一。猜想六、降价榜：大家对降价TOP榜不感兴趣，同猜想五，可能是留存下降的原因之一。除上述猜测外，我们还有许多其他猜测，例如华为频道就是这样，所以vivo和o