如何运用数据分析研发和迭代注册环节？

数据驱动是一个时尚的词。许多互联网公司都在谈论增长，特别是来自硅谷的快速增长企业。快速增长是互联网公司估值上升的核心驱动因素。所有的估值核心都是基于“增长”，这就是为什么一些互联网公司有很高的估值。在“增长”的背后，是一系列用户体验、活动、保留率和实现的有机结合。增长黑客的核心是产品化、数据化和运营化。科技产品的核心是分析思维和技术实现能力：分析思维的内在形式是工程产品的思维，外在形式是数字营销的思维。也就是说，我们可以利用工程产品和数据分析来促进用户和业务的增长。这种工程和分析的思维是将一个大问题细化为一系列小问题，然后快速改进每一个小问题。许多小的迭代积累大大提高了产品的整体体验，最终产生了巨大的商业效果。注册激活用户是增长的开始。今天，我们将以“注册”为例，讨论如何从数据驱动产品的角度开发和迭代注册链接。1.有效获得注册过程中每一步的转化率。首先，如果您需要监控注册过程中每一步的转化率，您应该如何制定计划？我的计划是这样的：这种方法将帮助您制作一个非常初级的增长模型——将产品想象成一个循序渐进的漏斗。同时，我们必须从用户的角度思考，而不是产品信息结构。在过去的一段时间里，GrowingIO发现，在我们的客户中，许多产品经理在考虑产品设计时，从产品的功能和信息框架开始思考，这往往导致许多与用户真实体验不一致的设计理念，从而失去对真实用户体验的把握。因此，产品运营和产品经理不仅要考虑注册流程，还要考虑用户通常从哪个渠道和他们的入口用户体验开始。例如，如果新访客来到你的注册页面或应用程序下载页面，他会看到什么，等等。(这里涉及到获取用户的部分，我们将在另一篇文章中阐述“精益运营优化客户获取路径”。它将解释用户来自哪里，以便您可以简单地了解用户从哪里开始）2。从一个简单的报告到对未来的预测和预测，将“时间”指标添加到操作分析报告中，您可以立即看到每个步骤的转换率。在建立基本的转换漏斗后，您将了解整个注册流的转换。然而，每一步的转换率都不能告诉你该怎么做。接下来，我们将使该模型具有预测性，并定量跟踪未来目标，以模拟不同决策场景中可以看到的效果。例如，如果第二步注册效果提高5%，可以获得多少增长，第三步增加20%可以获得多少增长，从而决定哪一步优化效果最好，最大化。以上转化率为例，第一步16%，第二步39%，第三步92%。如果要优化步骤，一个性价比高的方法就是优化衰减最高的部分，也就是第一步，而不是92%完美的最后一步。就这样，我们向前迈出了一大步，从不知道发生了什么，了解历史发生了什么，预测未来新用户的增长可能性。由于各种因素会影响用户的获取，我们应该继续观察每天的注册转换率。一旦发现注册率突然增加或减少，我们可以在第一时间找到核心原因，以帮助下一个产品迭代。3.一个企业服务网站的实际例子，有两个注册流，一个是每个步骤需要填写很少，但有很多步骤；另一个是极简主义的步骤，但每个页面都需要填写更多的信息。假设SaaS产品有四个注册页面：在确认视觉虚拟注册流后，下一步是衡量产品在每个步骤之间的转化率。在这里，您需要使用GrowingIO、谷歌分析GoogleAnalytics、Mixpanel等数据分析产品，或者在自己的数据库中建立这些指标。用户衰减最多的步骤可以在上表中判断，下一步就是如何减少这种衰减，比如尽可能缩短整个注册过程。要了解模型是如何工作的，让我们从注册流中删除第三页，并将必须填写的信息放在第二页上。变更后，它看起来是这样的：接下来，我们需要确认这种调整是否能提高注册转化率：第一步：制作简化注册流程的草稿模型，并继续改进报告，以衡量每一步的转换。这里最重要的变化是将需要填写两页的信息变成一页。模型中有三个页面功能之间的跳转率，比如将5.83%的注册率提高到8%左右(一个30%左右)。在实施之前，我们需要快速思考这种变化是否值得，是否有更好的方法来实现更大的改进。最重要的是准备好用数据分析工具来衡量实际的转换效果。步骤二：通过工程师来实现这些设计上的变化。很多细节都在这里省略。第三步:快速数据分析。1.1通过观察数据结果，检查变化是否符合预期，整体转化率是否提高。1.2拆卸转换漏斗，分析不同维度。比如我们用浏览器的维度把转化率分开，看到Chrome的转化率是12%，IE的转化率是1.4%，差别接近十倍。但是IE的浏览量也很大，接近总量的20%。因此，我们的下一个优化目标是看为什么IE转化率低，找出集中修复的原因。我们预计IE用户将得到改进，从而进入下一个产品迭代循环。1.3并非所有变化都符合预期。在许多情况下，这将证明变化存在问题。例如，如果我们看到转化率的下降，我们应该立即取消变化。从产品变化中获取重要数据是产品迭代的重要组成部分。这些数据来自产品和用户，用于与您的预期进行比较。这将使您的产品直觉越来越熟练，而且非常重要的是，它不会浪费大量的时间和资源来验证产品改进的质量。数据驱动的核心结论是帮助产品经理系统地思考多个产品决策。同时可以快速验证产品假设。虽然设计本身永远不会是最好或最坏的，你永远不会得到黑色或白色的答案，但数据驱动无疑是一个更好的选择，而不是基于情感和直觉（大脑拍摄）产生的产品变化。因为增长是一个系统可持续的过程，科学和系统的方法会给可持续增长带来确定性和可衡量性，而可衡量性是产生可持续性的必要条件。许多互联网企业家在购买数据分析产品后，需要“立即”看到效果。这是不现实的，因为数据驱动的增长是每天、每周、每个月、每年都要*和持续执行的工作。只要持续执行和优化，就能看到几何倍数的效果。Facebook等成功的硅谷互联网企业，LinkedIn，Twitter，Airbnb，优步和国内成功的互联网企业都验证了这个框架的效果，你还要等吗？