无法做到精细化运营的互联网公司，离关门只有24小时！

有读者问，目前自己的产品已经陷入瓶颈，订单量不增不减，怎样才能取得突破？今天跟大家扯淡，顺便回答一下这个问题。在产品开发周期中，经常会看到S曲线和J曲线的讨论。大多数产品都遵循S型曲线的增长模式：但有些产品可能会产生J型曲线：以最熟悉的两种通信工具为例，QQ的发展遵循S型曲线，而微信可以走出J型曲线。很多人会认为微信更强大，但我一直认为：如果微信不是腾讯生产的工具，那么他可以比较QQ，因为两种产品有同一个父亲，所以互相利用，是微信可以显示J曲线性能的重要原因。不仅用户增长，大多数交易增长也遵循这条曲线。因此，你经常听到传统商业和电子商务的财务报告「受季节因素影响」评价，这种评价，实际上是商业中最常见的客观因素，导致增长达不到预期。S型或J型，事实上，没有好或坏，他们会遇到瓶颈期，或者我们说，稳定期，无论什么样的增长曲线，缩短稳定期，突破瓶颈的需求是一样的。缩短稳定期的所有增长方法都希望在数据层面取得突破，所有手段也依赖于数据提供的支持。关于「啤酒与尿布」以及「Target怀孕指数」我相信很多人都很熟悉这个故事，无论它是否真实，它实际上都给了灵感：在这里，事实上，你可以理解每天使用的手机和手机运营商提供的流量折扣。当用户处理手机卡业务时，运营商A要求用户选择一个包，并告诉用户可以参与一个活动，并承诺达到一定数量的消费，并将每月提供半年的流量包。运营商B会根据用户每月的流量使用情况，推荐用户对应的流量套餐，促使用户转化为新套餐。这两种方法都很简单，但背后有针对用户的操作策略。运营商A的策略是假设100名用户接受了这个计划，然后分析所有用户的月流量使用情况，并对应半年折扣期结束后的样本组，是否适应减少一半的流量包，如果样本不适应，多少比例会让样本组购买更高的包。运营商B的策略是观察100名用户接受推荐套餐的比例，分析推荐用户的实际套餐使用情况及其回购情况，并继续优化推荐模型。在《怪诞行为学》中，提到了一些有趣的例子，比如便宜的巧克力和昂贵但更好的巧克力是否会影响消费者在对消费者采取不同策略后的选择。答案是显而易见的。即使是喜欢味道更好更贵的巧克力的消费者，也可能会因为营销人员的策略而在一定场景下选择偏差，并可能在长期策略后形成新的决策习惯。对于消费用户来说，运营需要考虑采取不同的策略。正如我所说，游戏运营对网络运营有很大的启发，传统商业运营也对网络运营有很大的启发。以手机游戏为例，尤其是国内手机游戏，你一定见过很多「限时」购买道具包，或「限量」买的道具包，甚至「限次」购买的道具包。玩家之所以会买，是因为玩家认为这些有限条件的道具包更实惠，即使价格更高，也有尝试的冲动。然而，经过几次有限的购买推广，一些用户会巩固他们的习惯。因此，当我们评价那些收入不错的手机游戏时，我们常常开玩笑说，「如果有什么问题不能解决，那么氪648，如果没有解决，那么氪648，就可以解决。」这是个笑话，但从消费者的行为来看，一点也不是个笑话。经营和消费者之间的博弈一直存在「给甜头-培养习惯-转化一批-换个方法再给甜头-继续培养习惯-继续转化」不停地走来走去。最后，总有一批用户会被转化，也总有一批用户不会被转化。举一个进行中的例子。某个业务模块定向邀请部分用户享有一定权益。从一开始，用户需要做三步操作，优化到一步操作。各种渠道定向邀请将转化率从1%提高到7%，但仍未达到预期。数据显示，即使一些用户反复邀请，他们仍然没有行动。这个时候我们该怎么办？第一步是为接受邀请和不接受邀请的用户样本请求数据提供相关的属性和行为数据，然后进行分析，看看差异在哪里，是因为年龄问题不能操作，还是活动相对较低，软*不吃。第二步是提取分析后的样本，剥离不接受邀请的样本属性和行为一致的用户，尝试再次转换，优化业务模块，使邀请更有效。第三步，拿出差异较大的样本，尝试用另一种方式邀请。做完三步，再看转化。目前，我们正在做第一步。在已完成的工作中，如果你愿意研究，你也会发现从1%到7%的增加不是一蹴而就的。同时，经过三轮尝试，第一轮尝试失败，但修改文案后，转化率显著提高。操作工作总是要反复提出假设，反复验证假设，最终找到驱动模块，完成瓶颈突破。其实道理说起来很简单，但是很难结合实践。不同的产品和业务逻辑不同，同样是电子商务，天猫要考虑的问题，与京东不同。因此，实际操作要靠实践来完成。我理解验证假设的方法有很多。我希望别人能给我一些建议，但很纠结的是，别人在不同领域的经验有时可能无法得到实际的支持。所以只能给出道理。基于假设的提出和验证实际上是去年流行的《精益创业》中反复论证的方法。事实上，这种方法是普遍的，在这种方法的帮助下，运营可以更好地节约成本，提高效果，关键是如何做到。举个实际的例子。如果我今天有100万用户，我有一个假设，要么可以让用户活跃100%，要么没有效果。这么简单，我可能会把这件事的验证分为三个步骤。第一步是选择1000个用户（这里可以是随机的，也可以是有限的条件），做1000个用户只能看到活动，或迭代，然后看到1000个用户在一段时间内（如1周、2周、1个月），是否比以前更好，如果有，找到最大的样本，最小的样本，找到两个样本的共性。第二步是将选型扩展到两种样本中的1万个用户，并继续观察效果。在这里，我们基本上可以判断对所有用户开放后，效果是否会像预期的那样发展。如果是这样，我们将到第三步向所有用户开放。如果没有，我们将返回第二步，重新抽取样本并重新组织。很多时候，我们不知道该怎么办，只是懒惰。但是如果你习惯了懒惰，就很难细化操作；在目前的环境下，一家无法实现精细化运营的互联网公司离关门几乎24小时。