增長(zhǎng)黑客如何通過數(shù)據(jù)分析驅(qū)動(dòng)用戶增長(zhǎng)

增長(zhǎng)黑客的觀念是通過數(shù)據(jù)分析真實(shí)的反饋指導(dǎo)產(chǎn)品迭代、市場(chǎng)推廣、運(yùn)營(yíng)活動(dòng)執(zhí)行落地策略，用數(shù)據(jù)洞察增長(zhǎng)目標(biāo)的契機(jī)。增長(zhǎng)黑客往往需要一套成熟可行的數(shù)據(jù)分析系統(tǒng)，以做好數(shù)據(jù)收集、清洗及運(yùn)算公式等相關(guān)工作，提高分析效率。通過不同形式的分析方法找出數(shù)據(jù)背后用戶的行為動(dòng)機(jī)與需求特征，這是做數(shù)據(jù)分析的真正目的。

數(shù)據(jù)收集是增長(zhǎng)黑客工作的第一步。

將收集的數(shù)據(jù)整理成數(shù)據(jù)圖表可以查看數(shù)據(jù)的增長(zhǎng)趨勢(shì)。曲線圖，散點(diǎn)圖、柱狀圖等都是比較常見的數(shù)據(jù)分析圖表。比如用戶等增長(zhǎng)曲線，把近一年或者更長(zhǎng)時(shí)間的用戶增長(zhǎng)數(shù)據(jù)繪制成一張表格，就能看到不同的增長(zhǎng)特征。增長(zhǎng)黑客從用戶增長(zhǎng)曲線中總結(jié)出了丘陵曲線、典型曲線、過山車曲線、健康曲線、奶酪片曲線等不同特征，不同去選反應(yīng)出了實(shí)際的運(yùn)營(yíng)缺陷，比如奶酪片曲線就反應(yīng)出了初期產(chǎn)品增長(zhǎng)快但后期缺少獲客渠道的問題。

增長(zhǎng)黑客通過不同形式的數(shù)據(jù)分析洞察數(shù)據(jù)背后的用戶動(dòng)機(jī)和需求。通過數(shù)據(jù)分析，不僅可以從單一曲線中還原歷史數(shù)據(jù)的形成過程；還可以洞察拆解出影響目標(biāo)的關(guān)鍵相關(guān)因素。例如在新用戶增長(zhǎng)數(shù)據(jù)相關(guān)分析中，可以將拆解分為三步。

• 第一步，拆解出各渠道來源新增用戶的數(shù)據(jù)，還有此渠道新增用戶后續(xù)的留存和活躍數(shù)據(jù)；
• 第二步，拆解出影響渠道轉(zhuǎn)化的數(shù)據(jù)指標(biāo)，例如，點(diǎn)擊率、落地頁轉(zhuǎn)化情況、推廣成本等；
• 第三步，拆解用戶在落地頁中的行為數(shù)據(jù)，比如進(jìn)入落地頁后的下載率，注冊(cè)率以及優(yōu)惠券領(lǐng)取情況。

數(shù)據(jù)收集分析后接下來就是依據(jù)數(shù)據(jù)情況構(gòu)建用戶數(shù)據(jù)畫像。單體數(shù)據(jù)畫像記錄了用戶的全部生命周期，一般從下載、激活、注冊(cè)登錄、訪問頁面、瀏覽頻次、使用時(shí)長(zhǎng)等行為數(shù)據(jù)和性別、年齡、地區(qū)、瀏覽器品牌、系統(tǒng)版本、顯示器屏幕高度等屬性特征形成數(shù)據(jù)畫像。群體數(shù)據(jù)畫像基于某些共性行為特征建立用戶分群機(jī)制，對(duì)群組用戶發(fā)起精細(xì)化運(yùn)營(yíng)活動(dòng)，有針對(duì)性地升用戶數(shù)。

每個(gè)產(chǎn)品都會(huì)給用戶提供一條“主路徑”。比如電商的主路徑為：首頁——搜索——瀏覽——查看詳情——添加購物車——下單——確定訂單信息——付款——確認(rèn)收獲；資訊類產(chǎn)品的“主路徑”為：首頁——分類頁——文章／視頻瀏覽——查看相關(guān)性信息——返回分類頁／首頁。在設(shè)定的路徑下，可以采用漏斗數(shù)據(jù)分析法，分析到在各個(gè)關(guān)鍵路徑的用戶流失情況。增長(zhǎng)黑客還可以通過用戶的行為路徑的分析，發(fā)現(xiàn)用戶行為路徑規(guī)律，以便洞察用戶后續(xù)的行為路徑。

最后，任何目標(biāo)的增長(zhǎng)都離不開產(chǎn)品本身，點(diǎn)擊熱力圖分析是做產(chǎn)品交互設(shè)計(jì)優(yōu)化的有效手段。通過記錄用戶在頁面不同位置的點(diǎn)擊次數(shù)，停留時(shí)長(zhǎng)、瀏覽完成度的數(shù)據(jù)，形成點(diǎn)擊熱力圖，觀察用戶停留時(shí)間長(zhǎng)的位置與相關(guān)信息，從而優(yōu)化重要按鈕的位置與大小等，引導(dǎo)用戶點(diǎn)擊。