精华内容
下载资源
问答
  • 用户增长

    2018-03-08 17:37:39
    转:《用户增长怎么做—以Uber和摩拜的经验为实例》http://blog.csdn.net/eNohtZvQiJxo00aTz3y8/article/details/79453451keywords: AARRR模型,生命周期各阶段的有效方法,80-20法则,越用越烂法则...

    转:《用户增长怎么做—以Uber和摩拜的经验为实例》

    http://blog.csdn.net/eNohtZvQiJxo00aTz3y8/article/details/79453451

    keywords: AARRR模型,生命周期各阶段的有效方法,80-20法则,越用越烂法则

    展开全文
  • ·用户增长=有效用户增长;·用户增长=用户获取×用户留存率(用户成长)×用户变现率;·平衡补贴来调整的目标用户和非目标用户数量的比例,尽可能提高用户实际支付金额,用户实际支付金额越高,越接近于真实目标...
  • 用户增长理解

    2020-06-01 06:44:03
    用户增长公司:专用名词:1、CAC 用户获取成本2、LTV 用户的终生价值3、PBP 回收期:4、PMF 市场匹配:5、增长黑客AARRR:6、MVP(最小可行性产品):思考:1、产品从用户身上获取价值2、获客渠道成本越低越好3、LTV...

    公司:

    初创公司
    爆发型公司
    成熟型公司

    专用名词:

    1、CAC 用户获取成本

    2、LTV 用户的终生价值

    3、PBP 回收期:

    花出去的用户获取成本可以在多长时间内回本

    4、PMF 市场匹配:

    产品市场匹配,在一个好的市场中,能够用一个产品去满足这个市场。市场中有千万种产品,也有千万种需求,而这两者重合的地方就是那些满足了市场需求的产品。

    5、增长黑客AARRR:

    获客(Acquisition),提高活跃度(Activation),产品矩阵来做存留(Retention)、获取收入(Revenue)、好友推荐自传播(Referral)
    科技之下的新渠道的开发和建立、依据大数据的分析和依赖
    (传统:打电话、传单)(增长黑客:根据用户数据需求而量身定制的邮件订阅信、短信会员服务、人工智能所支撑的客服服务)
    (传统销售:更多的是盲目性和僵硬化)(增长黑客:数据理性指导下的人性化和个性化)
    AARRR需要已现有的用户全体为基础或渠道,让用户帮你推广你的产品,病毒式地快速成长,实现成长
    PDD:将获客成本交给用户,现有的用户做营销(借了微信的红利,站在风口)

    6、MVP(最小可行性产品):

    通过一个最小化,缺可以满足核心需求的产品来测试市场的反应,MVP背后核心原则就是减少时间成本(用户先入为主)

    思考:

    1、产品从用户身上获取价值

    新闻的广告:
    游戏
    英语培训
    二手车
    (以上可以在每个用户上榨取很高的用户终生价值 high LTV)

    2、获客渠道成本越低越好

    OFO 摩拜 低 CAC 不打信息流广告和应用商店效果广告,在地铁口打广告

    3、LTV和CAC 与公司发展的关系

    LTV/CAC = 3 公司可以处于比较健康的状态(小于3说明转换效率低,大于3说明在市场拓展上还太保守)

    4、PBP:花出去的用户获取成本可以在多长时间内回本

    如果忽略PBP,LTV > CAC也可能出问题
    PBP在一年以内最容易回本

    抖音 & muse
    抖音用户增长方式,短视频

    不同的公司什么样的方式方法做用户增长

    1、初创公司:一定要先找到PMF

    困境:钱花完了,资金链断了
    用户增长不上去,不增长,用户技术就会萎缩,慢慢的就会越来越淡
    (人人网 VS Facebook 日活10亿)
    MVP:通过一个最小化,但可以满足核心需求的产品来测试市场的反应,MVP背后核心原则就是(为用户)减少时间成本(用户先入为主)
    PMF:产品市场匹配,在一个好的市场中,能够用一个产品去满足这个市场。市场中有千万种产品,也有千万种需求,而这两者重合的地方就是那些满足了市场需求的产品。
    1、第一种PMF:用更好的产品体验来满足一个已有的市场, 例如:slack、teambition团队协作的软件
    2、第二种PMF:用一个产品来满足一个已有单部分需求未被满足的市场。(初创公司市场中抓住一个细分市场,直接推出产品满足这个细分市场用户的需求)滴滴打车(之前的市场是出租车,还有部分需求未被满足的市场)专车、优享车
    3、第三种PMF:用一个产品来创在一个新的市场(创建之初会遇到重重障碍,但是产品诞生之后,用户增长是可观的) 新浪微博:创造:名人和粉丝之间的互动 airbnb爱彼迎(以往:酒店,创造:民居住)
    找到PMP的好处:产品找到PMF,用户增长
    怎么判断达到PMF:
    *用户级产品标准:
    每天使用天数超过3天,新增日活跃用户超过100
    30%新用户次日存留,达到10万用户量
    *Saas级产品标准:
    5%付费转换率,LTV/CAC > 3,即用户终生极值/用户获取成本 >3
    月流失率 < 2%,月销售流水达到10万
    用户获取成本的回本时间 < 12个月
    **问卷调查,调研,核心用户调研

    2、爆发期公司怎么做? 满足黑客增长模型AARRR模型,多融资,傍巨头

    摩拜:每天300万——每天2500万,正向现金流模式:每辆车的成本 < ‘押金’*每辆车的成本
    已经安装好app:
    验证单元经济后,第二部就是扩大经营、一边提高效率
    每个页面的流失漏斗
    没有安装app:
    app的转化率影响更大的步骤是下载安装。都在户外,流量不富裕。
    摩拜:微信小程序,转化率一路飙升

    获客、激活之后,提升 留存和活跃(运营促进用户活跃)

    3、成熟期公司应该怎么做?

    西横竖型公司一切增长的原因最主要的是做一款真正的产品。
    继续遵循AARRR模型,增长黑客
    好产品是一切增长的基础
    增长是产品本身与市场布局结合后的效果。

    产品本身、前人经验、市场工作,加上一些运气、时机和许多未知变量混合在一起,当这一切的结合有了效果,产品可以迅速走向市场
    一味未出初始流量的转化率是难以达到增长效果的,另外单纯通过优化产品也是不够的,所以还需要我们根据增长目标,结合是换成市场的变化来该表产品的一些功能从而带来用户的增长

    成熟型公司一切增长的原因最主要的是做一款真正好的产品

    展开全文
  • 业务 | 用户增长

    2019-05-21 18:35:29
    用户增长1 什么叫用户增长2 如何做用户增长2.1 获取用户2.2 激活用户2.3 留存用户3 指标体系3.1 北极星指标3.2 OKRs3.3 啊哈(AHA)时刻3.4 总结4 参考资料 1 什么叫用户增长 用户增长英文:User Growth,简写为UG,...

    1 什么叫用户增长

    • 用户增长英文:User Growth,简写为UG,这个概念是美国传来的。
    • 用户增长是一套方法论,可概括为AARRR模型:
      在这里插入图片描述

    从上图可以看出:

    • UG不只是拉新,还包括留存,甚至是收入的增长
    • 对UG来说,闭环思维是一个很重要的素质,需要更理性、更数字化的方法,关注整个用户的生命周期,直到商业化变现。

    总结:

    • 用户生命周期是主线
    • 数据是导向
    • 用户收入增长是目标
    • 整合产品、运营、技术做执行手段

    不懂就问,什么叫闭环思维?

    • 闭环”的理论根据是“PDCA循环”,由美国质量管理专家休哈特博士提出,被广泛用于现代企业管理中。
    • “PDCA循环”将管理分为四个阶段:计划(Plan);执行(Do);检查(Check);行动(Act)。这四个过程不是运行一次就结束,而是周而复始地进行一个循环完结,解决一些问题,未解决的问题进入下一个循环,如此阶梯式上升,直到任务完结
      在这里插入图片描述
    • 有始有终的闭环,是生活的一份智慧避免恶性的闭环,核心可以建立检查点。比如睡眠就是一个检查点,需要正向的反馈。发现因为熬夜精力不佳,任务被搁置,那就在熬夜这一环进行总结改变。精力充沛,第二天才有可能弥补没有做完的工作,从而终止拖延。
    • 我们不是一个人在完成任务,回归闭环,不仅能说明一个人有完成任务的能力,更体现了合作意识。
    • 在开始一项任务前,最重要的是搞清任务的关键以及需求,从而明确什么可以优先会遇到什么问题有哪些事项一定要注意……先形成一轮自我可控的闭环思考。

    心灵鸡汤:

    • 我们每个人都是由自己一再重复的行为所铸造的。因而优秀不是一种行为,而是一种习惯。
    • 执行力不仅是能按时完成任务,而是尽量不用返工的同时,将你的任务进程反馈到任务的发起人身上。
    • 未经反思过的生活是不值得过的。在反馈不论积极或者消极,都对最终的结果有着促进作用。
    • 比起勤奋,更重要的是具有主观能动性的自我完善能力。
    • 世上有一样东西,比任何别的东西都更忠诚于你,那就是你的经历,你在经历中的感受和思考。
    • 好习惯让你实现‘较高层次的自我’的愿望,而坏习惯是由‘较低层次的自我’控制的,阻碍前者的实现。

    2 如何做用户增长

    对应上面的AARRR模型,用户增长有下面几个步骤,重点说前三个:获取;激活;留存

    2.1 获取用户

    • 含义:拉新
    • 关注指标:新增用户、次日留存、单个用户成本、获取用户ROI

    具体方法有以下三类:

    1. 渠道投放

    2. 任务体系。以拼多多和趣头条为典型代表的裂变的任务体系。

    3. 活动。比如京东618大促是活动,今日头条的百万英雄是活动,支付宝的花呗消费红包等。

    4. 把握红利。支付宝发短信领红包,目的是提升DAU。同时成本可控,就是短信成本+红包成本。

    2.2 激活用户

    • 含义:新用户留存

    • 方法:

      • 用户访问路径的优化。梳理用户从不同来源访问产品的路径,一步步列出,看看哪些环节是可以优化的。保证新用户使用产品是流畅的、愉快的,留下一个好印象,才会有后续的留存。
      • 利益刺激。比如Luckin咖啡打开APP就会送券。
      • 资源向新用户倾斜。比如社区运营去回复新人的帖子、滴滴自己花钱去打车、饭馆老板去套近乎。这些都是有针对性的为新用户投入资源。所以,资源向新用户倾斜,也是提升留存的方式。

    2.3 留存用户

    1. 激励体系。比如滴滴的任务和会员,提供了价格优惠和优先派单,这对用户就是有价值的。

    2. 用户触达

    • 老用户对产品的品牌有认知,有忠诚度,但还需要适时去「提醒」一下,把用户勾回产品,这就是用户触达。
    • 常见形式:push、系统消息、短信、邮件。用的比较多且效果较好的为前两种。

    push要点:

    • 内容。可选的发布内容数量多、分类多、及时性强,无论全量或个性化push都可以保证效果;
    • 通道。保证push可以触达更多的设备,想办法让更多用户打开手机的push开关。
    • 策略。对哪部分用户发、在什么时间发、每天发几条、push文案是否加图、声音是否可以调整等,都是push策略要做的。

    另外,push还要做好管理,保证发布的内容和分类是稳定和合理的。建立每天监控数据效果的报表,及时review每一条的效果,便于尽快调整策略。

    1. 活动。线上活动的主要收益是老用户促活,提升活跃频度,比如活动前是3天来一次,活动后提升到每天都来。

    3 指标体系

    3.1 北极星指标

    • 定义:北极星指标(North Star Metric),又叫做One metric that matters, 第一关键指标
    • 为什么叫这个名?之所以叫北极星指标,是因为这个指标是全公司最为倚重的指标,也是黑客增长需要着力解决的首要指标,它关系着产品的存亡。
    • 不同公司的北极星指标不同,举例如下:
      • Airbnb的北极星指标是交易总额
      • 拼多多的北极星指标是成交总额
      • 知乎的北极星指标是问答总数
      • 简书的北极星指标是文章发布总数
      • 今日头条的北极星指标是阅读总时长
      • 滴滴的北极星指标是月活跃用户
      • 网易新闻的北极星指标是日均活跃人数 DAU

    3.2 OKRs

    黑客增长,就需要提炼北极星指标,而在运营北极星指标的实操环节,我们就需要引入OKRs衡量体系。

    • 定义:OKRs即“目标与关键结果(Objectives & Key Results)”。

    • 详细解释:

      • Objectives是为团队设定的阶段性战略目标
      • Key Results是对之前设定好的Objective的过程性或结果性描述
      • 注意,Key Results必须是基于具体数值的!比如想提升月GMV(Gross Merchandise Volume,一定时间段内成交总额),不能仅设成“大幅提升月GMV”,而应更具体到如“月GMV过5000万,相比之前提升25%”
    • 举例:网易新闻的Objective就是提高DAU,而Key Results则是月活跃人数和人均活跃天!这其中涉及到一个公式

    MAU × Avg-Days = DAU × 30

    解释如下:

    • MAU:月活跃人数
    • Avg-Days:人均活跃天数
    • DAU (Day Active Users)日均活跃人数
    • 所以等式的左边是:人×天;右边是 人×天 都是以月为单位了,保持一致!

    公式变形:

    DAUˉ=MAU×AvgDays30\bar{DAU} = \frac{MAU × Avg Days }{30}

    即要提升日均活跃人数,可以变为提高 Avg-Days 即人均活跃天数

    3.3 啊哈(AHA)时刻

    • 啊哈(AHA)时刻就是产品使用户眼前一亮的时刻,是用户真正发现产品核心价值的时刻。

    3.4 总结

    • 最终方向:北极星指标
    • 分解目标:OKRs体系
    • 努力起点:啊哈(AHA)时刻
    • 快速试错:实验、优化

    4 参考资料

    展开全文
  • 用户增长分析——用户分群分析

    千次阅读 2019-07-16 10:19:18
    用户分群方法,能帮助我们对差异较大的群体分别进行深入分析,从而探究指标数字背后的原因,探索实现用户增长的途径。 一、用户分群的应用场景 在日常的数据工作中,我们经常接到这样的需求:想关注符合某些条件的...

    导语在产品的增长分析当中,想关注符合某些条件的一部分用户,不仅想知道这些人的整体行为(访问次数,访问时长等),还希望知道其中差异较大的细分群体。用户分群方法,能帮助我们对差异较大的群体分别进行深入分析,从而探究指标数字背后的原因,探索实现用户增长的途径。

    一、用户分群的应用场景

    在日常的数据工作中,我们经常接到这样的需求:想关注符合某些条件的一部分用户,不仅想知道这些人的整体行为(访问次数,访问时长等),还希望知道具体是哪些人符合这些条件。然后查看这些人的数据导出用户名单,针对性的发送tips消息。有时还想进一步查看某些人在使用某功能上的具体操作行为。用户分群,就是用来满足这类需求的工具方法,它能帮助我们对差异较大的群体分别进行深入分析,从而探究指标数字背后的原因,探索实现用户增长的途径。

    如用户画像分群,核心价值在于精细化的定位人群特征,挖掘潜在的用户群体。使网站、广告主、企业及广告公司充分认知群体用户的差异化特征,根据群体的差异化特征,帮助客户找到营销机会、运营方向,全面提高客户的核心影响力。

    二、用户分群

    图1:用户分群的5个类型

    类型一:不分群,如全量活跃用户投放,群发短信等,缺点是没有针对性,容易引起用户反感。

    类型二:用户基本信息分群,如根据用户注册的信息分群。相比不分群,这种方法已具备一定的针对性, 但是由于对用户不是真正了解,产生不了很好的结果预期。

    类型三:用户画像分群,如年龄、性别、地域、用户偏好等,画像建设的焦点是为用户群打“标签”,一个标签通常是人为规定的高度精炼的特征标识,最后将用户分群的标签综合,即可勾勒出该用户群的立体“画像”。画像分群让我们真正了解了用户的某些特征,对业务推广帮助很大。

    类型四:根据用户行为进行分群,此阶段会在画像分群的基础上关注用户的行为特征, 如根据用户的注册渠道和活跃习惯,制定不同的营销推广策略。

    类型五:聚类和预测建模分群,聚类建模可以根据用户的综合特征指标,将用户分为不同的群体,如将用户划分为娱乐型、挂机型、社交型、办公型等;预测建模即尝试去猜测用户下一步的态度与行为(例如想知道什么,想做什么)。正因如此,它对将复杂的行为过程变为营销自动化,是十分有帮助的。

    三、常见的用户分群维度

    1. 统计指标:年龄,性别,地域
    2. 付费状态:免费,试用,付费用户
    3. 购买历史:未付费用户,一次付费用户,多次付费用户
    4. 访问位置:用户使用产品的区域位置
    5. 使用频率:用户使用产品的频率
    6. 使用深度:轻度,中度,重度用户
    7. 广告点击:用户点击了广告 vs 未点击广告

    四、常用的聚类分群方法介绍

    上面介绍了一些关于分群的方法和思路, 接下来重点讲解一下用户聚类分群,聚类分群可分为层次聚类(合并法,分解法,树状图)和非层次聚类(划分聚类,谱聚类等),而较常用的互联网用户聚类方法为K-means聚类方法和两步聚类法(均为划分聚类) 。

    聚类分析的特征:

    1.  简单、直观;
    2.  主要应用于探索性的研究,其分析的结果可以提供多个可能的解,选择最终的解需要研究者 的主观判断和后续的分析;
    3. 不管实际数据中是否真正存在不同的类别,利用聚类分析都能得到若干类别的解;
    4. 聚类分析的解完全依赖于研究者所选择的聚类变量,增加或删除一些变量对最终的解都可能产生实质性的影响。
    5. 研究者在使用聚类分析时应特别注意可能影响结果的各个因素。
    6. 异常值和特殊的变量对聚类有较大影响
    7. 当分类变量的测量尺度不一致时,需要事先做标准化处理。

    聚类分析的弱点:

    1. 聚类是一种无监督类分析方法,无法自动发现应该分成多少个类;
    2. 期望能很清楚的找到大致相等的类或细分市场是不现实的;
    3. 样本聚类,变量之间的关系需要研究者决定;
    4. 不会自动给出一个最佳聚类结果。

    聚类分析的应用过程: 

    (1)选择聚类变量

    在选取特征的时候,我们会根据一定的假设,尽可能选取对产品使用行为有影响的变量,这些变量一般包含与产品密切相关的用户态度、观点、行为。但是,聚类分析过程对用于聚类的变量还有一定的要求: 1.这些变量在不同研究对象上的值具有明显差异;2.这些变量之间不能存在高度相关。

    首先,用于聚类的变量数目不是越多越好,没有明显差异的变量对聚类没有起到实质意义,而且可能使结果产生偏差;其次,高度相关的变量相当于给这些变量进行了加权,等于放大了某方面因素对用户分类的作用。 识别合适的聚类变量的方法:1.对变量做聚类分析,从聚得的各类中挑选出一个有代表性的变量;2.做主成份分析或因子分析,产生新的变量作为聚类变量。

    (2)聚类分析

    相对于聚类前的准备工作,真正的执行过程显得异常简单。数据准备好后,导入到统计工具中跑一下,结果就出来了。这里面遇到的一个问题是,把用户分成多少类合适?通常,可以结合几个标准综合判断: 1.看拐点(层次聚类会出来聚合系数图,一般选择拐点附近的几个类别);2.凭经验或产品特性判断(不同产品的用户差异性也不同);3.在逻辑上能够清楚地解释。

    图2:聚合系数图

    (3)找出各类用户的重要特征

    确定一种分类方案之后,接下来,我们需要返回观察各类别用户在各个变量上的表现。根据差异检验的结果,我们以颜色区分出不同类用户在这项指标上的水平高低。其他变量以此类推。最后,我们会发现不同类别用户有别于其他类别用户的重要特征。

    (4)聚类解释和命名

    在理解和解释用户分类时,最好可以结合更多的数据,例如,人口统计学数据、功能偏好数据等等。然后,选取每一类别最明显的几个特征为其命名,大功告成。

    五、K-means聚类在用户分群中的应用案例

    在本案例中,我们首先来看最常用的K-Means聚类法(也叫快速聚类法),这是非层次聚类法当中最常用的一种。因其简单直观的计算方法和比较快的速度(相对层次聚类法而言),进行探索性分析时,K-Means往往是第一个采用的算法。并且,由于其广泛被采用,在协作沟通时也节省了不少用于解释的时间成本。

    1.  K-means的算法原理:

    1. 随机取k个元素,作为k个簇各自的中心。
    2. 计算剩下的元素到k个簇中心的相似度,将这些元素分别划归到相似度最高的簇。
    3. 根据聚类结果,重新计算k个簇各自的中心,计算方法是取簇中所有元素各自维度的算术平均数。
    4. 将全部元素按照新的中心重新聚类。
    5. 重复第4步,直到聚类结果不再变化,然后结果输出。

    假设我们提取到原始数据的集合为(X1, X2, …, Xn),并且每个Xi为d维的向量,   K-means聚类的目的就是,在给定分类组数k(k ≤ n)值的条件下,将原始数据分成k类,S = {S1, S2, …, Sk},在数值模型上,即对以下表达式求最小值(μi 表示分类Si 的平均值):

    2. 用户分群背景和目标:

    某产品覆盖社会各种群体(不同年龄、不同行业、不同兴趣等),需要将大盘用户进行一定细分,然后针对性的开展运营活动。

    3. 聚类变量选取: 

    用户画像特征、用户状态特征、用户活跃特征

    4. 聚类分析和结果:

    通过相关性分析和变量重要性分析,剔除部分效果差的变量,然后对剩余11个变量进行多次训练(目标聚类个数,参与的变量,组内个体差异容忍度),最终得出聚类结果

    图3:用户分群K-means聚类效果

    5.  结果解读和命名:

    聚类1:低端低龄群体
    聚类2:学生活跃群体
    聚类3:职场高粘性群体
    聚类4:职场低粘性群体
    聚类5:高龄低活跃群体

    表2:用户分群K-mean聚类结果

    六、两步聚类和k-means聚类的效果对比

    前面谈到的K-Means聚类法有简单、直观和快速的优点。但是其缺点是只能采用数值型变量,不能包含类别变量,并且对异常值非常敏感,离群值很容易严重影响聚类结果。并且,当数据集比较大(在腾讯,这种情况很常见),不能把所有数据点都装进内存的时候,K-Means就无法在单机上运行。而两步聚类法则克服了以上缺点,可以包含类别变量和数值型变量,并且当硬件条件不足或数据集非常大时,都能顺利运行。这种两步聚类法可以看成是改进版BIRCH聚类算法和层次聚类法的结合,先用BIRCH算法中的“聚类特征树”做预聚类,形成子类,然后把子类作为输入,做层次聚类。

    1. 两步聚类的原理:

    第一步:预聚类过程:

    构建聚类特征树(CFT),分成很多子类。

    开始时,把某个观测量放在树的根节点处,它记录有该观测量的变量信息,然后根据指定的距离测度作为相似性依据,使每个后续观测量根据它与已有节点的相似性,放到最相似的节点中,如果没有找到某个相似性的节点,就为它形成一个新的节点。在这一步当中,离群点将会被识别并剔除,不会像在K-Means当中那么容易地影响结果。

    第二步:正式聚类:

    将第一步完成的预聚类作为输入,对之使用分层聚类的方法进行再聚类(以对数似然函数作为距离的度量)。每一个阶段,利用施瓦兹贝叶斯信息准则(BIC)评价现有分类是否适合现有数据,

    并在最后给出符合准则的分类方案。

    2. 两步聚类的优点:

    1.海量数据处理;
    2.自动标准化数据;
    3.能够处理分类变量和连续变量的混合数据;
    4.可自动丢弃异常值或者将异常值归入最近的类。
    5.可自动确定或者根据业务需要人工指定分类数目;

    3. 两步聚类的效果对比:

    对第六点同样的数据进行两步聚类,得到模型最优结果如下

    图4:用户分群两步聚类效果

    4. 两步聚类结果解读:

    聚类1:低端低龄群体
    聚类2:学生或新入职场高活跃群体
    聚类3:青年低活跃群体
    聚类4:青年挂机群体
    聚类5:职场办公群体
    聚类6:高龄低活跃群体

    表3:用户分群两步聚类结果

    七、业务案例 – 通过K-Means聚类,挖掘特殊行为模式的客户群

    1. 业务需求

    在本案中,产品经理希望了解登录不活跃用户的行为模式,并且能针对不同的行为组合,对庞大的用户群体进行细分,从而关注不同群体的不同需求,甚至挖掘垂直领域需求,从而在产品或运营侧采取措施,拉活沉默用户,提高DAU。

    2. 分析目标

    1. 发现使用行为模式异于大盘典型用户的细分群体
    2. 粗估每个细分群体的用户数量
    3. 了解每个细分群体的行为特征和用户画像
    4. 基于上述结果,在拉活方面,提出产品或运营建议或明确进一步探索的方向

    3. 分析过程

    a)  特征提取

    分析聚焦于用户的点击行为。在本例中,考虑到用户行为的典型性,选取了4个完整的周,共28天的数据,并且时间窗当中无任何节日。另外,考虑到计算性能和探索性分析需要反复迭代的场景,只从大盘当中随机抽取千份之一的用户作为代表。

    b)  特征筛选

    在特征提取阶段一共提取了接近200个功能点的点击数据。但是这些特征当中,有些覆盖面非常低,只有百份之一的用户在28天当中曾经使用,这些低覆盖的特征会首先被去除。

    另外,前面谈到高度相关的变量也会干扰聚类过程,这里对所有特征对两两进行计算皮尔逊相关系数,对高相关特征(相关系数大于0.5)则只保留其中保留覆盖面最广的特征,以便最大限度地体现用户差异。

    c)  特征改造-探索

    经过上面两步后,笔者曾进行过多次聚类探索,但无一例外,聚类结果都呈现出一个超级大类搭配数十个非常小的小类(几个或十几个用户)。这样的结果,显然与我们的分析目标是想违背的。其一,这里挖掘出的小群体体积太小,从业务角度来说没有价值;其二,超级大类基本等同与大盘用户,没有能找出其中的用户差异。

    为什么会有这样的结果呢,主要是因为点击行为基本上遵循的是幂率分布,大量用户集中在低频次区间,而极少量用户却会有极高的频次,这样在典型的聚类算法中,高频次用户都会被聚集成人数极少的小类,而大量的低频词用户就会被聚集成一个超级大类。

    图5:点击行为分布           

       图6:点击行为数K-Means聚类示意图

    对于这种情况,典型的解决方法是对频次取对数,使幂率分布转化为近似的正态分布再进行聚类,在本次研究中,取自然对数后,聚类效果仅有少量改善,但仍然停留在一个超级大类加上若干人数极少的小类的情况。背后原因,是点击行为数据的特点之一:核心功能和热门项目点击人数极多,而相对冷门的功能则有大量的0值。这样的情况下,取对数是没有改善的。

    图7:打开次数分布         

      图8:打开次数分布(自然对数变换)

    回到本次分析的目标当中,我们需要“发现使用行为模式异于大盘典型用户的细分群体”,如果丢弃这些冷门功能只看热门选项,则无法找出一些相对小众的行为模式达成分析目标。而这种数值稀疏的情况则让笔者想起了文本分类。在文本分类的词袋模型当中,每个“文档“的词向量同样存在大量的0值,词袋模型的解决方法是对词向量用TF-IDF方法进行加权。下面简单介绍这种方法

    d) 特征改造-TF-IDF

    在文本分类的词袋模型当中,需要将一篇篇“文档”(Document)(例如一篇新闻,一条微博,一条说说)按照其讨论的主题聚合在一起,而一篇文档里面有很多词(Term)。TF(Term Frequency 词频率)就是指一个词在一篇文档里的出现次数在整篇文档总词数当中的占比,这样简单的计算就知道一篇文档中什么词更多,而不会受到文档本身长度的影响。

    另一方面,有些词是是什么文章都会用的“大众”词,这些词对于文章主题的分辨是没什么帮助的(例如新闻当中的“报道”“记者”等等)。对于这样的“大众”词,就要降低他的权重,所以可以通过(文档总数/含有某个词的文档数)这样的计算达到目的,每篇文章都有的词权重会取0,包含的文档数越少,数值越大。这计算就是IDF(Inverse Document Frequency 逆文档频率)。

    按照上面的讨论,读者可能已经想到了,如果把“文档”的概念变为“用户”,把“词的出现次数”替换为“功能的点击次数“,就正好可以用来把用户行为的类型进行分类。首先是低频率用户的功能偏好会通过TF的计算得到反映,不会因为总体上用得少在与高频用户的对比当中被笼统归为一个低频用户的类。同时IDF也让一些小众功能有更大的权重,更容易在聚类中突出小众偏好。

    e)  聚类结果

    通过这样的特征改造,再用K-Means算法进行聚类,得出的结果就比较符合分析目标了,从大盘数据中,我们找到了各种具有鲜明行为特色的群体,并且初略估计出了各个群体的大小,行为特征和背景特征。并在此基础上结合用户研究数据去探索产品改进的建议。

    八、小结

    用户分群对于用户数据研究领域最大的改变,在于打破数据孤岛并真实了解用户。分析某个指标数字背后的用户具备哪些特征(他们的人群属性、行为特点等),进而发现产品问题背后的原因,并从中发现产品有效改进提升的机会或方向。

    在进行聚类分析时,特征的选择和准备非常重要:1. 合适的变量在各个样本之类需要有明显差异;2.变量之间不能有强相关关系,否则需要用PCA等方法先进行降维;3.需要根据数据本身的特点和业务特性对数据进行变换(如标准化,取对数等);

    而聚类算法的选择则需要结合数据特点(是否有变量,离群值,数据量,是否成簇状),以及计算速度(探索性分析往往需要较快的计算速度),精确度(能否精确识别出群落)等方面去选择合适的算法。对算法中的参数,例如K-Means当中的类别数K,则需要结合技术指标和业务背景,选取逻辑上说得通的分类方案。

    聚类算法有非常多,各有其特点和擅长的地方,本文仅举其中两个较常用的方法为例,抛砖引玉,希望对读者有所启发。

    来原:腾讯QQ大数据

     

    展开全文
  • 什么是用户增长

    千次阅读 2019-05-12 12:54:03
    1、什么是用户增长?目的是什么? “增长黑客”是以数据驱动营销、以市场指导产品,通过技术手段贯彻增长目标的一群人。这就需要他们既了解技术,写得了代码;又能了解人性,能捕捉用户的心理感受和真实需求;最...
  • 针对用户增长分析这个课题,本文主要从用户防流失的角度,阐述如何基于QQ社交网络数据构建用户流失预警模型,找出高潜流失用户,用于定向开展运营激活,从而有效控制用户流失风险,提升大盘用户的留存率和活跃度。...
  • 用户增长那些事

    2019-12-02 08:42:47
    做CRM久了我们会发现,我们其实一直围绕着用户在考虑解决方案,而其中更为重要的就是用户增长问题,今天笔者就跟大家聊聊增长的那些事; 那么增长,首先我们第一个需要搞清楚的问题就是什么叫增长?我相信不同的人...
  • AARRR 用户增长模型关于用户增长有一个著名的 AARRR 模型, 它描述了用户增长的 5 个关键环节,分别是:获取用户(Acquisition)、提高活跃度(Activation)、提高留存率(Retention)、获取收入(Revenue)和自传播...
  • 滴滴出行活动策划、用户成长体系、用户增长逻辑分析1功能模块分析及产品介绍1.1功能模块1.2产品介绍2活动策划(以愚人节为例)2.1活动主题2.2活动目的2.3活动目标2.4活动资源2.5活动对象2.6活动规则2.7活动时间2.8...
  • 快手7亿用户增长实践

    千次阅读 2019-12-27 15:22:58
    导读:用户增长近年成为非常火热的方向,但目前业内关于短视频领域的用户增长的公开实践资料却凤毛麟角。在 QCon 上海 2019 的演讲中,快手资深研发工程师叶邦宇首次系统地披露快手作为短视频领域巨头在用户增长方面...
  • 其中Growth说的是用户增长,这是产品发展的重要目标,Hacking指的是一些技术手段,包括产品迭代、A/B test、落地页设计、邮件触达等手段,其最主要特点是不需要再获取用户上投放大量成本。特别是初创公司来说,在...
  • 1,前言:针对用户增长分析这个课题,本文主要从用户防流失的角度,阐述如何基于QQ社交网络数据构建用户流失预警模型,找出高潜流失用户,用于定向开展运营激活,从而有效控制用户流失风险,提升大盘用户的留存率和...
  • 很多人不知道原因,在当下用户存量为主的时代,如果我们想要获得用户的青睐,需要进行用户增长分析,明白自己的产品有没有问题,除了给用户足够使用自己产品的理由外,同时也需要诱导激发用户对产品的自发传播。...
  • 突破产品生命周期的用户增长:开启用户增长第二曲线 要想避免产品衰退和死亡,就必须突破产品的生命周期,找到产品的第二增长曲线,实现用户的可持续增长。 第二曲线要在第一增长曲线到达顶点之前开启,不宜过早也...
  • 产品出现之前的用户增长:找到用户增长的根本驱动因素 1. 如何发现痛点 用户痛点是用户增长的根基,是产品价值实现的第一步,没有痛点就没有增长。如果找错了用户痛点,那么后面不管产品功能、UI等用户体验做得有多...
  • 本文为2017中国产品经理大会北京站嘉宾分享整理总结 未经许可,禁止转载。谢谢合作 ...以下内容为嘉宾分享实录,由...我今天的主题是“引爆用户增长”,我会详细给大家讲一下我从业八年以来,在几家一线互联网公司
  • 用户增长的概念及内涵 用户增长涉及的内涵具体如下。 (1)用户增长不是简单的用户数量的增长。用户增长包含用户的获取、激活、留存、变现、推荐等,这些环节都属于用户增长探讨的范畴。 (2)用户增长是一个系统化...
  • [读书笔记] 用户增长方法论

    千次阅读 2020-03-11 23:57:48
    用户增长方法论:找到产品长盛不衰的增长曲线》 作者:黄永鹏 注:绿色字体是自己的理解和想到的点,或许有理解不对的地方 第1章 用户增长方法论及增长思维 1.1 什么是用户增长 用户增长包含用户的获取、激活...
  • 用户增长模型AARRR模型 转载于:https://www.cnblogs.com/mayingbao/p/11175824.html
  • 摘要:日前,由阿里数据打造的智能用户增长QuickAudience,重磅上线阿里云-公共云,开启公测!该产品旨在围绕着品牌消费资产,通过丰富的用户洞察模型和便捷的策略配置,完成消费者多维洞察分析和多渠道触达,助力...
  • 用户增长(User Growth,UG)是指用户相关指标的增长。 用户增长的前提是你的产品是满足需求的,且与市场是匹配的,但到达用户存在阻碍。所以用户增长的主要工作就是要减少阻碍,降低交易成本(比如认知成本、信任...
  • 2020最新用户增长专家培训计划是教如何快速增长用户的培训课程,旨在短时间内提高大家的水平,IPAA教程网上有部分讲解。
  • 第二课 用户增长引擎

    2018-04-25 16:03:30
    在决定是否采用付费方式时需要考虑以下几个问题:通过付费方式能否获得用户增长怎样的产品适合采用付费来进行推广 总之,要看投资回报率。如何确定一个用户的生命周期价值用户的生命周期指的是用户从与产品建立关系...
  • 『用户拉新』新产品用户增长的核心思路 用户拉新并不是产品完成之后才需要考虑的事情,也不只是销售、市场和运营人员的工作职责。拉新工作需要结合到产品研发的每一个步骤当中。接下来笔者讲会从确定用户范围、筛选...
  • 有些人会认为小程序用户增长是运营的事情,与产品和开发无关,实则不然。对于全栈工程师来说,他们不仅能做好小程序,还能玩溜小程序,真正全方位、无死角实现用户增长最大化。 小晓云近期采访了几位开发者,他们的...
  • 乔布斯曰:好的产品会自己说话。也就意味着可以自我传播,增长也就随之而来。 一、增长思维 ...如何做好用户增长?可能大家第一想到的就是数据/运营...用户增长很重要的一点是留存与传播,从乔教主的角度来看...
  • 用户增长在我们的生活中非常常见,几乎每一个成熟的产品都会有一套比较完善的用户成长体系,本文相对系统的介绍了引爆用户增长,可以仔细阅读哦。(点击图片可查看大图) 一、正确理解和认识增长 (以下请点击图片...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 21,643
精华内容 8,657
关键字:

用户增长