为什么你的产品停滞不前？你需要知道的驱动力、障碍和钩子

一、从移动互联网发展趋势谈 “数据驱动增长”

为什么要用数据来驱动增长？我们不妨先来看看中国互联网的发展趋势。 

第一点，在过去10年，中国的互联网发展非常快；尤其是移动互联网，2009年移动端新增用户比率高达35%。但是最近几年，移动端新用户的增长在不断放缓，去年年底降到了6%。这说明，人口红利正在逐渐消退！ 

第二点，过去十来年中国互联网是典型的“流量型”经济，大家都想抢流量、抢入口、抢风口。一个调查研究显示，中国网民平均每天使用手机的时间是200分钟，其中71%的时间被前20个网站或APP占据，剩下的21%的时间被几百万家网站或APP瓜分。 

在这样的背景下，很多互联网产品停滞不前。大家想想，如果人口红利、流量红利都结束了，下一个时代我们该怎么办？  

接下来将是一个精耕细作的时代，我们需要更多地关注产品设计、用户体验、价值输出，还有用户的使用粘度。这也就是用数据来驱动产品增长、驱动精细化运营的一个核心关注点。 

二、增长是王道，产品该如何增长

首先，增长是王道，如果不能增长企业就开始衰退。著名管理学大师彼得·德鲁克说过：“如果你不能衡量，你就不能增长”。 

其次，产品增长应该有一套完整的方法论，这些东西经过十多年的发展已经沉淀为精华。 

1. MVP理念。当我们有好的概念的时候，需要用最快的时间把它工程化变成产品；同时，我们必须要用数据来实时衡量新产品的效果，好的话就推广，差的话就快速修正。我们的产品必须迅速迭代，要用数据来指导我们进行精细化运营。

2. 全方位、全周期的业务理解。产品经理应该有全面的思维，不能都只考虑自己的交互、设计。一个优秀的产品经理要理解公司的战略、业务，熟悉用户的需求，需要有产品全生命周期的管理思维。

3. 要有“Growth Hacker”的精神。在过去十多年，美国硅谷有一种增长黑客的理念，梳理出了一套精细化运营的框架：获取、激活、留存、变现与推荐。这5个环节中任何一个，产品经理都可以做精细化的分析，驱动企业高速增长。

从一个数据分析师的角度，产品经理要想实现产品增长，最起码应该具备思考以下三个因素：驱动力、障碍、钩子。

第一，产品经理需要思考我们的用户是什么因素驱动的，这实际上就是获客。第二，用户在使用产品的过程中会有哪些障碍，哪些怒点；产品经理需要通过用户行为数据来发现这些问题，快速修正，不断提升用户体验。第三，我们的产品有哪些功能能让用户留下来，让用户在平台上持续活跃。接下来我们从这三个角度出发，阐述如何用数据驱动产品增长。 

三、理解驱动力：渠道优化和实时监测

驱动力其实很简单！过去我们花钱买流量，比如竞价投放、广告联盟、降价促销等等方式。然而今天人口红利、流量红利正在逐渐消退，花钱买流量的成本越来越高，我们需要从出站式营销向入站式营销发展。比如，通过SEO来优化网站的内容和架构，获取更多的搜索流量；通过内容营销的方式吸引用户的关注和转化。这些新的运营方式获客成本非常低，获取用户的速度比较快。

访问渠道追踪：UTM代码

以前我们投广告、买关键词、发文章更多是拍脑子决策，并没有对不同渠道进行精细化分析；现在GrowingIO通过 UTM代码可以追踪用户的访问来源 、媒介、内容和关键词等维度。现实中不仅关注不同渠道的访问量，还关注不同渠道的转化率。我们要知道有多少用户深度转化成为了我们的核心用户，哪些用户未来会给我们制造营收。 

产品迭代更高效：实时监测

最小可行性产品（MVP）的理念强调小步快跑的产品迭代方式。一个新产品从概念到成型上线，我们需要通过数据来验证新产品或者功能是否符合市场需求。同时，用户行为数据也是用户对产品体验的原生反馈，可以帮助产品及时发现问题、快速修正。 

举个例子，企业结合市场热点快速上线了一个活动页，产品和运营需要对这个活动的效果进行监测和评估。产品活动页上线后，页面的总体访问量急剧上升，且该活动页面一举升至活跃网页的第二位。这样的实时数据可以快速验证产品的效果，帮助产品经理快速评估、迭代，驱动产品增长。 

四、破解用户壁垒：热图、留存和细查

数据分析的核心就是要把一个产品或者一个业务用分拆的角度把它分成不同的层，每个层用精确的数据进行衡量。

举个例子，一般产品经理或者设计更多考虑的是视觉、交互设计和信息框架等元素。再往上走的话，我们需要更多地思考我们产品的内容以及用户的需求、体验等等。

让产品一目了然：热图

我们以一个博客页的热图为例，左边是H5的热图，右边是Web的热图，我们从不同层次对这个产品进行分析。第一点，我们分析信息交互的框架，看用户的注意力区在哪里。第二点，分析每个位置的转化率是怎么样的。第三，以博客中的“互联网增长的第一本数据分析手册”为例，这个文章虽然在第二位，但是用户的点击量很大、活跃度非常高，这说明它的内容对用户有直接的吸引。 

当我们做数据分析、做产品的时候，我们可以用热图对产品的UI、UX、内容、用户等做具体的分割，从而实现对产品多层次的分析。当你知道每个产品每个层次的具体情况（例如转化率）的时候，你就可以对产品进行进一步的优化：这也是产品迭代的基本思路。 

提高转化率：漏斗与细查

广义上来说，所有的商业网站或者APP都是电商，都需要用户变现。电商最讲究转化，比如注册转化、购买转化、搜索转化；转化的每一步都是非常微妙的，它们最后决定我们的网站的GMV或者成交额。2007年我在eBay工作，当时有17步的转化公式；注册用户到搜索转化率、搜索到浏览商品的转化率、浏览商品到购买的转化率等等，一步步连起来，分成17步。这17个步骤构成了公司的运营体系，每一个步骤的转化率一旦降低0.1个百分点，就会立刻有人去核查原因。 

我们以用户的注册转化为例，给大家介绍一下如何发现问题，解决问题。今天每个公司都有注册环节，需要用户填写电子邮件地址、手机号或者公司信息等等。要想提升转化率，前提是你要能很好的衡量每一步的转化。我们建立了一个注册流程的漏斗，可以清晰地看到总体和每一步的转化率；同时，我们也可以从不同维度对转化这个指标进行拆分，拆分维度根据业务需求各异。 

以GrowingIO的注册转化为例，今年1月份我们的总体注册转化率为7.6%。我们从浏览器的角度对转化率进行拆分，发现IE浏览器的用户转化率为1.4%，而Chrome浏览器的转化率高达12.2%。为什么IE浏览器用户的转化率那么低？难道是我们的网站在IE浏览器下不适应吗？当然这只是猜想，并没有充足的证据来证明。我们将IE注册失败的用户全部找出来，建个分群，然后观察其中3-5个用户的行为，大概就可以发现问题了。 

通过 GrowingIO的细查 ，产品经理发现IE注册失败的用户在提交环节出了问题，用户反复输入账号密码，无法提交成功。经核查，这是一个BUG，是用户的“怒点”，因为我们新的java架构对IE不兼容。当时我们的工程师花了2个小时对产品做了兼容的处理，接下来的一个月IE用户的注册转化率提高到12%。 

大家想一想，我们今天的产品里面是不是有很多这样的漏点，导致用户不断流失；只有一个一个弥补这样的漏点，我们的产品和用户的转化率才会提升，产品才可能不断增长。 

五、产品如何才能钩住用户：留存

留存，顾名思义就是指访问你网站后过一段时间仍然回访。我跟很多产品、运营的人交流，真正理解留存的人非常少。Facebook发现了一个521原则，一个互联网产品隔日留存率低于50%、隔周留存率低于20%、隔月留存率低于10%的话，这个产品是很难成功的。

这个留存曲线，如果你不做什么工作的话是很难有改变的，用户会慢慢流失。我们从产品功能的角度出发，发现使用过A功能（上图红色留存曲线）的用户表现得更加活跃、留存度更高。从产品迭代的角度，我们在下一个版本规划中将A功能的入口放在首页，使其获得更多的流量；刺激更多的用户高频使用A功能，从而提高总体的留存度。 

不同用户的留存度差异非常大，一般我们将用户分成4类：高留存、中留存、低留存以及流失用户。高留存的人一般来说它会贡献营收的35%到60%，虽然他们人数非常少，但是粘度非常高。中度留存的用户一般来说是我们的核心用户群，这个群体占我们公司活跃用户比例的20%-25%；剩下的是的是低活跃用户与流失用户。不难看出这些用户的价值和让用户比例是完全倒挂的。 

产品经理应该仔细研究高留存用户的行为，看他们在使用哪些产品功能，是怎样使用的；低留存用户在使用哪些功能，是怎样用的。这样一对比，你就会发现产品很多核心功能点，找到这些核心功能点后，我们所有的产品、运营、业务都改朝这方面来打。 

举几个简单的例子，LinkedIn发现用户第一周增加5个社交好友、Facebook发现用户第一周增加10个好友、Twitter发现用户第一周有30个粉丝、Dropbox发现用户在两个操作系统上使用的话，这些用户的留存度会非常高。每个产品都有它的魔法数字，产品经理如果能找到这些魔法数字，就可以有针对性地促进产品增长。 

六、数据分析的三个层次和五个阶段

数据驱动产品增长，体现在三个层次上，也就是中国人讲究的“道”、“术”、“器”。

“道”是指价值理念，好的产品经理应该能认同数据的价值；如果不认可这个价值，那么你无论怎么推都推不动的。“术”是指产品经理要有正确的方法论，比如现在新兴的“Growth Hacker”（增长黑客）框架，从获取、激活、留存、变现与推荐五个环节驱动产品增长。“器”则是指好的工具，一个好的数据分析工具可以帮助产品经理加快产品迭代速度、缩短开发周期，从而增加用户的价值。 

用数据来驱动产品增长，产品经理需要了解数据分析的5个阶段。一般情况下，数据分析的商业价值随着分析的复杂程度而增加。

最开始，人们靠拍脑子、拍大腿、拍胸脯做决策，完全靠直觉。当时当你的系统越来越复杂的时候，拍脑子决策就会产生很多错误，效率也会越来越低。 

在数据分析的第一阶段，我们需要知道历史，以前发生过什么，这是基础。 

第二个阶段你需要找到原因，人们为什么会用你的产品，凭什么给你的产品付费，为什么不同用户的粘度差异那么大。 

第三个阶段，产品迭代和运营要快。以前人们三个月更新一个版本，现在很多产品经理通过数据每天做出一个决策，小步快跑，快速迭代。在这个过程中，特别需要重视实时的分析，新功能上线、产品运营活动都需要实时监测效果。 

第四个阶段，通过数据进行预测。人的行为很难改变，用户以前的行为很可能延续下去。 

最后，数据化的核心需要很好的执行，需要落地，我们需要对未来进行改变。 我们可以通过市场营、内容传播、业务推广等等方式，实现产品、业务、用户的增长，创造源源不断的价值。 

本文作者：张溪梦， GrowingIO 创始人&CEO、前LinkedIn商务分析高级总监。原文发于 GrowingIO官网博客 ，微信公众号GrowingIO.