AARRR->RARRA,用户增长模型的变化!
共 3575字,需浏览 8分钟
·
2021-09-07 23:35
本次分享的内容有:
什么是用户增长
增长的必杀技是补贴
智能化补贴的框架
关键词:增长、补贴、效率
增长是目标,补贴是手段,效率是评价。
▌用户增长
定义:用户增长是用户的新增量大于用户的流失量,就像一个游泳池一样,在动态维持用户的增长。增长包括两个方面:人数(用户的绝对数量)和质量(每个用户贡献的价值)。
整体上可以用一个公式来表达:
规模=(DAU + growing - dying) * 质量
当 growing > dying 时,表明用户量是增长的。若平均质量也在增长,说明整体盘子的用户质量很高,也是属于增长。所以做增长,需从人数和质量两个角度着手。
1. 增长模型的演变
随着时间的变化,增长模型发生了如下变化:
共同点:增长模型依然是5件事情,只是顺序发生了改变。
不同点:在互联网的早期,各个垂直领域都是缺少竞品的空白区域,平台属于野蛮生长时期,最需要做好获客,适合 AARRR 模型。而在当下各个细分领域的供需双边都饱和的情况下,获客成本越来越高,且留存的成本远比获取新用户成本低,所以做好留存的重要度明显比获客高。
2. 用户生命周期曲线
将用户从了解某 app 到离开 app 的过程划分为6个阶段,分别为潜在期,新手期,成长期,成熟期,衰退期,沉默期。按照用户价值与时间的关系如下所示:
很明显,用户在成熟期价值最大,其次是成长期和衰退期。那么,不同生命周期,我们能做什么呢?
从图3 来看,图形类似于一个烟斗,这里称呼为烟斗模型,烟斗模型解释了每个时期,我们能对用户做哪些操作,使用用户给平台带来更大价值。
获客:发生在潜在期,对潜在用户进入引导,让其进入平台
激活:发生在新手期,用户进入到平台,引导用户熟悉 app
留存:从用户进入到 app 到离开 app 都要做留存,以最大程度的延长用户生命周期。
收益:即让用户向平台付费,主要发生在用户使用 app 一段时间后,即成熟期和衰退期。
推荐:品牌认可,用户将 app 向好友推荐,获取优质的用户。发生在新手期、成长期、成熟期。
▌增长的必杀技是补贴
定义:通过补贴,让用户尝试使用产品,给予用户好的体验,并让其在未来留下来继续使用 app。
1. 补贴案例
案例1:加班补贴:用补贴换时长增加
实施打车策略后,原本8-9点下班的员工会工作到9-10点,对公司而言,付出了打车费用,总的工作时长增加了,但 ROI 是否会增加具有不确定性。
方案2:补贴增强用户体验
对有打车需求的用户,给予补贴。通过平台让利的策略,提高用户发单的概率,以提高平台营收。
小结:用补贴的方式使更多用户来体验产品,让用户更加频繁的使用 app 并留下来。常见的补贴有现金红包、现金券、折扣券、积分、实物奖励等。
2. 该如何补贴
发小钱办大事,提高补贴效率,补贴效率公式:
分子为补贴后的效果减去补贴前的效果,即补贴收益 ;补贴金额等于活动投入的金额,即补贴成本;ROI 等于补贴前后的收益处以补贴金额。若想使 ROI 呈现递增趋势,在补贴成本不变的时候,使补贴前后收益增加,或补贴收益不变的时候,减少补贴成本。
3. 如何提升补贴效率
提升补贴效率的关键因素:市场供需
投放补贴,应该围绕市场供需来做,满足用户的需要,驱动增长。对于增长来说,提高 ROI,有两种方式,保持分子不变,分母变小,即补贴前与补贴后的收益效果不变,认为市场需求达到了天花板,通过减少补贴,驱动 ROI 增长;保持分子变大,分母不变,认为市场有供给需求,即市场供需不足,在补贴成本不变的情况下,带来了收益增加,就需要提高补贴效率。
▌智能化补贴
1. 必备条件
多部门合作,需具备人工智能、心理学、经济学知识。
2. 优化思路
如何对上文案例1中的打车补贴与工作时长关系优化,最大化 ROI 呢?下面从两个角度来优化策略:补贴敏感度和市场供需环境。
角度一:补贴敏感度
问题:无效补贴
明确哪些因素会影响收益和成本,找到对收益没有影响但增加了成本的因素。在打车补贴案例,实施补贴策略后,会有部分原先不属于补贴范围的员工向补贴区域转移,使得享受补贴的人数增加,补贴成本也会增加,收益是转移进入补贴范围用户的工时增长。对于原先工作到9点后下班的员工,工作时长没有增加,补贴成本增加了,这部分人的补贴就是无效补贴。
对于无效补贴的用户,是需要待优化的。
3. 优化策略
① 引导用户增加工时
实施打车方案后,工作时长没有得到有效增加,但支出增加了。结合员工历史下班时间,如果员工工作时长增加60分钟,就给予打车费报销。采用策略引导员工增长工作时长,达到了预期的工作时长,对其给予补贴。对公司而言,获得了更多的工作时长,同时剔除了无效的补贴,ROI 的分子变大,同时分母变小。
② 弹性补贴
在策略1的基础上,继续优化补贴成本,对不同的员工给予弹性的补贴,从整体角度来看,收获的工时不变,公司投放的成本减少,ROI 增加。
③ 价值转化
在策略2的基础上,考虑每个员工的边际效用与边际成本,若是边际效用大于边际成本,给予补贴,否则不给与补贴。同时,给予补贴的员工给予弹性补贴。整体上来看,工时增长了,投入的成本减少,ROI 减少。
角度二:市场供需环境
这时,结合市场的供需环境,给予员工福利待遇:
④ 增加补贴,换留存
⑤ 减少补贴
4. 复盘
前面3版本,从员工画像角度考虑,利用大数据千人千面的能力,对员工的劳动能力、劳动价值、对钱的敏感度做出运营策略;第4和第5个版本,结合市场的供需环境、企业提供的岗位数量之间的供需关系做出的策略。整体上,就是补贴与收益的动态平衡。
▌精细化营销框架
每个框中包含了相应的数据和技术要求。底层搭建系统和提供数据支持,模型层将数据加工成用户画像以及做预测问题,机制层结合用户画像、预测结果等设计动态收益模型,保持平台盈利和生态平衡,最上层是产品,直达用户。
1. 算法工程师工作规范
明确目标,知道到底在做什么事情;有合理的指标体系来分解目标;从指标中提炼出行之有效的方法,也就是机制;机制抽象为模型,做成系统化的需求;最后是评估,对策略做数据评估,以便于迭代优化。不同职业发展阶段,不同方面的能力的重视程度不同,在刚步入职业阶段,模型尤为重要,越是职业发展后期,指标和评估更为重要。
2. 模型
用户模型:刻画用户能力和劳动意愿。
供需模型:预测类型,包含时序模型、指数因子模型、特殊修正模型,其特征体系包括指标序列、线下特征,还具有一定的周期性、趋势性、随机性等特征。
3. 补贴机制
第一个:在业务早期,验证市场有效,目标是最大化收益,同时保证投入就可以带来收益;
第二个:在业务快速成长阶段,加大投入,提高业务覆盖面,最大化 ROI,保持投入效率最大化;
第三个:在业务成熟阶段,保持收益不减少,减少补贴,提高 ROI。
4. 产品思维
信息不对称,供给不足:在信息不对称或垄断的情况下,采取涨价措施,提高收益。
损失厌恶的心理:利用损失厌恶的心里,换取未来一段时间的活跃度,适用于竞争态,提高用户忠诚度和留存度的场景。
通过不确定性的奖励来增加趣味性。
5. 风险
可能的风险:用户感知杀熟,认为不公平的情况。
如何规避:
规则透明:明确告知用户规则机制。
提高定价,反向补贴,完成差异化定价,先提高定价,再给用户实惠折扣来吸引用户下单。
▌总结
智能化用户增长,需要具备多项技能,技术使得我们具备接触数据、熟悉数据、加工数据的能力,人工智能帮助我们准确的预测用户,微观经济学帮助我们理解收益平衡机制、明确 ROI 增长思路,黑客增长和心理学拓宽我们的思维和了解用户,拥有更多的途径来实现策略的落地成为产品,更加好用的产品直达用户。
推荐阅读
欢迎长按扫码关注「数据管道」