通过核心指标的搭建与拆解,实现产品用户增长
本文以我之前负责过的一款产品为例,来说明如何通过核心指标的搭建与拆解来实现用户增长。
产品介绍:该产品为一款电子竞技线上赛平台,为B端用户提供一站式的电竞比赛解决方案,盈利模式为向有举办比赛需求的B端用户收取手续费(B端用户包括有广告需求的电竞赞助商、有通过水友赛来维持粉丝活跃度的游戏主播等),该产品的最终价值是帮B端用户尽可能多的触达用户,以及让C端用户通过比赛获得更多的福利
第一步:建立核心指标
结合产品价值,我给这款产品定下的核心指标(即北极星指标)为【每日赛事的总参与人数】。
第二步:拆解核心指标
【每日赛事的总参与人数】=【每日成功创建赛事数】*【赛事曝光率】*【每日活跃人数】*【人均参与赛事数】
这个拆解过程根据业务复杂度可以无限拆解下去,拆解颗粒度精确到一个负责人或者一个任务,可以看出影响核心指标主要受每日成功创建赛事数、赛事曝光率、每日活跃人数、人均参与赛事数这四个因素影响,乘法规则里每个因素的提升都会对整体结果进行提升,所以接下来针对这四个因素做提升计划。
第三步:针对各影响因子做提升计划
1. 每日成功创建赛事数
【每日成功创建赛事数】可以拆解为:每日尝试创建赛事数*创建成功率,可以进一步拆解为:(每日尝试创建赛事人数*人均创建赛事数)*(第1步成功率*第2步成功率……第N步成功率)
每日尝试创建赛事人数可以通过商务合作、渠道投放、信息流广告等方法提升,关键在于准确找到有需求的用户,提升品牌效应、给与免费试用机会、效果保证等方法都不失为良策。
人均创建赛事数,找到目标用户后,可以通过专人引导、产品新手引导等方法帮助用户解决首次体验认知障碍,通过产品的极简化设计让用户快速上手,基础配置(如赛事类别、赛事名称、开始时间、报名人数、奖金池等)和高级配置(赛制、是否争夺三四名等)相结合,满足用户不同层次的用户需求。
各个环节的成功率,冗长的赛事信息可以分批次展示给用户,通过“下一步”来引导用户继续填写,利用前端行为埋点等方法来检测用户流失位置,统计用户流失分布图,按流失严重优先级针对性的设计A/B test实验,通过科学实验得出优化方案,从而提升各个环节的成功率。
2. 赛事曝光率
赛事曝光主要有两个途径,赛事列表和广告位推荐,所以通过这两方面进行提升:
赛事列表:找准用户偏好,如果用户是一名dota2的玩家,就不要把英雄联盟的赛事放在列表前列,如果用户喜欢奖金高参与人数少的比赛,那我们就需要把相应的比赛放在显眼的位置,总之是以用户标签做基础提高用户与赛事的匹配度,从而提高用户参与的概率;
广告位推荐:与上同理,尽量展示用户感兴趣的赛事(千人千面),通过banner图的设计,强调奖金或与电竞大咖同台竞技等为噱头提升用户点击的欲望,当然什么图更吸引人也是需要做A/B test来得出结论。
3. 每日活跃人数
每日活跃人数可以简单的拆解为:注册用户数*打开频率。
注册用户数,可以通过渠道推广、病毒裂变等方法提升;
打开频率,长期看可以通过有效的功能场景(签到、打卡、任务设计),合理的推送渠道(APP通知、短信通知、客服唤醒等)等方式提升。短期可以通过一些事件营销和社区传播的手段,引起用户的关注和讨论,从而阶段性提升打开频率。
4. 人均参与赛事数
想要提高人均参与赛事数的整体水平,我们有必要针对不同需求的用户制定相应产品策略,简单方法可以按照新手用户和专家用户来区分,这里我们根据用户的行为对用户进行更细致的分层,下面根据用户平均参与赛事数做一个用户漏斗:
根据数据得知这四个层次由上到下的人数比例为6:4:2:1,则每日人均参与赛事数为0.45次,从策略而言,我们要把0.45这个数字提升到1.0或更高。
在执行层面,有两种方式:
- 让每一层的用户向下一层流动,即让无参赛行为用户开始体验一局游戏,让体验型用户还会偶尔回来再玩,让偶尔参赛的用户活跃起来,基本的逻辑是改变6421这个结构;
- 提升每个层级的人均参赛数量,例如让0变成0.3,让0.3变成0.5。
基于以上的数据分析和目标拆解,那运营就可以有更加明确,精细化的策略。例如目标是让无参赛行为用户体验一次完整比赛流程,可以对这部分用户展示新手福利局(例如奖金翻倍等利益刺激,消息轮播获奖情况等),目的是让用户产生兴趣,从而促使用户完成一次真实的action。
总结
首先建立产品增长的核心指标,然后将核心指标层层拆解为业务指标,通过提升每个业务指标,来实现整体核心指标的增长。
本文由 @ 打伞遛狗 原创发布于人人都是产品经理。未经许可,禁止转载
题图来自Unsplash,基于CC0协议
有点困惑这个是怎么拆解的,求教!【每日赛事的总参与人数】=【每日成功创建赛事数】*【赛事曝光率】*【每日活跃人数】*【人均参与赛事数】
每日活跃人数*人均参与赛事数不就是每日赛事的总参与人数了吗?
这个公式严格意义上不是数学等式,主要表达的是左边的结果值会受到右侧相关因子的正向影响
获益良多~ 感谢
写的很好,对于刚接触小程序的产品经理数据分析向的话很有借鉴意义和启发
谢谢您的鼓励
赞