如何建设用户增长数据指标体系?
今天这篇内容相对短一些本篇文章我们主要站在用户增长团队的管理者以及数据分析师的角度,分享如何为自己的用户增长业务构建一个数据指标体系,以便于全面的掌握和了解产品在用户增长方面的数据情况。
挺长一段时间没有输出用户增长方面的内容了,最近将补充更新部分用增方向的内容输出。
一、建设用户增长数据指标体系的目的是什么?
首先,从管理者的视角,数据指标体系是为了清晰的掌握产品的用户增长情况,监测产品增长的健康度,以及及时的发现业务可能存在的问题;另外更重要的是,通过一套指标体系,把整个增长团队的各个责任方关联起来,确保业务间紧密协作并有条不紊的闭环运行;
其次,从数据分析师的视角,数据分析指标体系也是用于发现问题和分析问题,并且数据指标体系也可以统一业务的数据口径,避免每个人的数据口径都不同;
二、数据指标体系应该满足哪些要求?
- 能体现产品的用户增长成果、用户增长健康度
- 核心指标和组织架构关联,从数据指标体系上能看出组织的分工;
- 能有助于及时发现问题和分析定位问题;
三、用户增长数据指标体系
以下为三白结合过去的工作经验梳理的数据指标体系内容,为体现指标之间的关联,我用一个脑图汇总呈现,详细的介绍每个指标的口径和具体用途如下:
1. 北极星指标
也就是对于用户增长团队最重要的关键指标,通常用户增长的北极星指标会采用MAU或者DAU作为唯一观测指标,这一一般没有什么问题,不过个人建议增加一个“有效”的口径,例如有完成点击或者浏览的用户,具体如何界定有效,可以由业务自己判断,其目的是剔除掉一些无效的活跃用户,避免被虚假的增长繁荣欺骗。
按照活跃类型拆分:可以将MAU拆分成新增、留存、回流三部分,具体如下:
- 新增部分:衡量新增的核心指标可以用“当月有效新增MAU”,同时为了衡量获客新增的质量和健康度,避免业务为了增长而不顾用户质量,可以增加ROI、新用户留存率等辅助指标;其中ROI可以采用 LTV/CAC,LTV表示平均一个用户在新增后的某一个时间周期内产生的付费金额,通常会检测7天、30天、90天、180天、365天等时间周期的LTV;而CAC则表示获取一个用户的成本,可以用营销费用/付费新增用户计算;新用户留存率可以用新用户次月留存率作为检测指标;
- 留存部分:衡量用户留存的核心指标可以用“次月活跃留存率”,活跃留存的用户表示上个月活跃,本月活跃的用户,因此其计算口径为“次月活跃留存率=上个月活跃本月还活跃用户数/上个月活跃用户数”;活跃留存率用于评估活跃用户的留存状态;同时也可增加几个评估产品粘性的辅助指标,包括使用次数、使用时长、NPS等指标,用于衡量用户对产品的使用频率、使用深度和好感度;
- 回流部分:回流MAU主要用户衡量用户召回的情况,其中回流的口径为历史活跃过,本月活跃,但是上个月没有活跃的用户,衡量回流的核心指标可以采用“回流率”,计算口径为统计历史活跃但是上个月不活跃的用户中,本月回流的占比;因为回流用户的召回通常需要伴随站外触达渠道触达,所以辅助指标可以增加触达渠道的触达率和点击率等指标;
按照增长公式拆分:可以将MAU拆分成关键影响者规模x裂变系数;
- 关键影响者规模:其中关键影响者的口径可以根据产品的形态决定,该角色表示在产品形态上,其活跃会带到其他产品活跃,包括云视频会议里的会议主持人,或者是协同文档里面的文档创建者;
- 裂变系数:裂变系数表示一个关键影响者平均可以带动多少个活跃,为拉动规模的指标;
2. 转化漏斗指标
除了关注用户增长的北极星指标,同时也需要关注产品的转化漏斗指标,其中转化漏斗通常需要结合产品的黄金体验路径。
也就是说,你需要定义一个用户完成到哪个步骤才算完成了产品核心使用链路的体验;围绕这这个路径建立转化漏斗,分析整个漏斗的转化情况。
以短视频APP产品为例,其转化漏斗可能包括“启动APP→登录→完整浏览完一个短视频→收藏、互动→付费”。
3. 多维分析指标
多维分析主要是为了从不同的维度分析数据,从而找到不同的维度因素对业务指标的影响,通过多维指标,可以掌握不同维度的数据情况,常见的分析维度包括用户画像、使用场景、使用终端、内容分类等;
OK,以上即为关于用户增长指标体系部分内容,希望能帮助到大家!
作者:三白有话说,公众号:三白有话说
本文由 @三白有话说 原创发布于人人都是产品经理。未经作者许可,禁止转载。
题图来自Unsplash,基于CC0协议
该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。
- 目前还没评论,等你发挥!