用户增长实战-商业模型

简介: 有路必有福,有路必有胜。

一.介绍

早期很多公司,基于经验和实践,靠本能的无意识做出决策,从心里学上讲,我们每天无意识暗示自己做很多事情,并没有大脑深层次神经元进行思考,这就跟动物的习性相类似,这种情况,其实是不怎么严密的数学分析,当然不要过于以数据为导向,滥用数据容易导致局部最优化,数据是检验假设的工具,再结合人类的反思,不断闭环,可以得出当时那场景的最好方案。
这就是用户增长平台的初衷,制定完善的数据评估和优化体系,确保用户增长规模和用户增长成本达到一个良性的水平。
这里面涉及六大商业模式,公司规模,市场等等原因,很复杂,可以生成不同种类框架,对产品生命周期,有不同的具现化,我以当初医疗管理考培产品为例,串联一条线路分析,围绕数据驱动涉及四个环节——采集、建模、分析、指标讲述如何将数据驱动方案落地。

二.背景

我这篇文章结合做过的一个实例,从一个侧面了解下我当时的所思所想,公司是做互联网医疗的,产品方向做关于护理人员的考试、问卷、活动、培训、评价方面,产品端有Web,App,小程序,由于时间久了,有些数据不便公开,请朋友们谅解。

三.商业模式的区别

3.1 背景

具我了解这个领域当初在国内2015兴起,无论是用第三方平台友盟,还是自研平台,找对方法,都会对整个团队有所增益,这个领域不断在演化,下面介绍比较有名几个概念。

3.2 海盗指标

“海盗指标”这个术语由风险投资人戴夫·麦克卢尔创造,得名于五个成功创业关键元素的首字母缩写。将公司最需要关注的指标分为五大类:获取用户(Acquisition)、提高活跃度(Activation)、提高留存率(Retention)、获取营收(Revenue)和自传播(Referral),简称AARRR。

image.png

这五个指标并不一定遵循严格的先后顺序,这是因为跟当时产品,公司发展,市场情况决定,以我的经验,最初是关注第一关键指标,然后围绕这个指标建模分析。不用关注太多,关注太多,生成决策混乱,所有这个找对方向效果非常明显。

3.3 增长引擎

埃里克·莱斯提出了驱动创业增长的三大引擎,它们都有各自对应的关键绩效指标(KPI)。

image.png

黏着式增长引擎

黏着式增长引擎的重点是让用户成为回头客,并且持续使用你的产品,它和海盗指标中的提高留存率阶段这个概念类似。如果你的用户粘性不大,流失率会很高,用户留存不理想。
衡量粘性最重要的KPI就是客户留存率,除此之外,流失率和使用频率也是非常重要的指标。长期黏性往往来自用户在使用产品过程中为自身所创造的价值。比如百度网盘里面的内容,存储着用户所有资料,同样游戏账号也是如此。
黏着性也不能全看留存率,它还和频率有关,以我当初的场景为例,产品面向用户是全国的护士,这些用户不同地区,不同医院,跟政策有关,才会用产品某些功能的(考试,测试,活动,试卷,题库等等),它使用频率不相同,当初建立几个维度,地区,医院,时间,来分析留存率。

病毒式增长引擎

所谓病毒式传播归根结底就是一件事情:让声名传播出去。病毒式传播之所以吸引人,在于它的指数性本质:如果每个用户能带来1.5个新用户,那么用户数将会无限制地增长直到饱和。当然事情肯定不能这么简单。用户流失、竞品和其他因素决定了它不可能真的无限制增长。
仅考虑病毒式传播系数还不够,你还需要衡量哪些用户行为形成了一个病毒传播周期(循环)。这就涉及到用户分级别,以我当初见到场景为例,跟你的设定划分用户,比如老用户,新用户,试用期用户,医院管理员,科室管理,根据时间维度,付费情况划分,得出增长率。

付费式增长引擎

重点是让已有用户进行付费,这一阶段的前置条件是前两者增长引擎已经得到了一些良好的成效,有了一些忠诚的用户,也有了一定的口碑,那么是时候赚点钱了。但赚钱本身并不能保证用户的持续增长,这里需要进行再投资,并使投资获得更多的回报。衡量增长的关键因素在于客户终生价值和用户获取成本,以及回收成本所需要的时间。
例如,当初医疗产品,一个用户年费180,根据用户衍生出路径分析,通过什么渠道获取(地推,管理员绑定),人力成本,这里面涉及边际成本,这样划分出一条付费路径。最好在一段时间内只关注某一个引擎。

3.4 第一关键指标

第一关键指标(OMTM),这个非常重要,这个取决假设,不同的阶段,这个关键指标不一样。

  • 解释现阶段最重要的问题。
  • 促使得出初始基线并建立清晰的目标。
  • 抽象出整个公司层面的健康。
  • 不断假设,测量,认知循环。

3.5 商业模式

电子商务

电子商务公司的主营业务就是让访客在其网店上买东西。这大概是一种最常见的在线生意模式了,并且绝对是大多传统统计工具的主要分析对象。
早期的电子商务模式由一个相对简单的“漏斗”构成:访客在网站浏览了一系列网页后,驻足于某件商品并点击“购买”按钮,然后提供相应的支付信息,并完成了此次交易。这就是经典的“转化漏斗”。
image.png

尽管转化率、重复购买率以及购物车大小十分重要,但真正起作用的指标是它们三者的积,即平均每位客户营收。双边市场和电子商务很相像,二者均关注在买家与卖家间促成交易,以及客户的忠诚度。

SaaS

SaaS指按需提供软件的公司,通常以网站的形式出现。比如一些云平台,软件供应商等等。
大部分的SaaS提供商以月费或年费的形式获取收益。一些提供商会按实际硬件消耗,即存储空间的使用量、占用的带宽或计算能力收费,然而这种模式目前在很大程度上受到基础设施即服务(Infrastructure as a Service, IaaS)和平台即服务(Platform as a Service, PaaS)云计算公司的限制。
很多SaaS提供商选择将其服务分层出售,月费也随所提供功能的不同而不同。这种差异可以是项目管理工具中项目数量的上限,也可以是客户关系管理应用中客户数量的上限。找寻层级和价格的最佳组合一直以来都是一大挑战,SaaS公司投入相当大的精力以寻找向已有客户追加销售的方法,从而升级至更高且获利更多的层级。
对于SaaS公司而言,增加一个客户的边际成本几乎可以忽略不计。因此很多SaaS提供商都选择通过免费增值模式来获取客户。提供商一方面允许客户在一开始免费使用一个受限的版本,另一方面又期望他们能够达到免费容量上限并开始支付费用。
image.png

流失率高于一切 ,如果忠实用户的形成速度要高过用户流失速度,你就可以生存下来,需要用户转换成付费客户以前便衡量其参与度,并赶在客户流失以前对其活动进行分析,采取先见性措施。SaaS公司和移动应用公司具有很多相同点,两种商业模式均非常关注客户的流失以及再发性营收,并努力提高用户参与度以使其付费。

移动应用

大部分营收来自于一小部分用户,应该将该部分用户单独划归一组进行分析处理。虽然关键指标是平均每位用户营收,但最好同时跟踪平均每位付费用户营收,因为“鲸鱼”玩家和其他玩家行为想法相差甚远。
移动公司与SaaS公司十分相似,二者均希望提高用户参与度,不断从用户身上牟利并减少流失率。

媒体网站

媒体网站需要库存(访客的浏览)以及合意性,而这均源于可吸引广告商期待群体访问来访的内容。很难在优质的网站内容和足量的付费广告间取得平衡。广告收入意味着一切。但广告具有多种形式,其中包括赞助商展示广告、按印象收费广告、按点击收费广告以及提成广告,从而使得营收统计变得十分复杂。
image.png

用户生成内容

许多用户选择潜水,一些会贡献些许内容,其余用户则会专注于内容生成,这种80/20的定律存在于你希望用户完成的所有活动当中。提高用户回访率并保持较高的参与度,需要各种策略,把用户贡献看的比什么都重要,但大多时候却需要利用广告来维持收支平衡。

image.png

双边市场

双边市场是传统电商的一个变种,公司通过帮助买家和卖家在网上达成交易来盈利(C2C)两种其他模型结合:电子商务和用户生成内容。很多双边市场均采用佣金制来获取利益,但此外还可采取其他手段来盈利,如帮助卖家推广商品或收取一次性的商品上架费等等。

image.png

3.6 小结

介绍了一些常用的指标,分析方法,你可以分析下当下公司的商业模式,第一关键指标,怎么样演进?
当初医疗考试培训产品,在最初时的状态,很多事情没有明确,数据基础架构没有构建,商业模式Saas+移动应用,管理平台中角色:医院管理员,科室管理员。功能:设置活动,问卷,试卷,题库,考试,测试,课件,课程,评价体系。
最初时第一关键指标是用户留存,那是产品已经生产三年了,很多功能迭代出来了,当时的最核心的功能考试方面,当时题库有五百多万道,当时产品设计功能导向,很不成熟,功能选择性太大,反馈性不好,比如导题,有如下几种,Excel,Word,页面上传等方式,选择性太多,而且有的功能复杂性高,效率不高,就算是设计好模板,成功率也会总出现问题,直接影响用户使用。围绕第一关键指标,改善核心功能。

目录
相关文章
|
7月前
|
人工智能 NoSQL 安全
MongoDB观点:让生成式AI成为业务增长的新动能,游戏公司可以这样做
游戏公司采用检索增强生成(RAG)技术,如MongoDB Atlas Vector Search,以提高AI输出的准确性和定制化服务。通过灵活的文档数据库如MongoDB Atlas,企业能更好地集成AI,确保数据安全并抓住创新机遇。ChatGPT标志着AI时代的转折点,游戏公司凭借大量数据优势,有望在这一变革中引领行业发展。
2984 3
|
4月前
|
监控 搜索推荐 数据可视化
增长分析系列一:社交行业指标体系设计与运营策略探究
社交行业作为一个快速发展且竞争激烈的领域,企业需要不断探索创新的增长路径以保持竞争力。在这个数字化时代,数据驱动的增长分析成为实现目标的关键。本文旨在探讨社交行业增长分析的关键要素,包括指标体系设计、运营策略和用户分群,旨在帮助读者深入了解如何利用数据驱动的方法来优化业务表现、提升用户体验,以及实现可持续增长。通过深入挖掘这些关键方面,我们将揭示社交行业增长的内在机制,为读者提供实用的指导和启示。
增长分析系列一:社交行业指标体系设计与运营策略探究
|
6月前
|
人工智能 安全 网络安全
能对当今公司IT市场产生重大影响的6大趋势
能对当今公司IT市场产生重大影响的6大趋势
|
7月前
|
人工智能 光互联 数据中心
800G光模块面对AI发展的增长之路
光模块市场因AI驱动的算力需求增长而加速发展,800G产品需求强劲,预计未来几年市场规模将以每年约11%的复合年增长率扩张。尽管面临价格竞争和原材料供应紧张的挑战,800G光模块将于2024年迎来大规模出货,而2025年将启动1.6T光模块商用周期。随着技术迭代加快和高端产品放量,行业头部企业将受益,光通信行业将迎来黄金时期。
103 0
800G光模块面对AI发展的增长之路
|
分布式计算 安全 算法
用户增长实战-基础平台建设
用户增长实战-基础平台建设
158 0
|
机器学习/深度学习 分布式计算 大数据
客户流失?来看看大厂如何基于spark+机器学习构建千万数据规模上的用户留存模型 ⛵
如何在海量用户中精准预测哪些客户即将流失?本文结合音乐流媒体平台 Sparkify 数据,详细讲解一个客户流失建模预测案例的全流程:探索性数据分析 EDA、数据处理、进一步数据探索、建模优化、结果评估。【代码与数据集亲测可运行】
5120 3
客户流失?来看看大厂如何基于spark+机器学习构建千万数据规模上的用户留存模型 ⛵
|
数据采集 存储 人工智能
《企业用户增长经验分享》|学习笔记
快速学习《企业用户增长经验分享》
149 0
|
机器学习/深度学习 算法 搜索推荐
请问机器学习算法岗中用户增长和推荐系统差别是什么呢?(二)
请问机器学习算法岗中用户增长和推荐系统差别是什么呢?(二)
471 0
请问机器学习算法岗中用户增长和推荐系统差别是什么呢?(二)
|
机器学习/深度学习 算法 搜索推荐
请问机器学习算法岗中用户增长和推荐系统差别是什么呢?(一)
请问机器学习算法岗中用户增长和推荐系统差别是什么呢?(一)
392 0
请问机器学习算法岗中用户增长和推荐系统差别是什么呢?(一)
|
机器学习/深度学习 存储 Web App开发
这家公司正在影响大公司决策,还开发了一款机器学习优化引擎
在斯坦福运筹学博士、杉数科技联合创始人兼 CTO 王子卓看来,人工智能和运筹学都能通过数据帮助人们解决实际问题。但与人工智能专注于预测、识别等功能的准确性相比,运筹学更在意的是给出商业、金融等场景下完整的解决方案,解决具体的行业问题。
250 0
这家公司正在影响大公司决策,还开发了一款机器学习优化引擎