产品经理:如何让用户跟你的产品如胶似漆?

2017 年 8 月 5 日 产品100干货速递 郭淑明,黎学谦

优秀的产品,都是要多面照顾,既要保持用户活跃又要维护用户粘性,缺一不可。



产品迭代和优化的基础是对产品的分析,而对产品的分析包含用户喜好、市场竞争、战略目标等等因素。这些因素看起来是一个个独立的部分,但是其实相互影响。总的来说,产品分析是一个非常综合的事情。


所以在产品开发迭代上,我们不能完完全全地依靠数据驱动,而是需要更多地靠数据启发。



我们今天抛除产品分析中市场竞争、战略目标等等维度,重点讲跟用户数据结合得非常紧密的产品功能使用度分析。看在产品开发迭代上,我们如何靠数据分析和启发。


功能分析框架


我们需要了解用户如何使用,感知产品,进而才能建立假设迭代产品。


1、产品功能分析三大要素


产品功能分析分为三大要素,包括转化指标、使用者反馈以及商业结果变现。



转化指标(Conversion Metrics)

在对产品功能的转化进行分析时,我们需要把握关键节点转化率,比如核心功能完成率(转化指标),注册转化率等等。


有效指标的选取是正确分析的基础。比如功能完成次数就是没有意义的指标,很多产品经理关心的点击次数也不一定是有意义的关键指标。

 

使用者反馈(User Feedback)

使用者反馈不仅仅是用户在应用商店或者其他的渠道留言反馈,产品经理们需要更深度地挖掘用户的真实需求。一般可以采用的方式有,访谈、测试等。


访谈的核心目的是理解用户的真是需求,而并非口头上的需求。比如 CRM 系统,用户可能口头上的需求是账户和销售管理,但是真实需求是销售预测。


测试包括易用性测试,A/B测试,多版本测试等等,在进行不同的测试时,都要尽可能地做到科学,客观。

 

商业变现(Business Result)

商业变现的本质是与用户留存紧密相关的,比如今日头条,Facebook 等产品,他们的商业模式是卖广告,收取广告主的费用,广告的基础就在于用户基数。


拆解下来,用户基数包括用户留存和用户增长。我们需要做的就是提高老用户的留存和新用户的增长。


2、定义用户模型


定义用户模型的过程就是描述你产品用户的过程。



我们一般将用户分为 5 种类型,它们是包含关系,也可以理解为一个漏斗。


  • 第一层是市场渠道(channel):你可以通过各种市场渠道接触到的所有用户;

  • 第二层是独立访问新用户(unique):独立访问你网站的新用户;

  • 第三层是一般用户(casual user):使用基础功能或者很浅功能的用户;

  • 第四层是活跃用户(active user):使用较多功能,留存较高的用户;

  • 第五层就是核心用户(core user):重度使用产品的用户。

 

这五层不同类型的用户,也可以被视为一个用户成长的各个过程。这就涉及到一个新的概念,叫用户的生命周期模型。



上图中每个层级的高度代表了用户对产品的期望值。也就是说,当新用户被激活时,对产品的期望值是最高的。


随着使用成本的增加,对产品的期望值也会稍微降低,但是越是深度使用产品,越能发现产品对自己的价值,到最后成为核心用户时,期望值就与被激活时相差不多了。


无论是哪一层的用户,都有可能流失掉,成为沉寂用户,即不再有返回产品的迹象。

 

更通俗一点,举个最近很火的王者荣耀的例子。

一般来讲,我们可以这么划分:


  • Unique:下载并注册;

  • Casual User:会进行操作、能打基本 5V5 匹配;

  • Active User:会进行简单的铭文搭配、装备选择、会打排位;

  • Core User:对铭文搭配了如指掌、对多个英雄都非常熟悉、对排名规则都十分了解。


以上所有的用户描述,都是基于用户在产品内的行为,而不是用户本身的属性。


在整个用户模型中,各个阶段必须要能够互相转化,也就是说每一层的用户都能够通过运营上升到下一层,不能有断裂,否则运营手段就没有了意义。


接下来我们就从产品分析的三个要素分别讲如何提升产品功能使用度。


转化指标


对于转化的提升,我们需要做好两件事,即捕捉关键事件和监控转化情况。


1、捕捉关键事件



拿 GrowingIO 产品来举例,对于 GrowingIO 来说,一个访问用户到激活用户较为重要的实践节点是注册账号。捕捉到这个关键事件后,我们需要对这个指标进行拆解。


在这个关键事件中,注册用户数 = 流量 x CTR x 转化率。


拆解出提升总体注册用户数的各个指标后,就可以对这些指标进行数据采集。比如我们可以用 GrowingIO 的圈选功能,几分钟即可完成数据采集,然后做进一步的分析。


2、转化监控



接下来就需要对关键事件的转化率进行监控,了解用户在注册流中的真实路径和流失情况。同时,更要监控转化率随着时间的变化,并针对不同的用户做用户分群分析,了解不同用户群体之间的转化率差异,找到问题所在。


使用户者反馈



从现有的解决方案到新产品的转变,影响用户做出决策的有 4 个因素。


  • 发现现在产品有问题

  • 被新的产品吸引

  • 对改变产生焦虑(价钱成本,使用成本,迁移成本等等)

  • 对现有产品的使用习惯和忠诚度


前两个因素是变更的理由,而后两个则是不接受变更的理由。所以在产品经理对用户进行访谈时,应该着重关注这 4 个因素。


比如用户在使用旧有产品时遇到哪些问题,新产品能提供什么新的解决方案,用户在变更时的成本和顾虑有哪些,比如价格成本,使用成本,迁移成本等等。

 

举个例子,对于很多 95 前的用户来说,基本上都经历过一个从 QQ 到微信的社交软件迁移过程。微信较之 QQ 有着更封闭的社交环境,产品功能上有直接发送语音、抢红包等更早更创新的特点。


而用户从 QQ 迁移到微信,可以直接使用 QQ 号登录,早期可以直接导入 QQ 好友。这些功能都尽可能地降低了用户的迁移成本。


用户不会无缘无故地使用新产品,使用者反馈需要挖掘用户行为背后的心理,一般可以通过 A/B 测试和访谈来进行。

 

1、用户访谈


用户访谈的意义在于促进产品迭代。


一般产品经理会做 User Case/User Story,即用户故事等等,但是促进产品迭代最重要的是做好用户待办事项。


用户待办事项出自哈佛商学院教授克莱顿·克里斯坦森(Clayton Christensen)提出的“待完成之工作”(Jobs to Be Done)理论。


这个理论要求产品经理在访谈后写出例句:动词+被动主语+场景。



比如:

用户的原句是"从我目前工作的地方到我家";

用上面的例句应该是"移动我和我的行李,从地面上"。


简单来说,这个理论的核心在于把用户动机放在第一个,即了解用户的目标和使用场景。


相比用户画像和用户故事,用户待办事项的重点在于用户做事的目的,而不是虚拟的目标用户本身。

 

2、A/B测试


A/B 测试是基于控制变量和双盲测试的概念,以一种比较科学的方式,测试新功能的改版是否合适的测试手段。它的核心在于科学的流量分割,观察产品使用组和对照组使用转化率的差异。



A/B 测试通常是在做完用户访谈后,对假设功能的优化测试。如果没有机会做大规模的用户访谈,A/B 测试也是一个很好的迭代测试方式。


在 A/B 测试中,足够的样本量和设定有效的信心转化率是最重要的两个环节。


但是,不是所有的时间点都可以进行A/B测试。比如有运营活动或者对产品特殊的时间点,都会造成测试的不准确,需要把这部分数据刨除。


做完 A/B 测试后,一定做 A/A 测试,检验流量的分割是否有问题。


商业变现


1、三种商业模式


产品使用度和商业变现的关系是什么呢?所有的产品最终的目的都是为了盈利。虽然在商业变现上,中国互联网前几年一直推崇的不考虑变现,先做用户量,但是最终都还是需要回归到变现的商业本质上。



通常来说,商业模式有以下 3 种:


双边模式:平台型产品,比如淘宝,一方面需要商家入驻,一方面需要用户购买;


直接型销售:绝大部分商业模式都是这样,比如汽车、房子、to B 产品等等;


非直接销售模式:对用户免费,在积累一定用户量后卖广告。比如 to C 型互联网产品,并不直接向用户收费,而是把积累的用户群体流量转嫁给有广告需求的企业。


2、用户留存是商业变现的基石

 

在变现上,以上三种商业模式的核心都是留存。


  • 第一种,商家和用户的双向留存;

  • 第二种,循环式利润,即复购和增购,则需要注重留存;

  • 第三种,最关注留存的类型,因为没有用户群体的流量就没有广告收入。


无论哪一种商业模式,都必须关注留存,除非你想做一次性销售,但是绝大多数一次性销售都是骗人的。



在分析和提升留存过程中,我们必须要注意几个问题


产品使用是否具有周期性行为

比如旅行,投资等产品。商业变现是迎合用户使用习惯增进变现,比如大家会在早晚高峰时使用共享单车,那么运营人员就不应该在中午进行大量投放。


我们需要对用户周期性的行为进行分析,理解用户使用背后的心理,进而迎合这种需求。

 

留存曲线的高度

理解你产品的使用周期,比如社交软件的使用频率较高,就以日来算,而有些产品是以周来算,有些产品则是以月来算。


确定了你产品使用的最小周期单位之后,才可以以此为标准来观察短期留存、中期留存和长期留存。

 

各个阶段的留存

短期留存和新用户引导很有关系,因为这决定了用户能不能在最短时间内看到产品价值,达到所谓 aha moment;


中期留存是关键在于用户能不能建立使用产品的习惯;长期留存即是产品对用户来说是否真的有使用价值。

 

Facebook 曾经提出过一个留存的黄金法则,好的社交、工具 App 的留存应该符合 40-20-10 法则,即次日留存率达到 40%,7 日留存率 20%,30 日留存率达到10%。


3、留存如何影响商业变现


留存跟商业变现的关系是什么?


张溪梦先生在说到 LinkedIn 265 亿美元估值时讲到一个重要的公式,即获客成本(CAC)和用户生命周期价值(LTV)之间的关系。


LinkedIn 估值高的一个重要原因就在于,相比其他普通的 SaaS 企业,LinkedIn 获取企业客户的成本非常低,而用户终身价值又很高。



留存的意义就在于提高用户的终身价值。


举个例子,现有电商类产品单个用户获取成本在百元以上,但是如果用户在产品内的消费都不到百元,那整个利润就为负了。


留存是将用户留住,进而不停地用各种运营手段去转化,用户才有可能持续付费。


4、功能留存矩阵


如果说留存是最大的一个核心指标,那么拆解到产品功能上,就是提高单个功能的留存。产品经理要做的是,将自己产品的所有功能进行盘点,建立产品功能留存矩阵。



上图中,功能留存率指当前周期再次使用该功能的用户与上个周期使用该功能用户的比例,可以看出当前功能的用户黏性。


使用用户占比:某个周期内使用当前功能的用户量与该周期的活跃用户量的比例。

 

在上面这张图中,第一象限的功能,功能留存率和活跃用户占比都比较高,说明这是产品的核心功能,已经达到 PMF(Product Market Fit);


第二象限的功能,留存率较低,但活跃用户占比较高,说明用户对这个功能是有需求的,但是功能本身并没有满足用户的需求;


第三象限的,价值不高,但也有可能是设置类的低频基础性必要功能;


第四象限,留存率高,但是使用占比低,可能是符合用户需求的功能,但是很多用户没有注意到这个功能。

 

产品功能的留存优化应该针对第二、四象限,即完善第二象限的功能,将第四象限的功能放在更显眼的位置,引导用户更多地使用。


Facebook 案例


最后讲一个 Facebook 早期的案例。其实早期的人人网和 QQ 空间都有过这个功能,就是创建相册,上传照片,后期大量上传需要下载一个插件。


Facebook 的迭代案例有趣的地方在于,它告诉我们数据在产品迭代过程中起到的常常不是驱动的作用,而是启发作用。



上线这个功能后,用户从创建相册到选择本地照片上传,上传成功率从 34% 上升到 45% ,这是一个很大的提升,说明这个功能对用户来说是有价值的。


但是 Facebook 的产品经理们通过数据发现,在上传成功的用户中,有 85%的用户只上传了一张照片。



在对用户进行访谈和洞察后,他们发现是上传的界面让用户误以为只能上传一张照片,其实是可以按住 shift 选择多张照片的,但是大多数用户没有发现这个隐藏功能。



于是他们做了这样一个功能迭代,在上传的页面上加了一段 tip,告诉用户可以选择多张照片。于是只上传一张照片的用户从 85% 降到了 40%,这是非常好的一个提升。



不仅如此,每个用户平均上传的照片张数从 3 张,上升到了 11 张。但是从上传的波峰来看,大多数用户会在周末集中上传多张照片。


于是产品经理们认为虽然这个功能对用户来说有很大的价值,但是可能对用户来说太重,需要利用周末的时间集中挑选照片,然后上传。


所以他们决定持续优化这个功能,让用户更方便地上传照片,即便不在周末也能随时使用这个功能。



于是他们提供了一个 Chrome 插件,供用户更方便地一次上传更多张照片。类似早期 QQ 空间的照片上传助手。



这个插件上线后,有 117 万的用户尝试去下载,说明这个功能的确是强需求。



但是最终愿意下载插件的用户只有 37%,因为这个使用成本对用户来说太高了。

 

对 Facebook 的产品经理来说,上传照片的功能的确是他们需要优化的方向,但是如果一味地朝这个方向走,不考虑用户真正的使用感受和成本,就有可能伤害用户。

 

所以在提升产品使用度上,不仅需要监控和分析数据,更需要对用户的真实诉求和使用感受进行挖掘和洞察。毕竟用户使用产品的过程,是一个人和你的产品真实又生动的交互过程。


(文/郭淑明,黎学谦    微信公众号/GrowingIO)



「今日互动」

主题:用户粘性


文章中的理论,你认为哪个对增加用户粘性效果最明显呢?说说你的理解。


欢迎在文章下方留言,大家踊跃发言,说出你们的想法吧~




猛戳“阅读原文”,对话学习导师,了解更多产品经理课程,知识学习更全面~

登录查看更多
0

相关内容

GrowingIO是基于用户行为的新一代数据分析产品,提供全球领先的数据采集和分析技术。企业无需在网站或app中埋点,即可获取并分析全面、实时的用户行为数据,以优化产品体验,实现精益化运营,用数据驱动用户和营收的增长。
商业数据分析,39页ppt
专知会员服务
158+阅读 · 2020年6月2日
【实用书】Python数据科学从零开始,330页pdf
专知会员服务
139+阅读 · 2020年5月19日
【经典书】贝叶斯编程,378页pdf,Bayesian Programming
专知会员服务
244+阅读 · 2020年5月18日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
产品经理们,好好琢磨产品定位吧
产品100干货速递
7+阅读 · 2019年6月4日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
如何成为一名商业产品经理?
产品100干货速递
6+阅读 · 2018年10月18日
两套经典的用户画像
产品100干货速递
26+阅读 · 2018年6月19日
如何利用动态信息数据构建用户画像?
NPDP产品经理资讯
6+阅读 · 2017年10月11日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
认识个性化推荐系统:从推荐算法到产品冷启动
人人都是产品经理
6+阅读 · 2017年9月15日
教你 5 步画出用户画像
职人社
8+阅读 · 2017年9月13日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
A Survey on Bayesian Deep Learning
Arxiv
60+阅读 · 2020年7月2日
Arxiv
3+阅读 · 2018年11月12日
Arxiv
9+阅读 · 2018年1月30日
Arxiv
25+阅读 · 2018年1月24日
Arxiv
13+阅读 · 2018年1月20日
Arxiv
4+阅读 · 2017年11月14日
VIP会员
相关资讯
产品经理们,好好琢磨产品定位吧
产品100干货速递
7+阅读 · 2019年6月4日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
如何成为一名商业产品经理?
产品100干货速递
6+阅读 · 2018年10月18日
两套经典的用户画像
产品100干货速递
26+阅读 · 2018年6月19日
如何利用动态信息数据构建用户画像?
NPDP产品经理资讯
6+阅读 · 2017年10月11日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
认识个性化推荐系统:从推荐算法到产品冷启动
人人都是产品经理
6+阅读 · 2017年9月15日
教你 5 步画出用户画像
职人社
8+阅读 · 2017年9月13日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
Top
微信扫码咨询专知VIP会员