關於數據和產品增長，這裡有 6 個你可能關心的問題

這 6 個問題是我在知乎 Live 分享時各位聽眾提出的，我覺得這幾個問題都很不錯，整理出來與大家分享。

問題列表如下，大家可以根據自己關注的問題查看：

1. 公司和產品從什麼時候開始關注數據？

2. 在產品不夠完善的情況下，拉新和留存，哪個更重要？

3. 電銷行業怎樣做到數據驅動？

4. 客戶留存有兩個層次，一個是活躍與否，一個是活躍程度，請問你們是怎麼看的？

5. GrowingIO 與市場上其他分析產品有哪些不同？
6. 如何配置拉新與留存之間的比例？

最後和大家分享下「數據分析分為哪幾個階段」這個問題。

部分問題回答的較為簡短，如果想要了解更多信息，我在對應問題後面附上了之前寫過的一些詳細解讀文章。

Part 1 | 公司和產品從什麼時候開始關注數據？

Q：在產品的不同周期，我們應該關注哪些不同的東西？從什麼時候開始我們要關注數據？

A：

我簡單的和大家介紹一下，我個人認為產品或者服務，基本上開發可能分四個時期。

首先，假設一個創業公司沒有很多的數據，也就是冷啟動的狀態。冷啟動的狀態都是非常難的，因為我們沒有任何的數據，也沒有任何的用戶來使用我們的產品。所以說，他在創始人也好，產品經理也好，要不恥下問。至少要問20個潛在客戶，您的產品對他來說有沒有吸引力、有沒有用，您至少要再去問50個客戶，這些用戶對您準備開發的核心的功能他們是否覺得有興趣、願意使用。這是在沒有數據的情況下，我們要做的冷啟動的一個階段。

到了增長前期，也就是下一個時期，我們需要關注幾個基本的點：這兩個指標一個是說活躍度、一個是說留存度，這兩者其實是互為表裡的。

第三個階段，就是增長期，我們需要知道我們的獲客成本，哪個渠道來的新增用戶是最有粘度，同時如何能獲得指數級的增長，還有一點是非常注重病毒式的營銷。什麼是病毒式的營銷？以前在 LinkedIn 做的時候，我們有一個K指數的概念，就是10個用戶，有多人會推薦您的產品給他的朋友。舉例來說大家都知道社交網路的產品，如果他是一個K指數比如說 10%，也就是 10 人中只有 1 個人來推薦的話，產品不可能獲得自然增長。如果 10 個人推薦給 20 個人的話，那麼他就能獲得幾何倍數的增長，所以說好的產品是有好的口碑的。

第四個階段，就是變現期。說真心話，我不覺得變現期是要到第四個階段才要開始去做的，往往在產品設計的早期，創始人也好，產品經理也好都要仔細的思想商業的本質和商業的模式，如果一款產品他最終是不能變現，那麼這個企業很難做成一個持續成長的企業。

Part 2 | 拉新和留存哪個更重要

Q：在產品不夠完善的情況下，拉新和留存，哪個更重要？

A：

首先，如果產品還不是很完善的話，我強烈建議大家要關注留存率和用戶的使用度。因為一款產品如果沒有使用粘度的話，您拉來再多的用戶，他都會想像一個漏水的桶里的水一樣慢慢流失，這樣就很難獲得積累性的增長或者指數型的增長。

我給大家舉個例子，如果您的用戶流失速度是每個月 3%，另一家公司的用戶流失速度是每個月 1%，在 5 年以後，這兩家公司的估值會差 4 倍到 5 倍，這就是每個月差 2% 的區別，幾年以後就會差這麼多。

如果您的產品現在流失率很高的話，那麼完全是不應該去做拉新的，應該先把產品的核心功能打磨好，但是這裡並不否認您需要拉來更多的用戶來測試，驗證您的產品是否適用於其他的用戶群。

Part 3 | 電銷行業如何進行數據驅動

Q：電銷行業怎樣做到數據驅動？

A：

真正的銷售在過去近百年也經過了幾次的大的革命，像美國在一九三幾年的時候，很多的銷售員都需要直接跑客戶的，比如說抱著書、抱著產品去敲用戶的門。後來有了電話，有了電銷團隊，電銷完全是可以進行產品化的管理。

我給大家舉個例子，LinkedIn 是一個社交網路的公司，但是很少有人知道他是世界上第二大的 SaaS 企業，他的 SaaS 企業內部有個非常強大的電銷團隊。他們每天產生了多少銷售線索，每個線索分配給了多少銷售員，每個銷售員打了多少電話，若干電話產生了多少真正的商機，商機逐漸的轉化成了成熟的商機，最後成熟的商機變成了一次 demo（產品展示），產品展示之後有幾次會議的跟進，會議跟進之後最後這個用戶是否成單，整個這個流程是被一套非常系統化的 CRM 的分析機制在管控。同時當我們有一個很大的呼叫中心以後，我們必須要做到可複製性、可擴展性、以及可培育性，這個過程也是一個對漏斗的不斷打磨，增加效率的過程。

Part 4 | 如何看待客戶留存

Q：客戶留存有兩個層次，一個是活躍與否，一個是活躍程度，請問你們是怎麼看的？

A：

首先，如何定義活躍？

每家公司對於活躍用戶的定義都是不太一樣的，並不是一個用戶激活了一次我們就該稱他為活躍用戶的，至少我之前在 LinkedIn、在 eBay 的時候都不是這麼定義的。我們要定義用戶一周內回訪了多少次或者瀏覽了多少個頁面，或者做了哪些核心動作，我們才能定義它為一個真正的活躍用戶。目前市場上的數據分析產品，比如說 Google Analytics、百度統計、友盟定義的就是激活一次就算活躍。但是在業務工作中，根據您的業務類型，您需要做一個自己的定義和深度判斷。

其次，深度活躍用戶數量比淺度活躍用戶數量更為重要，尤其是在產品的早期和中期。

深度活躍的用戶，往往是重度使用您核心功能的這部分用戶。如果我們用金字塔底部的來表示最不忠誠的用戶，那麼深度活躍用戶就是金字塔頂尖的這部分。這個群體往往是您產品裡面粉絲級別的用戶，當我們分析他們這個用戶群的時候，往往能找到核心轉化點、核心的功能點。同時這部分群體能幫我們降低營銷的成本，因為這些用戶產生的 K 指數很高，可以幫您傳播推薦您的產品。

所以在產品開發的早中期，我們應該關注深度活躍的用戶；但是這並不代表淺度用戶就不關注了。以前我們在 LinkedIn，我們把用戶分成 A、B、C、D、F 五個區，A 就是深度用戶，B 就是很好的用戶，C 就是 ok 的用戶，D 就是非常淺的用戶，F 就是來了一次可能再也不會來了，不同類型的用戶運營方法也是不一樣的。A 類和 B 類的用戶是重點有人去跟進的用戶，C 類是我們要維持，D 類是我們要去激活，但是 D 類的用戶往往占的數量很多。

同時，ABCD 不同的用戶群之間它是有轉移的，這點來說在零售和電商里裡面有非常詳細的分析的方法。我們要詳細地追蹤 A 類用戶向 B 類用戶流失的速度是什麼樣的，B 類用戶向 A 類用戶遷移速度是超過 A 向 B 的流失速度的話又如何。如果我們的淺層用戶在不斷的增加，甚至高級用戶在向淺層用戶遷移的很多，說明我們的產品在失去核心的競爭力。因此這兩個區間我們要分別進行把握，同時把這個定義的標準要定的很準確，這樣我們才能持續的用同樣的標準來衡量用戶的留存情況。

關於更深度的留存解析，可以看這篇文章 你能找到的最深入的留存分析文章 - 留存 · 增長 · Magic Number

Part 5 | GrowingIO 與其他產品的區別

Q：GrowingIO 與市場上其他分析產品有哪些不同？

A：

第一點，GrowingIO可以實現無埋點數據採集。

過去十幾年在工作中最大的一個困擾就是，埋點採集數據、做 ETL、做清洗的整個過程。我們現在開發的無埋點技術，幫助我們的客戶不用在埋點上花太多的工作、節省了大量時間。去年（2015）我們發布了網頁版本，現在又有了移動端（iOS 和 安卓）版本；雖然我們的產品裡面還有很多需要完善的地方，但是我們確實看到了效果，為用戶節省了大量時間。

第二點，我們產品是一個 SaaS 產品，是基於雲端的。

我們的產品使用流程非常簡化，用戶即插即用，這樣用戶就可以最快看到結果。我們產品迭代的方向就是希望幫助產品和運營人員迅速看到結果，提高工作效率。

第三點，我們的產品有很多智能的功能。

我們不想用戶製造大量的維度、反覆手動切分一張報表，我們提供了很多智能的功能幫助用戶省去了這些步驟。我們新上線的智能路徑功能，可以幫助您自動識別用戶的轉化路徑、發現用戶轉化流失的環節。我們新上線的留存魔法師功能，可以幫您自動識別用戶的留存規律，幫您找到用戶留存的關鍵行為。這些智能功能都可以幫助您節省大量的時間、提高分析的效率。

最後，GrowingIO 是一個端對端的產品。

從數據採集到分析、到最後結果的呈現都是在一個平台上完成的，不需要大家用不同的工具來實現。

Part 6 | 如何配置拉新與留存之間的比例？

Q：留存短期內很難提升，如果拉新的比例低於流失的比例的話，那麼會造成活躍用戶數的萎縮，這個應該如何合理配置？

A：

首先從業務上來看，要搞清楚我們公司現階段的發展目標是什麼。

我們是要改善用戶的體驗，還是要增加用戶的數量？這點和公司的戰略目標有關係，因為每家公司處於階段不同，投資人、團隊、市場都有各種不同的要求。不過這裡面有一個正確的前提：如果一個產品本身有很大的硬傷、沒有足夠的粘度、用戶不願意使用它的話，用戶流失率會很高，那麼拉新本質上就是浪費時間浪費錢，沒有很多的真正的意義。

第二點，拉新和留存應該分開看。

也就是說，我們應該有一套指標來持續衡量新用戶，同時有另外一套指標要衡量既有的用戶。今天的 GrowingIO 同時關注這兩點，就像往漏水的桶裡面倒水，倒水的速度和水流失的速度都要保證可控。留存就是控制水流失的速度，拉新就是控制水灌入的速度，兩者只有保持正確的平衡才能做到高速增長。

Part 7 | 數據分析分為哪幾個階段

最後我再和大家分享一下我做分析師的過程中，覺得分析的階段：

我認為數據分析分為以下 5 個簡單的階段

好的分析第一步我們必須要了解歷史，就是我們需要知道以前發生了什麼事。

第二步，我們需要理解他為什麼這麼發生的原因。

第三，我們需要關注當前、關注當下，這就回到一個實時分析的問題，就是我們知道得越快、越實時，產生的價值往往越高。

第四就是我們要通過數據能預見未來，能預測未來。

第五，也是最重要的一點，當我們理解了前四點，我們要竭盡全力去改變我們的產品、改變我們的服務，把未來變得更好，這個部分是產生最大價值的一個環節。

以上就是整理的 6 個問題及回答。

最後，有對 GrowingIO 產品感興趣的同學，歡迎點此使用GrowingIO - 矽谷新一代數據分析產品

推薦閱讀：