技术

并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go细节 codereview mat使用 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 MVCC 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes自动扩容缩容 神经网络模型优化 直觉上理解机器学习 knative入门 如何学习机器学习 神经网络系列笔记 TIDB源码分析 《阿里巴巴云原生实践15讲》笔记 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 扩展Kubernetes 副本一致性 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占cpu怎么办? 容器狂打日志怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes objects之编排对象 源码分析体会 自动化mock AIOps说的啥 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 kubernetes实践 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 marathon-client 源码分析 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 swagger PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 编程语言的动态性 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 分布式计算系统的那些套路 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 mysql 批量操作优化 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 mesos 的一些tips mesos 集成 calico calico学习 AQS2——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 硬件对软件设计的影响 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂? 回溯法 apollo client源码分析及看待面向对象设计 学习并发 从一个marathon的问题开始的 docker 环境(主要运行java项目)常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型 java exception Linux IO学习 network channel network byte buffer 测试环境docker化实践 netty(七)netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 mesos深入 Macvlan Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习——整体介绍 zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty(六)netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 Redis概述 机器学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 那些有用的sql语句 异构数据库表在线同步 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM内存与执行 git spring rmi和thrift maven/ant/gradle使用 再看tcp mesos简介 缓存系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 VPN(Virtual Private Network) Kubernetes存储 Kubernetes 其它特性 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 CoreOS 使用 Go学习 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

标签


《用户增长》笔记

2020年06月14日

简介

什么叫用户增长?以终为始,利用一切资源让更多用户更高频的使用核心产品功能。

  1. 更多
  2. 更高频
  3. 核心产品功能,虽然大家平时经常说拉新、促活, 但如果用户在使用某个产品时没有体验到该产品的核心产品功能,这对产品而言绝对是一个损失,对用户而言也没有意义。

如何做用户增长?

用户增长的本质是通过数据驱动的迭代测试把主观认知变成客观认知(PS:从感觉有用变成数据上的成果),用测试的冗余性换取增长的确定性。如果不能实现快速迭代测试,是无法形成增长势能的。靠提需求、走产研、大排期,是不可能实现快速迭代测试的,必须要有一定的组织保障。

自然界的进化其实也是这样的,用基因变异的冗余性来换取进化的确定性。生物基因会发生各种突变,最终有利于生存的基因被遗传下来,从而促进生物的不断进化。要是没有这种冗余的突变,生物的进化一定不会像今天这样。要想用冗余性来对抗不确定性,就要多次尝试低概率的事儿,这是一个基本规律。

增长项目的类型

  1. 漏斗型增长,把用户在产品中的体验流程拆分为一个个细小的环节,通过优化每个环节的转化效率,提升用户整体的LTV
  2. 功能型增长,给产品增加某个功能,从来带来用户的增长和活跃。
  3. 策略型增长,以给用户发Push为例,让BI 分析下用户数据,形成一些用户标签或画像,给部分用户发某种类型的消息,不断测试,就能找到一部分特别适合推送某种消息的用户。还可以进一步把这一策略自动化,积累足够多的用户,足够多的个性化内容,再把两者配对。以红包车功能为例,功能只是一个外壳,真正带来无限可能和想象力的是实时调整的红包策略(什么场景、什么人拿的红包多),这是靠人力来实现迭代的,但这种迭代比改产品功能要容易很多。
  4. 整合型增长,线上与线下一起构成一个完整的体验闭环。

针对平常就爱分享的KOL用户,尤其是那些分享后还能带来很多用户点击的KOL用户,要提升他们的中奖概率。

用户增长基本方法论

在把用户拉进一个产品生态后,用户增长团队的主要工作就是提升用户LTV。如果该团队面对的业务是交易类的,那就是要想办法让用户多下订单,从而产生更多的GMV;如果面对的是广告变现类业务,那就要增加用户的在线时长和PV。

假设有一个电商平台“货最美”,有个叫小美的用户经常在上面买衣服,她对平台的价值贡献符合曲线1。货最美除了很多衣服,还有很多3C产品, 货最美的用户增长人员经过数据分析, 发现一旦用户在平台上发生过3C产品的购买行为,后续一般都会复购。也就是说,如果小美产生一次3C 购买行为, 小美对平台的价值贡献就会从价值曲线1跃迁到价值曲线2,让小美第一次购买3C产品就是一个典型的HVA。一般比较常见且比较有效地方式就是给小美发一张货最美3C品类的折扣券。此外,还可以物质激励与内容运营相结合,前期给小美推送一系列消息,例如“网上买东西不能被骗”(灌输识别3C正品的方式),“购买哪家在线商品不用担心售后”,这些前期内容的推送可以让小美不断在心中对货最美的3C产品产生认可。

一个收获:要能计算用户价值, 这样你就知道投入多少钱来拉新。如果你的app 有多个价值点,要能计算不同价值点的用户价值,这样你就知道投入多少钱来发放“优惠券”来引导用户从一个价值点走向另一个价值点。在决定优先引导用户产生哪个HVA时,需要在HVA价值、补贴成本、实现难易度之间做一个平衡。

对用户HVA的引导,其实质就是对用户生命周期的管理。既然是对用户整个生命周期的管理,那从新用户进入的第一天开始,就要对他们进行正向引导,直到他们离开我们的产品。例如在用户激活以后,我们是否有合适的新手护航策略来引导他们一步步沿着HVA链条往下走。

用慢思考来设计引导用户产生HVA的快思考产品逻辑:做各种用户增长的相关功能,其核心是引导用户产生我们期望的决策,从而产生我们期望的行动。所以我们需要对大脑的决策机制做深入了解,利用一些经典的决策理论来指导我们设计相应的增长逻辑。丹尼尔.卡尼曼在《思考,快与慢》一书中提出了广为认知的双系统理论,介绍了系统1和系统2的概念,系统1是快思考,它的运作是快速、无意识的,就像条件反射。系统2是慢思考,需要我们耗费大量脑力去专注思考,我们的大脑通常不倾向于用系统2来解决问题。从进化的角度看,为了生存繁衍,我们一般都会尽可能让自己处于低功耗状态。

很多时候,我们的大脑通过启发性思考,直接调用系统1,以减轻我们的认知负担,降低能量消耗。启发性思考的本质就是想办法让遇到的新问题符合大脑中存储的一些加工规则,一旦这些新问题找到匹配的加工规则,我们就能快速利用现有加工规则来处理已知数据并得出结论。如果找不到匹配的加工规则,我们就要调用系统2来思考。我们究竟调用系统1 还是系统2,是受信息呈现方式影响的。比如政府公布了购房贷款利息的减税政策,从购房者的角度说,这肯定是一件好事,但租房者不能享受这种减税优惠,相当于对“租房者的罚金”。“房屋抵押贷款应该享受税收优惠吗?” 比“应该让租房者缴纳更多赋税吗?” 更容易让大家认可这个政策。

如何才能设计出相关的页面和功能,让用户运用快思考流畅的按照我们设想的步骤一步步产生HVA呢?这就需要我们调动慢思考,设计信息呈现框架。有一些原则可以遵循

  1. 引导用户产生强烈情感,强烈的情感会遮蔽系统2
  2. 默认选项引导
  3. 先寸后尺
  4. 欲取先予——引发损失厌恶
  5. 创造认知引力场

如何搭建用户增长中台

很多时候,我们觉得只要能找到做增长的优秀人才,就能马上实现可观的增长。但实际上,用户增长是一个系统性工程,如果缺乏必要的基础能力,再厉害的增长专家也会到处被掣肘,难以发挥自己的能力

  1. AB测试
  2. 流量控制平台
  3. 激励券营销系统
  4. LTV计算跟踪系统

增长中台在获取平台用户的过程中,要遵守两个原则

  1. 如果能把钱给到用户,就尽量不要给渠道、流量平台或广告公司
  2. 如果能给主业优惠券,就尽量不要给红包等现金激励