戴着「有色眼镜」看数据驱动：如何运用Growth Hacking的思路来指导产品优化？

数据驱动的思维方式不是一朝一夕能够练就的，但这是一条捷径。下次，当你苦于产品设计没有足够吸引力的时候，不妨看看数据，也许会找到一条充满惊喜的出路。

在文章的开头，让我们先来看看下面两个示例：

示例一：

由麦克.格林菲尔德等人共同创办的社交图谱应用”Moments”的构想很简单，它允许用户把Facebook好友分类到不同圈子以便在圈子内进行分享。可是随之而来他发现一个问题，只有不到20%的圈子在创建后有过活动的迹象。经过数据分析，他发现：20%的参与度几乎全部来自“妈妈”这个用户群体。于是，他毅然决然调整了产品的运营思路做出了转型，目标用户定位为“妈妈”，并发布了“妈妈圈”的社交产品。最终，这个产品摆脱Facebook成立了一个独立的网站，并于2012年被收购。

示例二：

Lindedin曾连续跟进其不同分组用户的留存分析图并发现：在第一周如果一个用户能增加五个社交链接，那么这个用户留存率会是其他用户群的的5倍以上而且这类用户的忠诚度也非常高。

从上面两个示例中可以看到，追踪数据的变化可以给产品带来意想不到的惊喜。这也就引出了我们今天要讨论的第一个问题：为什么要有数据驱动思维？换言之，数据分析能给我们带来什么好处。

按照时间维度来划分，数据分析可以帮我们解释过去，分析现状，预见未来。

1. 数据分析中有一类指标被称做”后见性指标“，它能够有效的提示问题的存在。比如：用户流失率。虽然等你了解到用户流失的情况并定位问题时，往往为时已晚，该流失的用户已经不会再回头。但亡羊补牢好歹能保证你不再丢失更多的羊。

2. 一些较为成熟的产品的功能性的迭代经常需要依靠数据分析来驱动。比如说，通过分析用户的行为轨迹热力图我们可以有效的了解用户在关键流程中的操作习惯，辅以A/B测试更好的提升用户的体验。互联网发展早期，国外的一个电商网站通过数据分析注意到：尽管在注册区域用户热力图分布很高，可是实际注册率却并没有很高。它们据此把注册按钮上的文字由”注册“改为”点击我免费注册“之后，注册量获得了井喷式的增长。

3. 准确而高效的数据分析可以为决策者制定KPI提供一个好的依据，不论是已经被纳入财报中的利润率等财务指标，还是活跃度、留存率、CAC、LTV等用户指标。很多公司在创立之初都是通过CEO拍脑门或者决策团队一起拍脑门来确定战略方向等，但是在激情的后期，更需要的是有数据支撑的决策。还记得毛主席他老人家说的好：”没有调查就没有发言权”。

既然数据分析这么重要，那该如何下手呢？近几年，国外的Growth Hacking被炒得非常热。它区别于传统的渐进式的按部就班的增长，从技术层面出发快速试错快速调整从而优化产品的思路，被看做是创业公司发展的神器，也被很多人戏谑到“直男癌晚期的码农来做营销了”。它的核心理念就是通过数据分析总结用户的共同点，因材施教，再衡量解决效果，从而快速迭代。

当然，这种思路不仅仅适用于初创公司，也为大体量的规模化公司提供了一个新的发展思路。“不积跬步无以至千里”，这样的数据驱动思维与业务驱动思维、用户驱动思维一齐构成了企业发展的三驾马车。

Growth Hacking思路如何运用？

言归正传，如何运用Growth Hacking的思路来指导我们当前的产品优化呢？需要经历以下四个步骤：

第一步：明确指标

创业成功的一大关键是达到真正的关注，在数据分析分析的时候，挑选一个唯一的指标，是分析的第一步。《精益数据分析》一书中提到了一个词“OMTM”，中文翻译为第一关键指标。意思是你需要找到一个你最关注的指标。你是可以追踪多个数字，但你心中需要有一个你最关心的指标，切忌跟踪太多指标而分散自己的注意力。就好比游击战一样，打一枪换一个地方，但你始终会保证你在打这一枪的时候，瞄准的是同一个目标。

那么指标如何确定呢？其实跟自己的商业模式与公司所处的阶段有很大的关系。根据著名的“关隘模型”，创业通常会经历五个阶段：移情、粘性、病毒性、营收、扩展。但是在每个阶段，你专注的重点不同也就有不同的指标。比如，在粘性阶段，你更注重的是用户的留存率；而在病毒性阶段，你更注重的是用户的增长速度。如果你还在粘性阶段就去关注用户的增长与传播速度，那么很可能用户流失的非常快。以高增长换取高流失，着实不是一个好的办法。

第二步：分解指标

分解指标的目的是赋予指标意义，让指标具有代表性。常见分解指标的方法有按用户维度、渠道维度、平台维度、时间维度、功能纬度等。举例来说，之前追踪APP的活跃度，只是单纯的在每天查看用户的活跃用户数。即便是看到了活跃数据的上升，也可能隐藏了关键行为路径上的一些功能缺陷。其实，正确的做法应该是按照活跃用户的行为进行分类：参与互动、点击增员、点击购买、下单成功，然后收集在每一类行为下的活跃用户情况。事实证明，如何准确地进行指标的分解尤为重要！

第三步：追踪子指标变化

还以上一步的活跃用户数为例，通过数据追踪我们发现：活跃用户中点击购买的用户占了80%，可是真正下单成功的活跃用户不足5%。此外，点击增员的活跃用户比例与参与互动的活跃用户数的比例也很低。但是，与此同时我们也发现点击增员的活跃用户95%都是来源于下单成功的用户。对我们APP而言，下单成功的活跃用户并帮助我们传播获客的用户才是高质量的用户。这样一来，我们通过追踪指标的变化发现了如何能够增强粘性的关键点，也就是《精益数据分析》一书中所提到的”Magic Number”。

第四步：提出改进方案并验证效果

我们通过用户调研了解用户下单中遇到的阻断性问题并提出了改善方案。同时，在APP中增加一些营销的手段加大活跃用户的购买转化率以及增员率。后续数据证明，这一方法非常的有效，不仅用户的留存率很高，更重要的是有质量的用户留存率非常之高。

当然，数据驱动思维并不意味着要被数据绑架。数据分析是一个很好的切入点，但你需要牢记：

1. 不要忽略大局。任何一个公司的资源都是有限的，需要考虑大局。对于很多创业公司来说，在一开始就进行大规模的埋点与数据分析并不显示。充分考虑客观条件，在一开始的时候利用第三方作为数据分析的主要工具也不失为一个好的方式。

2. 不要被数据绑架。如果你有一个数据却不知道如何为你指明方向，那它就是一个虚荣指标，并没有任何实际意义。唯一的作用就是在你出去向投资者吹牛的时候的虚荣的谈资。这样的指标很多，总注册用户数量就是一个，这个数字它一定会随着时间的推移而增长。当你考虑用户增长的时候，活跃用户/总用户的比值不妨是一个更加有用的指标。此外，数据分析的核心在于比较，不管是与竞品相比，公司过去的水平相比还是行业的水平相比，它天然就是具有比较属性的，否则就只是电脑中静止的一个数字而已。

随着google、Yahoo在分布式技术方面的发展，数据的商业价值也从原先响应型的BI分析向如今的大数据的定制化分析转变。Growth Hackers把技术与营销结合起来为产品经理的产品优化提供了全新的思路。数据驱动的思维方式不是一朝一夕能够练就的，但这是一条捷径。下次，当你苦于产品设计没有足够吸引力的时候，不妨看看数据，也许会找到一条充满惊喜的出路。