實戰(zhàn)案例:全定量增長模型如何搭建?

2 評論 6917 瀏覽 36 收藏 12 分鐘

在運(yùn)營數(shù)據(jù)分析時最常用的分析方法主要有四種——AARRR模型、全鏈漏斗型、因子分解型和全定量增長模型。因其特性不同,應(yīng)用領(lǐng)域也各不相同,在本文中,作者簡單介紹了前三個模型,并將重點(diǎn)聚焦在了全定量增長模型,歡迎大家討論。

了解完北極星指標(biāo)體系構(gòu)建方法,大家有沒有對自己的工作有一個思維上的認(rèn)知呢?接下來我們進(jìn)行一下北極星指標(biāo)體系的實戰(zhàn)操作。

AARRR模型是最容易搭建的模型,他可以快速顯示出影響北極星指標(biāo)的所有因素,但是問題在于他的指標(biāo)比較粗,沒有定量的描述每個因素對北極星指標(biāo)的影響,也沒有指出每個因素之間的相互關(guān)系。這一模型往往是在指標(biāo)模型1.0時使用。

全鏈漏斗模型和因子分解模型不僅可以找到北極星指標(biāo)的影響因子,也可以確定指標(biāo)的數(shù)值,并用簡化的公式進(jìn)行表達(dá),可以幫助大家找尋機(jī)會點(diǎn)和進(jìn)行簡單的計算;但是他搭建過程較為復(fù)雜,需要的數(shù)據(jù)較多,而且不能預(yù)測未來趨勢和進(jìn)行假設(shè)分析,在指標(biāo)模型中可以作為2.0版使用。

最精細(xì)的增長模型是:全定量增長模型,他分解出了影響增長的因素以及對應(yīng)的細(xì)分指標(biāo),并把所有的指標(biāo)組合在Excel中計算北極星指標(biāo)。

我們不僅可以用全定量增長模型觀測歷史數(shù)據(jù),預(yù)測未來北極星指標(biāo)數(shù)值,而且可以進(jìn)行假設(shè)分析,量化不同指標(biāo)變化對北極星指標(biāo)的影響,但是他的缺點(diǎn)是組裝和維持起來比較費(fèi)力,需要耗費(fèi)相當(dāng)長的時間,它適合有一定數(shù)據(jù)基礎(chǔ),需要精細(xì)化運(yùn)營的團(tuán)隊。

在運(yùn)營過程中,如果我們能一次性投入一定的精力,規(guī)劃出一個穩(wěn)定的全定量增長模型圖表,對于運(yùn)營的長期監(jiān)控和使用存在一定的價值。

我們通過一定的案例來了解全定量增長模型:

假設(shè)某APP的北極星指標(biāo)為月活躍用戶數(shù),計算北極星目標(biāo)使用的數(shù)據(jù)為月新增用戶數(shù)、月留存率兩個指標(biāo)。我們來看一下具體的計算過程:

01 模型的輸入數(shù)據(jù)

1. 用戶新增數(shù)量明細(xì)表

主要變量為:不同渠道獲客數(shù)、K因子、激活率三個指標(biāo);

時間維度為:基于歷史情況對未來進(jìn)行估計;

K因子即為每個老用戶能帶來多少新客戶,是用戶推薦渠道的相關(guān)參數(shù)。

我們單獨(dú)對用戶推薦數(shù)、月初活躍用戶數(shù)進(jìn)行一下講解:

用戶推薦數(shù)=月初活躍用戶數(shù)*K因子;

而下個月的月初活躍用戶數(shù)即為:上個月的月初活躍用戶數(shù)+用戶推薦數(shù);

2. 留存率

基于歷史平均數(shù),計算出每個月的留存情況,作為第二個數(shù)據(jù)輸入表。

02 月活的輸出工作表

基于上面的兩個表,我們計算出了如下的一個表,可以順利的計算出每個月的新增、活躍數(shù)據(jù),并能夠進(jìn)行未來月份新增、活躍的預(yù)測。

看到上面的模型,你對模型有沒有一些初步的概念,全定量模型主要是通過對多個因子的計算,整合形成我們的最終表,然后構(gòu)建最終的北極星指標(biāo)完整表。

從上面的流程可以知道,數(shù)據(jù)的整個過程是從細(xì)到粗構(gòu)建北極星指標(biāo)體系,效果非常明顯,但是耗時也是非常長的。

03 利用定量增長模型進(jìn)行假設(shè)分析(what-if Analysis)

假設(shè)分析是定量增長模型的一個常規(guī)用法,我們通過一個案例來分析具體的用法:

問題:現(xiàn)在是9月份,到年底前,如果想最大程度提升月活,應(yīng)該做哪些增長實驗?

  • 實驗1:10月份,廣告獲客,預(yù)算提升50%,從10000元提升到15000元;
  • 實驗2:10月份,將新用戶激活率提升5%,即從90%提升到95%;

我們把上面兩個方案分別放到全定量增長模型中,分析兩個方案的好壞,如下圖,我們把10月份的預(yù)算費(fèi)用修改成15000元,對應(yīng)模型中的數(shù)據(jù)就會發(fā)生變化:

同時我們發(fā)現(xiàn)12月份的活躍數(shù)量變化為:

圖中可以看出12月份的用戶活躍量變成了25227,較之前有所提升。

記錄結(jié)果之后我們進(jìn)行實驗2的分析,同樣的步驟我們修改了新增表中的激活率,得到如下數(shù)據(jù):

我們發(fā)現(xiàn),修改激活率之后,我們的月新增活躍數(shù)量也發(fā)生了變化,而對應(yīng)的12月份月活躍用戶數(shù)則變化為25558。

我們對兩個數(shù)據(jù)進(jìn)行比較分析:

發(fā)現(xiàn)兩者的MAU提升相差不大,但是實驗2的成本相對較高,所以我們采用實驗2進(jìn)行方案優(yōu)化。

通過上面的分析有沒有對全定量模型有一個深入的認(rèn)知呢?

筆者認(rèn)為,這樣的模型是一個經(jīng)典的技術(shù)、業(yè)務(wù)融合的模型,這樣的分析可以在SQL、python的基礎(chǔ)上實現(xiàn)固化,同時也可以在Excel的基礎(chǔ)上進(jìn)行開發(fā),模型中所用的指標(biāo)也不一定是新增、留存,各個業(yè)務(wù)線可以根據(jù)自己的需求,調(diào)整其中的自變量,輸出需要的值。

04 迷你增長模型構(gòu)建

整體的增長模型構(gòu)建完成后,我們需要根據(jù)整體的增長模型梳理我們自己的迷你增長模型,梳理自身的資源、自身負(fù)責(zé)業(yè)務(wù)線的流程、尋找迷你增長影響因子,并基于這些迷你因子確定可行方案,排出優(yōu)先級等~

我們還是用一個案例,簡單進(jìn)行分析,假設(shè)我們已經(jīng)制定好了北極星指標(biāo),我們該如何分配我們的資源呢?

某APP的北極星指標(biāo)是:總銷售額。

在落實到各個部門,甚至各個團(tuán)隊的時候,我們可以根據(jù)這個北極星目標(biāo)拆分成一個個的小目標(biāo),然后基于小目標(biāo)構(gòu)建自己的迷你指標(biāo)體系:

迷你指標(biāo)體系構(gòu)建完成后,我們需要做的就是梳理現(xiàn)有的資源,進(jìn)行策略構(gòu)建。

如圖,我們針對每個指標(biāo)梳理了可行方案,并確定了對應(yīng)的資源和優(yōu)先級。

基于上面的分析,我們可以很清晰的了解自上而下指標(biāo)體系的應(yīng)用,但是如果我們接到的任務(wù)是一個已經(jīng)完整細(xì)分之后的指標(biāo)呢?我們該如何做出符合老板預(yù)期的方案呢?

通常的策略是我們需要要從細(xì)分指標(biāo)向上推導(dǎo)出北極星指標(biāo),然后向北極星指標(biāo)的方向構(gòu)建我們的方案策略:

如上圖,我們的任務(wù)是發(fā)一條召回推送,正常的思維應(yīng)該是通過團(tuán)隊目標(biāo),確定出公司的北極星目標(biāo)是提升DAU,那么,個人發(fā)送召回推送時選擇的目標(biāo)值即為召回客戶并完成觀看的數(shù)量,而不僅僅是發(fā)送一個召回推送這么簡單。

上面是北極星指標(biāo)和細(xì)分指標(biāo)劃分的清楚的公司,我們應(yīng)該怎么細(xì)分任務(wù)并進(jìn)行資源分配,但是,如果我們所處的公司并沒有一個完整的指標(biāo)體系,或者你的老板沒有明確出一些指標(biāo)邏輯的時候,我們需要想辦法揣測老板具體想要什么?

那么,我們要做的可能就是需要從公司目標(biāo)/部門目標(biāo)的角度來細(xì)分指標(biāo),比如:增加收入、降低成本,每個公司都是要強(qiáng)調(diào)收入和成本的,如果沒有明確的方向,可以試著向這些一定準(zhǔn)確的目標(biāo)設(shè)計細(xì)分任務(wù),初步設(shè)計出這樣的方案后,再去和你的老板討論方案,就能夠試探出老板的方向目標(biāo),進(jìn)而優(yōu)化你的工作方向,回到第三部分,設(shè)計細(xì)分目標(biāo),進(jìn)行資源細(xì)分等。

 

作者:livandata;個人公眾號:livandata,歡迎大家關(guān)注溝通~

本文由 @livandata 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)作者許可,禁止轉(zhuǎn)載。

題圖來自Unsplash,基于CC0協(xié)議。

專欄作家

又見智能商業(yè),微信公眾號:livandata,人人都是產(chǎn)品經(jīng)理專欄作家。金融行業(yè)的互聯(lián)網(wǎng)老兵,聚焦數(shù)據(jù)驅(qū)動,將算法、數(shù)據(jù)融入產(chǎn)品設(shè)計與運(yùn)營策略,構(gòu)建金融增長方法論。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)作者許可,禁止轉(zhuǎn)載。

題圖來自Unsplash,基于CC0協(xié)議。

該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務(wù)。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 只有月活的案例嗎?有電商品類的銷售額之類的增長案例嗎

    回復(fù)
    1. 這個……沒有……

      回復(fù)