国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

我們都在說選擇比努力更重要，但當把這句話放到產(chǎn)品經(jīng)理的需求選擇上時，會是如何？在資源和時間一定的前提下，當前的眾多需求應(yīng)該先做哪個？如何從眾多需求中決策出相對最優(yōu)的那一個呢？作者總結(jié)了幾點選擇的思路，希望對你有所幫助。

都說選擇比努力更重要。如果把這句話放到增長產(chǎn)品經(jīng)理的工作當中該如何理解呢？

產(chǎn)品經(jīng)理，尤其是增長策略產(chǎn)品經(jīng)理，每天都會和數(shù)據(jù)打交道。平常的需求也大多來自數(shù)據(jù)洞察形成的假設(shè)，那在每天眾多需求中，在資源和時間一定的前提下，當前應(yīng)該先做哪個？為什么當前這個時間應(yīng)該先做這個？這就很考驗產(chǎn)品經(jīng)理的決策能力，你當下的決策，其實就是在為產(chǎn)品選方向，產(chǎn)品的方向其實就是在產(chǎn)品經(jīng)理日常這種不斷做決策過程中選擇出來的。如何從眾多需求中決策出相對最優(yōu)的那一個呢？

一、從統(tǒng)計的角度看增長

我認為從統(tǒng)計的角度來看，做增長本質(zhì)是做概率相對最大的事，更嚴謹一層應(yīng)該是做數(shù)學期望相對最大的事。即找杠桿，找拐點。”找”的對象不僅是功能，也可以是服務(wù)，場景，流程，路徑，業(yè)務(wù)，項目等等。

理解這個，需要對個體和群體的關(guān)系，概率，條件概率，正太分布，大數(shù)定律等有一定的理解。一個增長產(chǎn)品經(jīng)理日常工作流程大概是：從數(shù)據(jù)中發(fā)現(xiàn)洞察，基于洞察形成想法，將想法轉(zhuǎn)化成實驗假設(shè)，再將實驗假設(shè)設(shè)計成產(chǎn)品方案……

很多實驗假設(shè)都總會有部分用戶在某些情況下不符合假設(shè)，總可以舉出一些特例來，但從大數(shù)定律來看，群體是有確定性的。所以個體的不確定性，到對于個體所在的群體來講一定是確定的。所以不要輕易用個體來否定某個群體的實驗假設(shè)。

增長過程中一定有非常多的增長點，非常多的實驗假設(shè)可以去做，但在資源時間等都限定的前提下，選出優(yōu)先做哪些就很重要，而優(yōu)先做的應(yīng)該是數(shù)學期望更大的實驗。

增長的本質(zhì)是通過不斷試錯和優(yōu)化，找到最能帶來收益的方向，而這個過程可以用數(shù)學期望來描述，即找到最大化收益的概率最大的方向。

以上描述還是相對主觀，從更客觀角度再解釋下：做增長就是做數(shù)學期望最大的事，實際上是一種數(shù)學概念。在數(shù)學中，期望是衡量離散隨機變量取值的平均值的方法。對于一個隨機變量 X ，其期望值 E(X) 代表其所有取值的可能性與相應(yīng)取值的權(quán)重乘積之和?？床欢矝]什么了不起的，我曾經(jīng)也不懂過，往下看看說不定就懂了。

在做增長方面，可以將用戶轉(zhuǎn)化、留存和付費等指標看作隨機變量，而這些指標的數(shù)學期望就代表了每個用戶進行相應(yīng)行為的平均概率和價值。因此，做增長就是要優(yōu)化這些指標的數(shù)學期望，以實現(xiàn)最大化產(chǎn)品增長。如果還是不太懂，那大概是我也沒太懂所以解釋的不夠徹底，要不先收藏起來，過幾天再看看試試。

再進一步解釋下吧（向前一小步，清晰一大步）：

• 理解數(shù)學期望的含義：期望是指一個隨機事件中每次可能結(jié)果的權(quán)值與概率的乘積之和，用于預(yù)測一個隨機事件的結(jié)果，也可以作為評估指標。在做增長時，也需要通過數(shù)據(jù)分析、用戶研究等手段，預(yù)估用戶的行為概率和價值，并據(jù)此制定相應(yīng)的策略。
• 優(yōu)化用戶轉(zhuǎn)化和留存率：用戶轉(zhuǎn)化和留存是產(chǎn)品增長的重要指標，通過不斷優(yōu)化產(chǎn)品設(shè)計、用戶體驗和運營手段等，可以提高用戶轉(zhuǎn)化和留存的數(shù)學期望，進而促進產(chǎn)品持續(xù)增長。
• 提升用戶付費和ARPU：用戶付費和ARPU也是增長的重要指標，通過優(yōu)化用戶畫像、個性化營銷、差異化服務(wù)等手段，可以提高用戶的購買意愿和支付金額，從而增加收入和利潤。
• 運用數(shù)據(jù)分析和建模：可以更深入的了解用戶需求、場景、行為和特征等，由此制定相對更精準的運營或產(chǎn)品策略，從而盡可能的達到最大化數(shù)學期望的效果。

以上，在做產(chǎn)品增長時，需要充分利用數(shù)學工具和方法，通過統(tǒng)計分析、數(shù)據(jù)挖掘、建模等手段，優(yōu)化用戶轉(zhuǎn)化、留存和ARPU等指標的數(shù)學期望，以提高增長成功的概率和效果。

二、從用戶行為角度來做解釋

瞎舉個可能不那么嚴謹?shù)阌谙睦踝樱?/p>

增長中對于新用戶的aha時刻，引導(dǎo)更多用戶觸發(fā)aha時刻會帶來留存的提升，但引導(dǎo)更多用戶觸發(fā)其它“看起來”對新用戶留存也有好的功能能不能提升留存呢？“或許”能，即使能，但也沒有aha時刻的杠桿大。從個體角度描述是因為引導(dǎo)用戶觸發(fā)某功能，aha時刻使用戶留存下來的概率會更大些，從群體角度描述是因為引導(dǎo)同樣多的用戶觸發(fā)某功能，aha時刻會使更多的用戶留下來(留存率屬于概率)，更嚴謹?shù)恼f法應(yīng)該是aha的數(shù)學期望更大。(概率只是一個比率，而數(shù)學期望還包含了絕對值)。其它提留存提什么轉(zhuǎn)化率等等都是類似的邏輯。尤其是用戶分群，不同分群下設(shè)計不同策略本質(zhì)就是在尋找最大數(shù)學期望的過程，可能實際工作中很難真的用公式來量化，但底層邏輯應(yīng)該就是這樣。

補充說明下:aha時刻一般指新用戶，對應(yīng)的老用戶一般叫高價值行為。

所以我認為增長其實就是隨著產(chǎn)品用戶規(guī)模的逐漸增大，用戶規(guī)模大，就會出現(xiàn)用戶需求的分化，也就需要進行用戶分群，然后再尋找不同人群對應(yīng)的高價值行為，基于行為找路徑，基于路徑設(shè)激勵。這樣就把不同分群下的核心用戶路徑設(shè)計好了。

這里提到的高價值行為（或關(guān)鍵行為）和增長有什么關(guān)系？

增長的本質(zhì)是產(chǎn)品對用戶具有長期價值。一個“長期”、一個“價值”；“價值”在產(chǎn)品上的載體或許就是某個關(guān)鍵行為，或者多個行為以某種方式的組合?！伴L期”可以用留存來理解，或者LTV中的LT，要讓還未進入到產(chǎn)品LTV中的用戶進入，然后再想辦法延長這個LT。

再進階一層的做法是，將不同分群的用戶價值計算出來即LTV，然后設(shè)計低價值群向高價值群轉(zhuǎn)化的價值成長路徑。

這里會隱含一個問題，為什么不同分群下的用戶核心行為可能不同？核心行為不都應(yīng)該一樣嗎？比如電商產(chǎn)品的核心行為就是下單，只是路徑不同？可以這么理解，但深挖下就會發(fā)現(xiàn)問題：比如一個低消費人群和高消費人群，雖然最終行為都是下單，但下單的商品客單價不同，即商品品類差異很大，那就必然導(dǎo)致這兩類人群在平臺上的行為差異很大，平臺也一定會設(shè)計引導(dǎo)低消費人群往高消費人群上轉(zhuǎn)化的策略。所以就會存在同一個分群下有各自的用戶路徑，不同分群之間也會有引導(dǎo)低價值群向高價值群轉(zhuǎn)化的價值成長路徑。假設(shè)平臺上只有低價商品，那就只能滿足低消費人群，而當?shù)拖M人群隨著生活水平提高想買高價值商品時，平臺必然留不住他，即平臺剛開始對用戶有價值，但不能持續(xù)為用戶提供價值，所以說增長本質(zhì)是產(chǎn)品對用戶要有長期價值，就是那個PMF)。

再比如內(nèi)容社區(qū)產(chǎn)品。人群一般可以按只瀏覽，瀏覽并產(chǎn)生互動比如評論，瀏覽且主動發(fā)表話題，意見領(lǐng)袖等。那平臺一定引導(dǎo)瀏覽者進行評論，引導(dǎo)發(fā)表話題等等。所以這么看用戶路徑至少有兩種，一種是同一分群下的，一種是跨價值群的，積分成長體系的成長路徑應(yīng)該也屬于跨價值群的路徑。（用戶路徑和增長的關(guān)系，后面會抽空寫一篇更詳細的，感興趣的伙伴可以加個關(guān)注）

回到前面“數(shù)學期望”那塊，試著解釋下上面的描述(可能不一定嚴謹，但湊合消化應(yīng)該沒太大問題)。

假設(shè)某產(chǎn)品只有AB兩個功能，產(chǎn)品整體用戶總量100人，A功能對其中40人有用戶價值且使用A功能后留下來的概率是70％，對其中60人無顯著用戶價值，且使用A后留下來的概率為20％；B功能對其中60人有用戶價值且使用B后留下來的概率為60％，對其中40人無顯著價值且使用后留下來的概率為15%。那么A和B哪個功能的增長空間更大呢？可以分別計算AB的數(shù)學期望，A的為40%*70%+60*20%=0.40,B的為0.42，所以B的空間更大。(如果把上述產(chǎn)品看成一個飯店，AB分別是兩道菜，每個人進飯店吃飯都點其中一道菜，這樣可能更好消化些，畢竟是吃的)

換一種姿勢解釋下：增長最終是服務(wù)于產(chǎn)品的商業(yè)價值的。商業(yè)價值=用戶規(guī)模*單體用戶價值-總成本?？蓞⒖忌弦黄恼拢?a href="http://zhangjingwei.cn/operate/5778427.html">http://zhangjingwei.cn/operate/5778427.html

再回到前面多個實驗假設(shè)時優(yōu)先做哪個的問題，那就看哪個實驗方案所影響的人群和指標提升空間的乘積更大，當然也要適當考慮下開發(fā)成本。

但實際工作中我們難以知道以上各數(shù)據(jù)的實際值是多少的，也就無法計算出哪個功能價值更大。但可以通過其它方式來尋找，比如通過分析是否使用某功能后的留存差值大小來尋找相關(guān)性最大的功能，然后通過實驗去驗證。(注意這里說的使用和上文的使用是有區(qū)別的，上文比如”使用A功能后”的使用的用戶指那40人，而這里說的使用的用戶同時包含40和60中的部分用戶)

實際工作應(yīng)用中比這個要復(fù)雜很多，首先業(yè)務(wù)線一般不只一條，功能也會很多，用戶構(gòu)成也比較復(fù)雜，有時還需要加上時間緯度和使用次數(shù)等等，但底層邏輯應(yīng)該是相通的。

三、總結(jié)

所以很多時候大家做的增長更多的是單點增長，局部模塊的增長，而對于體系增長，全局增長則難度要大太多，需要有一定的業(yè)務(wù)模型抽象能力，數(shù)據(jù)指標拆解能力等。但也是能抽象出一個相對具象的框架出來的，大概是底層的基礎(chǔ)能力支撐，如數(shù)據(jù)指標，埋點，AB平臺等，中間層的資源保障即各相關(guān)業(yè)務(wù)方的協(xié)同配合，sop等，上層的增長鏈路，如渠道來源，新用戶承接，老用戶留存，活躍用戶ltv管理，風險用戶防流失，沉默用戶喚醒召回等。

所有這一切都是在做兩個字，一個”增”，一個”長”，增的是用戶規(guī)模，長的是用戶質(zhì)量。

如果以上內(nèi)容還是有些不太理解，那就先忘了它吧，再給你重新介紹一個：比如你要做一個項目，目標是提升某個售賣頁的cvr，如何計算出方案到底能把cvr提升多少，是百分之十，百分之十五？這可能通常會把一部人難住。為什么百分之十是一個合理的目標？這就體現(xiàn)了你定目標的邏輯，你是如何拆解目標，制定目標的。

c v r的轉(zhuǎn)化率，從這個售賣頁，然后到最終的支付購買的轉(zhuǎn)化漏斗，叫c v r。c v r提升百分之十的邏輯：有可能就是這樣的。比如在售賣落地頁增加了某一種影響用戶下單的決策要素，而增加了這類決策要素之后，受這類決策要素影響的用戶大概有百分之多少。而這一部分用戶我們看歷史的過往數(shù)據(jù)，它的成交的轉(zhuǎn)化率是多少。而從詳情頁到支付的購買頁，這一步的漏斗提升了，那自然整體的漏斗也會提升。所以這就是定的邏輯。里面提到了我們首先針對的是哪一部分用戶解決的問題，它的占比是怎么樣的。其次提到了這個c v r的漏斗的拆解邏輯。

再比如你想用簽到功能來提升留存，你能提升多少：這個簽到主要影響的是哪部分用戶，這部分用戶在大盤的占比是多少。其實這就是一個簽到率的拆解，因為并不是所有的用戶都會去簽到。簽到率拆解之后，那簽到的這部分用戶它的留存會有多少的提升。而這部分用戶它的提升之后，對于大盤的留存又怎么樣提升，這就是制定目標的邏輯。

再舉一個新用戶aha時刻（激活行為）激活率和新用戶留存的換算關(guān)系：假設(shè)數(shù)據(jù)反應(yīng)產(chǎn)品的現(xiàn)狀是a行為和新用戶留存最相關(guān)，通過實驗驗證了a行為和新用戶留存具有因果性后，a行為被認為是aha時刻（激活行為），即完成了a的用戶被認為激活了。
假設(shè)產(chǎn)品的現(xiàn)狀是，有10個日新增用戶，其中3個用戶會完成a，7個用戶非a，3人a對應(yīng)的留存是50%，7人非a對應(yīng)留存是40%。
那么實驗組讓盡可能多的新用戶完成a，假設(shè)實驗組有8人完成了a。
對照組因為無干預(yù)，所以還是3人完成a。
如果實驗組整體新用戶留存＞對照組，則a和新用戶留存具有因果性，因為實驗唯一變量是更多用戶完成了a。

A組（對照組：無策略）：10人登陸產(chǎn)品，其中3人被激活，則激活率為30%。
10人中3人激活，7人未激活，激活的3人中2人留存下來，未激活的7人中1.75人留存下來，激活的留存率為66.7%（2/3=66.7%），未激活的留存率為25%（1.75/7=25%）。整體留存率為37.5%（(2+1.75)/10=37.5%）。

B組（實驗組：引導(dǎo)激活）：10人登陸產(chǎn)品，其中6人被激活，則激活率為60%。
10人中6人激活，4人未激活，激活的6人中4人留存下來，未激活的4人中1人留存下來，則激活的留存率為66.7%，未激活的留存率為25%。則整體留存率為50%。

所以，B組引導(dǎo)激活時提升了激活率，留存也提升了（前提是你要先驗證a是具有因果性的激活行為）。當然，這只是幫助項目前估算目標的計算方法罷了，實際情況不會嚴格按這個比例來提升。

完。