文末領取
《增長黑客崗位求職說明》
早期創業公司只關注一件事,那就是增長。
每個公司都需要一位增長經理,他可能被叫作增長黑客、增長產品經理或者增長負責人。
具體來說,增長經理在公司里負責:搭建數據基礎設施,定義增長目標,提供用戶洞察,排序增長項目,設計並上線實驗。增長經理將原先各自為政的產品開發和營銷職能有機整合起來,科技公司如Facebook或Pinterest都通過這種全新的方式取得了爆發性的增長。
真正意義上的增長黑客,應該要能夠滿足以下3大條件:
1. 能夠熟練運用目前市面上常見的各種用戶增長方法、工具和手段;
2. 能夠創造性的運用數據、技術等手段,結合特定產品或平台的特性,再施加以自己的創意,發現新的增長機會;
3. 能夠為一家公司或一款產品建立一個長期、穩定和健康的增長方式。
因為傳統的產品經理負責產品開發流程,他們更多的是以解決方案為導向的;而增長產品經理,雖然也遵循類似的流程,來上線功能或者實驗,但出發點是增長,也就是通過用戶行為的改變,來推動某個業務指標的增長,這又和很多市場營銷崗位類似,因為營銷部門傳統上是負責新增用戶數、用戶參與度、留存率等指標的。所以簡單地說,增長產品經理處在產品和營銷的一個交界點上,負責用產品的手段達到營銷的目標。
國內大部分人眼中的增長黑客太強調「黑科技」,宣傳的多是一些病毒營銷、裂變、爆款等,比如2013年靠紅包突破增長瓶頸的微信,比如餓了麼、滴滴的各種裂變優惠券,比如各種社群裂變;而這些偏「黑科技」的手段,往往也像風口一樣,一波一波來、一波一波走,這一家2個月前用了非常有效,但可能今天你再用就不管用了。大家很少去從根本上、基礎上探究增長黑客真正的工作邏輯和方法。
增長黑客的本質是「精益化的實驗」思維去改進產品和運營。什麼叫「精益化的實驗思維去改進產品和運營」呢?這裡有三個思維方式。
用實驗思維去解決增長問題
每一個理工科學生應該都對「實驗」不陌生。用我們在初高中時經常做的化學實驗舉例子。
比如我們想驗證一種白色粉末是否是硫酸銅,只需要將它放在水裡,如果水變成藍色,那麼就證實這種白色粉末是硫酸銅。
所以,一樣的思路,在解決增長問題時,我們需要找到一個對增長最有效的辦法也是通過A/B測試去確定它的有效性,然後大面積推廣開。
這種實驗思維非常好地解決了傳統營銷領域「花出去廣告費只有一半是有效的,還不知道是哪一半」的尷尬。
用模型思維去構建增長體系
在增長黑客的工作中,增長模型是一個解釋業務里不同的變量,以及他們如何互相影響轉化成增長的數學公式。
增長黑客的增長模型:
-
輸出變量:一般來說就是你的北極星指標
-
輸入變量:就是可以影響北極星指標的那些主要變量
-
方程:這些變量之間的關係
海盜模型:
-
輸出變量:留存用戶的增長
-
輸入變量:AARRR
-
方程:獲取影響激活、激活影響留存、留存影響盈利和推薦
其實,並不像大家慣常理解的AARRR五級漏斗模型,盈利和推薦都更多受到留存的影響。紐約時報暢銷書作家Neil Patel對海盜指標進行了簡化,提出了他的增長黑客三級漏斗,即:獲取新客(Get visitors)——激活註冊(Activate members)——留存用戶(Retain users)。
我們認為這個是更符合現實實際情況的。
看到這裡你可能會有疑問,只有模型還是不可能解決實際中的增長困境的,你不知道系統性提高漏斗口和轉化率的方法,有模型還是白搭。
這就需要介紹增長黑客的第三個思維了:數據思維。
用數據思維加強增長核心因素
如果沒有對增長黑客進行過深究,就會覺得增長黑客講的AARRR模型,太虛、無法落地。但其實是因為你沒有發現貫穿增長黑客工作始終的數據思維。無論是做實驗還是構架模型,最終都需要通過數據的觀測去發現核心因素和發現更多的撬動增長的某個線索。
增長黑客強調產品核心價值和Aha moment,但很多時候產品人在設計和開發產品的時候是並不知道產品的核心價值和Aha moment到底是什麼的。故而就需要通過數據分析去發現它。你需要對用戶的行為進行追蹤,然後找到那個影響用戶感知到產品核心價值的關鍵行為,去掃清達到關鍵行為的障礙,就可以很好地提高用戶的激活和留存了。而為了發現這個達成用戶Aha moment 的關鍵行為,你可能需要做上百次試驗,通過數據的結論告訴你是不是。
其實,增長黑客並不是奇淫巧技,也更不會一招鮮吃遍天。它是在實驗思維、模型思維、數據思維的引導下的科學夯實增長基礎的一種工作方式。
End.
作者:運營的小事
來源:釘子網
掃下方海報上二維碼領取
《增長黑客崗位求職說明》
距離除夕還有
3
天
零基礎入職數據分析就業班
課程的形式主要是「直播+錄播」
報名專享:課程項目作業+1v1班主任監督學習+愛數據學院學員專屬網站+班級答疑群
課程結束後能熟練掌握SQL、Python、Excel、PPT等工具
適合人群:
1.轉行(崗位相關,專業相關、對數據分析感興趣)
2.從事數據分析工作,但是需要提升技能以及增加實戰經驗
3.應屆畢業生入職數據分析