用户增长是一个老生常谈的话题，如何实现增长离不开数据驱动，例如指标体系如何搭建、如何通过数据分析找到关键瓶颈等。本篇内容将从数据指标体系角度出发，从以下四个部分为大家分享来自抖音集团的数据指标实践。
● 构建指标体系：
用一个实际案例说明如何搭建指标体系并找到瓶颈
● 设计策略增长优化：
找到之后如何做出针对性的优化策略的方法论
● 指标增长思路 ：再次回归到客户案例，验证效果
● 抖音集团案例实践
一
构建指标体系
首先来介绍如何构建指标体系。
/ 指标拆解思路 /
首先，找到北极星指标，即唯一重要指标，指引全公司向同一个方向发展。
北极星指标要能体现产品给用户的核心价值，能代表产品不断健康发展的状态。例如，问答类社区的北极星指标一般是问题回答数；音乐类app一般是总听歌时长；电商一般是GMV总数。
那么，找到北极星指标之后，又该如何利用？这时需要按照关联因素再逐步拆解。任何生意都能用简单的数学模型来描述，指标也可以向下逐级拆解，举个例子：
● 活跃用户数 -> 新增活跃、已有活跃；
● 新增活跃 -> 访客流量、新用户激活率；
● 已有用户 -> 已有用户和老用户的留存率。
这样拆解可以具象化描述指标与负责人。比如，访客流量就找市场部；新用户激活率除了与市场部的流量质量有关外，也与产品有关，如注册流程是否简单、新用户引导是否清晰；老用户留存率，可以找产品运营和用户运营。
总结一下，指标拆解，最终目的是把最重要的指标细化成一个个公式因子，从而找到增长方向和负责部门。除此之外，通过指标拆解也可以看出因子的关联因素，如访客流量关联到推广曝光量、线索转化率、推广内容等。
因此，指标拆解会让你的增长有迹可寻。
/ 北极星指标拆解 /
以火山引擎实际服务的一个APP为例。该APP的商业模式是返现业务。通过把用户导流到各大电商平台或外卖平台，用户完成下单之后，可以从该APP拿到平台的返佣。
对于该业务来说，GMV是北极星指标。GMV越高，抽成则越多，同时又因为该APP主要业务板块是外卖和电商，所以可以把GMV拆成外卖GMV+电商GMV。
外卖的GMV：外卖的付费用户数*客单价。对外卖GMV再做一层拆解，付费用户数分为新用户、老用户，新用户消费拆成新用户UV、新用户激活率；老用户消费拆成老用户UV、留存率，以及外卖抵达率、购买转化率、客单价。
当然也有其它拆解思路。最关键的就是要把北极星指标拆成一个个关联影响因子，让因子与日常工作关联，并拆解到具体业务方向。一旦指标出现问题，才知道要通过什么动作，来优化指标。
接下来将介绍如何搭建指标体系。
/ 依据增长模型构建指标体系 /
要搭建指标体系，先要看现有的数据。
通常来讲，我们会通过这几个角度来设计全盘的指标体系：
● 基础活跃：了解用户基础数据分布情况，新老用户分布、活跃情况等。
● 用户体验：用户整体流程的完成率、关键环节转化率等。
● 用户运营：APP里的日常运营活动，如优惠券使用情况，用了之后的客单价是否提高，用完之后的复购率是否提高等。
● 商品营收：商品销售成果，首购、复购等情况，订单目标是否完成等。
从以上层面，我们可以构建出一个完整的指标体系。
构建完指标体系之后，我们需要设计埋点方案，并通过SDK上报和采集相关数据。
/ 依据指标体系设计数据采集方案 /
以火山引擎增长分析（DataFinder）为例，在产品底层模型有一张事件表、一张用户表：
● 事件表：存储用户事件，包括用户启动浏览、购买等行为，我们把用户的一种或者一类行为抽象成一个个事件。在动作发生时用来描述事件信息，被称为事件属性。
● 用户表：存储描述用户本身的信息，比如注册时间、VIP等级。
通过这两张表可以完整获取用户指标，并描述出一个用户在什么时间、什么地点，以什么样的形式做了什么事。埋点方案示例参考上图右侧。
/ 多维数据分析 /
数据方案设计完毕、完成埋点开发，并且做好数据校验上线后，我们可以在产品中配置对应的指标看板，一目了然地观察数据波动和异常。
这里可能存在一些问题：数据每天都差不多怎么办？出现了异常，如何进行进一步分析？
这就需要我们回到最初构建的指标拆解模型。
以上图为例，通过指标拆解，我们可以明显看到指标优化空间，即外卖页抵达率，相当于总流量不到10%，意味着很多流量白白浪费。另外，新用户激活率20%，也具备很大增长空间。
找到了瓶颈之后，接下来就看如何提升指标。
二
设计策略增长优化
接下来介绍数据指标实践的核心部分——指标设计、策略、增长优化。
/Lift模型 /
《测出转化率》一书中有一个非常经典的模型——Lift模型。这是目前公认最科学的A/B测试方案，也是应用最广泛的模型。
Lift模型提出策略迭代6大原则：
● 价值主张：给用户提供什么价值；
● 相关性和清晰度：页面呈现给用户的信息是否与价值主张相关，是否与用户诉求相关，文案描述是否清晰；
● 注意力和焦虑感：页面是否有过多杂乱因素，分散用户注意力，是否有让用户做行动，如填写身份证号码等，引起用户的焦虑感，导致跳出或流失；
● 紧急度：营造出机不可失的感觉。
/ 目的是让用户产生动力 /
不管是让用户注册、点击、浏览、收藏、分享还是付费，最终目的都是让用户行动。用户的动力等于页面感知到的好处，减去感知到的成本。
如上文提到的外卖返现业务，着陆页投放的核心主旨是新用户注册领99元无门槛优惠券。
● 用户感知好处：99块无门槛优惠券
● 用户付出成本：输入手机号并且输入验证码，然后注册成为用户。
● E*F的幂次方：指的是，展现信息与用户进来页面的预期是否吻合。比如用户通过前一个页面进来时，想看到的是无门槛优惠券，但进来之后有很多繁杂的规则，即不符合预期，可能起到反作用。
当呈现给用户的信息越符合用户预期，并且信息聚焦度越高，那么用户的行动力就会越强。
接下来具体介绍五个原则。
/ 1.相关性 /
相关性，即确保页面内容与用户期望内容相关，代表产品的价值主张是否与用户诉求密切相关。
举个例子，以某理财产品的定期投资为例，初版文案与用户几乎没有关联性，迭代后的文案把好处和成本描述得非常清晰，用户能明显的感知到付出的成本，以及带来的收益。
/ 2. 清晰度 /
清晰度通常被认为是比较容易实现优化的方向，一个文案、一张图片、一个图标、一个按钮颜色的修改都可能带来意想不到的效果。另外需要注意的是，文案尽量不要有歧义，真诚、清晰地表达，减少用户认知成本。
/ 3. 注意力 /
注意力，一般要考虑单页面的元素数量与设计排列的权衡。如果画面元素简单，则信息非常聚焦。反之，如果一个页面展现五花八门图片，或有很多突出的亮点、按钮，则用户无法分辨重点，也无法进行行动。
/ 4. 焦虑感 /
焦虑感是用户转化路径上的双刃剑。
一方面，某些情况下的焦虑感能促进转化，如容貌焦虑、财富焦虑等。但另一方面，贩卖焦虑也容易引起反感，形成负面作用。例如，当产品给用户不可靠的感觉，或产品本身功能缺失，或让用户填写敏感信息的时候，用户可能会选择放弃。
/ 5. 紧急度 /
紧急度包括外部驱动、内部驱动两个部分。外部驱动指营造与用户相关的紧急氛围，如限量、限购等；内部驱动，指用户自身紧急需要，也称为刚需。
总结：我们要遵循行动力公式的基本原则，贯彻落实相关性、清晰度、注意力、焦虑感以及紧急度5大方针，持续做实验迭代和优化。
三
指标增长思路
这部分主要介绍指标增长的思路。
/ 针对外卖页抵达率7%的瓶颈
我们能做什么？/
如何突破外卖页抵达率只有7%的瓶颈？我们主要通过火山引擎A/B测试（DataTester）的能力。
我们在火山引擎A/B测试（DataTester）中开了2个实验：
● 第一个实验——提供更醒目的外卖页入口tab。
原版本的入口tab为饿了么和美团外卖图标，且只有图标、无文字。优化后的版本，第一种是以红包形式+文案“外卖返现”，第二种是加汉堡可乐图片，匹配点外卖的文案。以此方式提高外卖tab点击率，从而提升外卖页抵达率。
● 第二个实验——优化承接页展现形式
通过第一个实验的数据分析发现，绝大部分用户通过红包完成下单。因此，我们针对外卖的承接页和返现页分别设计了优化方案，并用A/B测试来确定最佳版本，着重突出红包和返现。
以上就是针对外卖页抵达率低而提出的优化方案。
/ 实验结果 /
上图是火山引擎A/B测试产品展现的实验结果。
/ 这并不是需要大团队才能做的事儿 /
这并不是需要大团队才能做的工作，仅需3~5个人即可完成。如果应用了成熟的数据产品，比如火山引擎A/B测试，将会更加高效。
/ 小结 /
最后总结整个指标体系搭建过程。
● 首先，搭建一个增长团队，也可以是虚拟小组，包括产品、数据分析开发等角色即可。
● 其次，对齐增长黑客的认知，并整理北极星指标。
● 再次，完成指标拆解之后，通过数据看板对比并找到增长瓶颈，分析出最迫切需要提升和优化的指标。
● 最后，聚焦该领域进行A/B测试，定期完成实验数据分析，并设计更多实验方案。
除此之外，数据团队或增长团队可以定期进行增长复盘会议，持续优化和迭代方案。当某一个阶段之后，聚焦领域提升收益不大的时候，团队可以换一个方向、换一个聚焦点，再进行增长的循环，这就是整个增长的流程。
四
抖音集团案例实践
抖音集团的案例实践主要通过以下策略来落地：指标拆解 -> 找到瓶颈 -> 设计策略 -> 优化迭代-> 形成循环。
/ 案例一 懂车帝 /
第一个案例是懂车帝，诉求是提升短视频播放量，实现用户促活。
指标拆解&找到瓶颈&设计策略：播放量拆成播放人数、人均播放次数。再按照不同的入口拆解播放人数，最终找到的瓶颈是首页推荐流量大，但播放量低。通过参考同类竞品，我们加入组卡形式，发现整体提升效果明显。
优化迭代&形成循环：在懂车帝中，人均播放次数是按照不同的模块拆解，用所有模块的播放次数加起来，发现新用户下滑feed流模块的人均播放次数最低。因此，我们猜想，加入新引导提示可能会有比较大的提升。
上面两个产品的策略，都通过火山引擎A/B测试来验证，策略上线后最终使播放量提升300%，实验效果明显。
第二个懂车帝的场景，目标在不影响未登录用户的情况下提升登录率。
通过指标拆解，定位问题为触发登录率过低，需要给未登录用户增加登录引导。通过分析未登陆用户路径，主要集中在关注、点赞等环节。于是，我们采取A/B实验，在每个入口尝试不同的引导方式，最终实验得出最佳方案，将登录率提升近10%。
/ 案例二 抖音 /
再来看看抖音的案例，目标是提升登录率。
按照不同的用户群体拆分，中老年群体的登录率低于大盘，因此判断对这部分进行优化。根据中老年群体的登录率，又发现最大流失环节是在隐私条例。
与其他的产品对比，抖音的隐私条例提醒不太直接，因此我们对未同意条例的用户直接进行明显的弹窗提示，最终将大盘整体提升0.5%。由于抖音的体量非常大，0.5%的用户量也为百万级别的，收效明显。
/ 总结 /
最后总结下指标体系建设和增长方案，首先，构建指标增长体系；其次，分析问题、找到瓶颈；再次，设计增长策略和迭代方案；最后，通过A/B实验找到最佳效果，形成不断循环。
作者 | 文霞 火山引擎数据BP团队
微信扫一扫 