本文為PMCAFF專欄作者韓進出品

虎嗅作為優秀的科技媒體，擁有大量的忠實讀者與非常多的優秀作者，如果先拋開作者部分，我們來看下虎嗅APP在讀者用戶運營方面有哪些可取之道以及可以加強的地方，以及如果要進一步促進用戶的增長，如何借力數據驅動的方法。

1

虎嗅APP的產品邏輯

此處截取虎嗅APP的主要功能頁面，并通過導圖方式梳理產品功能點。

主要功能界面

產品清晰簡潔，主要功能區劃分邏輯清晰。開屏引導、推薦位、付費變現方式等運營方式較為清晰。在資訊主頁，普通資訊與號外資訊交替出現。

功能點梳理

“資訊”在開屏主位，包含Banner推薦位、號外位置、熱點資訊位；

“24小時”類似于UGC圈子，用戶可自主發送短消息、視頻，不過發言權限需邀請；

“精選”是虎嗅內容付費的變現渠道，有付費訂閱的專欄內容與虎嗅會員黑卡；

“我的”則為正常的賬戶管理界面，個人資料管理、賬戶信息等。

2

虎嗅APP的運營策略

現在被普遍認可的運營流程是增長黑客理念里提出的“拉新-激活-留存-營收-增長”的AARRR海盜模型。以下為了簡化，將激活與留存統一稱為促活。

在體驗虎嗅APP的過程中，發現虎嗅針對閱讀、分享傳播、付費訂閱等設置了一些運營策略：

體驗過程中，能夠很明顯的感受到在這些方面虎嗅在想辦法與用戶互動，形成用戶粘性。

虎嗅APP里較為突出的是截圖后的分享，會自動添加虎嗅的二維碼，但欠缺的，是內容、會員卡的用戶分享與推薦，沒有激勵措施。而在“我的”界面，結構過于扁平，也沒有較為明確的運營重心。

3

更理想的運營方式

理想的產品、用戶運營方式，應該實現用戶界面的“千人千面”：

• 不同分群里的用戶，每次進入APP后看到的內容是不同；

• 產品的功能布局，是按照最優數據反應的情況排布；

• 推送給不同群組用戶的付費轉化方案，也有所差異。

要做到產品、運營策略的“千人千面”的起點是精細的數據分析。

產品和運營團隊依照對目標用戶的判斷，會制定非常多的運營策略，哪種策略對哪部分用戶最有效，則需要通過A/B測試的方式，觀察用戶對不同方案的響應數據，以此確定最佳方案。

對于用戶的數據分析，我們可以分為：統計數據、用戶屬性數據與行為事件數據三個方面。后兩者可以統稱為用戶行為分析。

統計數據通常是宏觀的數據，能大致告訴你用戶有多少、增長速度、流失比例、不同渠道的轉化效果。統計數據有助于管理層從宏觀角度了解公司運營狀況。但要支持產品、運營同學的工作，顆粒度肯定是不夠的。

用戶屬性數據是標定了用戶的一些特征，在持續的分析中，還可以為用戶打上更多標簽，再加入用戶的行為偏好，就能形成完整的用戶畫像。

行為事件數據是用戶在APP產品里的交互行為，點擊、瀏覽、評論、收藏、轉發等都算。完整的描述一個用戶的行為，必須包含“5W1H”的整體信息，因此任何一個用戶事件的記錄，一定是與用戶屬性能夠對應起來的，即誰、在什么時間、通過什么方式、在哪里、做了什么。

多維度的用戶行為分析，總是跟用戶分群、行為事件以及指定的時間段相關。

以虎嗅APP中“虎嗅黑卡”推廣的運營分析為例，虎嗅的運營策略是：

• 需要先充值再完成購買；

• 充值時沒有剛好為488元的面值，只能選擇更高一級的518元。

也就是意味著通常需要兩步完成的付費現在變成了四步，同時需要溢存30元。當然這是一種商業策略，但這樣的方式很有可能造成大量的潛在付費流失，所以是一個非常重要的分析點，運營團隊可以構建如下的五步分析漏斗：

• 點擊虎嗅黑卡推廣界面

• 點擊立即開通黑卡

• 點擊充值

• 完成充值

• 支付購買黑卡完成

這樣一個長漏斗的轉化中，每一步都有可能會流失很多付費用戶，所以在正式上線前，應當選出部分用戶進行測試，最好的方式，是同時設置A、B、C三個用戶組：

A組需要充值518嗅幣然后完成支付

B組需要充值488嗅幣然后完成支付

C組可直接完成支付

建立這三個用戶群組的分析漏斗如下圖所示，就可以很快的找出哪種方式對于提高會員購買轉化更加有效，哪種方式會造成大量潛在付費的流失。

通常的數據分析，是提前設定好了數據分析的維度、模型，然后才由開發埋點、數據分析跑表拉數據、業務團隊分析應用。在版本迭代、運營策略調整的過程中，要實現靈活的多維度探究分析難度較大。而多維度探究分析往往會有很多驚喜，能夠讓你發現未預想到的用戶規律。

但做產品、運營、數據分析的同學都知道，如果對各個功能點、各種運營方式都進行探究性分析，那怕是埋點埋到吐、跑表跑到死，更何況數據量一大，做一次分析光等就得好幾個小時。

那么有沒有什么好方法能夠降低數據分析門檻，實現用戶行為的多維、實時探究分析呢？

4

數據驅動增長的方法

數據驅動增長，首先是打好數據分析的底子；然后通過實時、多維的探究分析，找尋用戶規律；最后依照規律制訂運營策略后，再進行A/B測試的循環。

梳理產品功能，設計數據采集方案

推薦采用服務器端、客戶端結合的埋點采集，保障數據的準確性與完整性。埋點就是由開發在需要采集數據的地方打上標記、規定采集數據的格式與觸發條件。每個公司或團隊，對于數據采集應當有統的定義方式，否則很容易出現混亂。埋點采集最大的麻煩之處就在于需要手動寫入代碼，如果定義不夠清晰、統一，開發往復的工作量就會非常大。

針對虎嗅APP，推薦的數據采集定義方案如下，可以根據自己產品情況調整。這里未列出用戶屬性與行為事件的定義。

學習多種分析模型，嘗試多維探究分析

常用的分析模型有事件分析、漏斗分析、留存分析、行為序列分析、行為路徑分析等。可以選用不同的模型、用戶分群與分析時段，進行靈活分析。比如：

• 7月新增用戶中完成3篇以上文章閱讀的用戶，在后續7天的留存情況（留存分析）

• 2017年開通了APP推送功能的用戶，相比未開通的用戶閱讀文章數量的差異（事件分析）

• 1月-8月虎嗅黑卡會員用戶中，完成50%以上訂購內容閱讀與未完成此項任務的用戶的付費比例（統計分析）

• 2018年總注冊用戶數、每3天登錄的注冊用戶數、付費會員、續費會員的轉化漏斗情況（漏斗分析）

活用分析系統，提升分析效率

大家可能會無奈的感嘆，做好埋點基礎、學會分析模型，就像是“聽了很多大道理，依然過不好這一生”，如果沒有個能實時、快速分析的系統，即使采集了數據，要有時效性的支撐產品優化與精益運營，怕也是天方夜譚。

很多互聯網巨頭企業為了支撐數據分析工作，在內部搭起了用戶數據分析平臺，以方便產品、運營、數據分析的同學能夠將精力從基礎的數據采集、清洗、分析等待中節省出來，專注到與業務結合的探究分析上。

對于還沒有這樣專業的分析系統的團隊，專業的用戶行為分析系統就能起到作用。

制定多種策略，依靠數據分析驗證

對于類似虎嗅這樣的資訊閱讀類APP，可以靈活的嘗試一些促進用戶增長的方式，通過數據分析確認方式的有效性。在此列舉一些虎嗅APP可以測試的運營方式：

5

數據驅動增長流程

綜上，數據驅動用戶增長的流程就是：

梳理產品功能與業務，理解用戶行為數據

定義完整、清晰、一致的數據采集方案

選用合適的用戶行為分析工具

針對產品功能、運營策略，靈活進行多維探究分析

依據數據洞見制定產品優化、精益運營策略

循環4和5，依靠數據驅動用戶增長

數據驅動增長，就是針對不同人群上線不同的運營策略，然后進行及時分析，從用戶行為數據中尋找規律，從而確定能夠驅動用戶增長的最佳方案。

希望以上對大家有所幫助。

點擊“閱讀原文”看今日話題

高德導航會不會革了滴滴打車的命?

總結

以上是生活随笔為你收集整理的资讯类产品的数据驱动增长方法论的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。