『人人都是产品经理』谁说增长不香了?教你一个低预算也能完成增长的模型( 四 )



『人人都是产品经理』谁说增长不香了?教你一个低预算也能完成增长的模型
本文插图

实验流程图
上图是简单流程概念图 , 我们只做了4个页面的实验给大家示例 , 实际业务中会有N个不同渠道 , N个落地页 , 还会有N个细节改动方案 , 那么就会有N*N*N种不同的方案 。
总而言之 , 在实验的初期先要放慢脚步 , 在成本可控的情况下选择投放的渠道 , 少组数的进行实验 , 待实验模型的流程跑通后 , 逐渐加快速度 , 将模型高速运转起来 。
4.4 复盘分析
在复盘的阶段 , 我们会得到4种信息 , 如下图:

『人人都是产品经理』谁说增长不香了?教你一个低预算也能完成增长的模型
本文插图

我们知道我们知道的:我们在第二章提出想法的时候 , 知道我们需要监控的指标 , 分别是留存率差值和询价率差值 。
我们知道我们不知道的:在第二章 , 通过对全量(包含新老)用户的行为分析 , 来推测新用户激活阶段可能增长的页面(功能点) , 但是我们不知道老用户是否能代表新用户的表现 , 需要测试去验证 。
我们不知道我们知道的:是直觉 , 直觉告诉我们波士顿矩阵这种可视化展现形式利于我们了解业务做出决定 。 当然你可以选择柱状图、饼状图等等 , 但我们的经验和直觉 , 能够让我在第一时间想到波士顿矩阵 , 这就是数据敏感度 。
我们不知道我们不知道的:探索分析区域 , 我们不知道哪个页面或者功能点是最好的 , 哪个页面什么入口深度 , 能够保证用户的留存率和询价率达到最优解 。 我们需要复盘分析 , 从每一次的复盘分析中收集信息 , 保留正向结果 , 替换负面结果 , 快速迭代实验 , 达到用户增长 。
这一章我们着重的讲一下我们不知道我们不知道的信息 , 也就是探索区域的复盘分析 。 通过上一章的实验测试 , 我们得到的反馈数据如下:

『人人都是产品经理』谁说增长不香了?教你一个低预算也能完成增长的模型
本文插图

数据复盘图
新增用户激活的分组表现来看 , 销量榜的次日留存率和询价率相比对照组分别高出5.0%和7.6%;快捷选车次留率比对照组低1% , 询价率高出4.7%;降价榜次留率降低0.4% , 询价率提高6.3% 。
与冷启动时用全量用户的波士顿矩阵(增长矩阵)相比较 , 销量榜、快捷选车和降价榜的表现符合我们的猜想 , 原假设选车工具是我们的核心功能 , 所以用户接触后的询价率会比对照组的高 。 然而快捷选车和降价榜的次留率比对照度的要低 , 这个结果出乎我们的意料 , 为什么出现这种结果呢 , 我们看一下页面细节图 , 大家来找茬 。

『人人都是产品经理』谁说增长不香了?教你一个低预算也能完成增长的模型
本文插图

页面细节图
这3个页面都是核心功能页面 , 只有一些细节不一样 , 我分别在图里标注出不一样的点 , 试图来解释数据差异的原因:猜想一 , 选车键:我们看到销量榜和降价榜都有这个按钮 , 通过小汽车icon的形式 , 既降低用户理解成本 , 又将汽车快速分类便于使用 , 可能是询价率提升的原因之一 。 猜想二 , 销量榜:大家对于销量TOP榜感兴趣 , 是影响次留和询价率的原因之一 。 猜想三 , 销量数字:实际销量数字能够获得用户信赖 , 是影响次留和询价率的原因之一 。 猜想四 , 询底价按钮:是影响询价率的原因之一 。 猜想五 , 降价金额:大家对降价金额不感兴趣 , 降价多的车型并不是用户想要的 , 可能是造成留存下降的原因之一 。 猜想六 , 降价榜:大家对于降价TOP榜不感兴趣 , 同猜想五 , 可能是造成留存下降的原因之一 。
除了以上这些猜想外 , 我们还有很多其他的猜想 , 比如华为渠道是这种情况 , 那么vivo和oppo也是如此么?如果询底价的按钮变成蓝色会是什么样?我们的对照组是不是因为推荐算法有问题导致转化率低等等……


推荐阅读