一、 產品及用戶概況
1. 產品概況
產品形態：師傅端（安卓版、IOS版）、商戶/個人端（安卓版、IOS版，以下均簡稱商戶端），其他產品形態不在本次分析範圍內。
時間週期：2017年7月1日-2019年4月1日
週期內數據趨勢：累計用戶0-420,000，活躍用戶0-15,000
產品流程圖：
2. 用戶畫像
瞭解你的用戶屬性，包括基本屬性和設備屬性，便於我們基於用戶數據，制定產品和運營的策略。
系統自帶的用戶畫像屬性不談，我只提自己從數據層看到的一些有價值的信息：
（1）師傅端APP安卓和IOS的累計用戶比例是7:3，而商戶端則是3:5結論。
由此判斷，家居後市場從業的師傅大部分使用安卓手機，收入不高。針對師傅端在產品迭代版本順序選擇和Push推送、渠道分發及推廣、運營活動設計上，都要優先選擇安卓。
在此產品一次運營裂變活動中就遇到過ios下h5的長圖片二維碼可直接長按識別完成分享裂變，而安卓系統則必須重新做匹配的圖才能直接識別。商戶端則相反。
（2）地域分佈：作為一款O2O的家居後產品，瞭解用戶的地域分佈無論是對於整體運營決策還是精細化運營，都非常重要。
這次做覆盤比較意外的無論是師傅端還是商戶端，湖北都沒有進入到前五，也從側面說明了目前平臺的北極星指標（後文講解）主要還是依靠線上完成。
3. 用戶行為
使用頻率、頁面訪問、頁面路徑及來源等，這些都是最基本瞭解用戶行為的維度。
因為這裡是概況，所以只對平均單次使用時長和日啟動次數結合一起做了分析：
師傅端平均單次使用時長
商戶端平均單次使用時長
師傅端平均日啟動次數
商戶端平均日啟動次數
結論：師傅端平均單次使用時長兩級分化嚴重，到行業旺季單量大或有運營活動時暴漲，整體呈緩慢下降趨勢，但日啟動次數明顯上升。這和產品迭代加入了師傅簽到打卡、每日抽獎、積分商城等運營方式有關，但如何通過師傅社區及其他內容運營提升總使用時長完成從工具轉向平臺產品是下一步需要階段的問題。
商戶端則平均單次使用時長較穩定，對常規運營活動敏感度較低（後續會介紹商戶端運營的爽點在哪裡），整體呈下滑趨勢，說明商戶使用產品目的性很強，產品UE在逐步優化，發單流程更簡化，縮短了用戶操作時間。日啟動次數也呈箱體波動，下一步如何提升商戶日啟動次數，提升品牌忠誠度是下一步需要階段的問題。
需要注意的：在拉平均日使用時長的時候，師傅端並沒有按照原定週期從2017年7月1日開始拉取，是因為開始我按照這個時間週期拉數據的時候，發現全週期的歷史峰值是在2017年的9月19到9月30之間，遠遠高於其他時間段。而且，無論從平均日使用時長還是日啟動次數都很異常。
對於這段不正常的數據，我做了重點分析，後來對照累計用戶數的變化和詢問當時的運營情況，終於揭開了謎底：
從累計用戶數上告訴了我們真相：原來在2017年9月期間，當時APP產品剛上線不久，從之前的H5形態切換過來，初期師傅用戶很少，只有幾十個，來源於運營人員的地推。同時，為了吸引種子用戶的參與，對師傅報價採用了補貼活動刺激。所以，就導致了當時僅有的幾十個師傅為了爭搶報價補貼，產生了大量使用時長和打開數。
而9月30日的迴歸均值，則是因為首先從累計用戶數上看，師傅總數的大幅提升，後面幾天都是幾倍甚至十倍的日增，所以就拉低了使用時長及各項指標的均值。同時，平臺停止了報價補貼活動。
所以，我們在平時做數據分析時，應該對異常點做專項細緻分析和處理，不然就會導致整體數據分析偏差。
二、 增長黑客方法之爽點、北極星指標與增長等式
首先說明下，此篇只是沿用增長黑客方法論的思維模型做系統覆盤，之所以選用增長黑客，是因為這款非大廠非豪門的創業產品一路走來都是力求低成本實現爆發式增長；並且增長黑客主要方法是基於數據收集和分析，快速設計實驗和驗證結論的過程；用超強的技術實現能力，高效的把運營想法落地到實踐，快速試錯和迭代，這也是此篇強化和提醒數據驅動運營思維準則的目的。
我認為，增長黑客不僅僅是一種方法論，更多在於指導產品運營的思維模式、行為準則、管理模式及人員配置。在流量紅利期已結束的今天，增長黑客思維應該是產品運營人必備的核心思維之一。
作為適用增長黑客方法論的前提是產品足夠好——即P/MF產品與市場匹配度足夠，用戶群體足夠大且能快速獲取用戶。在這一塊，這款家居後產品是能滿足基本條件的。
下面，我就用增長黑客方法論結合數據驅動運營思維來對這款產品做覆盤：
1. 用戶爽點（啊哈時刻）
（1）商戶端
我認為，客戶端的爽點在2個不同時刻都有，而主要的爽點是：在開始階段，發單3分鐘內，有多個師傅報價且費用比線下找更低（算上平臺給的補貼）。
另一個小的爽點是：通過平臺僱傭師傅後，安心無憂不用操心售後問題——即在安裝階段出現問題時，平臺會介入協助解決售後問題。
（2）師傅端
我認為就一個爽點：用上這個APP後，每天都能接到新單子或者多賺錢的那一刻。
這樣的體驗，就跟打車軟件類似，冰天雪地裡叫車的我們，爽點就是發單出去馬上有安全價格合理的司機過來接。而司機師傅的那一句提示音——“您有新的訂單啦~”就足夠讓他到爽點。
2. 北極星指標
數據層：活躍用戶，即活躍。
業務層：訂單完成量，即轉化。當然，在不同產品週期，北極星指標比重有變化。在2017年-2018年4月導入期，北極星指標主要為活躍用戶量，進入發展期後，則主要為發單量及完成情況。每個階段的團隊KPI指標及人員考核也是圍繞這個核心北極星指標進行指導拆分的。
3. 增長等式
活躍商戶數 X 平均發單量 X 活躍師傅數 X 平均接單量 X 平均單價 X 訂單完成率 =訂單完成量增長
4. AARRR模型
這個也是增長黑客中主要工作流模型，其實就是我們常說的“拉新（Acquisition）”、“促活（Activation）”、“留存（Retention）”、“傳播（Referral）”、“轉（Revenue）”。
這些以前我的文章寫了很多，這裡不展開，整個步驟如圖所示：
三、 AARRR模型之拉新
週期內拉新情況
1. 最高點
首先看師傅端的拉新，如上圖所示：拉新除去春節、淡季放假幾個低點外，一共有幾個值得注意的拉新高點。
當時最引起我注意，也是花了大量時間去做問研的就是2018年的4月18日，在這天，安卓和ios都達到了歷史最高。通過查看渠道來源和時段詳情，可得知安卓幾乎都是來自默認渠道，而且時間集中在12點左右的一個小時內（蘋果只有AppStore）。
由此可見，讓我對那天的“暴漲”幾乎排除了是由於投放或某個線上平臺流量爆棚導致的可能。
同時，我也專門詢問了產品經理，讓她給我調出了當天的後臺訂單情況，即全平臺最後的轉化目標，當天也無異常：
由此可見，當天的可能更多是進行了某種將默認產品包直遞到用戶的運營操作。
開始我本以為是集中的一次大規模地推，當時詢問到某位運營人員時也這麼提過。後來想想，地推的用戶場景下，時間不太可能這麼集中增長。
比較遺憾的是當時沒有開通各渠道包，全部來自默認渠道，所以就沒法對APP的流量渠道做區分。
從蒐集到的4月及當天發生了所有可能性中，我判斷是因為對集中採集到的一批大數據進行了群發短信激活（SMS）這一動作，導致了這個拉新的特殊時刻。（商戶端的圖形和原因也一致，這一就不贅述。）
2. 次高點
次高點是在2018年的11月-12月底期間，這段時間也是週年慶和雙11活動促使日均訂單大幅提升和產品領劵中心和金幣商城上線。
雙12活動開展的期間，亦是北極星指標，完成訂單數的歷史峰值，所以這個次高點的拉新原因就不用展開了，各種線上活動的開展，流量來源的疊加和產品功能的更新導致了這個次高點的發生。
3. 第三高點
第三高點是從2018年的5月-6月期間，這個階段很有意思，因為按歷史數據來看，這應該是個淡季，不過我們看看產品版本更新記錄就大概明白是怎麼回事了：
原來5月和6月陸續推出了“金牌師傅”、“邀請有禮”、“任務系統”以及每日抽獎重磅功能，這些對於運營的重要性，之前我的文章有寫。
所以，可以判斷的是：第三拉新次高點和產品的更新有著強關係。
而且，在後面的促活部分我也會說到，在師傅端的IOS活躍用戶最高峰值上，竟然不是剛才提到的最高和次高點，而是5月11日。所以也驗證了“用戶是否活躍，主要得看產品”這句話。
4. 拉新方式分析
我除了對週期內的三大高點的細化分析外，還結合增長黑客方法論、產品生命週期理論和圖形上幾個大的增長區間做分析。
本案例能整體保持向上較高增長趨勢，我認為如下幾個拉新方式是值得學習的：
（1） 整體文案的市場匹配度
這條也是增長黑客關於能擴大獲客規模，首先要實現的兩種匹配之一，也就是能對產品優勢的描述打動目標客戶的程度。
這個最有代表性的就是喬幫主的那句“將1000首歌放在你的口袋裡”。異曲同工的是，在18年4月之前的增長區間裡，本案例對商戶端提出了“3分鐘5個報價”、“找師傅，就上***”；對師傅端提出了“平臺獎勵多，師傅賺錢多”、“收入翻倍計劃”等等，直觀明瞭，獲得了導入期寶貴的種子用戶增長。
（2）渠道和產品的匹配度
即你所選擇的營銷渠道在向目標用戶推廣產品時的有效程度，要分析用戶的行為類型進行對應的獲客渠道選擇並監控渠道來源結果做篩選。在本案例進入發展期後，也是對各渠道的有效監控，從而發現了例如SEO/SEM，第三方電商等後期成為完成北極星指標的核心渠道。
在這個過程中，也是不斷進行新的嘗試，並做優化試驗。
（3）設計用戶邀請及病毒循環
首先圈定了在某個階段的活躍種子用戶，用戶屬性通過不同維度的篩選後，對於不同時期的潛在“超級用戶”，放到了用戶運營最優先級，使用了包括：首單減免、充值優惠券、誘導分享、積分兌獎、邀請朋友得紅包、定向活動推送、活動邀請、遊戲裂變等。
傳播學中，K=每個用戶向他的朋友們發出的邀請的數量*接收到邀請的人轉化為新用戶的轉化率。
通過營銷方式結合，當k>1時，用戶群就會象滾雪球一樣增大。想象Dropbox當時怎麼實現幾十倍增長的？就是因為用了邀請好友享受更大容量這招，包括hotmial的尾部簽名邀請使用、paypal的註冊就送10美金的案例皆如此。
（4）試驗試驗再試驗，找到一招用到極致
正如上文中提到的4.18高點的主要原因，是對集採數據進行了批量短信激活一樣，在本案例過程中，有無數個類似的看上去不起眼甚至覺得很low的運營動作，也包括類似Airbnb的發家之路，在不斷優化試驗中，發揮到了極致。
不要覺得有些手段過時了，airbnb的案例已充分將為了低成本實現高增長而無所不用其極展現的淋漓盡致。
四、 AARRR模型之促活
週期內師傅端活躍情況
週期內商戶端活躍情況
1. 師傅端
和拉新分析類似就不再重複，有意思的是上文提到的5月11日這個爆發峰值點，在活躍處等到了強化驗證。
因為5月和6月陸續推出的“金牌師傅”、“邀請有禮”、“任務系統”以及每日抽獎重磅功能，讓師傅端的IOS活躍用戶到達了階段最高峰值上。而整個師傅端的活躍也是經歷了從導入期的小平臺A，到過渡期的小平臺B，再到現在的發展期小平臺C和D。
2. 商戶端
這次要把前文中用戶行為處提到的做定向分析，上文提到商戶端的平均單次使用時長較穩定，對常規運營活動敏感度較低，那麼從日活上看商戶端運營的爽點在哪裡呢？
原來商戶端的日活圖形和師傅端差異很大，峰值在11月底-12月出現了爆發式增長，究其原因是因為推出了領券中心、雙11 、雙12活動等。
所以，從這裡的數據分析，可以再次印證了開頭提到的商戶爽點：發單3分鐘內有多個師傅報價且費用比線下找更低（算上平臺給的補貼）。
到這個階段，師傅活躍度已經足夠多，加上產品發單流程的簡化，剩下的就是利用一年一度的雙11，雙12作為引爆點，對商家進行優惠券、促銷等降低發單費用即可造成活躍的爆發式增長。
3. 促活轉化和流失漏斗
這裡我專門從最源頭，渠道的下載量統計開始到最後活躍做了一個轉化和流失漏斗，裡面很值得運營和推廣人員研究：
各版本產品渠道下載數據與友盟累計激活用戶比例示意圖：
促活轉化和流失漏斗，（友盟統計2017年07月01日~2019年04月01日）
五、 AARRR模型之留存
師傅安卓端用戶生命週期表
商戶IOS端用戶生命週期表
這裡用友盟+的用戶增長功能中的用戶生命週期圖表更直觀一些，同時我也用7/14/30日留存率做了同步對比，基本上和這個圖形展現出的結論一致。
目前整體產品還是偏向工具型，雖然一致在通過社區、積分商城、學院、答題等功能來提升粘性，慢慢過渡到平臺型，但是目前的沉默用戶和流失用戶比例較高。
（1）師傅端
對師傅端來說，拉新是把雙刃劍，既可以從新手轉化為高成長潛力用戶，也有一半比例可能成為高流失風險用戶。且即使到了成長階段，也大比例會視情況轉為沉默用戶，同時一旦流失，具備高召回潛力用戶比例很少，甚至會直接卸載產品。
可以理解是師傅對此類產品比較隨性，沒什麼忠誠度，主要看平臺是否能滿足其爽點，一旦沒滿足，再次迴流的可能性很小。
（2）商戶端
拉新比較穩定的可以轉化為成長階段用戶，且用戶質量較高，只要用習慣了本產品，都具備高價值潛力用戶特性。另外，在流失階段，如果應用得當，高召回潛力用戶也比例很高。
可以理解是商戶對此類產品比較理性，目的性很強，主要看平臺前期是否能滿足其爽點，對其有價值，要麼好好用，要麼暫時不用等時機成熟再回來，流失再次迴流的運營召回動作很重要。
（3）建議
對商戶端沉默和流失用戶做分群推送，採用能滿足商戶爽點的文案；而師傅端，分群推送效果不好，應該重點在前期拉新渠道和方式的建設和產品用戶體驗上做好功夫。
友盟+的用戶生命週期表結合分群推送實現定向召回
六、 AARRR模型之轉化
本案例2018年訂單增長曲線及對應事件
運營最終目的就是為了轉化（Revenue），一般用的比較多的就是漏斗分析法。
利用漏斗模型分析每一步的流失與轉化，用來分析不同用戶群從事件開始到結束過程中用戶數量的變化趨勢和比例，從而尋找到優化方案。漏斗顯示最終轉化率與每步之間轉化率，同時通過趨勢、對比、下鑽分析進行分析，這個方法被普遍用於產品各個關鍵流程得分析中。
如圖所示：
師傅端服務事件漏斗Demo分析演示
從第一次報價→開工→上傳完工圖和最終完成服務的轉化率，我們通過這樣的漏斗模型就可以找出哪個環節的轉化率最低。同時，和行內標準值進行對比，沒有達到的，要去分析具體原因在哪裡，再去針對性的優化和改善。
同時，還可以對頁面的關鍵事件做漏斗分析，例如：如果從首頁到訂單中心的轉化率有80%，但是從訂單中心到最終下單竟然只有5%。那麼就應該通過給訂單中心做分步驟埋點，從而發現問題——例如進入訂單中心後，缺乏當前步驟的提醒，落地頁的UI設計和在線傳圖的UE也有問題，對比競品和做A/B測試後，最終轉化率提升幾倍。
另外，轉化沒有神丹妙藥，只能根據各自項目的特性，多進行用研工作，調查用戶的需求，優化服務定價。同時，逐步提升ARUP值，還要分用戶群體採取不同的策略。在瞭解用戶需求的基礎上，進行轉化產品和服務的創新和升級。
除主要轉化方式外的其他轉化方式
總結
通過此次對這款家居後APP的覆盤，也讓我本人重新溫習了增長黑客方法論的精髓以及讓我對數據驅動運營有了敬畏之心。
所有優秀的產品表現層的內部一定有著精心設計的內核層、業務層的驅動邏輯，同時一款優秀的數據分析工具給了我們這雙發現的眼睛，讓我們能夠以一種理性、科學、嚴謹的方式來一窺真相，洞察奧祕。
在流量紅利消失的互聯網下半場，我們需要增長黑客方法論的指導，和遵循數據驅動運營思維準則，來實現從0到1的低成本爆發式增長。
獨學而無友，則孤陋而寡聞。