数据运营驱动用户增长
2022-03-31 09:52:38 3 举报AI智能生成
电商运营如何利用数据分析做好用户增长
作者其他创作
大纲/内容
第一周 一切增长问题的思考内核
1.深刻理解两种常见的用户转化/成长路径
转化流程型路径
用户按照某一个固定路径往下走，最终可以在较短时间内（数分钟）完成一个目的
初始行为-中间行为-目标行为
有时需要结合业务刻意设计+引导
tips
任何业务想要增长，至少都要有一个明确的转化流程型路径
只有梳理或设计出了清晰细致的路径才能提过定性定量分析，准确达到提升转化率的目标
用户成长型路径
用户需要完成某些行为，从而使自己在较长时间内（几天到几年）从一种状态达到另一种状态
低价值用户-高价值用户
tips
业务复杂的产品用户成长路径需要依赖一定的模型来建立
每一类用户状态都需要用数据、标签来精准描绘和定义
两种路径之间的关系
都依赖于 一系列特定的行为
总结
任何业务都需要拥有一个明确的路径，可以监测数据并据此判断如何增长
转化流程路径背后必须要有一个清晰的数据漏斗
可能会同时存在 用户成长路径+转化流程路径
所有增长策略都是要引导用户完成某些特定的行为，放大某一条转化流程型路径
2.四类常见的增长问题及解题思路
转化流程型路径
如何优化+放大一个转化路径的效果？
梳理或设计出现有转化流程
思考现有流程是否可以缩短
针对每一节点，通过策略、方法来提升行为转化率
用户成长型路径
如何找到用户从A状态成长到B状态的“增长杠杆”？
B状态的用户价值更高
寻找多个用户行为或多条“流程性路径”与状态B之间 的相关性，找到关键行为，形成“增长杠杆”
如何通过用户分层进行精细化运营，放大整个用户成长路径的效率？
用户是否因为某些个性化需求和属性的不同，导致其需求、使用动机、偏好等出现较大差异，专门设计一些转化流程型路径或策略
如何伴随业务发展重构用户成长路径，升级增长模型？
为业务目标服务，重新调整用户成长路径
第7章
总结
3.如何做好特定用户的行为引导和转化
行为的发生
内在动力
提升产品内在价值
提升细节产品体验，增强用户使用动机
降低用户的行动成本
提供更多的产品价值
外在推力
施加用户行为激励
自检清单
增加物质激励刺激用户
概率中奖事件刺激产生特定行为
把某种产品价值稀缺化刺激用户
猎奇+攀比的心理刺激用户
在相关行为上赋予用户一个更崇高、光荣的动机
4.用户增长在产品的不同阶段的工作重心区分
引入期
最初只有一些简单的转化流程类路径
较为简单，增长工作基本找准路径看到数据就能干
成长期
随业务增加，各中路径会变得越发复杂，逐渐演化出更多的用户成长/发展路径，需要用户建模+精细化运营
成熟期
衰退期
5.外增长、内增长的本质、差异和学习建议
外增长
渠道*玩法*转化/成长路径
纯渠道引流
只有转化流程型
在一个流量生态下做流量池
转化流程型+用户成长型
内增长
业务模型（用户成长型）*各单点增长问题&常见武器库+各种“独立体系”的设计和搭建
与其追求各种玩法套路，不如学会如何思考
总结
6.总结
关于增长的三者关系
两种用户价值成长/转化路径
四类常见增长问题的应对思路
如何促进用户发生特定行为
产品生命周期的不同阶段工作重心
第二周 把握增长的关键转化点，设计新用户激活整体策略
用户激活与留存
新用户阶段
激活
首次发现价值
新用户激活
提升新用户激活4步走
第一步：明确激活目标：达到Aha时刻（以终为始）
最终目标：长期留存顾客
最初：早期关键行为
3个核心假设
产品对用户有长期价值
通过某些关键行为，新用户可以快速感受到长期价值
感受到长期价值的新用户有更大可能留下来
谁 在 多长时间 完成 多少次 什么行为
如何找到Aha时刻
1.提出备选行为
方法1
方法2
2.找到激活行为
原则1：使用频次越高，激活越快
原则2：生命周期越短，激活越快
原则3：参考实际数据
3.计算魔法数字
找到拐点
4.测试验证因果性
小结
第二步 分析数据，发现线索
发现问题
定量分析
激活漏斗
明确激活指标
梳理新用户流程
组建激活漏斗
处理支持行为的两条原则
直奔主题
权衡利弊
分析数据发现线索
几步中流失率最高的步骤
激活漏斗分群
用户画像
获客渠道
设备平台
产品线
CRM渠道
红包补贴
人口学
客服互动
社群互动
定性分析
激动指数
梳理新用户流程
从头到尾记录整个新用户体验
明确初始激动指数
不同渠道的用户激动指数不同
评估各个元素、步骤对指数的影响
评估方法1；粗略估计
模拟用户走完整个流程、给激动指数打分
评估方法2；用户打分
招募用户给每个步骤打分
找到提升激动指数机会
去掉降低指数的元素
加入提升的
改变顺序
确保体验一致
定期重新评估 新用户激活流程
市场、用户、产品随时在变
探寻原因
路径分析
激活漏斗时间间隔
点击热图
轨迹细查
激活漏斗分群
第三步 参考最佳实践
影响激活的4个因素
影响动力的因素
自身需求
需求的紧急性、决策周期、有无替代产品
外部助攻
从众效应、稀缺性、紧急性
影响用户阻力
难度和能力
产品本身的难度、用户自身素质
外部阻碍
物理障碍（多步骤多页面）、认知障碍
促进激活的4种手段
人工
辅助
客服、客户成功，社群等
激励
刺激
新用户红包、优惠
渠道
沟通
短信、推送、邮件、服务号
产品
基础
新用户上手，产品首次体验
第四步 提出方案，进行实验
A/B测试，不断改善
留存
持续发现价值
老用户阶段
长期用户留存
持续感受价值
流失用户召回
重新发现价值
流失的3种常见原因
产品功能问题
渠道用户匹配
产品价值发现问题
用户行为（管理）激励的基础认知
案例
打车APP发放优惠券
支付宝春节集五福
游戏里任务系统
亚马逊prime会员
第三+四周 关于用户留存和用户活跃
整体认知
底层内核
学习思路
工具
动态调整
留存/活跃各模块内容间的关系
为什么评估留存难度
不同产品的留存
小结
结合产品自身特点，留存难度也不同
用户为什么会流失
用户留存公式
流失原因
哪个留存更容易--产品本身特性决定（7个问题）
刚需/非刚需
产品功能单一，可拓展性差
用户生命周期长/短
高频产品/低频产品
可替代品少/多
竞品多，转换成本低
产品变现能力
确认产品对客户有长期价值（根基）-达到PMF，留存前提
”伪需求“
产品解决的问题价值不大
通过mvp方法，经过迭代验证pmf，避免发生
新鲜感
有新鲜感，没有长期价值
找到长期价值进行流量承接，通过产品迭代，或者将用户迁移到更有长期价值的产品上
没实现
有价值，但目前产品没能提供完美的解决方案
内测，逐步开放，持续优化
如何理解留存？
留存率/Retention
用户在一定时间内持续使用产品和服务
流失率/Churn
用户在某一时间后停止使用产品和服务
衡量指标
留存率
在一段时间后仍然活跃的用户与总用户的占比
留存曲线
持续跟踪不同时期开始活跃的用户群的留存率随时间的变化
绘制留存曲线
1.选择关键行为
2.选择时间间隔
天然使用周期
3.收集数据制作表格
4.绘制留存曲线
如何评估留存曲线
评估基本形态
3种典型
下滑型
一直在流失
不建议马上拉新
趋平型
有一定比例用户发现了其中价值
观察趋平的位置，可以开始拉新，越高越好
微笑型
很少见，只存在于特定类型的产品中，互联网产品等
与行业平均值比较
不同行业留存率
观察变化趋势
计算每个时间段的平均留存率
某一个点
是否远远高于或低于平均值
某一个同时期
是否远远高于或低于平均值
如何分析留存曲线
用户分群对比
对比不同用户分群的留存曲线，看不同属性和行为特征的用户留存曲线是否不同
获客渠道、toB公司大小、行业、用户画像、早期习惯等
功能留存矩阵
分析多功能产品不同功能有多少用户在用，每个功能的留存率如何
列出主要功能
计算横纵坐标
纵：月活占比，横：功能留存率
完成功能矩阵
分析数据得到线索
改善长期留存曲线
优先级1：影响力大，难度低
优先级2：影响力大，难度中
优先级4：影响力大，难度高
优先级3：影响力中，难度中
反面：流失率
1-留存率
提升留存与活跃工具箱
提升新用户留存
精准拉新
适用多个渠道获取用户的产品
择优渠道
留存率低的渠道改善投放定位，产品承接
若改善后仍无进展，暂停此渠道
持续上手
适用仅让客户完成核心动作
合适的时刻进行新手引导
用户习惯
如何养成习惯
打造用户使用闭环利用推送等方式，使用户不断的回来使用产品
hooked模型
触发：外部/内部
外部提醒
回馈型
大促
付费型
外部广告
社交型
朋友圈晒图
自主型
服务号推文
内部触发
负面情绪
正面情绪
行动
降低用户的行为成本
简化用户路径
去掉认知障碍
多变的酬赏
what
社交酬赏
猎物酬赏
自我酬赏
why
固定酬赏
边际效应降低
多变酬赏
不确定性带来的刺激
投入
内容输出
社交关系
个人声望
行为习惯
模型适用
频率足够高
可感知的价值足够大
行为足够简单
天然多变的奖励
非刚需变成刚需
培养用户习惯4步走
确定理想频次
定性方法：从产品解决的问题出发来大概估算
定量方法：分析长期留存用户的频次
结合定性定量，确定理想的使用频次
找到习惯用户
习惯用户的两个条件
使用一段时间
达到理想频次
习惯用户行为分析
针对这些习惯用户数据，进行用户调研和数据分析
他们是谁
他们有哪些相似行为
完成这些行为需要经过的路径
完成这些行为的场景
关键产出，找到习惯用户共有的习惯行为“习惯行为”
设计行为闭环
针对习惯用户的共有行为，梳理用户完成这些动作的路径，找出路径上的节点
检查是否已经有相应闭环
有，寻找每一个节点的优化空间
没有，增加节点形成闭环
通过行为闭环，重复刺激客户，让用户不断经历路径，最终形成习惯
用户参与度
活跃
频次
强度：每次使用花费的时间与金额
留存：行为随时间的持续度
留存VS参与
留存
用不用？
参与
怎么用？
提升频次
明确产品天然频次
高频产品
提升核心功能频次+巩固习惯
如何找到哪些功能更重要？
倒推法
使用后对长期留存贡献大的
如何让更多用户使用这些功能？
功能性能不佳
改善功能
功能入口不明显，转化率低
增加入口，优化转化路径
功能难上手
选择恰当时机（实时的使用场景）教育引导用户
低频产品
开发产品价值链上的高频功能+运营策略
提升强度
让用户消磨时间
提升用户单次使用时长
让用户提升效率
让用户完成交易
提升用户单次所花金额
增加使用场景
让用户在多个场景下使用产品
解决不同的问题
不同场景下解决同样的问题
让用户使用多个平台，建立多个触点
网页、app、客户端、微信生态、线下店
设计用户防流失策略
流失定义
一般流失行为：标志性的关键动作是登录/访问或付费
选定时间长度：用户回访率=回访用户数/流失用户数*100%（寻找拐点）
回访率：成熟：5%-10%以下
新兴：更低
不仅在留存区才会流失，每个环节都会流失
分析流失征兆
圈定流失用户，分析流失前的动作
假设流失影响因素
通过访谈，确定流失行为路径
设立预警机制
监控数据，进行预流失用户建模
完成用户引导
根据不同流失原因分别进行干预
例：
流失原因，做复盘总结
常见单点激励思维
实施用户行为激励的典型思考逻辑
判断需要激励用户发生的行为
画出业务逻辑图（用户行为）
早期产品或简单产品可直接从“产品价值闭环”或“用户使用路径”中找到需要被激励的用户行为，复杂的产品需要从数据和策略中找到
梳理可用的激励资源和手段
物质激励
简单物质激励
红包、礼品、资料包
特权或权益
功能权益池
增加服务权益
积分兑换
精神激励
竞争排名激励
竞争图谱、排行榜
荣誉、身份
成就、勋章、标签、称号
其他人性诱因
明确主要激励方式，在行为和手段间匹配
一次性行为
物质激励、其他诱因、特权勋章等
持续连贯行为
积分、等级为主
重复性简单行为
较为稳定、预期明确的物质激励，或积分等独立奖励
创造式行为或阶段性冲刺行为
竞争、排名、展示及互动
上线激励机制
调整及优化
用户多样、功能复杂的产品通过精细化运营提升留存
1.按照关键的用户属性和行为，将用户分群
2.数据分析找到留存线索
3.抽丝剥茧，深入分析流失原因
4.形成假设和策略
5.监测实验结果
如何评估渠道质量
划分
来源source
百度
头条
线下
媒介medium
sem
自然搜索
banner
其他参数
活动名称
广告关键词
质量跟踪
选取关键事件
选取目标人群的行为数据
完成关键事件
门槛太高太低/流程太深（x）
查看关键事件的来源
激活用户数
人均使用次数
人均使用时长
次日留存
留存活跃工具选择
如何选择
1.不同产品的留存策略
四象限：产品使用频率高（纵轴）/产品使用门槛高（横轴）
不挑产品
精准拉新
用户防流失
各种单点激励
一四象限
持续上手+用户引导
一二象限
用户参与度加深+习惯养成闭环
2.不同用户阶段选择不同的留存工具
引入期
成长期
成熟期
衰退期
第五周 数据驱动增长
数据驱动用户增长五步走
梳理用户路径
制定数据采集方案
搭建指标仪表盘
多维度数据分析
制定增长策略
从整体业务数据入手找到增长发力点（提纲挈领）
找到增长发力点的2种方法
构建全链漏斗增长模型
历史趋势分析
获客渠道分解
简单用户数据分析
用户属性分析
用户活跃度分析
应用增长线索的两个方法
火上浇油
在已经展示出成功信号的方向上继续加强
产品
渠道
内容
用户
修补漏洞
找到业务漏斗里流失问题最严重的地方，想办法降低流失
获客
留存
变现
用户数据深入挖掘增长线索（抽丝剥茧）
用户分群
选择分群
分群维度
属性分群（有什么特征）
行为分群（做过什么事情）
增长模型（增长模型中某个变量在不同人群中差异较大）
选择几个维度分群
不分群
简单分群
组合分群
千人千面
如何区别对待
拉到用户之前，精准拉新
找到高质量用户，进一步分析渠道，加大投入
拉到用户之后，精细化运营，产品个性化推荐
个性化产品推荐、不同的文案、促销活动
行为分析
明确分析对象
一次性行为或低频行为
用户只做一次但为使用产品打下基础
周期性行为
用户使用产品功能的核心行为
选择分析方法
转化问题：用户行为路径
让更多用户做某件事，走上正确的路径，纠正动作
漏斗分析
大多数用户是不是按照产品设定的路径在行进？
转化漏斗的那一步流失率最高？
渠道等拆解
路径分析
用户在产品内实际路径和期望的主流路径有何区别？
用户的主流路径是什么？
有哪些事先不为人知的路径？
轨迹细查
从单个用户轨迹中是否能找到异常和规律性的行为
留存问题：周期性行为
让用户更多更久的做件事，养成习惯
留存分析
用了一次某功能的用户过了一段时间有多少还会接着用
产品留存率的现状如何？
对比不同群组的留存率是否能找到差别？
衡量产品和运营活动是否成功的最终标准
频次分析
在一段时间内用户会用多少次
活跃用户使用的频次是否偏低，如何提升？
用户的使用频次分布
是否某一个群体使用频次超过平均值？
甄别高价值用户
对比不同渠道、分组
高阶用户数据分析
制定数据采集方案
梳理用户路径
梳理核心路径
细化核心路径
加入其他路径
记录哪些信息
行为本身
用户做了什么
行为属性
谁，什么时间，什么地点，做了什么，什么方式
如何埋点
制定埋点计划
事件
属性
备注
常见的坑
思路不清，事无巨细
事件命名格式不统一
错过重要的事件或属性
全埋点/无埋点
适用场景
分析需求简单
只统计篇pv和点击
开发限制因素多
临时活动，没有时间/资源部署埋点
业务流程简单
只涉及点击、跳转
限制
非浏览和点击事件无法收集，无法采集到what/how类信息
线下/第三方数据收集
竞品数据采集
明确目的，找到间接解决方案
搭建增长仪表盘
两类仪表盘
净增用户仪表盘
显示用户流入、流出，净增的情况
净增用户：计算真正净增加的活跃用户数
月净增=月新增+月回流-月流失
用户流入-用户流出
增长指数：衡量公司增长是否健康
（新增+回流）/流失
用户流入/用户流出
大于1：正净增长；等于1：活跃用户数达到峰值；小于1：净流失
细分指标仪表盘
展示增长模型的细分指标的仪表盘
梳理路径
制定关键指标
多种形式搭配，维度分解
选核实时间段
指标和目标比较
指标负责人
加上拆分维度
客户端
获客渠道
性别
年龄
所在地
组建增长仪表盘
应用
解释异常波动
用户分群
上游指标
支持指标
预测对下游指标影响
提升对业务认知&推动指标增长
业务逻辑
管理逻辑
数据逻辑
仪表盘
发生了什么
为什么发生
将要发生什么
如何行动
针对核心业务数据，下钻分析仪表盘，实时监测
如何评估渠道质量确定投放优先级
常见的渠道划分方式
来源
百度
头条
线下
。。。
媒介
SEM
自然搜索结果
BANNER
。。。
其他参数
营销活动名称
广告关键词
。。。
渠道质量跟踪
1.选择关键事件
选取反映你产品目标人群会做的行为的数据
衡量各渠道用户是否为目标用户
门槛太高/门槛太低 缺乏区分度
2.查看产生关键事件的用户来源是哪
如何结合历史投放数据筛选渠道
什么是渠道
渠道带来流量，让用户看到你的产品
流量
免费流量
付费流量
付费渠道投放类型
信息流（头条）
留用户leads（线索）为主
竞价排名（网页搜索）
效果相对不可控
新媒体投放（朋友圈）
效果类投放价格偏高
应用商店
依赖APP为主体
渠道的关键概念
ROI=收入/成本
衡量渠道质量可能涉及的数据指标
下载量
激活数
注册量
收入
ARPU= 总收入/活跃用户数量
。。。
渠道筛选与评价几点建议
短视频领域：必不可少的数据运营
当前比较好用的短视频数据产品
卡思数据
飞瓜数据
抖大大
如何利用这几款工具提高效率
看行业数据信息
明确不同赛道上行业数据分布状态
主要功能：行业榜单
基础数据
粉丝画面数据
账号标签信息
看账号对比信息
做竞品监测
主要功能：多账号监测
基础数据
行业名次、粉丝总量、点赞总量、发文篇数等
电商数据
购物车是否已开通、商品视频发布数、商品视频平均点赞数、评论等
看热门素材信息
为内容团队找到最热门的创作素材
主要功能：热门素材
分类查找
多维条件
视频数据
看自身内容运营数据
找到账号优化突破口
主要功能：基础数据收录
分类查找
多维条件
视频数据
主要功能：作品相关数据
热度分析
指数分析
互动数据
利用数据运营，多维度助力账号运营决策
帮助定位内容形式
帮助找到爆款选题
step2三个研究维度
1.分析爆款选题能爆的底层原因
2.明确特殊选题与博主个性结合产生的化学反应
3.以此为核心建立自己的爆款选题库并提炼爆款选题特征
帮助内容优化升级
第六周 5步上线一个增长实验
增长方法论的底层逻辑
找到聚焦领域
增长实验
流程
产生实验想法
优先级排序
实验设计
开发上线
分析和应用结果
第一步 产生实验想法
明确实验目标
从数据中寻找洞察
高质量实验想法
表现
假设的成功率高
实验指标提升幅度大
原因
有数据支持
定量分析
定性分析
形成高质量实验假设
从3类数据中寻找证据来支持假设
定量分析
问题是什么
定性分析
为什么发生
最佳实践
怎么改更好
通过N轮数据分析提升假设质量
分析数据，发现问题
形成初步假设
进一步分析数据，提升假设质量
形成实验假设
形成清晰实验假设
第二步 给实验想法排列优先级：ICE模型
主要提高实验频率和数量
提升影响力
主动扩大覆盖面，关注”核心用户“
从流量高的页面和路径开始，并多次实验
提升容易程度
通过mvp以最低成本验证实验假设
设计mvp遇到的2个问题
如何投入最小资源，最快验证实验假设
实验是否可以提供可信有效的结果和洞察
第三步 实验设计
1.选择实验指标
哪些指标能衡量实验成功或失败
核心指标
最关键的指标
简单实验有核心指标就够了
后期进行统计显著计算
辅助指标
其他实验可能影响到
漏斗细分步骤转化率
重要下游指标
其他关键用户指标
反向指标
实验可能的负面影响的指标
2.确定实验受众
哪些人会包含在实验里
统计显著性（要求至少95%的统计显著）
预估样本数
原版本转化率
新版本转化率
统计显著性要求
对照组和实验组之间的转化率差异有多大可能是真实存在的 ，而不是随机误差引起的
预估实验时长
收集到足够样本确认统计显著所需时间
所需总样本数量大小/实验页面每天访问数
3.设计实验版本
实验所做改动在哪
设计几个版本
流量在版本之间如何分配
分流均匀
科学分流
第四步 实验开发和上线
实验开发上新的步骤
开发实验
开发实验版本
进行数据埋点
实验QA和UAT
检验实验版本和数据埋点
上线实验
上线代码
开始实验
实验指标埋点
第三方A/B测试工具
确定实验指标
找到对应的用户行为
定义需求：行为事件埋点
开发完成埋点，数据返回A/B测试软件
A/B测试软件自动计算实验指标
手动分析实验结果
确定实验指标
定义需求:记录实验中包含哪些用户?他们看到的实验版本是什么?
开发完成埋点，数据返回数据库
手动分析试验指标
增长实验开发PRD
第五步 分析和应用结果
1.评估结果可信性
统计显著性
第三方A/B测试
自己手动计算
常见坑
实验跑的时间不够长导致结果出问题
实验设置有问题导致结果不可信
无法有效分析实验结果或者得出错误结论
2.分析实验结果
实验是成功还是失败
三类实验指标
核心指标
辅助指标
反向指标
2种观测周期
短期观测
长期观测
4种状态
指标大幅提升
指标小幅提升
统计显著下降
统计不显著
分析实验结果背后的原因
3.决定实验的下一步
继续迭代
产品化
放大影响
乘胜追击
举一反三
调整方向
放弃
第八周 增长的底层逻辑
盈利公式
成熟企业
盈利=（收入-成本）*销量
成长企业
未来盈利能力预期=(LTV-CAC)*TAM*%
增长的三个底层指标
LTV（Life Time Value）
用户生命周期价值
在用户使用产品期间能从他身上获取的价值
CAC（Customer Acquistion Cost）
用户获取成本
平均获取单个新用户所花费的成本
TAM（Total Addressable Market）
潜在市场规模
你的产品可能达到的最大市场规模
以终为始，衡量商业模型是否靠谱的4个契合
如何分析和优化获客渠道效果
四类获客渠道
第三类 付费数字广告
第一步 梳理获客步骤
常见渠道
常见流程
获客三阶段
1.渠道广告→投放url
2.落地承接
3.产品流程
网页端：站外渠道
落地页
用户互动-完成转化
APP端：站外渠道
落地页
应用商店-下载app-用户互动-完成转化
小程序：微信广告
小程序首页
用户互动-完成转化
第二步 整理触点和指标
渠道广告
落地承接
产品流程
第三步 分渠道收集数据
好的渠道数据体系
可追踪
多渠道
全触点
第四步 计算获客成本
CAC=市场总花费/同时期新增用户数
市场总花费：推广渠道花费、营销和销售总费用
同时期新增用户数：确定是下载、激活还是转化
付费渠道CAC
仅包含付费区道的CAC，代表可控制的渠道效率
混合CAC
总体的CAC，自然获客和付费渠道的获客成本平均值
满载CAC
额外加入所有市场、运营人员的人力成本
第五步 优化渠道效果
计算渠道成本，合理分配预算
拆分获客漏斗全流程，寻找优化机会
比较不同广告创意或关键词的表现
分析用户行为数据，检测异常和作弊
如何理解、计算和应用LTV
LTV定义和作用
什么是LTV
为什么计算毛利LTV，而不是收入LTV
帮助解决的问题
重要应用
LTV的计算公式
LTV简化公式
LTV=平均生命周期*平均每用户收入*毛利率
平均生命周期
平均每用户收入
毛利率
3种变现模式计算LTV
交易
电商
订阅
奈飞
免费
游戏
变现金字塔：如何思考变现？
变现金字塔
第三层 转化率
用户付费的转化率如何？
付费转化杠杆公式
第二层 定价策略
价格怎么定？价格结构是怎样的？
会员费定价策略：阶梯定价
第一层 变现模式
产品变现的商业模式是怎样的？
交易类
订阅类
“免费”
价格敏感度测试/PSM（Price Sensitivity Measurement）
目标：找到消费者和商家的最佳价格平衡点
步骤
适用产品
游戏
工具
电商
局限
价格是研究中的唯一因素
没有考虑竞品的影响
定性研究本身不能完全模拟实际消费决策
0 条评论
下一页
