从0开始做增长
刘津
前宜人贷用户增长团队负责人，《破茧成蝶》系列图书作者，UGDlab创始人
立即订阅
5513 人已学习
课程目录
已完结 43 讲
0/4登录后，你可以任选4讲全文学习。
课前必读 (5讲)
开篇词 | 人人都是增长官
免费
01 预习 | 增长小白如何“弯道超车”？
02 预习 | 如何理解“增长”？
03 预习 | 不同职能如何做好增长？
04 预习 | 做增长如何处理职能间的矛盾？
模块一 | 找对目标，增长路上不迷失 (3讲)
05 | 正确目标找不对，天天加班也枉然
06 | 活学活用北极星指标
07 | OKR如何助力增长？
模块二 | 学会洞察，菜鸟也能做好增长 (11讲)
08 | 不懂用户调研？那就对了！
09 | 调研目标：在差异性洞察中找到爆破点
10 | 数据分析：在“花式对比”中发现玄机
11 | 用户分类：围绕北极星指标细分人群
12 | 用户访谈：像侦探一样寻找破案线索（上）
13 | 用户访谈：像侦探一样寻找破案线索（下）
14 | 提炼用户差异，发现增长契机
15 | 挖掘产品优势，打破增长瓶颈
16 | 定位营销差异，抢占用户心智
17 | 一级方向：找到增长爆破点
18 | B端产品如何调研？
模块三 | 发现“四两拨千斤”的增长机会 (8讲)
19 | 全局规划增长机会
20 | 统筹全局的用户增长地图
21 | 案例解析：定义关键增长指标
22 | 正负双向洞察，找准切入点
23 | 二级机会：制定增长策略
24 | 为一家濒临破产的公司制定增长策略（上）
25 | 为一家濒临破产的公司制定增长策略（中）
26 | 为一家濒临破产的公司制定增长策略（下）
模块四 | 打造百发百中的增长闭环 (8讲)
27 | 为什么指标数据怎么优化都不提升？
28 | 案例解析：打造增长闭环（上）
29 | 案例解析：打造增长闭环（下）
30 | 案例解析：唤醒沉睡用户（上）
31 | 案例解析：唤醒沉睡用户（下）
32 | 没有分解，就无缘增长
33 | 四个要点颠覆传统需求文档
34 | 三级落地：无限场景应用
模块五 | 小小实验让增长稳稳落地 (2讲)
35 | 手把手教你设计一次成功的实验（上）
36 | 手把手教你设计一次成功的实验（下）
模块六 | 巧妙复制让增长遍地开花 (2讲)
37 | 积少可成多，别针换别墅
38 | 四级延续：增长组件库案例
模块七 | 增长总结 (1讲)
39 | 以用户为中心增长
增长加餐 (2讲)
预习答疑 | 你需要一张思维导图吗？
增长导航图 | 增长专栏的知识架构是怎样的？
尾声 (1讲)
尾声 | 结束意味着新的开始
从0开始做增长
登录|注册
11 | 用户分类：围绕北极星指标细分人群
刘津 2019-05-06
你好，我是刘津。
今天我们来学习在数据分析的基础上细分人群，为进一步差异化洞察做好准备。
不过在开始之前，我们先回顾一下上次的内容。上一讲我们学习了数据分析的思路，但是具体该如何操作呢？
收集并分析数据实践
收集数据的方法有很多。
你可以找专业的数据分析师帮你跑一下后台业务数据，如果只分析“性别”“年龄”“地域”的话，由于字段不多，所以过程并不复杂。没有专业的数据分析师的话，你也可以自学 SQL，并申请数据权限自己分析（模块五）。实在不行你还可以参考百度指数。
如果暂时不方便进行数据分析，你也可以通过发放问卷的方式收集用户信息。
问卷中除了收集用户性别、年龄、地域这三项基础信息之外，你可以根据产品属性，增加任何你认为有意义的信息，比如职业、受教育水平、从什么途径了解到产品等等。你还可以询问产品相关负责人，看看他们有什么想了解的信息，酌情加入到问卷里。
注意，问卷内容不要太多，最好控制在 25 个问题以内；尽量少问开放性问题，避免用户反感。在正式发放问卷之前，你最好先找几个人试填一下，确保不出现大的问题。
准备好问卷内容后，你需要通过问卷工具撰写内容并收集结果。
网上可以搜索到很多免费的问卷工具，之前我们用过腾讯问卷，感觉还不错，可以很方便地查看数据统计并进行交叉分析。当然你也可以去探索其它的问卷工具。
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《从0开始做增长》，如需阅读全部文章，
请订阅文章所属专栏。
请订阅文章所属专栏。
立即订阅
登录 后留言
精选留言(13)
桃园悠然在我所在的行业是外卖行业，试着按照我理解的北极目标对用用户群体分类：
北极星目标：低补贴下的GMV增长=订单数*客单价，由于是高频刚需+价格敏感+二元竞争，客单价提升空间较小
市场教育已经完成，按照使用频次或者人口学属性分类意义不大，按照外卖发展路径从一二线到三四线辐射，结合北极星目标可以按照城市体量（GDP+餐饮规模）维度划分，对于低体量城市可以通过倾斜资源降低抽佣等方式提升订单数；对于高体量城市需要设法拓展业务类型，增加生鲜、商超等订单数。2019-05-06 10- 苗小羊摸索在python数据分析的野路子上2019-05-10 3
nata用俞军老师喜欢的2个概念词来说，是从交易模型，推出“用户模型”。
区分用户的维度千千万，用户其实是“一个个特定场景下的需求总和”。
文中提到的网约车“客单价”——恰好反映了“特定场景的需求”。2019-06-23 2
eds来了2019-05-05 2
深白浅黑通过数据对用户进行聚类，这个思路的实现方法很难，需要熟悉业务和技术的通才，才能担任，或者互相能够站在更高的维度讨论问题。因为从思路来说，这个思路是由数据逆推用户类别，由于用户标签（姑且先这么叫吧）类别多样，角度不同，标准不同，在进行聚类时通常会进行降低复杂度处理。因此只有当样本数据量足够大时，才能够反映出一定的趋势，结果是不精准的。
而后续的围绕北京市指标做分类，其实也有潜在的分类标签，这些标签存在于思想认知中，并没有在数据中存在。
我把两个方向的分类一个称之为业务侧数据用户分类，一个称为用户侧现实用户分类。
结合实际情况，有侧重的对两个分类结果进行参考借鉴。
技术懂业务，跨界思维很重要。2019-08-21 1
趁早将日常约车”和“商务出行”按场景分类之后，如何能提升gmv，商务出行路途长远，客单价高但是客单数少了吧作者回复: 这里只是寻找分类维度，并不是说只做商务出行。
2019-07-14 1- 何小明看到数据分析师的身影，😄。2019-05-07 1
王彬成目前在医药电商公司，北极星指标我目前认定是：销售额。而销售额=订单数*客单价。
所以我们目前客户分类按照rfm模型进行分类，即消费频次、最近消费间隔、购买金额，作为区分的维度。
具体可查看我总结的文章
https://mp.weixin.qq.com/s/H2KhjK6dyOpTQk_q6KnHkw2019-11-19
Yeon打卡2019-07-11
bug管理员知道了RFM模型，干货满满2019-06-13
盧为什么把数据收集的内容归到数据分析里面？为什么不在第9篇文章先说数据收集的内容？2019-05-15
李沛欣掌握数据分析之道：
√ 你有一个数据分析师
√你自学SQL
√百度指数
√调研问卷
成交量×客单价 可作为一种北极星指标2019-05-15
小武我是一名数据开发工程师，负责会员业务，知道会员的北极星指标是收入=订单数*客单价，其实从拉新与客单价上都可以有提升的策略，引导购买月包的用户购买季包或者年包，也希望从地域，人群，其他行为对用户进行不同的营销策略，这个就需要运营的配合，而且必须做好后期的效果监控，要不然很难说服运营配合工作，一定是为了让运营完成kpi为导向的，那样运营才可以接受建议。2019-05-12
收起评论