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。
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_q6KnHkw
    2019-11-19
  • Yeon
    打卡
    2019-07-11
  • bug管理员
    知道了RFM模型,干货满满
    2019-06-13
  • 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
13
返回
顶部