1704198210
然而，Tinder在获取早期用户时遇到了Etsy没有遇到的挑战——人们只对附近区域的约会对象感兴趣，而手工艺者和他们的客户之间的交易不受距离的限制，即使他们位于世界不同的角落也没有关系。Tinder团队做出了一个聪明的决定，既然用户是区域性的，那么他们的增长计划也应该是区域性的。他们决定先锁定大学的兄弟会和姐妹会，因为这些社团之间的联系十分紧密，这可以帮助他们迅速推动口碑传播，也因为这些社团的成员有着很大的影响力，不仅为Tinder团队提供了具有指导意义的研究对象，也提供了非常有吸引力的早期用户，帮助他们把Tinder打造为高颜值约会对象的聚集地。Tinder团队的元老级成员惠特尼·沃尔夫就曾经实地去大学校园给姐妹会做演讲，吸引她们成为Tinder用户，并且通过即时的面对面交流获得真实用户的反馈。之后沃尔夫便会走到路对面的兄弟会向男生们介绍新加入的姐妹会成员，可想而知，要说服这些男生加入就不是什么难事了。Tinder就这样迅速地打造出了本地的约会网络。21
1704198211
1704198212
用户增长非常强劲，自然而然地突破了最初的市场界限。创始人肖恩·拉德回忆说：“那是一月份左右，在那之前我们获得了很多大学生用户，之后他们回到家里向他们的兄弟姐妹和朋友聊起Tinder。突然间，Tinder便像病毒一样迅速地传播开来。”22他们并没有在打广告或获取邮箱列表上投入很多成本，而是聚焦于核心用户群，这样也使他们可以灵活地对产品进行调整，不断尝试用户喜爱的功能。但是倘若他们最初没有实地走访、深入了解初期核心市场，就不会取得今天的成功。
1704198213
1704198214
寻找受访群体
1704198215
1704198216
当然，我们也可以在网上对现有用户群体进行调研，以了解如何实现“啊哈时刻”。贝宝和易贝就是典型的例子。贝宝刚刚推出时，其团队注意到他们初期的固定用户中有不少是易贝上的买家和卖家，于是，他们决定先了解这些用户是如何使用贝宝的以及如何才能使更多类似的人使用贝宝。他们收到了一个易贝卖家提出的将贝宝的图标添加到物品拍卖页面上的请求，这引起了他们的关注，于是他们开始研究人们在易贝上对贝宝的使用。当时，易贝卖家无法使用信用卡收款，而与支票和汇票相比，他们当然更希望能够马上收到钱款，所以他们自然很乐意将贝宝作为买家付款的优先方式。贝宝团队通过分析易贝上的大量拍卖交易试图了解卖家如何使用贝宝，包括他们如何展示并在他们的拍卖页面中说明贝宝的付款方式。贝宝团队也浏览了易贝讨论区里卖家的反馈和想法，从中了解卖家的需求。根据这些反馈，贝宝团队开发了前文提到的自动链接，这个工具能够使卖家把贝宝图标添加到他们所有的卖品页面上，而且还附上一行文字，鼓励买家注册并使用贝宝支付。23这个方法极为成功，甚至使易贝也意识到了贝宝对于其自身增长所起到的作用并最终收购了贝宝。24
1704198217
1704198218
现在，各种网络平台丰富多样，不管是像脸谱网和Instagram这样的大型社交网络，还是苹果和谷歌的应用商店，或是WordPress（博客平台）和Meetup（线下聚会网站）上各式各样的群组，都可以用来寻找你的核心受众。通过这些平台你可以寻找产品的潜在初期用户，或许你的产品恰好可以解决他们面临的某个问题，同时，通过他们的反馈你也可以确定你的产品是否为他们提供了“啊哈体验”。
1704198219
1704198220
开展调查和采访可能看上去太浪费时间，但事实上，你很可能只需要为数不多的调查回复和几次采访就能够获得十分明确的用户洞察。你可能也不必询问太多问题，往往几个基本的问题就足够了。例如，在推特，乔西·埃尔曼的团队针对沉寂一段时间又重新开始使用推特的用户只问了四个问题：（1）您一开始为什么会注册推特？（2）您为什么弃用推特？出现了什么问题？（3）是什么原因让您又回到推特？（4）这次是什么让您留了下来？
1704198221
1704198222
研究发现，开展焦点小组座谈过程复杂、效果不尽如人意且费时费力，但是像我（肖恩）在LogMeIn做的简单的用户调查开展起来并不麻烦，不需要任何技术知识，而且这样的简单调查使我们发现了非常重要的信息——用户不相信LogMeIn是免费的。在大多数情况下，你只需要几百份调查回复就能够大致了解你在数据分析中发现的用户行为背后的动机，而这样的发现能够帮助你找到真正的增长机会，从而引导你推进增长试验过程。
1704198223
1704198224
快节奏的试验
1704198225
1704198226
成本低、易使用的分析工具和网络营销技术的发展使产品和信息传达测试变得非常容易，通过这样的测试你可以找到客户群和功能的完美组合，打造不可或缺的产品。有的试验可以很快开展，也非常容易，几乎不需要任何技术知识和成本投入，而更具实质性的试验则可能需要耗费不少金钱和时间，特别是需要工程师开发新功能或者对产品进行大幅度重新设计的时候。团队对于试验的选择和决定必须十分严格。大多数增长团队都采用了最小可行测试（minimum viable test, MVT）的做法，也就是充分验证一个想法所需要的成本最低的试验。如果测试取得理想的效果，团队就会再进行一个更全面的后续试验，或者对于同一个概念采取更完善的执行方式。25
1704198227
1704198228
快节奏的试验是增长黑客过程的硬性要求，为做到这一点，团队应当运行一个恰当的试验组合：既有较复杂的产品改进试验，也有很容易执行的信息传达和营销试验。我们会在接下来两节详细介绍这两种试验类型。
1704198229
1704198230
改进信息传达方式
1704198231
1704198232
肖恩在帮助LogMeIn实现增长时发现，有时候阻碍增长的并不是产品或服务本身没有价值，而是向既有和潜在客户传达这一价值的方式不对。好在随着网络营销的兴起，改进信息传达方式已经不是什么难事，即便对于非网络产品，增长团队也能够以低成本甚至零成本很快改变信息传达方式并加以测试。
1704198233
1704198234
其中一个特别有效且成本很低的方法是A/B测试，即在两个及两个以上随机选择的群组中测试两种不同的信息传达方式，比如网络简报所用的两个标题，或者着陆页的两种不同设计方案，以此确定哪一种能够获得更优的用户反应。这样的测试有时可以帮助你发现十分简单却有效的改进方式，比如修改邮件的标题、调整按钮上的文字，或者改变网络表格中的表达方式。以客户关系管理软件Highrise为例，这个软件是Basecamp（基于云服务的项目管理软件）为补充其广受欢迎的项目管理软件功能而推出的。通过注册页面的A/B测试，他们发现只是将文字从“注册并试用”改为“查看购买方案与价格”就给他们增加了200%的注册量。26这看上去可能是个很罕见的案例，但其实并非如此。在我们合作过的公司，我们亲眼目睹了数百个类似的案例：通过实施A/B测试所发现的非常简单的改变，这些公司成功为客户创造了“啊哈时刻”，从而实现了用户的大幅增加。
1704198235
1704198236
随着此类试验的价值日益凸显，Optimizely和Visual Website Optimizer等在线网络A/B测试平台纷纷推出了新的工具，使企业可以以更低的成本、更少的投入在它们的网站上设置试验，并且不需要工程师的帮助。这些产品使任何负责网站管理的团队成员能够快速对标题、标语、图片、视频、按键等内容运行A/B测试，既提高了测试的效率和灵活性，同时也使工程师能够专注于更加实质性的产品测试。
1704198237
1704198238
不过需要注意的是，A/B测试工具虽然容易使用，但是它们提供的数据存在一定的局限性，因为这些工具依赖的是比较表面的衡量标准，比如哪个按钮的点击量更高，而不是点击按钮的人最终是否成了固定用户。这就好比看到一篇“标题党”新闻，忍不住点进去之后却对内容大失所望，这样的点击率显然无法体现长期的客户忠诚度。为解决这一问题，数据分析必须能够在任何A/B测试中跟踪测试对象从点击到长期使用整个过程的行为。
1704198239
1704198240
A/B测试也不应仅限于语言、着陆页设计或市场推广。应谨记，增长黑客的一个核心原则就是对客户体验漏斗的整个过程开展试验，不仅包括客户认知与获取，也包括客户激活、客户留存、变现与自传播。例如，在英曼，摩根的团队通过对他们的付费新闻订阅服务的定价和期限进行A/B测试，决定将按月订阅的方案替换成为期三个月的订购方案，结果大大提高了留存率。
1704198241
1704198242
工程师有时能够对漏斗底部的测试提供非常宝贵的想法，而漏斗底部往往具有更高的技术复杂性，也常常是非技术人员关注不到的领域。例如，我们在上一章提到，Pinterest增长团队的工程师为了大幅提高试验速度开发了Copytune机器学习程序，用30种语言的副本向用户发送无数封邮件进行测试，以提升用户留存。这正是多变量测试（multivariate test）的一个例子，即不仅仅是对比两个选项，而是对比信息的每一个元素的每一个可能的版本以寻找最优组合。再比如“多臂赌博机”模型（multi-armedbandit），这是一个更加复杂的测试方式，可以更快地找到最佳方案。我们会在本书后半部分详细地介绍更多测试类型。
1704198243
1704198244
针对产品的试验
1704198245
1704198246
对产品本身的改动是更加复杂的一类试验，通常需要工程师做大量工作。虽然这类试验主要存在于互联网和软件产品，但是它同样适用于实体产品。构建最简单的产品原型然后让用户试用、制作视频或计算机演示以展示产品的新功能，同时观察客户的反应，这正是负责实体产品的团队利用试验的两种可能方式。
1704198247
1704198248
在试验时，应优先测试那些经之前的经验证实能够优化结果并改进用户体验的改动，比如提高网络购物车的响应速度或者优化注册过程。而其他诸如大幅度重新设计或者开发新的产品功能等在实践中应用较少的改动只有在假设十分具有说服力的情况下才应该进行测试，而且这种假设应当是在充分的用户调研和数据分析之后得出的。换言之，对于耗时耗力的测试，团队应当通过严密的论证将风险降到最低，并且在开展规模更大、风险更高的试验的同时也应运行一些更稳健的测试。如此团队才能够确保在野心勃勃的赌博和按部就班的改进之间保持平衡，从而使产品获得可持续的增长。
1704198249
1704198250
深挖数据
1704198251
1704198252
如今，增长团队可以获得的数据比以往任何时候都多，但是如果没有能力从中提取有价值的信息，再多的数据也毫无用处。也就是说，增长团队要做的并不是审视各种工具和报表提供的数据。若想了解如何使你的产品变得不可或缺，你就需要收集合适的数据并将诸如邮件营销数据库和销售点系统等不同来源的数据整合起来，形成一个完整的数据图谱。然后你需要一位数据分析师来深入分析这些不同来源的数据，从中发现规律和洞察，从而提出值得试验的增长思路。如今，大多数公司，即使是最年轻的、小本经营的创业公司，都在密切跟踪它们的网站和产品的基本分析数据，比如谷歌分析提供的数据。虽然页面浏览量、访问量和跳出率等指标非常重要，但是它们并不能全面地反映客户与产品之间的互动情况。这是因为它们都是非常表面的指标，并不能说明客户真正重视的是产品的哪一方面，也不能体现你是否已经实现了产品—市场匹配。
1704198253
1704198254
你的团队应该掌握的不仅仅是用户访问网站的频率和时长，而是用户体验各个层面的数据，并对这些数据进行细致入微的分析，以了解人们如何使用你的产品以及这与你对产品的计划有何出入。这意味着营销人员、数据科学家和工程师必须通力合作，在网站、移动应用、销售点系统、邮件营销和客户数据库中加入合适的数据跟踪设置。有了合适的跟踪功能之后，团队必须对不同来源的用户信息加以整合，以获得全面、充分的用户行为数据，以便数据团队进行分析。
1704198255
1704198256
你需要构建的是一个所谓的“数据湖泊”（data lake）或者“数据仓库”（data warehouse）：一个储存所有客户信息的独特应用，可以让你真正深入挖掘并发现可能对产品的使用方式不同于其他人的用户群。这能够让你在单个用户的层面探索产品的使用情况，比如观察一个非常活跃的用户在你的网站上或者用你的App做些什么，或者一个本来准备下单但最后没有点击结算按钮的用户最后做了些什么。可能你会看到他正要下单时突然被跳出的促销信息吸引了过去，这样的信息对于一个用户来说可能无关紧要，但可能会引导你发现值得进一步分析和实施增长试验的领域。如果数据得以有效收集，数据分析师也能够更加轻松地向团队说明快节奏增长试验的结果。
1704198257
1704198258
跟踪活跃用户的行为
1704198259
[
上一页 ]
[ :1.70419821e+09 ]
[
下一页 ]