GrowingIO新咨询服务:5年、400次交付,产品&服务为企业落地增长

GrowingIO新咨询服务:5年、400次交付,产品&服务为企业落地增长
2019年11月15日 11:57 GrowingIO

作者:邢昊,GrowingIO 咨询服务 & 运营副总裁

来源:GrowingIO 2019 增长大会(北京)演讲

Insight:采用 VS 未采用咨询服务,差别明显

GrowingIO 过去交付过 400 多次咨询服务,但仍然有超过 1000 家客户,没有体验到咨询服务。我们做了统计:

  • 所有未购买 GrowingIO 指标体系搭建服务的企业,3 个月后,使用增长工具频次下降,内部的增长工作进展缓慢,难以进阶到分析问题 - 解决问题的增长模式。

  • 购买并落地过 GrowingIO 指标体系搭建服务的企业,两个月后,增长工具使用度大幅上升,更重要的是,他们内部增长工作启动并正常运转了。

  • 购买过数据诊断咨询服务的企业,在半年后,增长工具使用度频繁,公司业务收获了新的增长曲线,增长为公司带来巨大收益,团队和领导的信心也大幅加强。

这些数据,让 GrowingIO 下定决心,即使咨询服务是一件非常难、非常苦、非常累的事情,我们依然要为客户提供咨询服务。只有这样,才能把我们的客户引导到真正落地增长的道路上。

所以,我代表 GrowingIO 正式发布全新升级的四类咨询服务:

A 类服务-“规划”:帮助客户建立数据驱动意识,构建业务数据体系,发现增长问题与机会的【数据规划】。

B 类服务-“诊断”:深入分析增长问题,洞察增长机会撬点,提出增长建议的【数据诊断】。

C 类服务-“驱动”:增长建议升级为数据策略,与企业一起完成产品迭代、活动优化或投放升级的执行过程,数据复盘并迭代至获得增长效果的【数据驱动】。

D 类服务-“沉淀”:打通用户行为数据与业务交易数据,构建用户画像,为千人千面智能运营奠定基础的【数据沉淀】。

这四个环节正是企业展开增长的四个必要步骤。纵观过去 10 年,很多企业投入很多资金去实现第四步的「数据沉淀」,投入很多成本,但很久看不到价值。这背后的原因,我认为恰巧是搞错了上面四个增长动作的顺序。

A 类【数据规划】的要点:OSM-数据化战略指标体系 & D-UJM-数据化用户生命旅程

  • 企业是否在增长?是真的有效增长吗?

  • 每个增长目标都有业务支撑吗?(员工/资源是否放在了关键业务上?)

  • 用户旅程是否都体验到了你最好的产品和服务?

GrowingIO 数据规划服务就是为了回答上面三个问题。

数据规划服务是以 OSM+UJM 理论为核心。

其中,OSM 是「目标-策略-指标」(Object-Strategy-Measurement),举例来讲,最上层的核心目标是提升 GMV,拆解为提升用户数、提升转化率、提高客单价,这就是二级目标。细分下去可以拆解为一系列策略支撑和可衡量的指标体系。

过去的咨询服务,我们与客户一起完成 OSM 指标体系搭建,但长期观察后发现,如果没有与业务的结合,结构化的指标体系仍然难以发挥作用。因此,我们引入了另一个模型—— 用户旅程地图(User Journey Map)。

当 D-UJM 与 OSM 模型结合在一起,可以激发非常有趣的化学反应:OSM 将迫使企业高层思考,现阶段最重要的目标是什么,哪些业务承载这些目标;而业务部门则可以通过 UJM,将公司目标、策略与业务流程快速耦合在一起,最终形成一个清晰、明确的数据采集体系,数据语言变成了公司上下协同的统一语言。

在 GrowingIO 多年咨询经验的辅导下,这些数据采集要求可以很快变成指导技术部门的具体的埋点方案:一方面优化了埋点数量,另一方面明确了每个埋点的价值,还有细致的代码操作文档,这些工作大幅降低技术部门工作量的同时,提高了协同的意愿。

GrowingIO 刚刚用这套方法为一家客户提供了规划服务,只用不到 30 个埋点就覆盖了业务增长的最核心的指标,一名程序员,只用了两天的时间就完成了数据准备。团队很快看到了重要的数据,初步发现了问题和机会,高管和增长小组备受鼓舞。

B 类【数据诊断】的要点:问题归因查找增长瓶颈,增长杠杆洞察发展机会

数据诊断环节回答另外三个问题:

  • 看到了问题,那么问题原因是什么?

  • 找到了机会,但如何抓住机会实现增长?

  • 优化哪些模块,采取什么措施能够带来增长?

为解决以上问题,我们梳理出五大模块、三大体系。五大模块对应 RARRA 增长模型适合互联网属性相对成熟的公司,三大体系对应产品、运营、市场营销三个团队适合传统企业转型互联网的公司。

五大模块中:

  • “留存全景”协助客户解决如何调动各功能模块提高老用户留存的问题;

  • “激活时刻”帮助客户降低产品使用门槛,提高新用户激活和沉睡用户召回问题;

  • “裂变大师”通过优化客户复购和分享策略与拆解活动运营问题,提高老带新比例降低获客成本;

  • “转化杠杆”利用用户行为的分群研究,找到驱动业务增长的魔法数字,确定撬点,集中资源撬动业务增长;

  • “获客矩阵”配合当前线上/线下全景流量场景,打通 App、小程序矩阵、广告投放、H5 分享、线下扫码等多种渠道数据和获客行为,实现拉新效果最大化。

三大体系适配大部分转型开展线上业务的传统企业,针对产品、运营、市场三个职能部门的工作,将以上的互联网经验融入到为每个部门准备的专项诊断服务中,为下一步驱动产品精益迭代、运营精细操作、投放精准优化的改进动作奠定基础。

其实在每一个环节的投入都有巨大价值,比如在当下企业普遍关注的留存环节。我们曾经帮助某客户提高了每周留存率仅仅两个百分点,6 个月后,活跃用户量比过往翻了一番,在没有增加获客成本投入的情况下,只需要诊断留存问题,就可以实现这样惊人的效果。

针对正在向互联网转型的传统企业,GrowingIO 推出小程序矩阵的综合解决方案,实现了线下流量向线上转移,基于获客矩阵模块的深度分析与优化,充分发挥了传统企业在线下终端的流量优势,让传统企业在互联网下半场竞争中占据先机。

这些模块具体怎样帮助客户解决问题,您可以邀请咨询顾问到您的企业中具体介绍。

C 类【数据驱动】的要点:数据策略、实操与复盘

数据诊断实现后,我们将陪伴企业将策略真正落地,实现 GrowingIO 一直以来的使命:用数据驱动企业增长。重点解决如下问题:

  • 产品如何升级?运营如何优化?

  • 如果实现持续的优化迭代,而不仅仅只是一次单点的优化动作?

为了解决以上问题,GrowingIO 数据驱动咨询服务基于如下一套模型。

这套模型的起点是数据和策略,数据来源于采集和监测,而策略来源于分析和洞察。目前可以提供策略的公司有传统咨询公司,可以提供数据服务的公司有数据技术公司,但真正能够把数据和策略结合在一起、为客户赋能,定位于数据驱动服务商的公司,仅有 GrowingIO 一家。

这样的信心来自于过去 5 年,GrowingIO 和国内互联网各行业的 TOP 客户深度打磨、共同成长的积累。今天我们将这些已经成长为“大厂”的互联网领军企业的数据驱动经验(或者已经陨落的创业先驱的惨痛教训),凝结成教练式陪伴服务,转移给新晋的互联网业务挑战者们。

  • 数据驱动设计和产品:过去老板的决策、设计师的审美、产品经理的能力决定了产品的面貌。未来,我们要用数据和经验指导团队,什么样的设计带来更高的转化,怎样的实验可以更快的迭代接近最优的方案。

  • 数据驱动内容和运营:过去我们用一套话术、一套内容、一个创意面向所有人,畅想千人千面的美好却缺乏设计的思路、执行的资源和监测的平台,消费者却已经悄悄进化为不同时点需要不同触动的一人千面的境界。我们将帮助企业构建的能力包括策略分析、设计规划、用户分群、触点选择、效果评估和迭代升级多个维度。

  • 数据驱动获客和投放:过去我们大水漫灌,现在我们银根紧缩,转而借助第三方标签构建画像,期盼精准投放后,却发现效果平平。

    事实上,数据驱动的获客和投放是由一系列动作和能力组成的,包括:投放与产品内数据的打通分析、投放链接与产品内活动落地页的无缝连接、基于自有场景下的用户行为标签与画像、线上线下多种获客渠道的配合。精准已经不是投放一个环节能达到的结果,需要全链路的配合才能实现。

以上这三点,可以提炼为精益迭代、精细运营、精准投放。最有价值的数据,仍然是用户行为数据,而不仅仅是用户属性数据。用户何时留资、在什么页面评论、从哪里点击商品加购,最终下单、分享、转化,还需要了解我们在投放中,媒体的搜索、回流数据,这些数据共同组成我们的数据池。只有数据全面,我们才可以持续迭代我们的产品、运营和投放。

数据驱动最重要的能力是连续迭代

给大家举个产品精益迭代的例子,某付费转化页面,有两个版本,A/B 测试投放转化率分别为 3.5%、3.7%(数据为脱敏示意数据)。那我们是否可以确定 B 这版更好吗?还有优化的空间么?针对全量用户都用这个页面么?

事实上,仅仅针对产品优化计划中,这一个单一页面的优化,就可以拆解成如下图所示的流量来源、流量转化、流量评估 3 个方向,多个维度。

流量转化层面本身可拆解为图片、文字、价格等等多种维度,在真实的案例中,我们仅仅就文字信息的优化方向,就拆解出了产品名称、权益描述、价格表达、促销主题、支付说明、操作提示、附加说明、账号表现等 8 个细分维度若干优化可能。

流量来源层面也需要根据不同的触发时机、不同的内容来源、不同的用户画像等细分用户群体制定不同的设计策略。

流量评估层面需要建立付费转化率之外的系列指标体系,才能构建产品功能之间的协同效应,实现用户旅程的最优。

小小的转化页面如此复杂,又有多少企业能够用心、用数据去迭代这个转化页面呢?如果进行,又该如何统筹团队、如何安排计划、如何持续创意,如何评估结果呢?这些都是 GrowingIO 教练式陪伴服务要和企业一起攻克的难关。

提高转化率只是开始,用户付费成功后,是否有弹出购买成功的祝贺页面,帮助他完成付费成就感的闭环?有没有把账号充值、消费等数据推送给用户?有没有在 3 个月后,告知客户他累积看过多少部电影,累计节省多少费用,已经大大超出他购买会员的费用。基于这样的会员体系,用户是否做了分享、推荐,是否形成了裂变,这些都有工作可做。

从起先只关注转化率,扩展到关注决策周期、决策频率、单一用户全生命周期消费、留存、分享、续费率、看片率等数据,这是一个由无数细节数据驱动组成的完整数据策略。

驱动产品优化后,我们可以继续开展渠道优化、会员优化等增长工作,但哪件事优先级最高,这是需要企业去选择和决策的,GrowingIO 可以用 ICE 模型(收益、信心、投入),帮助企业找到优先级最高的事。下图中的斜线就是投入产出比平衡线,右下象限中的事情,就是我们希望做的,低投入,快速实现,高价值产出的事情。

GrowingIO 作为外部合作伙伴,团队赋能也是我们的重要使命,通过培训帮助企业内部提升包括埋点、分析、可视化、标准化测试等能力。企业能力越强,周期越短,投入的成本就越少,数据越准,模型中的每个模块的位置都会下移。

到某一天,我们就可以非常开心地发现,所有增长投入都在 ROI 为正的情况下进行,员工的每一分汗水都是有价值、有回报的。能否走向这样的未来,决定了增长团队的信心与生存,决定企业在下一个十年的新的竞争壁垒。

D 类【数据沉淀】的要点:行为数据+业务数据融合

在增长的成功经验下,GrowingIO 帮助企业做好数据沉淀。将用户行为和业务数据的打通、将不同系统的用户数据汇集到统一的平台,实现自有业务场景下的用户画像、结合第三方的用户标签,为智能化用户运营和管理奠定基础。

在这过程中,GrowingIO 和企业共同落地数据采集、实施、数据治理、标签体系规划等,并把数据沉淀在增长平台上。

未来,GrowingIO 将针对客户的阶段、团队能力、业务模式、增长目标,提供最适合的服务。比如企业刚刚开始数字化,处于希望看到数据的程度,那么最基础的数据规划,就可以满足客户的第一步需求。如果企业有专职数据人员、有增长团队、用数据增长了,可以逐步提供对应的服务,帮助企业获得最高投入产出比。

依照 GrowingIO 服务上千家客户的经验,只为企业提供产品是远远不够的,需要企业中有更多人共同参与、推动、落地增长,这就是我们升级咨询服务的初衷。A-B-C-D 四类咨询服务,配合增长学院的 G1-G5 的五级课程,以及企业定制化培训服务,整合起来,这就是完整的 GrowingIO 咨询/培训服务体系。

结语

我们期待基于新的服务体系,和企业一起走过互联网下半场,让数据逐渐发挥价值。

GrowingIO 是 Hacking Growth 的引入者,Hacking 翻译成黑客的真实含义是不断的迭代尝试,我们会作为数据驱动服务商,陪伴企业不断尝试,寻找新的突破。

在这条不断尝试的道路上,有这样一句话:“Sometimes we win,Sometimes we learn”——增长之路,没有失败。我把这句话送给大家,期待 GrowingIO 和在座各位的持续增长!谢谢大家!

财经自媒体联盟

新浪首页 语音播报 相关新闻 返回顶部