|
在“互联网+”战略的推动下，移动互联网与越来越多传统行业的结合更加紧密，用户使用移动互联网的工作场景、生活场景、消费场景都在悄然发生着改变， 移动应用在智能硬件、医疗、汽车、旅游、教育等市场都在不断探索新的可能性。如果说前些年是移动互联网从线上向下俯冲，妄图席卷八荒，那么从2017年开始，这个态势已经改变了： 极少数应用人气很高，而多数应用则在缺乏关注的困境中挣扎，受困于人气上的“长尾效应”。移动游戏公司Massive Damage的创始人兼CEO濑户健说：“有些独立游戏开发者的应用每天只有一两次下载。下载量完全依赖于你的市场营销、病毒式传播特性以及在应用商店内的排名”。
线下企业纷纷转型，一有入口即瞄着互联网平台发力，力争线上线下融合促进，导致缺乏线下支撑的移动应用受其牵制、约束或反哺，用户获取难度进一步增加。
2017年中国移动互联网的月度活跃设备总数稳定在10亿以上，从2017年1月的10.24亿到12月的10.85亿，增长非常缓慢，同比增长率也呈逐月递减的趋势，再次验证人口红利殆尽，移动设备用户增长面临巨大考验的现状。
在这样的市场趋势下，依托互联网行业自身的海量数据优势从中淘出真正有价值的数据是企业逆流而上的关键。移动应用行业诞生于互联网，天生自带宝贵的数据池，取之不竭，然而这也是让企业失去专注度的不归路。
我们在过往开展的移动应用行业BI项目中，会遇到一些企业数据报表零散，业务人员的提数需求旺盛然而没有关键的分析要点，数据部门陷入提数泥潭却缺乏业务能力搭建有效的数据体系，恶性循环导致数据分析无力为企业提供有价值的信息，更不用说驱动业务提升。
本文将以某移动应用开发企业的项目为例，探索移动应用企业如何能够把业务简化到最基本的成分，从而提炼出关键指标，提炼专注的数据分析能力。该企业是一家由全球百强集团成功孵化并独立运营的互联网公司，之前已采购Yonghong Z-Suite帮助其做数据可视化分析，经过一段时间的积累后，其COO发现虽然运营部已再使用BI进行数据分析，但并没有真正的实现数据价值，希望永洪能帮助其搭建有效的数据分析体系。
永洪的咨询专家组驻场调研后发现，由于该企业的商业模式还没有完全确定，不停地修改自己分析的活动，并且仍在寻找正确的定位或目标客户，以至各业务人员的工作目标缺乏统一方向，没有办法让公司拧成一股绳。而改善现状的最好办法就是选择尽可能少的指标作为日常跟踪的对象，通过将每日KPI控制到几个关键的指标，我们能够更清晰地认识到公司的专注点在哪里，以及做得好不好。在进行更深入的业务研讨后，项目组确定该公司现阶段的主要目标是“增长”，企业迅速切换商业模式的目标都是围绕“用户增长”而进行的，这一结论也勾稽出四大业务模块的逻辑关系，如下图，右边三个业务模块都是为了给用户提供更好的服务，尤其是高价值用户，以实现用户增长。
确定了关键目标后，各业务人员目标一致，开展业务人员都紧密围绕“用户增长”这一目标，极大地提高了工作效率。 项目的下一步工作重点是如何围绕目标，明确出影响用户增长的关键要素。根据数据分析框架能帮助移动应用企业审视自己的运营，提炼关键指标：
该项目中，首要关键目标是了解企业的增长要素，因此选取了风险投资人麦克卢尔的海盗指标跟踪用户各环节转化率及转化数量情况，将关注的指标分为五大类：获取用户（Acquisition）、提高活跃度（Activation）、提高留存率（Retention）、获取营收（Revenue）和自传播（Referral），简称AARRR。这五个指标不一定遵循严格的先后顺序，例如用户可能先推荐某一个产品后再购买，或者光顾多次后再注册，但这五类指标确实是能够帮助企业思考增长所需要素的好框架。
在增长目标实现较好的情况下，项目组建议企业下一阶段可以关注用户画像。因为有一个残酷的现实是企业需要直面的，用户增长了，但并非每个用户都符合企业理想的用户画像。如果有机会深入观察用户的行为，会发现只有很少的访客最终成为了产品的忠实用户，而更多的只是过客。那么，哪些是真正的、有价值的用户，哪些是路过、好奇甚至是有害的用户？回答这些问题，都必须依靠数据分析。企业必须明确并圈出高价值用户画像，在本项目中，高价值并不只是用户的收入价值。我们选用了三个维度衡量一个用户的综合价值：
用户综合价值=用户需求价值+用户收入价值-用户成本
通过用户综合价值排行，进行用户层级划分，优先为高价值的“超级用户”区域进行服务优化，从而让他们感受到企业的关怀，实现最大化用户价值。
据有效统计，通过本项目，该企业用户增速提升33%，用户留存率提升25%，金融产品销售转化提升20%，产品设计效率提升约50%，同时搭建了多元化的业务分析场景，供企业后续发展三阶段灵活选取使用，减少业务人员临时提数需求，也减轻了数据组的工作压力。
本文作者 | 永洪科技咨询顾问Nico
- End - 他们都在用Yonghong服务
人人都是数据分析师专区
| 
