一篇文章帮你找到产品中的“顿悟时刻

确保新用户在10天内添加7个好友,完成了这个动作后,这个用户就有很大几率留存下来。

Aha Moment(多译为“顿悟时刻”)这个表达是由德国心理学家及现象学家卡尔·布勒在大约100多年前首创的。

他当时对这个表达的定义是“思考过程中一种特殊的、愉悦的体验,期间会突然对之前并不明朗的某个局面产生深入的认识。”现在,我们多用 Aha Moment 来表示某个问题的解决方案突然明朗化的那个时刻。

从产品体验角度来说,Aha Moment 或者 Magic Moment ,是用户在使用产品中的爽(G)点。从产品的优化方向来说,它相当于是有价值的用户行为,这些行为将决定用户是继续使用你的产品还是选择你的竞争对手,它对用户留存以及产品的稳步增长有着决定性影响。

在作者看来,这两个 Aha Moment 从本质来说是不一样的,但又有一定相关性。前者代表着产品存在的价值,是在产品处于 MVP 阶段时就定好的,我们今天要聊的是后者。因为普通用户在使用产品过程中,通过哪些具体行为留存下来,从而成为优质用户,这个是我们无法准确预知的,然而一旦找到这这些行为,它就可以成为实现产品增长的秘密武器。

即便是再优秀的产品,也会在产品发展方向中经历/遭遇迷失,如果在这个阶段没有及时找到正确方向引导用户,产品的留存和增长就很难实现。

Facebook 在早期阶段,就发现影响留存和活跃最重要的因素就是好友数量,之后他们再持续不断的优化和测试中,找出了属于他们的 Aha Moment,就是确保新用户在10天内添加7个好友,完成了这个动作后,这个用户就有很大几率留存下来。在确认这个方向后,他们将这个目标作为产品优化的核心目标之一,通过不断的优化和改进,打造了现今社交平台在新用户引导界面几乎都在使用的 “Pepole you may know”。

除了 Facebook 以外,任何一个我们听说过的硅谷公司都有他们自己产品的 Aha Moment :

Linkedin :添加一定数量的联系人

Twitter :用户之间互相关注

Zynga :次日留存

Dropbox :上传一个文件

现在我们情清楚了,Aha Moment 实际上就是用户接触产品后的一些特定行为,这些特定行为对于产品留存率有着决定性的影响,可以说是产品爆发的拐点。但是问题来了,我的产品目前还没有这些公司的产品那么厉害,我也能找到自己产品的 Aha Moment 吗?别急,这就是本文要帮助你解决的问题。

其实,要找到这个产品增长的拐点,有两个秘密武器:同期群分析和A/B测试。

同期群分析 (Cohort Analysis):找出关键用户行为

A/B测试:验证最佳用户引导方向

以上两个秘密武器(方法论)缺一不可,关于它们的概念和定义我就不在这里多介绍了,大家可以在百度找到很多详细的解释,目前第三方做数据分析的产品也几乎都可以实现同期群分析,我们直接来看看具体的实施过程吧。

1.通过数据分析工具筛选出高质量用户、留存用户,以及低质量用户、不活跃用户的具体行为。

2.通过用户行为跟踪分别查看这两部分用户都做了什么,找到留存用户、高质量用户独有的特定行为。

这点非常关键,所以要强调一下,之前有很多同学认为,只看留存用户的行为就可以确认 Aha Moment 的方向,但事实上并非如此。我们需要对比找出留存用户的行为与流失用户行为之间的差异,确认那些在留存用户中占比最高,并且与留存有正相关的用户行为。

例如,找到留存用户行为有添加3个好友,发送2条消息和浏览5篇文章后,进行研发评估后,我们确认引导用户添加3个好友这个功能可以最快实现,然后确认运营策略,调配开发资源去实现这个功能了,但如果事实上,流失用户中的用户也有很大比例添加是3个好友,那就意味着我们有可能在做一个无意义的功能了。

3.与留存有正相关的行为可能不止一个,我们需要根据产品战略,技术开发的难易程度、用户调研和内部讨论进行综合评估,确认一些可以尽快将其完善成功能的行为类别作为 Aha Moment 的首选假设,之后实施研发,将其作为后续A/B测试的试验版本。

4.将那些不活跃的、低质量用户设为试验受众,通过A/B测试观察这些不活跃、低质量用户的数据是否可以提升,从而达到活跃用户的标准,进而找出真正的 Aha Moment 。

A/B测是验证假设的最佳工具,我们将现有版本作为原始版本,有新功能的版本作为试验版本,通过用户行为验证我们的假设是否成立。

5.通过不断测试之后,试验数据将告诉我们哪些行为会成为 Aha Moment ,我们确认之后通过A/B测试工具将附带 Aha Moment 的版本推送给所有用户。

除了这些,还有一点需要强调,就是在做同期群分析确认留存用户的特定行为时,我们也需要关注通过用户访谈和一些线下用户的反馈所获得的宝贵信息,这点非常重要(其实这点并不单单只适用这个场景,产品在做任何优化和改动时,我们都应该聆听用户的心声)。

作者:傅礼阳,微信:fly415

本文由 @傅礼阳 原创发布于人人都是产品经理。未经许可,禁止转载。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,445评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,889评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,047评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,760评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,745评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,638评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,011评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,669评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,923评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,655评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,740评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,406评论 4 320
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,995评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,961评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,023评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,483评论 2 342

推荐阅读更多精彩内容