Aha moment深度思考

你好,我是不二翔叔。

目录:

1.什么是“Aha moment”?

2.“Aha moment”有什么价值?

3.如何找到属于自己的“Aha moment”?

4.如何应用“Aha moment”?

5.什么时机找比较合适?


1.什么是“Aha moment”?

忘记第一次是在哪看到“Aha moment”这个概念了,觉得很神奇,立刻就被吸引了。

先来做个小小的解释:

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来表示问题的解决方案突然明朗化的时刻。



2.“Aha moment”有什么价值?

在产品设计中的Aha Moment是指新用户在体验产品初期发现产品价值的时刻,一旦新用户找到了产品的Aha Moment,那么就更有可能留存下来。

一个新用户下载使用产品的早期(1~3天)体验决定了产品的整体留存水平。

下面是常见一些产品的“aha moment”。

也就是当一个新用户进来,只要及时触发了上面的这些Aha moment,他后续留下来活跃的可能性会大很多,这是不是很棒!如果每个产品都能找到自己的Aha moment,岂不是很容易做的风生水起。

既然这么优秀,那我们该如何找到自己产品的Aha moment呢?


3.如何找到属于自己的“Aha moment”?

先说两个秘密武器:同期群分析和A/B测试。

①同期群分析 (Cohort Analysis):找出关键用户行为

②A/B测试:验证最佳用户引导方向


常见的分析思路如下:

①将用户分层

研究哪些用户?需要圈出一批用户作为样本。

总体来说,主要聚焦在两大类用户:留存/流失。具体还可以细分为:高质量用户、留存用户,以及低质量用户、不活跃用户。

(某个时间段)全部“有效”用户。

某个时间段:

时间段:

比如:选择1月上半月,1月下半月,2月上半夜,2月下半月,3月上半月,3月下半月,4月上半月,4月下半月这8个时间区间。

新用户注册后两周左右的行为,能预测接下来是否流失。所以一般以两周一个时间单位。


有效:

排除被动导入用户。一次性用户等没有研究价值的用户,选取有主动活跃行为的人。

主动活跃是指主动使用App内相关功能的行为




②研究用户相关数据

研究哪些数据?基本有三个方向:

a.关系网络——用户在多少时间内形成多少连接

b.内容卷入——用户上传、下载、发布

c.使用频率——用户至少多长时间内使用一次


数据可粗略分为状态数据和行为数据。

a.状态数据:注册时间、好友数量、群的数量、发帖数量、性别、年龄……

b.行为数据:完成注册和激活、看过产品介绍之后继续使用App、用到产品核心功能、与其他用户建立联系……

比如:发文字消息、发语音消息、一段时间进行xxx次xxx行为……


PS:尽量提全面!防止返工!

特别是需要开发或数据同事帮忙提数时,请一次性提全。有条件的话自己提数据,分析过程中可以根据需要随时补充数据。



③找到“Aha moment”

1.重点找到留存用户、流失用户独有的特定行为

2.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.找到所有与留存正相关的所有行为或状态。

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.做A/B测试。

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 。

5.广而推之。

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。

PS: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。


4.如何应用“Aha moment”?

找到了”Aha Moment“,下一步该怎么具体用起来呢?

新手引导:针对新用户,引导其快速完成”Aha Moment“的指定行为目标,以此提升用户留存

运营活动:在各种运营的活动策划时,有意识的添加某些引导,让用户完成指定行为,提升新老用户留存

人工智能:建立完善的用户运营体系,实现自动化,精准化的运营,包括推荐、引导、推送等全方位策略



5.什么时机找比较合适?

最好的时机是产品已经达到了P/MF标准,同时在快速增长的阶段。



参考链接:

1.要如何找到产品中的AhaMoment,才能像Facebook一样

2.“10天7个好友”怎样成为Facebook增长到十亿用户的独门秘诀? - 创业邦

3.马瑫:提升留存的方法论与实战 Ⅰ1208拉新课

4.如何发现用户留存的关键点_以易信为例-网易微专业用户研究

我是不二翔叔,欢迎关注我~

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 204,921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 87,635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 151,393评论 0 338
  • 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 54,836评论 1 277
  • 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 63,833评论 5 368
  • 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 48,685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 38,043评论 3 399
  • 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 36,694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 42,671评论 1 300
  • 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 35,670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 37,779评论 1 332
  • 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 33,424评论 4 321
  • 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 39,027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 29,984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 31,214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 45,108评论 2 351
  • 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 42,517评论 2 343

推荐阅读更多精彩内容