終于熬過三天母親節營銷，運營小張已迫不及待地“秀”他的成績：新增注冊會員數量翻了 3 倍、日活增長 170%……

?

母親節期間，爭奇斗艷的營銷活動紛紛上線。如今已到復盤階段，作為深知運營數據“貓膩”的策小編善意提醒一句：別著急向老板討要“雞腿”，增長有陷阱，自嗨需謹慎！

下面我會從理論和實際案例兩個方面為你揭露虛假增長陷阱！

?

1

你關注數據的指標，正確嗎？

《精益數據分析》一書中提到：“數據指標是創業公司的計分牌。好的指標，幫你找到正確的“增長”姿勢；壞的指標，只會讓你迷失。”?

想象一下，下面這個場景是不是似曾相識：

?

當你進行投放評估時得知，A 渠道 CTR 0.27%，B 渠道 CTR 0.09%，如何選擇？

毫不猶豫，A 渠道！

然而你并不知道，A 渠道的 CVR 僅為 0.5%，而 B 渠道的 CVR 為 1.1%。

新活動拉新，當日 PV 增加 300%，新增會員數量增加高達 100% – 200%。

指標的飆升令人興奮！

或許你并不知道，相比自然流量，該活動拉新的留存率與轉化率均低 50%。

這是我們經常會犯的錯誤：我們習慣沉溺于虛榮指標的增長。

虛榮指標，會讓你感覺良好，盲目追求會陷入自我膨脹；

行動指標，能夠指導最佳行動方案，指導商業行動。

?

關于預防虛假增長，我們首先要知道的是區分虛榮指標和行動指標，防止從開始就錯了！

?

圖 1 八個常見虛榮數據指標

數據分析，并非簡單的 PV、UV 的基礎指標的分析，“粗糙”的數據僅傳遞出“用戶做了什么？”而非“用戶如何做的？為什么要這么做？”

為指導產品測試、科學迭代，相比虛榮指標，我們更需要關注可行性的指標。比如渠道評估，平均訪問次數、平均訪問時長能衡量網站的用戶體驗，跳出率直接反應網站流量質量，它更能引導你如何頁面優化、匹配核心關鍵詞調整。

?

2

案例：如何評估你的拉新活動？

下面以拉新活動舉例，教你在實際工作區分虛榮指標和行動指標和如何通過數據分析來評估和改進一次拉新活動：

?

某電商平臺 A 在五四青年節策劃了一場為期 3 天的拉新活動。上線第一天成果顯著：日新增會員數量增加高達 100% - 200%，且活動當日平臺瀏覽量提升 200% - 300%。兩個指標的飆升讓運營人員異常興奮，奔走相告，但是隨著活動的持續進展，看似光鮮的外表下卻暗藏著不少問題，通過神策分析發現，這次活動出現了三大典型問題：

?

1. 轉化率較低，付費意愿較差；

2. 無效邀請比例高達 40%；

3. 留存率低，大部分后續用戶流失。

?

在數據分析領域，“總注冊數”、“新增注冊數”指標本身是虛榮指標，該指標隨著活動力度、形式等呈現短期暴增，它能夠告訴你的活動傳遞并影響了多少“新用戶”，這些新用戶知道你在做什么，但并不意味你的產品一定對他有價值。拉新不是目的，顯然要結合新用戶的留存、轉化等情況綜合考量。

?

后來 A 電商平臺運營人員通過神策分析找到了活動中存在的問題。

最為典型的問題是：轉化率較低，付費意愿較差。一周后數據統計，與自然流量相比，B 計劃新注冊會員的留存率與轉化率均低于其 50%；從注冊到瀏覽商品詳情的轉化率低于其 60%；另外，人均支付單數降低 3 倍，人均消費金額僅占自然流量的 25%。下圖為活動帶來的新會員與自然流量會員的轉化情況

圖 2 一周后新會員總轉化率對比

新人的快速的流失可能由很多原因引起，說明平臺對于活動進入的新會員的吸引度不夠，或者會員在產品中未能及時獲取最為關注的內容。針對新用戶留存、轉化率低問題，活動人員主要進行了以下改進：

精準推送，用戶分群促進會員留存、轉化

活動人員篩選出注冊后一周內未交易的會員，這些會員是潛在的準流失會員。選擇對該目標人群進行一次短信與站內的推送。如圖展示了七天內未支付訂單的新會員情況。

圖 3 了解 7 天內未交易的新會員情況

在完成信息推送后，運營人員可以在神策分析主頁面進行多維度分析，實時展示推送后效果，評估推送或者產品優化效果。如圖可見，對“流失用戶”完成精準推送后，整體轉化率高達 24.69%，而未進行推送的人群轉化率為 16.34%，說明這是一次較為成功的精準推送，提升活動的整體效果。

圖 4 ?對比精準推送前后會員轉化效果

?

綜上所述，數據驅動已經是許多企業的努力方向。這對企業提出的要求不僅僅是更重視數據，而且應該將注意力集中在“驅動決策和產品”之上。該活動拉新案例給予運營活動的一些啟發：

?

第一，你關注的拉新指標，應是可付諸行動的指標；

虛榮指標唯一的作用就是讓人膨脹。精細化數據分析時代應該關注具有比較性、比率、可操作性強等指標，這些指標展示了產品的用戶參與度。

第二，除了關注“多少”，還要關注“為什么”、“如何做”；

每看到一個指標都應該問：依據眼前的數據，如何優化當前的活動？這是數據分析的終極目標，如果單純滿足于一些單純的增長指標中，而不嘗試改變運營行為，這并非是真正的數據驅動，而是在數據的泥沙中掙扎。

?

在整個拉新活動改進中，A 公司事先做好數據埋點工作，通過用戶行為分析、漏斗分析、留存分析來查看主要的指標，也做了一些 A / B Test 來查看不同方案之間的效果。通過關注與跟蹤關鍵指標，把握用戶的真實需求，不斷完善活動內容切合用戶口味。神策分析在 A 公司拉新這一過程中起了推動作用。

?

寫在最后的話：

要實現良性增長告別虛假增長，最重要的一點就是運營加上數據驅動，管理學大師彼得·德魯克說：“你無法衡量的東西，你也無法管理。”數據就是將“東西”可衡量化，想了解更多數據驅動運營案例，可查看下方相關閱讀。

相關閱讀：

深度 | 互聯網金融行業，如何將數據、用研、產品做到融會貫通？

如何有效提升留存率促進用戶活躍？

神策學堂發布——你有一份數據驅動指南待查收

案例：6 種 A / B 測試成功培養用戶使用習慣

總結

以上是生活随笔為你收集整理的母亲节刚过，别盲目 high 你的“增长”的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。