转化漏斗、商业模式、增长留存等数据指标说明

转化漏斗

当你走错方向时,目的地在哪儿反而无关紧要了。转化模型能告诉你从起点走向终点的路径。以电子商务为例:

接触节点(SEO、SMO、社会化分享、口碑传播等)

转化为访客

转化为用户

转化为客户

转化为会员

这是一个用户转化模型的简单例子,既展示了每一个单独的步骤,也说明了如何连接到下一个步骤。访问者不会成接转化为客户,他们要首先成为用户,用户的定义是:他们开始使用你的应用,并对你提供的商品和服务感兴趣。当用户为你的商品付费时,他们成为你的客户。当你与客户建立联系方便他们重复购买时,他们成为你的会员并有可能传播你的产品。

如果你开发的是一个电子商务应用,转化模型可能是这样:

接触节点 (Appstore 推荐,媒体宣传等)

下载App

转化为注册用户

转化为活跃用户

转化为付费活跃用户

定义你的产品转化漏斗,观察这个漏斗的瓶颈和冲突点分别在哪里。找到你的产品在哪一个(几个)步骤流失了最多的用户,然后集中精力提高这(几)个步骤的转化,单点逐个击破。不要把这个过程想的很复杂,按照这种原则去做就好。

商业模式

你的客户是谁,你卖给他们什么(产品、服务、广告),以何种形式交易(订阅性服务、一次性买卖)。

模型均衡要求你在商业模式和转化漏斗之间自如切换,对总收入和不同模块的业务结果都了如指掌。区分商业模式漏斗和业务转化漏斗。以电子商务为例:

+平均销售收入(每订单)

-平均每订单货物成本(每订单)

=毛利(每订单)

-平均物流成本

-平均运输成本

-其他可变成本

=边际收益

-平均边际成本

=边际利润

(利润最大化的必要条件是边际收入=边际成本,此时边际利润=0,达到利润最大化。)

边际利润*销量=覆盖固定成本的可利用资源。在这里我们只关注了整体数据,而没有关注细节数据,如:每产品的边际收益、市场营销费用、物流运输费用等等....需要单独看每一个指标并观察他们的特异性,包含最大、最小和标准偏差,以及怎样优化每个个体数据从而提高总体商业模式的竞争力。

重点关注有显著影响的指标,如边际收入。

增长

增长并非不言自明的,设想一下:如果你的创业公司用户没有增长,而竞争对手却在增长,想象一下会发生什么。有诸多业务值得企业家关注掩盖了用户增长的重要性,如产品研发、品牌推广、团队建设、技术搭建等...但增长却是创业公司全力以赴追逐的,是需要每天关注的富有挑战性的需要完成的使命。

复合增长率的关键是:关注你的核心指标并确保这一指标每周、每月都在增长。

为了计算月度活跃用户的增长率,公式如下:

((结束值 / 开始值) ^ (1/ 期数)) - 1

举例说明:

1月份:100000活跃用户

12月份:20000活跃用户

oh看起来很棒!用户量翻倍了。复合增长率为((200000 / 100000) ^ (1/ 12)) - 1=5.95%。但得搞清楚:这个数据并不好。来看看不同的复合增长率拉长在一年时间内的残酷结果:

5%的每周复合增长率=结束值为12倍于初始值

10%的每周复合增长率=结束值129倍于初始值

10%的每月复合增长率=结束值18倍于初始值

像你看到的这样,如果周复合增长率是10%而不是5%,那在一年后将是10倍增长而非2倍增长。现在理解为什么Uber、Airbnb、Snapchat等在成立后短短几年就成长为独角兽公司。

留存

留存是所有指标的圣杯般存在。不考虑增长的留存毫无用处,不考虑留存的增长非常愚蠢。留存有多重形式:

如果你销售的是订阅服务,你的多少客户在1、3、6、12个月之后依然继续订阅你的服务? 同时也能计算流失率和消费者生命周期价值。

如果你开发的是App,DAU/MAU的比率是多少?活跃用户在1、3月后继续使用产品的还有多少?他们是否有邀请朋友使用,病毒传播效果如何?

如果你运营的是电子商务,消费者一年内购买2次以上的比率是多少?有多少客户是召回客户?每年每客户的平均订单量是多少?

这个表能说明留存率的计算方式:

翻译自medium

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 202,607评论 5 476
  • 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 85,047评论 2 379
  • 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 149,496评论 0 335
  • 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 54,405评论 1 273
  • 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 63,400评论 5 364
  • 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 48,479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 37,883评论 3 395
  • 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 36,535评论 0 256
  • 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 40,743评论 1 295
  • 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 35,544评论 2 319
  • 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 37,612评论 1 329
  • 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 33,309评论 4 318
  • 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 38,881评论 3 306
  • 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 29,891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 31,136评论 1 259
  • 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 42,783评论 2 349
  • 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 42,316评论 2 342

推荐阅读更多精彩内容