占雪亮:流量明星小红书的增长组织架构和数据分析实例

栏目: 数据库 · 发布时间: 5年前

内容简介:你是不是也曾经思考过这些问题呢?这些问题是否曾经困扰过你呢?那么你一定不能错过 TGO 鲲鹏会上海分会《技术领导者的增长黑客落地实践》活动中,小红书增长技术负责人占雪亮为大家带来了主题为《小红书增长的术和道》的演讲。以下根据当天演讲整理,有部分不改变原意的删减。
  • 从软件公司转型为互联网公司,会发生哪些变化?
  • 小红书为什么决定由数据驱动?
  • 如何知道自己产品里的用户属性?

你是不是也曾经思考过这些问题呢?这些问题是否曾经困扰过你呢?那么你一定不能错过 TGO 鲲鹏会上海分会《技术领导者的增长黑客落地实践》活动中,小红书增长技术负责人占雪亮为大家带来了主题为《小红书增长的术和道》的演讲。

以下根据当天演讲整理,有部分不改变原意的删减。

占雪亮:流量明星小红书的增长组织架构和数据分析实例 占雪亮现场分享图

我的题目叫《小红书增长的术和道》,道的内容会尽量少讲,因为它更多要靠大家自己实践,我觉得术相对来讲更能够落地。本次演讲主要分为两部分,第一部分是组织架构,第二部分是数据!

组织架构

传统软件公司和互联网公司的组织架构差异

占雪亮:流量明星小红书的增长组织架构和数据分析实例

微软是典型的传统软件公司,而 Facebook 和谷歌就是典型的互联网公司,它们没有绝对好或者绝对坏。比如,微软的产品 windows 几年才会发一个版本,一定要在 Release 之前保证质量。在传统的软件公司组织架构下,先讨论需求文档,文档出来了再做实现,然后由 QA 测试,这是传统的流程。大家的工作机制是分层的,每一个横向的部门都会有一个类似工头的角色,可能是客户端负责人、服务端负责人或者是数据上网负责人、运维负责人,大家一起来共同讨论需求,确定需求之后再到部门里传达。大家可以看到,这里面很多沟通环节是割裂的,要靠文档或一些纸面上的东西。

而在互联网的公司里面,这套可能不是那么适用。在互联网公司的组织架构,是有了想法先看一下现有的数据或者应用功能,考虑是不是值得改进,如果改进了会影响到多少线上用户。数据分析出来之后觉得这个事应该干,就分享一下找到了什么,大家预期的收益等等。组中的设计师或者数据分析师觉得这个事可以做就做了。快速完成、快速迭代,做小流量实验,只让一小部分用户先看到,收集用户真实的反馈。然后再来开会共同解读这些数据,判断结果是好是坏,是否继续推广。这种做法最大的好处是效率更高。

从软件公司转型为互联网公司,总结一下有这样几个变化:

  • 按照功能划分团队(vs 按照职能划分团队);

  • 大目标对齐的情况下分布式的团队协力决策;

  • 更紧密的跨职能团队协作;

  • 团队关注于对用户产生实际影响;

  • 面对不确定性的敏捷;

  • 所有参与者共同对结果负责(vs 对过程负责)。

为什么小红书内部要做这样的转变呢,因为我们认为迭代速度比不出问题更重要、效率比流程更重要、数据比权威更重要。

增长团队的组织架构

占雪亮:流量明星小红书的增长组织架构和数据分析实例 这种模式叫 Independent Model,上面是 CEO,下面有一个 Growth VP,专门负责 Growth。其下的部门完全按照模型划成不同工种组成,形成独立的闭环团队,好处是资源协调更加方便,而且迭代更加快速高效,但坏处是需要更加谨慎处理和其他团队的关系。

占雪亮:流量明星小红书的增长组织架构和数据分析实例

这种模式叫 Functional Modal,它的区别是增长团队向工程 VP 汇报。这种模式是按照功能来划分的,它的优点很明显,部门之间的关系不会那么紧张,但缺点是效率会受影响,因为需要跟其他的团队沟通,不管公司文化有多好,跨团队沟通都是有成本的,只是成本高低的问题。

小红书采用的是第一种模式,Growth VP 部门涉及 Performance marketing(SEM,信息流,应用市场,厂商预装等)、小程序(微信,百度,今日头条等等)、推送、新人体验(新人引导,注册登录,Feed,Search)等业务。我们最开始时也是分散到各个不同的部门里的,暴露出了效率问题和组织沟通的问题。后来,考察硅谷增长做得比较好的一些一线互联网公司,发现他们都有一个独立的完全闭环的系统,于是我们也做了这样的转变。

这两种模式其实都有非常好的互联网公司在应用实践,所以不存在哪个绝对好、哪个绝对坏。你要选一个最契合公司氛围或者公司最能够快速落地的方案,根据自己的实际情况组织增长部门。

数据!数据!数据!

为什么我们认为数据如此重要?

因为数据永远都不会说谎,数据陈述的是客观事实,不带任何主观意识和假设。它能有效地帮我们看清之前做的决策是否正确,使问题变得更容易察觉。未来,精细化运营是大势所趋,流量越来越贵,如何更好地利用来之不易的流量,数据的指导意义至关重要。

用户次日留存低的数据分析实例

就在上个月,我们的数据部门发现来自信息流等渠道的用户次日留存低,他们的人群特征是低龄,行动特征是“点赞即走”。当时我们就做了一个很符合逻辑的假设,认为这是些学生,只能在周末用手机,但是周一到周五因为上课没有办法用我们的 APP。这听起来很合乎逻辑,但真的是这样吗?我们分三个维度分析。

不同低龄用户表现是否有差异

经过进一步细分年龄段分析,我们发现真正留不住的是 15 岁以下的初中和小学生,而高中生还可以,所以不是因为周内上课无法使用导致的留存低,所以年龄划分(both for 分析 & 分发)需要重新考虑按照学龄。同时,这些 15 岁以下的用户主要来自付费渠道、信息流和百度 SEM,所以需要对投放进行更严格的年龄定向,避免浪费金钱。

他们来小红书看什么,有没有看到他们想看到的东西

我们分析发现,15 岁以下主要是画画、动漫、头像和明星,16 岁以上开始有穿搭、护肤、减肥,19 岁以上增加了彩妆,更年长用户有了菜谱、装修、品牌。经进一步统计分析,发现搜索后低点击词主要集中在明星、时尚品类词,且都是由年轻用户主要贡献了无点击,搜索之后高点击词,主要集中在减肥、护肤、美甲上,SEM 可以在这些品类上多做投放。

他们的 Feed 流推的是他们想看的内容吗?

占雪亮:流量明星小红书的增长组织架构和数据分析实例 占雪亮:流量明星小红书的增长组织架构和数据分析实例

我们做了一个数据收集,得到三个结论:1、多样化更加明显,更符合标记我的生活;2、头部不集中;3、尾部不长尾。而内容丰满度说明,对音乐、情感、电影、餐厅、游戏、动漫、萌宠、搞笑的曝光相比标签选择过少。特别需要关注那些即是年轻人更偏好的类目,又是曝光过少的类目:音乐、游戏、动漫、搞笑。这些类目很可能优质笔记不足。我们运营团队要在社区更多地创作这样一些优质的内容,分发到我们的用户。同时我们发现,不同年龄的喜好是不一样的,分发的时候即使同一品类,在不同的年龄纬度上也需要有不同的分发策略。

以上都是数据告诉我们的,如果没有数据,再聪明也猜不出来的。

小红书经常使用以下数据分析维度,大家可以参考:

  • 性别(男,女);

  • 新老用户(新注册,7 天内注册,28 天内注册,existing);

  • 年龄段(<=15,16~18,18~23,23~28,28+);

  • 平台(iOS,Android);

  • 机型(iPhone,OPPO,VIVO,华为,小米,其他,各 Android 设备再 break down 到中高低端);

  • 地域(一二线城市,三到五线城市,其他);

  • 获客来源(Organic,SEO,SEM,信息流,小程序,Branding,应用市场等等,SEM,信息流等渠道还可以 break down 到具体是什么投放词拉进来的用户)。

小红书为什么这么数据驱动?

小红书能够如此地数据驱动,主要是由于三个方面:

  • 第一个是文化,我们的公司文化就是从上往下在引导这样的氛围;

  • 第二个是工具,它让我们人人能用数据、人人会用数据;

  • 第三个是实验,想法好不好,行不行得通,靠实验来验证,看数据是不是符合你自己的预期。

差不多就是这三件事,使我觉得小红书现在在公司内数据驱动以及对实验的重视,比外面一般的公司要好一些。

Q&A

你们产品里面怎么知道用户属性的,是用户输入还是数据开放平台?

占雪亮:我们是自己收集为主,第三方也会用一些。我们的产品在用户一进来就会填性别、年龄,选自己感兴趣的内容。

一些增长资料经常看到,任何注册的环节都有可能导致用户流失,你们有没有对比过让用户选择标签或者输入一个数字,是不是对留存有影响?

占雪亮:肯定会的,小红书最开始的时候用户一进来就要一堆信息,要求注册。现在我们将注册后置了,进来你可以先玩,之后要交互、点赞、评论的时候,再要求登录。对此我们做了实验,实验之前觉得这样用户门槛更低了,讲道理他应该要来玩。但实际却是先注册的留存率会更高。前面设置了这么多前置环节,肯定是会影响很多用户。但是他如果经过了漫长过程,其实就是他花了心思,愿意玩的概率会更高一些。如果得来很容易,反而可能很快就忘了。

做实验的要用资源,包括时间资源、人力资源和钱。一家公司不可能无限地做实验,所以每个实验的边界一般您是怎么来定的?

占雪亮:首先,不要去做没有意义的实验,如果想想都能够想得通,就没必要做实验。其次,要快速得出实验结果,一般来讲可能 80~90% 的实验一两周就会有一个初步的大结论。前提是要有好用的工具,让实验没那么麻烦,有好的工程来配套。要注意尽量不要过度分析,先在实验之前把这个标题衡量好。就跟赛跑一样,先定好这就是终点,谁先跑到谁就赢了,不要输了还要跟裁判解释什么原因。

TGO 鲲鹏会是极客邦科技旗下高端技术人聚集和交流组织,目前已在北京、上海、杭州、广州、深圳、成都、硅谷、台湾、南京全球九个城市设立分会。现在全球累计 700 多名会员,60% 为 CTO、技术 VP、技术合伙人。

如果你想和这些优秀的科技领导者们一起前行,欢迎点击 「报名表单,申请加入」


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

算法技术手册

算法技术手册

George T. Heineman、Gary Pollice、Stanley Selkow / 杨晨、李明 / 机械工业出版社 / 2010-3 / 55.00元

《算法技术手册》内容简介:开发健壮的软件需要高效的算法,然后程序员们往往直至问题发生之时,才会去求助于算法。《算法技术手册》讲解了许多现有的算法,可用于解决各种问题。通过阅读它,可以使您学会如何选择和实现正确的算法,来达成自己的目标。另外,书中的数学深浅适中,足够使您可以了解并分析算法的性能。 较之理论而言,《算法技术手册》更专注于应用。《算法技术手册》提供了高效的代码解决方案,使用多种语言......一起来看看 《算法技术手册》 这本书的介绍吧!

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

随机密码生成器
随机密码生成器

多种字符组合密码

MD5 加密
MD5 加密

MD5 加密工具