成長ハッカーの方法論: 成長ポイントを見つけるには?

どのチームも成長を追求していますが、成長はどのように達成されるのでしょうか?より可能性の高い成長をサポートできる基礎的な方法論はありますか?

今日、Guangyu はデータの専門家に相談した後、霧の中で最も有望な成長ポイントを見つける方法論を皆さんに紹介します。

1. コア

この方法論の中核は、テスト A - 結果 - テスト A1 です。

製品の成長に直面すると、目の前には多くの製品運用戦略とプロモーションチャネルの選択肢があると思います。最初は良くないように見えるかもしれませんが、それぞれの方法をテストして、良い方法を見つけなければなりません。

私が紹介する方法論の核心は、テスト A に対して比較的効果的な計画を選択し、テスト A から効果的な結論を得て、次のテスト ラウンドで計画 A の A1 最適化ポイントをテストするか、計画 A を棚上げまたは放棄して計画 B のテストを開始するかを決定することです。

単純に聞こえますが、実際にはこの中核的な目標を実際に達成できるチームはほとんどありません。

最悪のチームは、合理的なテスト計画 ABC を思いつかないチームです。平均的なチームは ABC 計画をテストしますが、これらの計画が有効かどうか、またどの程度有効であるかを明確に知ることができません。その結果、次のテスト計画は、前のテストの結論とは何の関係もないように見えます。彼らは非常に賢く、想像力が豊かで、別の L 計画を思いついたようです。この時点で、テストの有効性は非常に低く、多くの試行アクションは時間の無駄になります。

したがって、以下の方法の核心を覚えておいてください。効果的なテストを実施して明確な結論を得て、次のテストの意思決定をサポートします。

II. 原則

この方法論の原則は、判断するのはあなたではなくデータであるということです。

多くのチームリーダーは、基本的に自分の感情に基づいて決定を下します。特に、プロジェクトが 0 から 1 に進んでいるときは、多くの戦略と多くのやるべきことがあることに気付くでしょう。これやあれを行うことが「効果的であるはずだ」と思うだけで、それがどれほど効果的であるかはわかりません。多くのチームは、戦略が効果的かどうかわからないまま戦略を採用し、頭のないハエの群れのように試行錯誤を続け、試行の具体的な結果がどうなるか決してわかりません。

その結果、明らかに問題がある多くの戦略が長期間にわたって継続され、これはまさにチームやグループの人々の命を無駄にしていることになります。

基本的に、すべての戦略は、実行したいのであれば、それが効果的であると想定する必要があります。すべての戦略が 1 人または数人の感情に基づいている場合、チーム全体がこの感情が正確であるかどうかに賭けていることになります。 100%信頼できないというわけではありませんが、科学的なデータに基づく意思決定方法と比較すると、成功確率は比較的低くなります。

したがって、最初に戦略を考えるときは、経験と感覚に基づいて戦略を立てることができますが、テストの実行を開始するときは、すべての決定はデータとデータ推定によって裏付けられる必要があることを覚えておく必要があります。

「それは有効であるはずだ」と思ったら、次の 3 つの質問に答える必要があります。

1. この戦略により、コアデータ目標は向上しますか?
2. このコアデータ目標の改善にどの程度役立つでしょうか?
3. この戦略が効果的である場合、それが効果的であることを示すデータは何ですか?効果があることを証明できるデータは何ですか?

ここで重要な点があります。実際の実装では、多くの戦略はデータではまったく測定できず、良いか悪いかは感覚でしか判断できないことがわかります。

決してこのような自己欺瞞に陥らず、データを検出する方法を見つけなければなりません。検出できない場合は、その事柄が最終的なプロジェクト結果に対して評価できないことを意味するため、行わない方がよいでしょう。行っても無駄になります。つまり、検証できないため、重要な戦略ではない可能性があります。

この方法論のロジックは、キーを見つけて、データを使用してこのキーを検出することです。検出できないと思うなら、グロースハッカーの方法論を実践することはできないので、以下の内容は読まない方が良いでしょう。

3. 実施方法

具体的な方法は以下で紹介します。

便宜上、パブリックアカウントの運用を例に、この戦略の実装方法を説明します。

最初のステップは、プロジェクトの中核となるデータ目標を見つけることです。

プロジェクトを実行する際には、どれだけの維持率、どれだけの成長、どれだけの収益など、多くの小さな目標があります。目標が多すぎると、戦略の焦点が定まらず、プロセスで行き詰まりやすくなります。したがって、この戦略を実装するための最初のステップは、次の点を明確に特定することです。実装するすべての戦略が達成する唯一の主要目標は何ですか?

つまり、現時点でプロジェクトが突破する必要がある重要なデータは何でしょうか?

1つの目標だけに集中する必要があります。

例えば、公開アカウントの運用において、ファン数と閲覧数を増やすことが現在の公開アカウント運用の目標であると仮定します。しかし、慎重に評価した結果、実際にはファン数を増やすことの方が現時点ではより優先度が高く、より重要な要素であることがわかりました。そのため、ファン数の増加をコアデータ目標として明確に設定します。

ステップ2: 主要なプロセスデータを分解する

通常、プロジェクトのコアデータ目標は、いくつかの主要なプロセスデータで構成されます。たとえば、先ほど設定したコアデータはファンの増加であるため、このプロセスには「フォロワー数」や「アンフォロワー数」など、いくつかのプロセスデータが存在する可能性があります。成長の主な方法が他の公開アカウントと相互に宣伝することであると決定した場合、プロセスには「相互宣伝の閲覧数」、「相互に宣伝された公開アカウント数」など、多くの主要なデータが存在する可能性があります。

ステップ3: 重要なデータに対する戦略を立てる

上記のプロジェクトのコアデータと主要なプロセスデータを明確にした後、チームは完全なブレーンストーミングフェーズに入る必要があります。チームに限られた時間を与え、このデータに対してどのような戦略や方法を試すことができるかを検討し、それらをすべてリストアップします。

具体的には、相互読書の量を増やすにはどうすればよいか、について考えてみましょう。フォロー解除の数を減らすにはどうすればいいですか?他の成長源を見つけるにはどうすればよいでしょうか?

最後に、コアデータ目標に大きな影響を与える可能性が高いと考えられる戦略が優先されます。

ここで強調しておきたいのは、解決策を考えるときには、多くの解決策が思い浮かび、その多くは効果的で実行する必要があると思われるということです。これらの解決策については、上記の 3 つの質問をする必要があります。

1. この戦略により、コアデータ目標は向上しますか?
2. このコアデータ目標の改善にどの程度役立つでしょうか?
3. この戦略が効果的である場合、それが効果的であることを示すデータは何ですか?効果があることを証明できるデータは何ですか?

これらの質問に対する答えがすべて肯定的であれば、コアデータ目標を効果的に改善できると推定され、その有効性をテストする方法も理解できたことになります。これらは、実際に実装する必要がある戦略です。

たとえば、公開アカウントは、類似のアカウントを見つけて互いに宣伝したり、 GuangDianTong広告を掲載したり、インタラクティブ転送を行ったり、ホットなトピックをフォローして転送を促したりすることで、フォロワーを増やすことができると考えています。これらの方法はすべて、コアデータ目標の向上に役立ちます。では、推定される有効性に基づいてこれらのソリューションに優先順位を付けます。

プロセスの中で、他の解決策が生まれるかもしれません。たとえば、現在のパブリック アカウントのアバターは十分に高度に見えないので、より高度なアバターを作成する必要があると誰かが提案するかもしれません。これは役に立たないと考える人もいます。それが有用かどうかを議論する代わりに、アバターの変更によってどのようなプロセス データが影響を受けるかを考える方がよいでしょう。注目度変換率に影響しますか?もしそうなら、その影響はどれほど大きいのでしょうか?その後、議論は結論に達し、放棄されるか、実行可能なテスト計画が生まれるかもしれません。

次のような多くの解決策があるかもしれません。ツイート内の公開アカウントをフォローするという指示が目立たず、もっと目立つようにする必要があると思う。抽選にメッセージを残すとアクティビティが増えると思う。定期的にさまざまなグループにツイートを転送すると露出が増え、より多くのファンを獲得できると思う...

つまり、あなたの前には多くの戦略と方法があり、あなたは自分自身に 3 つの質問をするだけです。

ステップ4: 戦略の監視方法と期待を準備する

すでにすべての戦略を検討し、次にどの戦略を実行するかを決めている場合は、これらの戦略のデータ結果を見積もる必要があります。どのデータが結果の有効性を証明できるか、どのくらいのデータが効果的であると予想されるか、データ結果を回復するのにどのくらいの期間が予想されるか、そしていつ結論が得られるかなどを明確に考えてください。

パブリックアカウントのフォロワーを増やすケースに戻りましょう。たとえば、相互プロモーションによりフォロワーが 1 週間あたり 3,000 人増加すると推定します。プロセス データでは、相互プロモーションにより 50,000 件の外部読み取りが生成されることが示されています。このようなデータ結果が 1 週間以内に達成された場合、この戦略は効果的であると考えられます。データは金曜日の夜に収集され、戦略テストの結論は金曜日の夜に得られます。

ステップ5: テストを実装する

このステップについては、特に言うことはありません。ただ実行し、人々に明確に伝えるだけです。これができなければ、方法論がいくらあっても無駄になります。

ステップ6: 収集したデータの結果を期待される結果と比較する

完全なチームに BI (データアナリスト) の役割がある場合は、戦略を策定し、データの目標と回復方法を見積もるときに、BI がプロセス全体に関与する必要があります。このとき、BI は、事前に決定された回復時間に従って、確立されたすべての関連データを回復して整理し、予想されるデータと比較する必要があります。

例えば、相互プロモーションにより、公式アカウントのフォロワー数は1週間で2,300人増加し、外部からの閲覧数は7万件を超えました。

ステップ7: 最適化するか中止するかを決める

データの結果を取得したら、チームをテストします。チームはデータプロンプトから明確な結論を見つける必要があります。

公開アカウントのフォロワー増加目標は3,000人に達しなかったものの、外部閲覧数は70,000を超えており、この戦略は実現可能であり、比較的効果的であることが示されています。

しかし、ファン増加のコンバージョン率は依然として比較的低く、予想よりも低いことがわかりました。そのため、コンバージョン率を最適化するか、この計画を放棄してより効率的な計画を見つけるかは、チームの決定次第です。

この場合、一般的には、この計画に基づいて A1 を最適化してテストできると考えられています。つまり、コンバージョン率を最適化するには、A1、A2、A3 の計画があります。123 の計画がすべて効果がない場合は、大きな A の計画を放棄するかどうかを検討します。

この計画に従って、各戦略方法を記録すると、次の表が得られます。

フォームのフィールドには、実装時間、主な実行者、主な動作、回答すべき主な質問 (テスト対象)、コア テスト指標と期待値、予想されるデータ回復時点、結論時点、実際の効果記録、効果分析などが含まれます。

この方法論に厳密に従えば、チームの混乱がなくなり、プロジェクトの焦点とプロジェクトのリズムが明確に把握され、プロセスを通じて到達した結論、得られた成功体験と失敗体験が明確になります。同時に、チームメンバーは、全員が現在何をしているのか、どのような結果を達成しようとしているのかについて非常に明確に理解し、意思決定と実行の間に誤解がなくなります。

これらすべてが、継続的な探索の中で機会を見つけるための効果的な基盤を提供します。

これが科学的な方法だと思うなら、ぜひあなたのチームで試してみてはいかがでしょうか。

著者：Guangyu、 Qinggua Media より出版許可。

出典: Guangyu (IDyaoyaobiji)