グロースハッキングの実践

インターネットは現代社会において最も破壊的な原動力であり、買い物から社交まで私たちの行動のすべてを変えています。ショッピングから社交の仕方まで。ソーシャルプラットフォームの利用が徐々に増えるにつれ、グロースハッキングも広まり始め、スタートアップ企業はマーケティングや成長に対する考え方を変え始めました。データや製品を重視し、「無駄のない」運営を目指すグロースハッカーは、マーケティングの基本的な前提に疑問を投げかけています。このプロセスで、私たちはどのようにして独自の成長モデルを構築するのでしょうか?この記事を見てみましょう。 1. グロースハッキングとは何ですか? 興味深い現象: グロースハッキングの概念に対する理解は人によって大きく異なり、常に変化しています。 1.1 常に変化するグロースハッカー

Facebook のユーザー成長担当副社長であるアレックス・シュルツ氏は、創業間もない頃に紙飛行機を作るウェブサイトを作成しました。彼はウェブサイトのページに 20 ～ 30 個の「紙飛行機」を配置し、検索エンジンで検索したところ、関連性ランキングが上昇したことに気づきました。これがSEO の最初の試みでした。
Dropbox は、ユーザーが友人を招待することでストレージ容量を増やすことができる機能を導入して急速な成長を遂げました。
Hotmail が初めてリリースされたとき、すべてのユーザーのメールの下に使用登録を促す CTA が追加され、短期間で大きな成長を遂げました。

その後、ますます洗練された SEO、電子メール、テキストメッセージを使用して新しいユーザーを引き付けるだけでなく、ソーシャル招待メカニズム、パブリックアカウントの配布 (コードをスキャンしてフォロー)、特定のインタラクティブデザイン (テキストの強調表示、共有、ダウンロード) を使用して成長を促進することもできます。今では、新たな指標の設定やA/Bテストフレームワークの構築など、データドリブンな運用で成長を実現する取り組みが始まっています。 1.2 グロースハッキングの本質：テクノロジーアービトラージ 少し複雑に考えた後、私は「ハッキング」という言葉の方が適切だと思いました。どのようなシステムにも、誰もが認めるルールと実際に存在するルールがあります。ハッキングとは、実際のルールを認識しながら、一見不可能と思われる目標を達成することです。グロースハックの観点から見ると、上記のようなケースに共通するアプローチは、最先端の技術やツールを探索することでより強力な実行力を獲得し、それらのツールやルールの理解が広まる前に、それを十分に活用して対応する競争上の優位性を獲得することです。これは主に、顧客の獲得、活性化、維持、収益化、推奨などの分野に焦点を当てています。簡単に言えば、グロースハッキングとは、上記の分野における技術的な裁定取引のことです。テクニカルアービトラージのツールや洞察の中には、広く普及した後、過去の効果を再現することがほとんどできないものもあります。たとえば、オンラインディスクのスペースを寄付するために友人を招待したり、抽選を転送したり、CTA などは現在、インターネットビジネス運営の標準的な機能になっていますが、それによって大きく成長した人は多くありません。本当に大切なのは、常に新しい製品やオペレーションの作り方を模索し、検証していくことです。だからこそ、各企業がさまざまな段階でさまざまな方向性を模索しており、冒頭で述べたグロースハックの定義に混乱が生じているのです。 1.3 探査におけるフライング・ガチョウモデル 実践が最先端であればあるほど、競争相手が少なくなり、それを知っている人も少なくなるため、投資額は大きくなり、収益も大きくなります。従業員が仕事を辞めて新しいビジネスを始めたり、技術を共有したりするなど、しばらく経つと、この慣行は徐々に広まり、非常に効果的であることが証明され、人気が高まりました。敷居が下がり続けると、標準化されたワークフローやツールソフトウェアが登場します。重要な分水嶺はSaaSツールであり、徐々にさまざまな業界の標準や規範になっていくでしょう。これがフライング・グース・モデルの特徴です。私の個人的な意見としては、スタートアップにとって最も費用対効果の高いアプローチは、現在人気の SaaS 製品でサポートできるレベルを達成することです。 2. グロースハッキングとデータ駆動 グロースハッキングのより重要な領域の一つであり、最も価値のある領域はデータ駆動型です。なぜ？まず、上記のフライングガチョウモデルで要約されているように、ほとんどの企業が対応できる最もコスト効率の高いフロンティアはデータ駆動型です。関連するツールは、過去 2 年間で非常に速いペースで改善され、SaaS ベースになっています。 2 つ目は、データ分析自体が、その後のすべての製品改善やグロースハックの結果を測定する指標となることです。これは、経営の第一人者ピーター・グルック氏の「測定できなければ、改善することはできない」という言葉と一致しています。では、データ駆動を実現するにはどうすればよいでしょうか?

これまでの実践経験に基づいて、このプロセスを 3 つの部分に分けることができます。

最初のステップは計画を立て、どのようなイベントを収集する必要があるかを決定することです。
次に、対応するデータベースまたは製品にデータを収集する方法について説明します。
最後のステップはデータ分析です。これにより、収集されたデータから有用な結論を導き出すことができます。

3. データ収集をどのように計画しますか? 計画は主に 2 つの部分に分かれています。 1 つ目は、どのイベントが主に収集されるか、2 つ目は、収集されたイベントを分析するためにどのディメンションが使用されるかです。 3.1 どのようなイベントが記録されますか? 最初に覚えておく必要があるのは、登録、アクティベーション、購入など、主要な指標を構成するイベントです (これらの主要な指標は製品に密接に関連しています)。次に、これらの主要な指標をサポートする項目を分解します。たとえば、登録には、登録ページを開く、アカウント、パスワード、確認コードを入力する、または他のソーシャルアカウントを使用してログインすることが含まれます。このプロセス中に、一部のイベントには明確な順序があり、一部のユーザーは特定のイベントを諦めることがわかります。このプロセスはファネル分析と呼ばれます。ファネル分析を構成するさまざまな主要なステップも、この主要指標の拡張および改善としてこのように記録できます。 3.2 どの次元を選択すればよいですか? 最も重要な原則は、違いを生む可能性のある次元を記録することです。たとえば、特定の機能をページ上の異なる場所に配置すると、効果も異なるため、そのページ属性をディメンションとして記録する必要があります。たとえば、電子商取引のウェブサイトでは、販売された商品を数量、価格、原産地などの複数の次元で記録できます。今日のスタートアップにとって、最も費用対効果の高いアプローチは、SaaS サービスを使用し、サードパーティの SDK を通じて生データの収集を完了することです。 4. データを収集するには? 従来のデータ収集はリソースを大量に消費するプロセスであり、時間の 1/3 から 1/2 を費やす可能性があります。 4.1 データ収集時に注意すべきことは何ですか? まず、製品の初期段階では、「統計レイヤー」のニーズを製品計画と反復構造に直接組み込む必要があります。事前に計画を立てることで、後で多くの面倒や再構築を防ぐことができます。なぜなら、後でコレクションの要件がプログラムの再利用の要件と多少矛盾していることに気付くからです。第二に、製品の自動化テストプロセスを実装するときに、統計データの統計的な戻り結果を含めるようにしてください。長期的には、多くの技術的な問題を回避するのに役立ちます。最後に、初めてデータを収集する場合は、SaaS ツールに付属する SDK から始めるようにしてください。これにより、多くの細かい詳細を保存できます。 4.2 データ収集ツールの選択方法

最初の推奨事項は、Google Analytics よりも包括的なイベント収集機能を備え、非常に使いやすい Mixpanel です。セグメントという海外のツールもあり、これも一度データを埋め込み、収集したデータを他の受け入れられるソリューションに変換します。バックグラウンドスイッチを介して制御するだけです。また、使い始めるのも非常に簡単なツールです。上記のソリューションは、より一般的な SaaS 製品を理解するための出発点として役立ちます。 4.3 データをどのように処理しますか? 最もコスト効率の高い SaaS ツールのみを使用する場合、データ処理プロセスについて心配する必要はありませんが、データ要件を満たさない可能性があります。 ETL (抽出、変換、ロード) という言葉を聞いたことがあるかもしれません。多くの場合、データ処理作業を自分で行う必要があります。これは主にパフォーマンス上の考慮事項によるもので、SaaS 製品の SDK によってキャプチャされたデータ形式が必要なものと一致していないか、後処理の必要性がないため発生します。 5. データ分析はどのように行うのですか? 必要なデータを計画・収集し、データ分析を開始します。主な目的は、次元を分離してデータ間の相関関係を表示することです。 5.1 データ分析の2つの主な目的 1 つ目は、レポートとダッシュボードを提供することです。社内の各同僚のビジネスニーズに応じて、必要な結果を生成します。この時点で、主要な指標に焦点を当て、視覚的な分析のためのレポートまたはダッシュボードを生成する必要があります。指標を作成するときは、過去のデータを棚卸しとして使用しないようにしてください。たとえば、会社が設立されてから登録したユーザーの数はどれくらいでしょうか。この数字は印象的かもしれませんが、比較できるものではありません。私たちは、各期間の変数の傾向にもっと関心を持ち、この期間のデータと前の期間のデータを比較して問題を特定します。次に、ビジネスを導くための仮説テストが行われます。当社のレポートやダッシュボードにビジネス開発の全体的な状況が反映されると、当社はツールの使用経験が向上し、ビジネス経験に基づいていくつかの仮定を立てて、お客様の製品や業務を導くことができます。次に、データの傾向を監視して仮説が有効かどうかを確認し、製品と運用を継続的に最適化します。 5.2 データ分析を始めるための一般的な方法 レポートでは、主要な行 (登録、アクティベーション、購入の支払いなど) と主要なパス (変換、ファネル、保持など) をカバーし、「怒りのポイント」の行動に重点を置く必要があります。ユーザーの「怒りポイント」とは何ですか?ユーザーがウェブページ上の同じ要素に対して 10 秒以内に 5 回以上連続して操作すると、マウスでボタンをクリックし続けることが多く、ユーザーにとって「怒りポイント」となります。この状況には 2 つの可能性があります。1 つは、製品が非常に安価で、1 つのアクションで同じボタンを 8 回押す必要があり、その 8 回で異なる状態に切り替えるというものです。もう 1 つの状況は、製品がユーザーの認識や期待どおりに動作しないことです。この場合、ユーザーはネットワークに問題があるか、製品が停止していると推測します。場合によっては、ユーザーは製品のインタラクションのロジックを実際に理解していません。デザインにわかりにくい点があるか、プロンプトが適切に配置されていない可能性が非常に高いです。実際、このプロセスをより深く掘り下げる価値があります。 5.3 仮説検定

仮説検定の比較的標準的な手順を上の図に示します。私たちはある現象を観察し、ビジネス経験に基づいて、どのようなメカニズムがこの現象を引き起こしたのか、あるいはどのようなメカニズムがこの現象に関連しているのかを推測しました。この仮定が正しい場合、このメカニズムを推進することで製品をより最適化できます。そうでない場合、製品または操作が劣化するか、変更されない可能性があります。前後のデータを継続的に観察し、データの変化の違いを比較することで、仮説が妥当かどうかを分析します。 5.4 チームビションのケーススタディ

上の画像は、Teambition のオンラインプロジェクト作成のインターフェースです。このプロジェクトに特化したファネル分析を実施したところ、一部のユーザーが [プロジェクトタイプ] で操作した後に離脱し、プロジェクト作成を完了していないことがわかりました。このような状況で、この状況を改善することはできるでしょうか?過去の経験に基づくと、インターフェース上のオプションが多すぎると、ユーザーの注意が散漫になり、コア操作に影響を及ぼす傾向があります。プロジェクト作成の核となるのは、カバーを選択するのではなく、ユーザーがプロジェクトを作成できるようにすることです。それで、これをどうやって検証するのでしょうか?重要でない要素を省略し、ユーザーがプロジェクトを作成した後に重要でない情報をカスタマイズできるようにすれば、改善されるでしょうか?

上記の前提に基づいて、プロジェクトを作成するためのインターフェースを簡素化しました。上の写真の左側はエンタープライズプロジェクトの作成方法を示し、右側は個人プロジェクトの作成方法を示しています。非常にシンプルで便利で、1 分以内に完了できます。その後のファネル分析により、コンバージョン率が実際に大幅に向上したことがわかりました。 6. まとめ: 独自の成長モデルを構築する 6.1 海賊モデル-AARRR こうした洞察を大量に蓄積して、製品のアップデートと反復をサポートします。検証された仮説、またはすべての決定の要約は、成長モデルと呼ばれるものになります。これは現在非常に人気のある言葉でもあり、パイレーツモデル (AARRR) とも呼ばれます。これは、各頭文字を分解すると、顧客獲得、アクティベーション、維持、収益化、推奨を意味します。

獲得とは、主にウェブサイトチャネルからウェブサイトトラフィックを取得することです。
アクティベーションにより、ユーザーは製品の反復的かつ革新的な価値を実際に体験し、製品に戻って使用し、理解するようになります。
リテンションとは、単に登録して離れるのではなく、製品を長期的に位置付けることを意味します。これは、実際に業界の人々がますます注目し始めていることです。低コストのトラフィックの時代は基本的に終了しており、通常の収益を伴う製品のプロセスでは、購入のコンバージョン率やトラフィックを売上に変換する効率などが向上しています。
紹介により、ユーザーは友人、同僚、その他の知人に製品を紹介することができます。

実際、上記の各ステップにおいて、企業は独自の目標とトレードオフを持っています。ユーザー登録プロセスでは、登録コンバージョン率を高めるためにユーザーにできるだけ少ない情報を入力させるべきでしょうか、それとも営業部門によるフォローアップを容易にするためにユーザーに情報を入力させるべきでしょうか?実際、企業は自社の発展段階に応じて対応する戦略を策定することができます。たとえば、スタートアップ企業はコンバージョン率に重点を置くかもしれません。 AARRR モデルにおいて、企業の実際のビジネスに関係するすべてのポイントを組み合わせたものが、独自の成長モデルと呼ばれます。現在、成長モデルを比較的うまく構築し、反復できることは、業界では比較的希少で価値のあるスキルです。もう 1 つは、反復が完了した後、成長モデルをリアルタイムでテストして改善できることです。 6.2 データ駆動型チームの構築 最後のポイントは、チームのデータ認識とツール使用能力を育成することです。これは非常に重要です。社内の認識と、望む結論を得るために自らデータを操作できる能力は、ある意味では、組織内でこの高度なテクノロジーを活用することにつながります。 画像データを駆動する主な要因は 2 つあります。 1 つ目は、エンタープライズデータインフラストラクチャ設計の構築速度が非常に遅いことです。従来の手動追跡プロセスには 1 ～ 2 か月かかります。新しいバージョンがリリースされる頃には、プロジェクトは基本的に中止されています。 2 つ目は、データユーザーとデータコレクターが交互に配置されることです。セルフサービスクエリが推奨されます。ビジネス、運用、製品ではデータが頻繁に使用され、意思決定をサポートするためにデータを使用する必要がありますが、データの収集と処理にはデータエンジニアが必要です。データエンジニアがキューに入れられたデータレポートを使い切る頃には、ビジネス側は意思決定を行う最適なタイミングを逃してしまいます。これにより、データテクノロジーの利用と企業の意思決定も大幅に制限されることになります。この場合、サードパーティの SaaS SDK を使用してデータ追跡を簡素化し、セルフサービスのクエリやセルフサービスのデータ追跡を奨励して、ビジネス担当者がデータクエリとデータ主導の意思決定プロセスを自分で完了できるようにすることをお勧めします。これは非常に重要なことです。

ASO最適化サービスリンクをクリック： ASO最適化サービス紹介

IOS 加速レビューリンクをクリック: //www.opp2.com/8854.html

APP Top Promotion (www.opp2.com) は、中国トップのモバイル APP プロモーションプラットフォームです。公式WeChatパブリックアカウントのフォローを歓迎します: appganhuo

[トップAPPプロモーションWeChat QRコードをスキャンして、より多くの乾物と爆発物を入手してください]

この記事は@GrowingIOによって書かれ、(APP Top Promotion)によって公開されました。この記事を転載するにはTop Promotionの同意が必要であり、この記事へのリンクを添付してください。

<<: 威海エクスプレスミニプログラムの代理店になるにはいくらかかりますか?威海エクスプレスミニプログラムエージェントの価格はいくらですか?

>>: 最も合理的なソリューションを選択し、製品の成長ポイントを見つける