建立体系的增加模型，驱动增加的持续化和规模化

• 建立体系的增加模型，驱动增加的持续化和规模化
• 构建用户转化漏斗，挖掘留存要害点，发现深层问题
• 分析目标用户，建立用户画像，优化增加战略

如同自己都能干，但是又总觉得这如同也不对，那如同也不对。那么为什么会有这种感觉呢？在实践事务中，又该如何用数据分析处理用户增加的问题呢？今天经过几个例子来简单解说一下。

一、用户增加的现状

首先咱们需要明晰的是大部分的公司离建立体系性的画像和增加模型还有很长一段距离。

• 做之前的想象：精准用户画像+AB test推送！病毒营销裂变！嘎嘎好！
• 做之后的失望：连个用户分层都还没有还画像！事务后台都没有咋做裂变！

在大部分公司里，是没有办法做到像google和facebook那样的数据化、体系化的增加的。

现在市面上的「用户增加」主要有三个类型：

1. 投放流：这个门户中的「用户增加」，其实便是广告投放，优化广告投放战略，以到达更高的ROI。
2. 裂变流：这个门户的人热心依据微信生态搞各种转发、分销、提现等裂变活动，到达快速圈人头的目的。
3. ABtest流：这个门户就比前两个更像正规军了，需要做各种战略设计，产品测验去寻觅更适合不同用户群的点子。这个便是只要大渠道能做的事儿了。

但这三种门户并不是互斥的，反而是相辅相成，处理不同阶段的问题。三种门户的势力范围可参考下图：

投放流处理的问题是「渠道质量」和「用户质量」的问题，会看到新用户是否转化为活泼用户。

裂变流处理的问题是「活动质量」和「用户质量」的问题，一般使用活泼用户作为活动的根底，设计裂变规则和逻辑。

ABtest掩盖的界面很广，但一般不用来处理「渠道质量」问题，更多的是去处理「产品迭代」和「活动战略」的方案选择问题。

有了根底概念之后，咱们可以依据数据表现来判断，当增加出现问题的时分，用什么办法处理更适宜。

二、用户增加中常见的数据表现类型