如何有效衡量产品PMF?

编号:20200116

前一篇文章提到我现在在做一个内部创业产品,从立项到设计真的是一波三折。光是PPT就被打下来不下7次了。这不,这次又要补充产品上线后的详细规划,作为半吊子的数据产品,不得不临危受命,专心致志地研究起产品上线初期的增长方案。

在查阅过被誉为增长教科书的《增长黑客》,被誉为产品教科书的《人人都是产品经理2.0》以及无数各种牛人的理论、经验之后,我终于“练成神功”“有所小成”能忽悠住自己。

欲知详细如何,就看我一一道来吧。

嗯,文章有点长,但是绝对干货。

初创产品会经过哪些增长阶段?

这张参考了前迅雷看看CEO郝志中先生一次分享里的素材,横轴是时间,纵轴是用户量,表达了一款产品从上线到退市期间用户量的变化。

下方曲线对应的90%的产品,这里的数字是虚指,意味着绝大多数产品从来没红过,用户量始终没起来。

中间曲线对应的9%的产品。这类产品有它的过人之处,比如脸萌、足记等,但过把瘾就死,只能成为现象级产品。它们的硬伤在于是好奇心驱动的,无法提供持续的用户价值,用户新鲜劲一过就难以为继。

上方曲线对应的1%的产品,作为极少数,它们可以拉出一根真正漂亮的S型曲线,成为大家眼中成功的产品,比如微信。

这张图对前一张图做了进一步地拆解,划分出了1.0版本、2.0版本经历的阶段。这里,我们聚焦于1.0版本,也就是初创产品的生命阶段。

在解释这些阶段前,首先要引入一个概念:PMF(Product Market Fit)。

PMF指的是产品与市场的完美契合。这个概念对于初创产品来说尤为重要,因为它聚焦的不是 “正确地做事” 而是 “做正确的事” 。

Insights通过分析101家科技创业公司的失败案例,总结出了创业失败的20大主要原因,其中“没有市场需求” 以42%的绝对占比成为首要因素。所以,找到产品与市场的契合点是创业团队早期的首要任务。盲目地大干快上,只能是昙花一现,最后一地鸡毛。

这也解释了,产品发展曲线中为什么要出现一个”验证—留存“的阶段。

这个阶段的核心任务就是不断修正主打功能,找到产品与市场的适配点,使其最终能够匹配市场的需求。相应地,这阶段的核心指标并不是日活多少、注册量多少,而是用户的留存表现以及产品自增长的能力

经历过痛苦的验证阶段后,产品已经能够达到PMF,顺利从”验证—留存“阶段过渡到“爆发—拉新”阶段,这时我们便能顺理成章地将产品推上市场的舞台,通过广告、地推等等运营手段使用户量大规模爆发,而不用担心因为产品的问题使得推广受阻。此时我们核心关注点便是运营手段的有效性以及各个环节的转化率

拉新一段时间后,产品会进入平台期。一旦容易搞定的用户都搞定了,单用户的获取成本就开始越来越高,这时候要想继续放大产品的整体价值,就只能依托于提升单用户的价值。于是,产品功能开始扩展,升级2.0版逐渐提上日程,运营工作的主要目标是激活用户,也常常说成“促活”,让用户使用产品的时间尽可能增加。此外,产品到了这个阶段也要适时、适当地变现,当然,有爸爸的产品请随意。

聊到这里,就要祭出我总结出来的指标模型了,黄底的是对应阶段的关注重点,白底的是次关注点,其他指标需要监控,但不是重点,所以我这也就不列了。



PMF的数据验证方法

前面介绍了产品1.0版本的生命曲线,但那不是重点,因为介绍这种曲线的文章多了去了,却很少有人告诉我,怎么验证这些阶段,我怎么知道我现在到达哪个阶段了呢?凭感觉?拍脑袋?显然不是。数据为王的时代,当然要用数据装个X作为依据。由于篇幅限制,我这里只分享一下PMF的数据验证方法啦。

自增长验证方法

1. Sean Ellis测试

这个测试方法由肖恩·埃利斯(Sean Ellis,增长黑客之父)创建,他说PMF可归结为一个简单的调查问题:“如果你不能继续使用某种产品了,你会有什么感觉?”选择“非常失望”的用户代表了你的目标市场(选项有:非常失望、有点失望、不失望和不会再使用该产品)。

在调查了近100家初创公司的客户发展调查后,Sean Ellis发现了一个40%这一比例:增长缓慢的企业总是会有不到40%的用户在这一问题上表示“非常失望”,而发展劲头强势的企业在这一方面的比例总是会超过40%。

2. 病毒系数

病毒系数是运营指标的常客了,这里采用病毒系数的最简单的模型。假设我们一开始有5000的用户,其中有五分之一的用户会在这个月带来新用户,那么这里的病毒系数是1/5=0.2。

通常来说,对于互联网产品,0.15至0.25的可持续病毒系数是不错的,0.4是优秀的,大于0.7是卓越的。


病毒系数为0.2时的表现


病毒系数为0.4时的表现


病毒系数为1.2时的表现

留存验证方法

每周使用天数超过3天

新增日活跃用户DAU超过100

30%新用户次日留存

达到10万用户量

对于SaaS产品,还需要验证以下数据

5%付费转化率

LTV/CAC>3,即用户终生价值/用户获取成本>3

月流失率<2%

月销售流水达到10万

用户获取成本的回本时间<12月

有了数据验证方法后,这个逻辑图又可以细化了:


除了上述的分析模型,AARRR也是运营分析的经典模型,结合AARRR分析,会给你不一样的理解。当然,这里就不展开论述啦,附赠一张AARRR模型的指标体系,具体论述且听下回分解~




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 206,311评论 6 481
  • 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 88,339评论 2 382
  • 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 152,671评论 0 342
  • 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 55,252评论 1 279
  • 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 64,253评论 5 371
  • 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 49,031评论 1 285
  • 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 38,340评论 3 399
  • 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 36,973评论 0 259
  • 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 43,466评论 1 300
  • 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 35,937评论 2 323
  • 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 38,039评论 1 333
  • 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 33,701评论 4 323
  • 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 39,254评论 3 307
  • 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 30,259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 31,485评论 1 262
  • 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 45,497评论 2 354
  • 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 42,786评论 2 345

推荐阅读更多精彩内容