前言:
測試學習是個理論簡單,但實作起來會遇到很多疑問的學習過程。曾經跟Sean Ellis 一起工作的曲卉寫的這本書不但實用,而且還訪問了一大票測試專家。
他們對於測試主題的選擇(大題目還是小題目)、AARRR漏斗的重點,還有測試團隊在組織內的發展也都有不同的見解。
我覺得很值得多看看,所以做了筆記跟大家分享。
這次分3 part,先來一串九個人我印象最深的測試心得,再來九個人的訪談摘要,最後是九個人對於組織與人的看法。enjoy~
..........
《硅谷增長黑客實戰筆記》曲卉
#Greylock Partner / Pinterest(圖片秀), Casey Winters
"不要只做優化,要做有高影響力的事情。不過,得先做優化累積影響力。"
#Mobile Growth Stack / Sound Cloud (Podcast), Andy Carvell
"不要把所有數字綁在一起看,用戶分群是有效優化的開始。"
# GloStation / Postmates(送餐), 陳思齊
"限制供給可以透過奇怪的方式,製造FOMO(害怕錯過fear of missing out) 社交地位(social status)等,讓產品流行"
# Growthstructures / Sofi Finance(學貸轉貸), Steven Dupree
"低垂果實摘完後,會陷入低潮與瓶頸。全公司(或跨團隊)的創新idea大匯集會讓大家一起幫忙,並且不要浪費對失敗案例的紀錄與策略學習。"
#Cerberus Interactive/Acorns (微型投資), Sami Khan
"醜陋、原始的廣告更像是朋友在對用戶說話,有更高機率穿透用戶的防衛心"
#Camera360(修圖), 陳思多
"漏斗的無限解構,原本以為是單純解決留存率問題,結果深究了四層(留存率—>推送更新覆蓋率—>推送更新展示率—>下載權限設定)才達到目的。"
#Square(支付), 羅揚 James Luo
"增長與嚕羊毛黨的鬥智鬥勇,對獎勵的設計要有吸引力,又要養成使用習慣,還要善用推薦者的資訊讓新用戶感受到個性化的感覺。"
#探探(校園招聘)/ 美圖(修圖), 韓知白
"要做增長先要備好基礎設施(行為數據後台,A/B測試框架),才能夠更快速迭代與勤能補拙。"
#專訪 Keep(運動)/豆瓣(社群), 張弦
"有些問題除了用數據作判斷外,直接問用戶可以達到更直接的效用,而且幫助增長團隊打開視野。"
---九篇專訪的摘要全文---
#9-1 Greylock Partner / Pinterest(圖片秀), Casey Winters
-北極星指標是會變動的
-產品(也就是核心地帶)通常是增長的投資報酬率最高的測試,但很難直接說服公司其他成員直接拿產品動刀。
-增長團隊一開始成立時候,選擇三不管地帶,以證明自己;之後才進展到核心地帶
-核心地帶的創造新價值、改善原有價值,通常是產品團隊負責。傳遞已有價值給更多人則是增長團隊負責。
-增長團隊必須是全職的,不能跟人共用成員,否則優先順序會被影響
-做測試時候,如何在容易衡量但效果慢跟全新設計但不知哪個因素產生作用之間做取捨?優化測驗要一個個做,改變方向測驗則直接直搗黃龍。而改變方向的測試才能反應高影響力。
-當低垂果實摘完後,要做高影響力需要高資源的測試需求,而不是低資源但也只需要低影響力的需求
#9-2 Mobile Growth Stack / Sound Cloud (Podcast), Andy Carvell
-對行動應用來說,留存是所有指標中最重要的,因為客人離開沒有成本,但留存會對你有無限好處。留存指標包含以日、週、月計算。
-增長團隊大約7-8人,包含產品經理、分析師、設計師、程序員,最多的是程序員。產品經理需要對分析、UI/UX設計、程序都略懂,才能跟他們溝通。
-以每週的循環討論測試設計、結果與去留。
-SC的做法不是所有用戶綁在一起看留存率,是用戶分群後看留存率,包含新用戶、流失後重新造訪用戶、重複使用用戶。
-當移動應用要藉由更版推送提升客戶體驗的時候,如何達到最好的整體效果?衡量指標是RRF 覆蓋率(reach), 相關性(Relevance), 頻率(Frequency) 三個都達到高水準則影響力最大。但覆蓋率是這當中最重要的
#9-3 GloStation / Postmates(送餐), 陳思齊
-我的前一間公司(Stolen),每個增長流程與工具都做得很好,但就是產品不夠好。當我到Postmaster之後發現他們什麼成長技巧都沒有,但產品很符合市場需求。
-增長最令人喜歡的是,能量化你的影響力,當你實驗做得好,結合了創造力與分析能力得出很好的想法,就像寫程式一樣,你做了某件事就有某個結果。這是令人上癮的。
-增長最令人不喜歡的是,會讓你偏向那些容易衡量並且很快衡量的東西。但有時候最重要的事情,例如產品與市場的契合度,反而不是容易衡量的。
-K因子(referral 用戶轉介人數)持續大於1是不可能的,尤其當你的產品越做越大,群體越來越多。即使是社交軟體,要讓k因子大於1 也需要一些違反自然規律的設計。
-稀缺性可以透過奇怪的方式,讓產品更加流行。從Stolen 得到的認知是,限制供給,造成稀缺性。心理因素是害怕錯過(FOMO) 社交地位(social status)等
-即使在矽谷,增長團隊也不多見。Google就沒有。但是FB就有一大批增長團隊並且擴散到其他地方。增長就是技術驅動,易於衡量的行銷。增長團隊更像升級版的行銷團隊,有了程序員的支持可以把推薦系統做得更精準,未來增長團隊會和市場團隊在一起而不是產品。
-用少於10%的流量,可以做任何測試。
#9-4 Growthstructures / Sofi Finance(學貸轉貸), Steven Dupree
-數學不會就是不會,增長沒效就是沒效。增長可以很快做出改變,並且追蹤哪些改變有效哪些無效。
-增長的低垂果實摘完後,會陷入疲乏,就需要大量idea。創新idea 兩種重要想法:每週五的全公司頭腦風暴 & 忠實紀錄失敗的測試並從中學到策略想法。
-增長團隊刷存在感兩種做法:(1) 在例會中說明有趣但違反直覺的實驗,已讓大家有印象(2) 把大象(重大影響力但耗資源)跟螞蟻(容易但效益有限)的實驗混合起來,避免人家覺得你沒貢獻或者只會做小事情
-新產品開始獲取客人的三種方法:(1) 付費搜索廣告,可以找到真的需要產品並且非常有興趣的人 (2) 抄競爭對手的做法,可以找到他們已經開發過的市場(3) 根據產品特殊屬性的增長手法
#9-5 Cerberus Interactive/Acorns (微型投資與機器人投資), Sami Khan
-靠創意的廣告狂人時代已經過去,excel 跟計算機才是你的好朋友。
-檢視總預算,跨通路預算調整(放大表現好的),通路內預算調整(用七天平均放大表現好的)
-2C新產品上線的建議是先在FB做小量A/B測試,找出好的再往其他通路擴散。測試前要設好追蹤,沒有追蹤,測試學習的迴路就不會成立。
-比起其他app,遊戲是最不需要擔心用戶獲取的,因為人們下載無成本;比較需要擔心的反而是用戶留存。因此要一小批一小批的獲取用戶後,關閉其他溝通通路,只針對這小群人做各種產品測試與改進,確定30 日留存率到達可用水準後才能繼續獲取用戶。
-臉書上,越醜的廣告表現越好。因為大家對電視已經疲乏,精美的廣告創意讓人想到電視會自動跳過,但粗糙的原始的則像是你朋友分享的。
#9-6 Camera360(Photo Editor), 陳思多
-漏斗的無限解構,以解決留存為例。原本想藉由app更新處理留存率低的問題,但發現更新覆蓋率不夠高,後來又發現問題是更新的展示率(被看到)低,而展示率低的原因又是app一開始下載時候的預設權限。所以回頭更改預設權限設定,在更改後次日留存率實現5%增長。(但如何在用戶已下載後調整權限啊)
-各地區的差異化溝通,以美國市場為例,經過逐一測試不同族群發現40+婦女喜歡此產品,於是將廣告視覺改為該族群會喜歡的可愛孩子展示功能,降低33%的獲客成本
-增長的成功要素是CEO的有意識支持。因為增長會用到很多資源,或是影響很多資源。若是沒有CEO的支持,無法成功。
-增長團隊需要的數據分析師,是對產品有深切了解的數據分析人,而不是純粹解讀數字。
#9-7Square(支付服務), 羅揚 James Luo
-留存主要是產品決定的,但在早期留存(D14-D90)增長可以起到很大作用,只要透過各種管道(信件、推送、Retargeting 廣告)重新提醒用戶,就會對早期留存產生明顯效用。
-要做全產品用戶推薦的指標的先決條件,是內部有堅實的大數據團隊,足以做獲客通路歸因。
-通路關鍵三大指標(CPA, ROI, LTV)中,最難建模的是LTV。因為涉及對長期留存率與資本折現率的重要假設。
-好的推薦系統會牽涉到三大項目,獎勵、曝光、轉化。其中獎勵的設計是與嚕羊毛黨鬥智鬥勇的活動。獎勵內容要考慮『有吸引力的額度、合適的條件限制、養成使用習慣的限制,累進式獎勵、考慮對稱式獎勵(利己又利人)』
-即使是最忠誠的用戶,也不會時刻記得你的獎勵項目。
-新用戶進來後,可以用推薦人的資訊提醒他們使用獎勵,不僅給新用戶個性化的感覺,也提醒新用戶『我確實獲得了某人的推薦』
#9-8 探探(校園招聘)/ 美圖(Photo Editor), 韓知白
-美圖的用戶留存指標設在N張照片保存,一開始是基於通路管理的需要,因為有些通路留存數據會有回饋延遲以及作假的問題。
-探探的市場部與增長部的區別在,市場部負責花錢,增長部不負責花錢。
-增長不是先做KPI管理,而是要有好的基礎設施(行為數據後台,A/B測試框架)才能開始觀測指標與迭代增長。
-快速迭代的價值在於,當你沒有人家的靈感,人家一次增長效果比你好3倍(+60% vs +20%)的時候,只要你迭代速度有三倍,還是可以得到一樣的成功增長效果。
-增長要避免的第一個坑就是局部優化,這裡改一點截圖,那裡改一點文案。其實也許改產品名字與圖標是最有效提升app商店轉化率的途徑。增長經理要能夠跳脫盒子思考(out of box thinking)
-剛開始做測試的人,要忘記喬布斯張小龍等產品的大神,他們是靠直覺也很少看數據:正常人要靠數據與即時反饋,勤能補拙。
#9-9 Keep(運動)/豆瓣(社群), 張弦
-全景漏斗,關心橫向的產品功能交互關係。當一個產品不只是工具,還有社交,內容等多種功能。可以根據不同功能設計指標,再看看功能
之間的交互拉提作用,決定整個產品後續的發展。而不是只看單一指標。
-量化與質化的兩腳思維,曾經做測試時候只看指標,以為是A與B的相關性,但從未想過中間還有個C。學到後就會在產品中安插小問卷直接問用戶,但要把握3個題目之內的精簡原則,不可以打擾用戶。
-加法與乘法,做增長後了解了加法與乘法的關係。增加一條溝通管道是加法,優化轉化率是乘法。一般來說,乘法的好處更大一些,但這也是基於加法已經帶來足夠的初始流量,否則盤子太小的乘法也沒啥意義。
-做產品像開船,動力與方向最重要。產品小的時候,著重動力,加速度要夠。產品體量大了後,動力已經比較足了,著重方向,往哪兒發展就更重要。
---以下是關於團隊的摘要---
#Greylock Partner / Pinterest(圖片秀), Casey Winters
"增長團隊必須是全職的,不能跟人共用成員,否則優先順序會被影響"
#Mobile Growth Stack / Sound Cloud (Podcast), Andy Carvell
"增長團隊大約7-8人,包含產品經理、分析師、設計師、程序員,最多的是程序員。產品經理需要對分析、UI/UX設計、程序都略懂,才能跟他們溝通。以每週迭代的循環討論測試設計、結果與去留。"
# GloStation / Postmates(送餐), 陳思齊
"增長最令人不喜歡的是,會讓你偏向那些容易衡量並且很快衡量的東西。但有時候最重要的事情,例如產品與市場的契合度,反而不是容易衡量的。"
#Growthstructures / Sofi Finance(學貸轉貸), Steven Dupree
"增長團隊刷存在感兩種做法:(1) 在例會中說明有趣但違反直覺的實驗,已讓大家有印象(2) 把大事(重大影響力但耗資源)跟小事(容易但效益有限)的實驗混合起來,避免人家覺得你沒貢獻或者只會做小事情"
#Cerberus Interactive/Acorns (微型投資與機器人投資) , Sami Khan
"靠創意的廣告狂人時代已經過去,excel 跟計算機才是你的好朋友。"
# Camera360(修圖), 陳思多
“增長的成功要素是CEO的有意識支持。因為增長會用到很多資源,或是影響很多資源。若是沒有CEO的支持,無法成功。”
#Square(支付), 羅揚 James Luo
“通路關鍵三大指標(CPA, ROI, LTV)中,最難建模的是LTV。因為涉及對長期留存率與資本折現率的重要假設。”
# 探探(校園招聘)/ 美圖(修圖), 韓知白
“快速迭代的價值在於,當你沒有人家的靈感,人家一次增長效果比你好3倍(+60% vs +20%)的時候,只要你迭代速度有三倍,還是可以得到一樣的成功增長效果。”
# Keep(運動)/豆瓣(社群), 張弦
“做產品像開船,動力與方向最重要。產品小的時候,著重動力,加速度要夠。產品體量大了後,動力已經比較足了,著重方向,往哪兒發展就更重要。”
兩組數據相關性excel 在 君子馬蘭頭 - Ivan Li 李聲揚 Facebook 的最讚貼文
[恒指1月跌6.6%,然後會點?歷史話你知。梗係買啦!]完全自家創作。多圖,可以睇medium 全文
1.懶嘅,比結論你先。而家買盈富基金啦,歷史證明,渣得一年幾個月,基本上贏硬咁滯。
2. 上次講過沙士期間嘅港樓港股 (http://bit.ly/2Uc1hrJ) ,今篇只講股票。今次肺炎呢,睇你由邊度計起,但目測恒指調整,已經深過沙士講嘅6.5%。當然你見有啲人又話沙士跌9%(上圖,但用MSCI,喂,蘋果同橙比?)。有啲話18%(下圖,喂,11月開始計起都得?)。個人覺得,6.5%都係比較靠譜,今次跌幅就已經高過上次。不過亦畀你睇到,真係操作,就算都係講沙士,由幾時計起,用咩去度,都有唔同結論,全部都係要判斷。另外都提過,沙士前港股已經係咁跌(所以02年11月計起咪跌18%),相當殘。今次肺炎前明顯唔係,呢個亦有關係。(後記會講多少少)
3. 仲有,Facebook Page有講,經濟學人封面指標 (http://bit.ly/2RFdtzc) 。結果寫完兩日,上星期五(1月31號)上咗 (http://bit.ly/2tlV8Oq) 。當日一度反彈三百點,但倒跌收市。有人覺得係乏力,我覺得係止瀉。
4. 而我呢篇文係星期日(2月2號寫)。今次寫樣好簡單嘅嘢,應該唔使點拗。剛好過咗1月啦嘛,1月恒指跌幾多?照計冇人拗啦?就係跌咗1,877點。咁但當然,睇%啦,6.6%。係咪好多?都幾多。首先,股票多數係升嘅。咁一個月跌6.6%,都幾多。但量化嘛,幾多,即係幾多?
5. 好彩,係有數據嘅。第一組數據,就係盤古初開之時。1964年7月開始。到而家648個月。排一排,見到,今年1月,6.6%嘅跌幅,係排到88位。14th percentile 左右,7個月就嚟一次,係咪差?都幾差。但係咪百年一遇?少年你太年輕,平均一年都有差不多兩次。
6. BTW,648個月入面,374個月係升嘅,佔咗58%。而算術平均都升6.6%。跌嗰274個月,42%入面,算術平均係跌5.9%。可見計月份,恒指6成時間係升,仲要係升幅多過跌幅,日子有功,拉勻咁多個月,指數成長,淡友必定輸仆街,唔好信咩一半半,唔好信咩熊市長,或者跌得多過牛市
7. 好啦,你會問,其實都合理地,遠古嘅數字仲係咪可比?香港經濟增長慢咗咁多,而家又多咗咁多大陸公司,生態不能同以前比。況且其實以前股市波幅大過而家(單月跌幅最大6次都係98年前嘅事,升幅亦都有咁情況)。咁所以,我地拎第二組數據,由2010年開始。點解?避開咗大起大落嘅金融海嘯。你可以當「和平時期」
8. 「和平時期」,剛好10年,120個月。升市亦係佔多,佔咗65個月,54%,平均升4.0%。跌市呢?55個月,46%,平均跌3.9%。股票升多過跌,升幅亦多過跌幅。結論同計埋遠古都差不多,係幅度冇咁明顯。
9. 咁只計「和平時期」,今年1月呢6.6%跌幅,可以排到第13位。11% percentile 左右,一年一遇左右(舊年就已經兩次)。當然幾rare先叫rare,定算medium rare,都仲係好主觀,人腦根本判斷唔到呢啲嘢,亦都會唔同事件唔同時間唔同龍門。
10. 但戲肉嚟啦,在嗰12次一個月超過6.6%調整之後,會係點呢?咩佛多爐治好簡單,就係搵返呢12次,恒指單月大跌6.6%或以上,之後買入。持有1個月,3個月,6個月,同埋1年嘅回報。
11. 結論,都真係好明顯,咪就係,買咯!睇紅色框,恒指單月大跌6.6%或以上之後,你去買。無論係1個月,3個月,6個月,同埋1年,平均都係正回報!
12. 更開心嘅係,渣得越耐,回報越高。都係紅色框,1個月平均回報2.1%,3個月4.5%,6個月7.8%,1年10.7%。
13. 另外,綠色框,其實係贏嘅次數多,輸嘅數次少。你見呢種方法,正回報嘅差不多8–10次(留意有兩次大跌係舊年,未有1年數據),輸錢得2-3次。
14. 不過啦喎,睇藍色框見到,雖則平均係贏,贏嘅次數多,輸嘅次數少。但輸嗰時可以輸幾甘—見到1個月,3個月都好,平均跌幅仲高過平均升幅(但因為贏嘅次數多,拉均晒當然都賺)。點算?渣耐啲,去到6個月同1年,就見升幅大過跌幅(而當然贏嘅次數仲係多過輸嘅次數)
15. 咁當然,會有人質疑選擇性framing.我畀完個圖朋友睇,佢有質疑我係咪因為08啲數唔靚所以唔要。事實真係唔係,我計都冇計到,唔係計完出嚟唔靚先唔用。一開始已經係想避開咗嗰啲大上大落嘅日子。但你鍾意可以計埋08 同 09。我相信結論不變,甚至仲勁。正如你可以同埋由1964年計起都得,相信更加明顯。極速計過下07/08,就會係咁。結論都唔差太遠
16. 睇完都唔知講乜?即係,買咯。嫌行貨?除此以外?其實都塞咗好多嘢入你袋啦。你不經不覺又醒咗。
幾個技術後記:
17. 循例都講,世界如棋局局新,過去表現不代表將來.羅素隻雞畀人劏之前日日都好地地的.不過,挑,講話要跌到四位數嗰啲咪又係拎以前嚟比,話勁過沙士嘅咪又係拎過去嚟比。有冇發現呢種謬誤好常見?啲友批評你拎歷史嚟講而家冇可比性—但佢地認為嘅scenario,一樣係拎歷史講
18. 數據來源都好簡單,彭博機。其實就算冇,你上yahoo download都好易,普通家用Excel搞掂。根本就中學生都做到,與其個撚個防疫大師經濟專家上身,不如睇一次數字。唔使拗。
19. 又講返,當然呢啲就唔係科學亦唔係統計學。但呢,又唔係偽科學得晒。首先,投資呀股票嘅嘢幾時都唔係科學(邊個話你知係?)。二來,好重要嘅一點,我都想講,呢啲每日每月表現,就唔同話擲銀仔擲骰仔,唔係每次隨機的,係有相關性的。首先,講撚咗幾千次,股票係升多過跌嘅。計日數計幅度都係。第二,你跌完八九成當然升返嘅機會大,因為平咗嘛。亦都有數字做過(唔貼了),你恒指PE平嗰時買,幾年回報當然係高過PE貴嗰時買。所以本文呢類測試,就唔同話「睇下以往廿年恒指2月升幾多」,自己諗下點解。
20. 另外朋友有讚呢舊東西,個好嘅地方就係純客觀(除咗揀2010-2020,但你可以自己計埋2008,或任何年份)。唔使理任何解釋,我甚至唔理啲嘢係咪乜千年一遇,唔理係咪支爆係咪沙士係咪金融風暴,總之會跌6.6%咪大鑊嘢,然後再睇會點。我亦唔使理之後係救市,定大家信心返嚟,定防疫成功。只講數字,完全cold blooded.
兩組數據相關性excel 在 Super SQL Server - Facebook 的推薦與評價
【程式開發筆記】一分鐘內將EXCEL 資料轉入資料庫 ... ✨【#SQL Server 2022 突破性新功能介紹】 ... 進行數據工程,同時分享企業運用哪些雲端模組, ... <看更多>
兩組數據相關性excel 在 Mobile01: 首頁 的推薦與評價
Mobile01是台灣最大生活網站與論壇,報導範疇從汽車到手機,從機車到居家裝潢,還有相機、運動、時尚、房地產、投資、影音、電腦等領域,集合最多精彩開箱文與評測推薦 ... ... <看更多>