惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

P
Proofpoint News Feed
云风的 BLOG
云风的 BLOG
Apple Machine Learning Research
Apple Machine Learning Research
Hugging Face - Blog
Hugging Face - Blog
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Google DeepMind News
Google DeepMind News
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
雷峰网
雷峰网
B
Blog
月光博客
月光博客
博客园 - 【当耐特】
WordPress大学
WordPress大学
Microsoft Azure Blog
Microsoft Azure Blog
I
InfoQ
The GitHub Blog
The GitHub Blog
Engineering at Meta
Engineering at Meta
Jina AI
Jina AI
博客园 - Franky
MyScale Blog
MyScale Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Last Week in AI
Last Week in AI
B
Blog RSS Feed
H
Help Net Security

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
解锁用户价值:HVA模型助力LTV飞跃!
Sherryyyyy · 2024-11-19 · via 人人都是产品经理

在日常生活中,用户增长,用户生命周期,用户价值,AARRR, 营销上的3C,4P,STP等这些都是耳熟能详的概念,这些基础理论都是用户增长从业人员需要了解的。这些理论最终都需要运用到实际工作中,其中最重要的寻找HVA(high value action),从而提升整个用户的LTV。

大家都知道这样一个用户增长的基础常识:任何产品肯定都希望提升自己用户的LTV。

那如何提升LTV?

01 引导用户产生价值更高的HVA

如果用户在我们产品中产生了一些关键行为,那整个LTV曲线就发生了跃迁。

在开始使用某个产品后,用户会随着时间的推移不断贡献价值,如用户价值曲线图片所示,整个曲线下方的面积就是用户的LTV。如果在时间T0上用户产生了一个HVA,那么他后续的价值贡献轨迹就会发生跃迁,从价值曲线1跃迁到价值曲线2,跃迁到一个用户价值贡献更高的轨迹上。这样一来,后续曲线下面的面积也就更大,即LTV随着价值曲线的跃迁而变大。

举个例子:我一直在拼多多上购买水果,我的“用户价值曲线”符合下图的“曲线 1”。有一次,拼多多给了我一张优惠券,我尝试购买了日用品,我发现即使不用凑单也比京东便宜。所以,我不仅在拼多多购买水果,还会购买日用品了。我的“用户 LTV 曲线”就跃升到了“曲线2”。我“购买日用品”的行为,就是一个高价值行为。后续,我发现在拼多多购买数码产品也很划算,我的“用户 LTV 曲线”就进一步提升。

那么对于品牌平台方来说,常见的HVA还包括:用户注册,用户首单,用户客单价提升,用户关注其他用户或者点赞行为,品牌需要对用户进行高价值引导。

案例:这是某品牌进行的HVA的尝试和增长优化

1)运营目标:提高客单价,增加需求频次

HAV:提供一个与用户需求场景挂钩的额外场景,增加用户对产品使用场景的联想

2)运营目的:提升需求预算

HVA: 形成价格矩阵,引导用户尝试高客单

多次进行尝试,寻找最合适的HVA,才是用户增长的关键点。通过多种数据和经验,能够找到很多的HVA。

问题来了????那如何量化评估每个HVA的价值?

HVA训练模型

针对某个HVA,总是会有部分用户在某个时间点已经产生了这个HVA,我们就可以用已经产生了这个HVA的用户的数据去训练一个模型。通过大量的数据训练,我们就能得到一个价值预测模型。这个价值预测模型可以决定多少成本进行测试补贴激励用户。

例如下图是 通过大量数据和AB测试分析,某品牌L对用户高价值引导的HVA价值排序

通过定于HVA模型和价值基础,将用户关键行为和用户群带来的价值数据化,更方便后面的运营策略和成本制定,每个HVA行为需要投放的预算和带来的效果预期更好评估,让增长更加数据化!

02 用户增长HVA的“长期主义”

任何用户增长曲线,都有势衰的时候,任何一个高价值行为都有会随着业务变动,而发生变化,不停进行HVA的探索和尝试,HVA模型更新,会让用户增长持续性更高。

对于品牌 L来说,用户增长还处于 A 至 B 的过程中:第一曲线业务还在高速增长。然后,品牌 L 已经提前构建用户增长的 “第二曲线”。

为什么需要在用户还在高速增长的时期就考虑 HVA的“第二曲线” ?

只有在这个时期,决策者才可能高频地测试不同的、短期成功概率低、但潜在收益高的增长策略,以测试的冗余性来获得收益的确定性。

一旦业务曲线来到 B 点,面对第一曲线增长放缓的压力,用户的HVA价值会发生急剧下降。而当到达 C 点时,用户的HVA价值已经是捉襟见肘,第二曲线对增长效益降低。在 C 点,用户的HVA价值疲软,但带来的增长是非常有限的,需要进行HVA第二曲线的转化。

开启用户增长第二曲线的方法一般有两种,一种是找到衍生性痛点,一种是颠覆性痛点;衍生型痛点,是基于第一曲线的基础上,从第一曲线中衍生出的痛点,可以将其理解为是原有产品市场的延伸和拓展。而颠覆型痛点,则是与第一曲线没有直接的关联,但能够对第一曲线的解决方案产生革命性的影响的痛点。

举个例子:品牌L的用户通过衍生性痛点,寻找第二曲线

品牌 L 的粉丝数还在高速增长期,高端品牌 T 就正式推出。高端品牌 T 可以看作是品牌 L 母公司的 “第二曲线”,也就是衍生性痛点。T 是以淡水珍珠为主的高端品牌,代表了 L 的母公司最高品质的珍珠。T 所表现出的更强势的增长属性:

很明显,以 T 为主的“第二曲线” 已经在铺设之中了

引导用户产生高价值行为(HVA)是提升LTV的一种战术动作。HVA指的是那些能够显著增加用户价值的行为,比如购买高利润产品、参与推荐计划或者成为品牌的忠实拥护者。通过识别和激励这些行为,企业可以更有效地提升用户的活跃度和忠诚度,从而提高他们的LTV。

本文由 @ Sherryyyyy 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自 Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务