雲上的Growth hacking之路，打造產品的增加引擎

增加關乎產品的存亡

增加！增加！增加！業務增加是每個創業者天天面臨的最大問題。不管你的產品是APP，仍是web，或者是小程序，只能不斷的維持用戶的增加，才能向資本市場講出一個好故事，融資活下去。活到最後的產品，纔有機會盈利。

爲了獲取用戶的增加，能夠投放廣告，也能夠內容營銷、社交傳播、銷售地推，或者持續的專一於產品優化。不管哪種方式，咱們都面臨這幾個問題：

1. 運營活動，覆蓋了多少用戶？
2. 多少用戶，開始使用產品？
3. 多少用戶付費？
4. 多少用戶持續的活躍？
5. 下一步，咱們應該把精力放在哪些方面？是持續運營？仍是開發新功能？

若是不能回答這些問題，無疑咱們的運營活動或者開發就是盲人摸象，徹底靠運氣。爲了解答這些問題，咱們不妨關注一下growth hacking這種數據驅動的手段。

Growth Hacker的核心思想

傳統的市場營銷策略，例如投放電視廣告，覆蓋了多少人，有多少人看過廣告後進行了購買，多少人進行了復購，沒有準確的數據進行衡量，只能依賴於資深專家根據經驗判斷。在互聯網行業，每個產品都是新的，史無前例的。每個產品能不能存活，每一次運營的效果如何，沒有多少經驗可供借鑑，結果是不肯定的。

GrowthHacking是興起於硅谷的創業公司的marketing手段，旨在使用少許預算得到巨量增加。因爲其極高的性價比和有效性，很是適合於創業公司，於是獲得了普遍傳播。

Growth Hacker的核心思想是經過數據指標，驅動運營決策，以及優化產品。Growthacker經過關注用戶獲取、用戶轉化、用戶留存、用戶推薦、盈利等核心的一系列指標，以及經過各類維度拆解，分析出下一步的增加決策。經過Growth Hacking，打造一個產品增加策略的閉環。

那麼咱們如何才能搭建出GrowthHacking架構，爲本身的產品賦能呢？

GrowthHacking之架構

Growth Hacking 包含了數據的採集、存儲、分析、報表、A/B test等系統，首先咱們來看，傳統的解決方案，搭建出GrowthHacking有哪些痛點：

搭建運營體系的痛點

搭建運營體系的過程當中，經常面臨如下問題：

1. 缺乏數據，數據散落在各個地方,有的是app數據，有的是web數據，有的是小程序數據，沒有一個統一的架構來把數據採集到一個地方。
2. 缺乏一個分析平臺。傳統的策略，須要運維團隊幫助搭建hadoop集羣，須要專門團隊持久運維。
3. 離線跑報表，一夜才能拿到一次結果，週期太長。手工跑一次，幾個小時過去了，有什麼新的想法，不能及時驗證。嚴重影響運營效率。

藉助雲服務搭建的GrowthHacking技術架構

爲了解決以上問題， 日誌服務提供了日誌採集、存儲、交互分析、可視化的一整套基礎設施，能夠幫助用戶快速搭建出來靈活易用的Growthing Hacking的技術架構，天天的工做只須要專一於運營分析便可。

Growth Hacking首先從數據採集開始，定義清楚要採集的日誌內容、格式。把各個終端、服務器的日誌集中採集到雲端的日誌服務。後續經過日誌服務提供的SQL實時分析功能，交互式的分析。定義一些常規報表，每日打開報表自動計算最新結果，也能夠定義報告，自動發送最新報表。

此外，除了日誌數據的分析，還能夠爲用戶定義一些標籤，存儲在rds中，經過rds和日誌的聯合分析，挖掘不一樣標籤對應的指標。

日誌服務有以下特色：

• 免運維：一次完成數據的埋點、數據接入，以後只需專一於運營分析便可，無需專門的運維團隊。
• 實時性：用SQL實時計算，秒級響應。快人一步獲得分析結果。
• 靈活性：任意調整SQL，實時獲取結果，很是適合交互式分析。
• 彈性：遇到運營活動，流量忽然暴漲，動動手指快速擴容。
• 性價比：市場上常見的分析類產品，多采用打包價格，限制使用量。日誌服務按量付費，價格更低，功能更強大。

藉助於日誌服務提供的這套數據採集、存儲、分析的基礎設施。運營者能夠從繁重的數據準備工做重解脫出來，專一於使用SQL去分析數據，配置報表，驗證運營想法。

開始搭建GrowthHacking系統

具體而言，Growth Hacking的架構能夠拆分以下：

1. 數據收集

   • 定義埋點的規範，定義要採集的事件內容、字段、格式。
   • 經過Android SDK,iOS SDK, Web tracking等手段在客戶端埋點。

2. 存儲

   • 選擇日誌服務的region。
   • 定義每一種日誌存儲的Project & LogStore。

3. 分析

   • 開啓分析之路，定義常規報表，或者交互式分析。
   • 經過分析結果，調整運營策略，有針對性的優化產品。

基於日誌服務，能夠完成Growth Hacking的分析策略：

1. 定義北極星指標。
2. 拉新分析。
3. 留存分析。
4. 事件分析。
5. 漏斗分析。
6. 用戶分羣。
7. A/B test。

在日誌服務中，能夠經過定義一系列儀表盤，來沉澱數據分析的結果。接下來的幾篇文章中，將依次介紹如何在日誌服務實現上述幾種策略。

總結

本文主要介紹Growth Hacking的總體架構，以後將用一系列文章介紹step by step如何介入數據，如何分析數據。

原文連接 本文爲雲棲社區原創內容，未經容許不得轉載。