快看漫畫屈世超：大數(shù)據(jù)平臺(tái)的模型思維與用戶增長(zhǎng)實(shí)踐

本文根據(jù)快看漫畫屈世超老師在DataFunTalk數(shù)據(jù)主題技術(shù)沙龍活動(dòng)“大數(shù)據(jù)從底層處理到數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)”中分享的《大數(shù)據(jù)平臺(tái)的模型思維與用戶增長(zhǎng)實(shí)踐》編輯整理而成，在未改變?cè)獾幕A(chǔ)上稍做修改。

今天分享的內(nèi)容分為三個(gè)部分，首先介紹下快看漫畫發(fā)展?fàn)顩r，第二個(gè)就是我們?cè)诖髷?shù)據(jù)平臺(tái)和大數(shù)據(jù)業(yè)務(wù)發(fā)展的過程中總結(jié)的模型思維以及平臺(tái)搭建的一些經(jīng)驗(yàn)，最后是基于我們的數(shù)據(jù)平臺(tái)用數(shù)據(jù)驅(qū)動(dòng)去增長(zhǎng)用戶、業(yè)務(wù)的一些實(shí)踐經(jīng)驗(yàn)。

上圖是快看漫畫APP的一些界面，基本是精品漫畫加二次元社區(qū)、社交的一個(gè)平臺(tái)，同時(shí)我們也生產(chǎn)漫畫內(nèi)容?？炜闯闪⒂?4年底，經(jīng)過幾年的發(fā)展，已經(jīng)有了超過1.3億的用戶量，月活動(dòng)量近4000萬、日活動(dòng)量1000萬，在中國(guó)漫畫APP中排名第一。日數(shù)據(jù)量接近百億條，對(duì)數(shù)據(jù)平臺(tái)要求比較高。

如果從事過市場(chǎng)推銷相關(guān)業(yè)務(wù)，都明白移動(dòng)APP發(fā)展前幾年都趕上了人口紅利的曝光，推廣起來比較容易，用戶量也是實(shí)現(xiàn)了比較快速的發(fā)展。但是到17年開始，移動(dòng)網(wǎng)民的數(shù)量增長(zhǎng)量很小，在推廣過程中，搶的都是存量用戶。

隨著APP開發(fā)推廣競(jìng)爭(zhēng)力越來越大，市場(chǎng)的投放、購(gòu)買越來越難，成本越來越高。就目前所有APP開發(fā)者普遍存在的趨勢(shì)就是用最小成本購(gòu)買優(yōu)質(zhì)用戶，留存一定要做高，同時(shí)通過一定的用戶運(yùn)營(yíng)實(shí)現(xiàn)活躍用戶的價(jià)值輸出，即超級(jí)用戶思維。

這一切都離不開數(shù)據(jù)支撐業(yè)務(wù)增長(zhǎng)的需求和發(fā)展。

第二部分講一下模型思維和快看數(shù)據(jù)平臺(tái)搭建，模型思維的概念很抽象，但是是無處不在的。

比如我們見過的新事物會(huì)潛意識(shí)進(jìn)行抽象，然后特征提取、存儲(chǔ)到我們的意識(shí)中，再發(fā)現(xiàn)類似的事物就會(huì)很自然聯(lián)想到這個(gè)模型，通過模型來猜測(cè)這個(gè)相近的事物有什么特點(diǎn)、如何去使用它、如何去產(chǎn)生聯(lián)系。

舉個(gè)例子如我們第一次見到平衡車，我們就會(huì)想到電動(dòng)車、摩托車，要駕馭它需要很好的平衡性。我們認(rèn)識(shí)新事物會(huì)自動(dòng)聯(lián)想我們記憶中就有的模型，這就是模型思維。

在技術(shù)開發(fā)過程中模型思維也是無處不在的，比如我們?cè)谟辛诵枨笠院螅枰獜男枨蟪橄蟪鲆粋€(gè)模型，映射的模型從我們的經(jīng)驗(yàn)記憶中聯(lián)想，那些架構(gòu)模型是能夠解決當(dāng)前的需求，再?gòu)倪@個(gè)大的模型不斷去拆分、細(xì)化、劃分模型，每個(gè)模塊又是更細(xì)粒度的模型，再拆分直到我們熟悉的技術(shù)。

模型思維就是我們要從需求出發(fā)，抽象出需求模型，然后映射出架構(gòu)模型，然后拆分更細(xì)粒度模型，直到我們熟悉的技術(shù)。這其中就需要我們對(duì)多項(xiàng)技術(shù)的積累，多項(xiàng)工具、框架組合使用的經(jīng)驗(yàn)，才能透徹理解模型思維。

上圖是我們大數(shù)據(jù)平臺(tái)應(yīng)用的總結(jié)，首先是一個(gè)需求模型的匯總，然后是架構(gòu)模型的一個(gè)匯總。

在架構(gòu)模型中會(huì)產(chǎn)生更加細(xì)粒度的模型，細(xì)粒度的模型繼續(xù)拆分直到不能拆分的原子模型。

先從需求出發(fā)（架構(gòu)設(shè)計(jì)的依據(jù)和來源），一般大數(shù)據(jù)的應(yīng)用都離不開這三塊，第一個(gè)就是數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)探索模型，第二部分是數(shù)據(jù)分析與預(yù)測(cè)模型，第三部分是商業(yè)智能與決策模型。

比如數(shù)據(jù)存儲(chǔ)我們需要對(duì)數(shù)據(jù)進(jìn)行備份（冷備份、熱備份），對(duì)數(shù)據(jù)進(jìn)行查詢和規(guī)律分析；數(shù)據(jù)分析和預(yù)測(cè)模型包含實(shí)時(shí)分析、批量分析，數(shù)據(jù)探查包含特征提取或個(gè)性化推薦；商業(yè)智能與決策模型在金融領(lǐng)域比較多，比如風(fēng)控領(lǐng)域，對(duì)貸款人信用學(xué)習(xí)決策是否能貸款、收回貸款等。

需求相關(guān)的模型基本都離不開這三部分，由需求模型映射到相應(yīng)的架構(gòu)模型需要經(jīng)驗(yàn)性，依賴于需求過程中提取如何去使用這些數(shù)據(jù)、展示形式、數(shù)據(jù)源接入的方式或者根據(jù)數(shù)據(jù)源的格式或一些特點(diǎn)如何進(jìn)行數(shù)據(jù)的清洗和處理；數(shù)據(jù)分析中用什么樣方式進(jìn)行洞察和分析，比如使用什么樣的算法去學(xué)習(xí)個(gè)性化推薦或找到一些規(guī)律。

在做大數(shù)據(jù)時(shí)總會(huì)接觸到一些模型，如數(shù)據(jù)接入模型，做數(shù)據(jù)采集（web數(shù)據(jù)、設(shè)備數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)，可能有不同形式的接入方式），接入之后做數(shù)據(jù)存儲(chǔ)，結(jié)構(gòu)化與非結(jié)構(gòu)化、分布式存儲(chǔ)，云存儲(chǔ)或存儲(chǔ)到傳統(tǒng)的存儲(chǔ)模型中。

然后是數(shù)據(jù)處理模型，實(shí)時(shí)、離線，還有清洗模型，不同格式、形式的數(shù)據(jù)用何種方式、工具進(jìn)行處理。

最后是數(shù)據(jù)使用模型，做完處理后如何進(jìn)行分析、可視化，如何查詢，還有用戶觸達(dá)，做一些智能決策，以及自動(dòng)觸發(fā)模型。

所有的架構(gòu)都是由需求衍生而來，由需求產(chǎn)生模型，這些模型是由小的原子模型通過一定的組合、封裝，逐層構(gòu)建更高層次的模型，最后將技術(shù)架構(gòu)實(shí)現(xiàn)。

學(xué)習(xí)技術(shù)和架構(gòu)是一樣的關(guān)系，有了這種思維后，在學(xué)習(xí)技術(shù)時(shí)更有目標(biāo)，在整個(gè)架構(gòu)它的定位和功能是什么，與同功能的優(yōu)劣對(duì)比更清楚。這種思維能夠快速將需求抽象成模型，業(yè)務(wù)方和開發(fā)方就確立共同目標(biāo)，有助于開發(fā)制定關(guān)鍵架構(gòu)決策，什么樣的業(yè)務(wù)大致能知道用什么結(jié)構(gòu)去解決。

架構(gòu)落地是由底層到高層逐層實(shí)現(xiàn)的，從原子模型落地，通過層層組裝實(shí)現(xiàn)整體架構(gòu)的落地。還有一個(gè)優(yōu)點(diǎn)是有了整體架構(gòu)后，能夠平滑的實(shí)現(xiàn)架構(gòu)升級(jí)、修復(fù)、替換，因?yàn)槊看胃膭?dòng)是基于原子模型或幾個(gè)原子模型的組合。

前面介紹了模型思維，接下介紹快看如何發(fā)展數(shù)據(jù)平臺(tái)。

創(chuàng)業(yè)公司最開始關(guān)注的并不是用戶的行為，更多的時(shí)項(xiàng)目是否適用于我想象的用戶群體，這個(gè)群體在APP使用時(shí)長(zhǎng)、活躍度、留存量。

我們開始使用的是低成本接入和和使用第三方基礎(chǔ)數(shù)據(jù)統(tǒng)計(jì)平臺(tái)，就能滿足需求，前期成本低，通過多個(gè)第三方能夠保證數(shù)據(jù)準(zhǔn)確性便于做數(shù)據(jù)相關(guān)性驗(yàn)證以及很多宏觀指標(biāo)確定APP的業(yè)界定位。

快看發(fā)展第一年主要依據(jù)第三方數(shù)據(jù)平臺(tái)做相關(guān)分析以及自己的統(tǒng)計(jì)任務(wù)基本能夠滿足需求。在成長(zhǎng)期需求呈爆發(fā)式增長(zhǎng)，業(yè)務(wù)線不斷分散。隨著業(yè)務(wù)量發(fā)展和數(shù)據(jù)增多，需求不斷細(xì)化不會(huì)只看宏觀基礎(chǔ)指標(biāo)，指標(biāo)會(huì)細(xì)化到每一個(gè)業(yè)務(wù)，每個(gè)業(yè)務(wù)也會(huì)查看功能性指標(biāo)。

開始嘗試做原子模型的替換，調(diào)研發(fā)現(xiàn)一個(gè)“二八定律”，就是如果要對(duì)用戶行為進(jìn)行分析，接入的第三方數(shù)據(jù)分析平臺(tái)，利用20%的成本接入和維護(hù)能夠滿足各個(gè)業(yè)務(wù)線80%的需求。隨著業(yè)務(wù)量以及業(yè)務(wù)需求增加，許多數(shù)據(jù)分析是定制化的，第三方數(shù)據(jù)平臺(tái)就無法解決，就自建大數(shù)據(jù)平臺(tái)。

搭建原則是利用最低成本解決需求，優(yōu)先使用第三方平臺(tái)能解決的方案，不能解決利用大數(shù)據(jù)平臺(tái)做定制性的數(shù)據(jù)洞察，比如個(gè)性化推薦，做精準(zhǔn)的作品分發(fā)。后續(xù)數(shù)據(jù)洞察的需求越來越多，業(yè)務(wù)指標(biāo)越來越定制化，數(shù)據(jù)統(tǒng)計(jì)的粒度會(huì)越來越細(xì)。

上圖是平臺(tái)架構(gòu)，分為四層。雖然有很多模塊還不是很細(xì)，但是隨著業(yè)務(wù)的發(fā)展，也是適合當(dāng)前人力成本取舍的一個(gè)方案。這是快看創(chuàng)業(yè)階段的經(jīng)驗(yàn)，如果有在創(chuàng)業(yè)公司工作的，有需要可以參考下。

接下來講一下我們利用數(shù)據(jù)驅(qū)動(dòng)來實(shí)現(xiàn)用戶增長(zhǎng)的經(jīng)驗(yàn)，業(yè)界關(guān)于類似的探索還比較少，因此做一個(gè)總結(jié)分享一下。

快看數(shù)據(jù)部門對(duì)數(shù)據(jù)的定位是基于我們的平臺(tái)，對(duì)公司所有業(yè)務(wù)線提供數(shù)據(jù)需求，做好數(shù)據(jù)驅(qū)動(dòng)，每個(gè)業(yè)務(wù)線做好業(yè)務(wù)增長(zhǎng)。

這個(gè)業(yè)務(wù)很寬泛也很難，以為很多創(chuàng)業(yè)公司是從零開始發(fā)展起來，很多時(shí)候并不太注重?cái)?shù)據(jù)，數(shù)據(jù)平臺(tái)是由需求驅(qū)動(dòng)發(fā)展的，但是我們想數(shù)據(jù)平臺(tái)去驅(qū)動(dòng)業(yè)務(wù)線的發(fā)展，我們花費(fèi)一年半時(shí)間做數(shù)據(jù)內(nèi)部思維推廣，由于成員年輕化，很多都不是很理解數(shù)據(jù)，還不斷強(qiáng)化他們?nèi)绾问褂脭?shù)據(jù)、好處是什么。然后就是聚焦在運(yùn)和業(yè)務(wù)增長(zhǎng)方面。

先講一下數(shù)據(jù)思維內(nèi)部推廣，培訓(xùn)介紹現(xiàn)有數(shù)據(jù)平臺(tái)、第三方數(shù)據(jù)分析平臺(tái)、BI后臺(tái)以及數(shù)據(jù)字典維度等，介紹有哪些數(shù)據(jù)；然后介紹各個(gè)業(yè)務(wù)能夠使用那些數(shù)據(jù)；最后就是如何將數(shù)據(jù)用起來，讓CEO、CTO實(shí)施讓員工更多的去使用數(shù)據(jù)，強(qiáng)化管理層對(duì)數(shù)據(jù)的重視，要求一些數(shù)據(jù)指標(biāo)的統(tǒng)計(jì)，從上到下分配到每一個(gè)團(tuán)隊(duì)，產(chǎn)品經(jīng)理和用戶增長(zhǎng)團(tuán)隊(duì)輔助確立業(yè)務(wù)核心指標(biāo)，著重如何確立綜合指標(biāo)來評(píng)價(jià)你當(dāng)前的工作和業(yè)務(wù)發(fā)展；數(shù)據(jù)研發(fā)團(tuán)隊(duì)提供數(shù)據(jù)支持，將數(shù)據(jù)抽象化、平臺(tái)化、自動(dòng)化。

但是也要進(jìn)行一定的取舍，因?yàn)闀?huì)有一些不切實(shí)際的需求，或者提出的需求分析沒有用等等。

用戶增長(zhǎng)團(tuán)隊(duì)后期工作是介于每一個(gè)開發(fā)線與業(yè)務(wù)之間的工作，如制定指標(biāo)，針對(duì)指標(biāo)做一些細(xì)化，細(xì)化為可落地，對(duì)當(dāng)前業(yè)務(wù)有增長(zhǎng)的可執(zhí)行指標(biāo)。引導(dǎo)他們?nèi)ナ褂貌⒆鲆恍﹥?yōu)化，如付費(fèi)運(yùn)營(yíng)，每一次活動(dòng)完成后分析是否達(dá)到效果，以及下次運(yùn)營(yíng)需要哪些工作。

會(huì)監(jiān)控每一個(gè)頁(yè)面位置作品曝光率以及用戶在每一個(gè)分發(fā)頁(yè)面的參與度，比如社區(qū)運(yùn)營(yíng)、游戲運(yùn)營(yíng)也有類似工作。產(chǎn)品經(jīng)理和用戶增長(zhǎng)團(tuán)隊(duì)聯(lián)系密切，共同去做好數(shù)據(jù)分析。

接下來講一下我們?cè)谶@方面的例子，快看作為漫畫平臺(tái)核心功能就是滿足用戶對(duì)于內(nèi)容的閱讀需求，核心點(diǎn)就是把控作品內(nèi)容變化趨勢(shì)，同時(shí)根據(jù)用戶的需求、喜好開發(fā)一些新內(nèi)容，這些是內(nèi)容模塊的指標(biāo)。讓內(nèi)容開發(fā)者基于對(duì)用戶的理解，利用數(shù)據(jù)去支撐他們的猜測(cè)，探索內(nèi)容開發(fā)方向。

具體方式就是會(huì)分析每一個(gè)作品的周留存、日留存和月留存，以及用戶閱讀次數(shù)，看一下用戶對(duì)作品持續(xù)關(guān)注度。然后通過用戶搜索關(guān)鍵詞把控新作品開發(fā)方向，這樣能夠把控作品質(zhì)量，同時(shí)每個(gè)用戶活躍度的變化能夠反映作品對(duì)用戶的吸引力。

上圖是用戶運(yùn)營(yíng)的思維，拉新越來越難，因此要對(duì)現(xiàn)有用戶留存，利用的是海盜模型去定義用戶的生命周期，從激活到留存還有沉默到流失，以及內(nèi)容傳播與收入等都有實(shí)踐。

指導(dǎo)思想就是對(duì)每個(gè)用戶實(shí)時(shí)跟蹤，實(shí)時(shí)搜集用戶行為，標(biāo)記用戶生命周期，根據(jù)生命周期標(biāo)簽做相關(guān)推薦，如新用戶進(jìn)行冷啟動(dòng)學(xué)習(xí)進(jìn)行推薦，沉默會(huì)做拉活嘗試，流失會(huì)做用戶召回活動(dòng)。留存也會(huì)做優(yōu)化，但更多是基于用戶畫像進(jìn)行個(gè)性化作品分發(fā)以及個(gè)性化push。

運(yùn)營(yíng)這一塊很重要，每年花費(fèi)在市場(chǎng)推廣成本很高，如何評(píng)價(jià)和吸引高質(zhì)量的用戶難點(diǎn)很多，主要有對(duì)接的渠道很多，接入方式多種多樣，借助第三方平臺(tái)實(shí)現(xiàn)高質(zhì)量推薦不現(xiàn)實(shí)。

因此定制化BI后臺(tái)，嘗試對(duì)用戶拉新精準(zhǔn)歸因，然后做精準(zhǔn)統(tǒng)計(jì)。平臺(tái)應(yīng)用中，發(fā)現(xiàn)利用自己的平臺(tái)能節(jié)省20%的運(yùn)營(yíng)成本。在做用戶拉活和廣告素材方面會(huì)做個(gè)性化投放，通過用戶個(gè)性化標(biāo)簽生成對(duì)應(yīng)的廣告素材做精準(zhǔn)拉活和召回投放。

文：屈世超@DataFunTalk（datafuntalk）

首席增長(zhǎng)官CGO薦讀：

• 《Robinhood：產(chǎn)品上線前，0成本累計(jì)100萬用戶增長(zhǎng)策略》
• 《短視頻風(fēng)口下，首席增長(zhǎng)官如何借抖音式營(yíng)銷上位？》
• 《曲卉：增長(zhǎng)黑客的理論體系及10倍用戶增長(zhǎng)的方法論》

更多精彩，關(guān)注：增長(zhǎng)黑客（GrowthHK.cn）

增長(zhǎng)黑客（Growth Hacker）是依靠技術(shù)和數(shù)據(jù)來達(dá)成各種營(yíng)銷目標(biāo)的新型團(tuán)隊(duì)角色。從單線思維者時(shí)常忽略的角度和高度，梳理整合產(chǎn)品發(fā)展的因素，實(shí)現(xiàn)低成本甚至零成本帶來的有效增長(zhǎng)…