快看漫畫屈世超：大數(shù)據(jù)平臺的模型思維與用戶增長實踐

本文根據(jù)快看漫畫屈世超老師在DataFunTalk數(shù)據(jù)主題技術沙龍活動“大數(shù)據(jù)從底層處理到數(shù)據(jù)驅動業(yè)務”中分享的《大數(shù)據(jù)平臺的模型思維與用戶增長實踐》編輯整理而成，在未改變原意的基礎上稍做修改。

今天分享的內(nèi)容分為三個部分，首先介紹下快看漫畫發(fā)展狀況，第二個就是我們在大數(shù)據(jù)平臺和大數(shù)據(jù)業(yè)務發(fā)展的過程中總結的模型思維以及平臺搭建的一些經(jīng)驗，最后是基于我們的數(shù)據(jù)平臺用數(shù)據(jù)驅動去增長用戶、業(yè)務的一些實踐經(jīng)驗。

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)、社交的一個平臺，同時我們也生產(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，月活動量近4000萬、日活動量1000萬，在中國漫畫APP中排名第一。日數(shù)據(jù)量接近百億條，對數(shù)據(jù)平臺要求比較高。

如果從事過市場推銷相關業(yè)務，都明白移動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，用戶量也是實現(xiàn)了比較快速的發(fā)展。但是到17年開始，移動網(wǎng)民的數(shù)量增長量很小，在推廣過程中，搶的都是存量用戶。

隨著APP開發(fā)推廣競爭力越來越大，市場的投放、購買越來越難，成本越來越高。就目前所有APP開發(fā)者普遍存在的趨勢就是用最小成本購買優(yōu)質用戶，留存一定要做高，同時通過一定的用戶運營實現(xiàn)活躍用戶的價值輸出，即超級用戶思維。

這一切都離不開數(shù)據(jù)支撐業(yè)務增長的需求和發(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潛意識進行抽象，然后特征提取、存儲到我們的意識中，再發(fā)現(xiàn)類似的事物就會很自然聯(lián)想到這個模型，通過模型來猜測這個相近的事物有什么特點、如何去使用它、如何去產(chǎn)生聯(lián)系。

舉個例子如我們第一次見到平衡車，我們就會想到電動車、摩托車，要駕馭它需要很好的平衡性。我們認識新事物會自動聯(lián)想我們記憶中就有的模型，這就是模型思維。

在技術開發(fā)過程中模型思維也是無處不在的，比如我們在有了需求以后，需要從需求抽象出一個模型，映射的模型從我們的經(jīng)驗記憶中聯(lián)想，那些架構模型是能夠解決當前的需求，再從這個大的模型不斷去拆分、細化、劃分模型，每個模塊又是更細粒度的模型，再拆分直到我們熟悉的技術。

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

上圖是我們大數(shù)據(jù)平臺應用的總結，首先是一個需求模型的匯總，然后是架構模型的一個匯總。

在架構模型中會產(chǎn)生更加細粒度的模型，細粒度的模型繼續(xù)拆分直到不能拆分的原子模型。

先從需求出發(fā)（架構設計的依據(jù)和來源），一般大數(shù)據(jù)的應用都離不開這三塊，第一個就是數(shù)據(jù)存儲和數(shù)據(jù)探索模型，第二部分是數(shù)據(jù)分析與預測模型，第三部分是商業(yè)智能與決策模型。

比如數(shù)據(jù)存儲我們需要對數(shù)據(jù)進行備份（冷備份、熱備份），對數(shù)據(jù)進行查詢和規(guī)律分析；數(shù)據(jù)分析和預測模型包含實時分析、批量分析，數(shù)據(jù)探查包含特征提取或個性化推薦；商業(yè)智能與決策模型在金融領域比較多，比如風控領域，對貸款人信用學習決策是否能貸款、收回貸款等。

需求相關的模型基本都離不開這三部分，由需求模型映射到相應的架構模型需要經(jīng)驗性，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如何進行數(shù)據(jù)的清洗和處理；數(shù)據(jù)分析中用什么樣方式進行洞察和分析，比如使用什么樣的算法去學習個性化推薦或找到一些規(guī)律。

在做大數(shù)據(jù)時總會接觸到一些模型，如數(shù)據(jù)接入模型，做數(shù)據(jù)采集（web數(shù)據(jù)、設備數(shù)據(jù)、業(yè)務數(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，結構化與非結構化、分布式存儲，云存儲或存儲到傳統(tǒng)的存儲模型中。

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

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

所有的架構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，逐層構建更高層次的模型，最后將技術架構實現(xiàn)。

學習技術和架構是一樣的關系，有了這種思維后，在學習技術時更有目標，在整個架構它的定位和功能是什么，與同功能的優(yōu)劣對比更清楚。這種思維能夠快速將需求抽象成模型，業(yè)務方和開發(fā)方就確立共同目標，有助于開發(fā)制定關鍵架構決策，什么樣的業(yè)務大致能知道用什么結構去解決。

架構落地是由底層到高層逐層實現(xiàn)的，從原子模型落地，通過層層組裝實現(xiàn)整體架構的落地。還有一個優(yōu)點是有了整體架構后，能夠平滑的實現(xiàn)架構升級、修復、替換，因為每次改動是基于原子模型或幾個原子模型的組合。

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。

創(chuàng)業(yè)公司最開始關注的并不是用戶的行為，更多的時項目是否適用于我想象的用戶群體，這個群體在APP使用時長、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數(shù)據(jù)統(tǒng)計平臺，就能滿足需求，前期成本低，通過多個第三方能夠保證數(shù)據(jù)準確性便于做數(shù)據(jù)相關性驗證以及很多宏觀指標確定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)平臺做相關分析以及自己的統(tǒng)計任務基本能夠滿足需求。在成長期需求呈爆發(fā)式增長，業(yè)務線不斷分散。隨著業(yè)務量發(fā)展和數(shù)據(jù)增多，需求不斷細化不會只看宏觀基礎指標，指標會細化到每一個業(yè)務，每個業(yè)務也會查看功能性指標。

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

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

上圖是平臺架構，分為四層。雖然有很多模塊還不是很細，但是隨著業(yè)務的發(fā)展，也是適合當前人力成本取舍的一個方案。這是快看創(chuàng)業(yè)階段的經(jīng)驗，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)驅動來實現(xiàn)用戶增長的經(jīng)驗，業(yè)界關于類似的探索還比較少，因此做一個總結分享一下。

快看數(shù)據(jù)部門對數(shù)據(jù)的定位是基于我們的平臺，對公司所有業(yè)務線提供數(shù)據(jù)需求，做好數(shù)據(jù)驅動，每個業(yè)務線做好業(yè)務增長。

這個業(yè)務很寬泛也很難，以為很多創(chuàng)業(yè)公司是從零開始發(fā)展起來，很多時候并不太注重數(shù)據(jù)，數(shù)據(jù)平臺是由需求驅動發(fā)展的，但是我們想數(shù)據(jù)平臺去驅動業(yè)務線的發(fā)展，我們花費一年半時間做數(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)，還不斷強化他們?nèi)绾问褂脭?shù)據(jù)、好處是什么。然后就是聚焦在運和業(yè)務增長方面。

先講一下數(shù)據(jù)思維內(nèi)部推廣，培訓介紹現(xiàn)有數(shù)據(jù)平臺、第三方數(shù)據(jù)分析平臺、BI后臺以及數(shù)據(jù)字典維度等，介紹有哪些數(shù)據(jù)；然后介紹各個業(yè)務能夠使用那些數(shù)據(jù)；最后就是如何將數(shù)據(jù)用起來，讓CEO、CTO實施讓員工更多的去使用數(shù)據(jù)，強化管理層對數(shù)據(jù)的重視，要求一些數(shù)據(jù)指標的統(tǒng)計，從上到下分配到每一個團隊，產(chǎn)品經(jīng)理和用戶增長團隊輔助確立業(yè)務核心指標，著重如何確立綜合指標來評價你當前的工作和業(yè)務發(fā)展；數(shù)據(jù)研發(fā)團隊提供數(shù)據(jù)支持，將數(shù)據(jù)抽象化、平臺化、自動化。

但是也要進行一定的取舍，因為會有一些不切實際的需求，或者提出的需求分析沒有用等等。

用戶增長團隊后期工作是介于每一個開發(fā)線與業(yè)務之間的工作，如制定指標，針對指標做一些細化，細化為可落地，對當前業(yè)務有增長的可執(zhí)行指標。引導他們?nèi)ナ褂貌⒆鲆恍﹥?yōu)化，如付費運營，每一次活動完成后分析是否達到效果，以及下次運營需要哪些工作。

會監(jiān)控每一個頁面位置作品曝光率以及用戶在每一個分發(fā)頁面的參與度，比如社區(qū)運營、游戲運營也有類似工作。產(chǎn)品經(jīng)理和用戶增長團隊聯(lián)系密切，共同去做好數(shù)據(jù)分析。

接下來講一下我們在這方面的例子，快看作為漫畫平臺核心功能就是滿足用戶對于內(nèi)容的閱讀需求，核心點就是把控作品內(nèi)容變化趨勢，同時根據(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。讓內(nèi)容開發(fā)者基于對用戶的理解，利用數(shù)據(jù)去支撐他們的猜測，探索內(nèi)容開發(fā)方向。

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

上圖是用戶運營的思維，拉新越來越難，因此要對現(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踐。

指導思想就是對每個用戶實時跟蹤，實時搜集用戶行為，標記用戶生命周期，根據(jù)生命周期標簽做相關推薦，如新用戶進行冷啟動學習進行推薦，沉默會做拉活嘗試，流失會做用戶召回活動。留存也會做優(yōu)化，但更多是基于用戶畫像進行個性化作品分發(fā)以及個性化push。

運營這一塊很重要，每年花費在市場推廣成本很高，如何評價和吸引高質量的用戶難點很多，主要有對接的渠道很多，接入方式多種多樣，借助第三方平臺實現(xiàn)高質量推薦不現(xiàn)實。

因此定制化BI后臺，嘗試對用戶拉新精準歸因，然后做精準統(tǒng)計。平臺應用中，發(fā)現(xiàn)利用自己的平臺能節(jié)省20%的運營成本。在做用戶拉活和廣告素材方面會做個性化投放，通過用戶個性化標簽生成對應的廣告素材做精準拉活和召回投放。

文：屈世超@DataFunTalk（datafuntalk）

首席增長官CGO薦讀：

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

更多精彩，關注：增長黑客（GrowthHK.cn）

增長黑客（Growth Hacker）是依靠技術和數(shù)據(jù)來達成各種營銷目標的新型團隊角色。從單線思維者時常忽略的角度和高度，梳理整合產(chǎn)品發(fā)展的因素，實現(xiàn)低成本甚至零成本帶來的有效增長…