用增长视角观察行业动态,洞察增长契机。主要会从用户价值、宏观机会、商业模式、数据驱动和营销技巧等五个维度中挑选合适的切入点,来盘点行业动态给用户增长带来的启示。
上图是我所理解的用户增长全局(姑且称“冰山图”),大众视野能看到的是各种营销策略,而在冰山之下,需要以用户价值为基础,需要对宏观机会和商业模式产生洞察找到切入点,再依靠数据驱动去更科学、更有效的落地增长策略。
本篇从数据驱动视角,针对用户增长领域一个常见的难题整理了一些已有研究和个人想法——不能做AB实验的时候,怎么评估效果?内容主要针对产品经理、产品运营,不涉及具体的技术实现,旨在抛砖引玉。文中难免有不当之处,期待随时交流。
我们知道,很多时候会因为成本问题、时间问题无法进行完备的实验,该如何尽可能准确评估某个增长策略的效果呢?
先说说自然实验。自然实验(Natural Experiments)实际上是一种观察性实验,不对任何用户进行干预,仅通过观察“随机”分组样本的实验结果,进行比较得出结论。请注意这里的“随机”无法像随机对照实验那样通过hash算法实现,而是基于经验选择两个接近相似的群体。比如经常需要评估一个紧急上线功能的效果,自然实验中的一组是使用某功能的用户,另一组是不使用某功能的用户。下面介绍的因果推断、双重差分就属于自