グロースハックの全体プロセスは以前記事で詳述したが、それでも前に進めなくなるときが来ます。 最も代表的なのはKPIが決まっても、それを向上させるための有効な施策が思いつかないときです。 有効な施策を思いつくためには「なぜKPIが低いのか」「こうしたらもっとKPIが向上するはず」という仮説が必要ですが、ユーザーテストやデータ分析から有効な仮説が作れないというケースも極まれにあります。 例えばメディア系のアプリで、初日に1記事でも読んだユーザーはリテンションが大幅に向上するというデータが見つかり、KPIを「登録初日ユーザーのうち、初日に1記事読むユーザーの割合」と設定したとします。 その場合、「なぜ多くのユーザーが初日に1記事も読まないのか」という理由の仮説を構築していくことが有効な施策を考えていく上で鍵となります。 しかしメディア系のアプリだとこれが意外と難しかったりします。 なぜならメディ
グロースハックにおいて、最も有名なモデルはおそらく 「AARRR(アー)」モデルでしょう。 サービス全体をユーザーの行動に合わせた5段階のステージに分け、各段階の離脱率をファネル(ろうと)の形で整理したものです。 「AARRR」 は 、 ①ユーザーを獲得 (Acquisition、アクイジション）し、②そのユーザーにサービスの価値を感じさせ(Activation、アクティベーション)、③繰り返しサービスを使ってもらい(Retention、リテンション)、 ④友人紹介 (Referral、リファラ ル)や⑤課金(Revenue、レベニュー)をしてもらう、という5つの段階でユーザーの流れを整理し、改善箇所を発見するためのフレームワークです。 AARRRモデルはユーザーの動きを把握するフレームワークとしては非常に強力です。 しかし、このモデルに沿って
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く