占雪亮：流量明星小红书的增长组织架构和数据分析实例

从软件公司转型为互联网公司，会发生哪些变化？ 小红书为什么决定由数据驱动？ 如何知道自己产品里的用户属性？

你是不是也曾经思考过这些问题呢？这些问题是否曾经困扰过你呢？那么你一定不能错过 TGO 鲲鹏会上海分会《技术领导者的增长黑客落地实践》活动中，小红书增长技术负责人占雪亮为大家带来了主题为《小红书增长的术和道》的演讲。

以下根据当天演讲整理，有部分不改变原意的删减。

占雪亮现场分享图

我的题目叫《小红书增长的术和道》，道的内容会尽量少讲，因为它更多要靠大家自己实践，我觉得术相对来讲更能够落地。本次演讲主要分为两部分，第一部分是组织架构，第二部分是数据！

组织架构

传统软件公司和互联网公司的组织架构差异

微软是典型的传统软件公司，而 Facebook 和谷歌就是典型的互联网公司，它们没有绝对好或者绝对坏。比如，微软的产品 windows 几年才会发一个版本，一定要在 Release 之前保证质量。在传统的软件公司组织架构下，先讨论需求文档，文档出来了再做实现，然后由 QA 测试，这是传统的流程。大家的工作机制是分层的，每一个横向的部门都会有一个类似工头的角色，可能是客户端负责人、服务端负责人或者是数据上网负责人、运维负责人，大家一起来共同讨论需求，确定需求之后再到部门里传达。大家可以看到，这里面很多沟通环节是割裂的，要靠文档或一些纸面上的东西。

而在互联网的公司里面，这套可能不是那么适用。在互联网公司的组织架构，是有了想法先看一下现有的数据或者应用功能，考虑是不是值得改进，如果改进了会影响到多少线上用户。数据分析出来之后觉得这个事应该干，就分享一下找到了什么，大家预期的收益等等。组中的设计师或者数据分析师觉得这个事可以做就做了。快速完成、快速迭代，做小流量实验，只让一小部分用户先看到，收集用户真实的反馈。然后再来开会共同解读这些数据，判断结果是好是坏，是否继续推广。这种做法最大的好处是效率更高。

从软件公司转型为互联网公司，总结一下有这样几个变化：

按照功能划分团队（vs 按照职能划分团队）；

大目标对齐的情况下分布式的团队协力决策；

更紧密的跨职能团队协作；

团队关注于对用户产生实际影响；

面对不确定性的敏捷；

所有参与者共同对结果负责（vs 对过程负责）。

为什么小红书内部要做这样的转变呢，因为我们认为迭代速度比不出问题更重要、效率比流程更重要、数据比权威更重要。

增长团队的组织架构

这种模式叫 Independent Model，上面是 CEO，下面有一个 Growth VP，专门负责 Growth。其下的部门完全按照模型划成不同工种组成，形成独立的闭环团队，好处是资源协调更加方便，而且迭代更加快速高效，但坏处是需要更加谨慎处理和其他团队的关系。

这种模式叫 Functional Modal，它的区别是增长团队向工程 VP 汇报。这种模式是按照功能来划分的，它的优点很明显，部门之间的关系不会那么紧张，但缺点是效率会受影响，因为需要跟其他的团队沟通，不管公司文化有多好，跨团队沟通都是有成本的，只是成本高低的问题。

小红书采用的是第一种模式，Growth VP 部门涉及 Performance marketing（SEM，信息流，应用市场，厂商预装等）、小程序（微信，百度，今日头条等等）、推送、新人体验（新人引导，注册登录，Feed，Search）等业务。我们最开始时也是分散到各个不同的部门里的，暴露出了效率问题和组织沟通的问题。后来，考察硅谷增长做得比较好的一些一线互联网公司，发现他们都有一个独立的完全闭环的系统，于是我们也做了这样的转变。

这两种模式其实都有非常好的互联网公司在应用实践，所以不存在哪个绝对好、哪个绝对坏。你要选一个最契合公司氛围或者公司最能够快速落地的方案，根据自己的实际情况组织增长部门。

数据！数据！数据！

为什么我们认为数据如此重要？

因为数据永远都不会说谎，数据陈述的是客观事实，不带任何主观意识和假设。它能有效地帮我们看清之前做的决策是否正确，使问题变得更容易察觉。未来，精细化运营是大势所趋，流量越来越贵，如何更好地利用来之不易的流量，数据的指导意义至关重要。

用户次日留存低的数据分析实例

就在上个月，我们的数据部门发现来自信息流等渠道的用户次日留存低，他们的人群特征是低龄，行动特征是“点赞即走”。当时我们就做了一个很符合逻辑的假设，认为这是些学生，只能在周末用手机，但是周一到周五因为上课没有办法用我们的 APP。这听起来很合乎逻辑，但真的是这样吗？我们分三个维度分析。

不同低龄用户表现是否有差异

经过进一步细分年龄段分析，我们发现真正留不住的是 15 岁以下的初中和小学生，而高中生还可以，所以不是因为周内上课无法使用导致的留存低，所以年龄划分（both for 分析 & 分发）需要重新考虑按照学龄。同时，这些 15 岁以下的用户主要来自付费渠道、信息流和百度 SEM，所以需要对投放进行更严格的年龄定向，避免浪费金钱。

他们来小红书看什么，有没有看到他们想看到的东西

我们分析发现，15 岁以下主要是画画、动漫、头像和明星，16 岁以上开始有穿搭、护肤、减肥，19 岁以上增加了彩妆，更年长用户有了菜谱、装修、品牌。经进一步统计分析，发现搜索后低点击词主要集中在明星、时尚品类词，且都是由年轻用户主要贡献了无点击，搜索之后高点击词，主要集中在减肥、护肤、美甲上，SEM 可以在这些品类上多做投放。

他们的 Feed 流推的是他们想看的内容吗？

我们做了一个数据收集，得到三个结论：1、多样化更加明显，更符合标记我的生活；2、头部不集中；3、尾部不长尾。而内容丰满度说明，对音乐、情感、电影、餐厅、游戏、动漫、萌宠、搞笑的曝光相比标签选择过少。特别需要关注那些即是年轻人更偏好的类目，又是曝光过少的类目：音乐、游戏、动漫、搞笑。这些类目很可能优质笔记不足。我们运营团队要在社区更多地创作这样一些优质的内容，分发到我们的用户。同时我们发现，不同年龄的喜好是不一样的，分发的时候即使同一品类，在不同的年龄纬度上也需要有不同的分发策略。

以上都是数据告诉我们的，如果没有数据，再聪明也猜不出来的。

小红书经常使用以下数据分析维度，大家可以参考：

性别（男，女）；

新老用户（新注册，7 天内注册，28 天内注册，existing）；

年龄段（<=15，16~18，18~23，23~28，28+）；

平台（iOS，Android）；

机型（iPhone，OPPO，VIVO，华为，小米，其他，各 Android 设备再 break down 到中高低端）；

地域（一二线城市，三到五线城市，其他）；

获客来源（Organic，SEO，SEM，信息流，小程序，Branding，应用市场等等，SEM，信息流等渠道还可以 break down 到具体是什么投放词拉进来的用户）。

小红书为什么这么数据驱动？

小红书能够如此地数据驱动，主要是由于三个方面：

第一个是文化，我们的公司文化就是从上往下在引导这样的氛围；

第二个是工具，它让我们人人能用数据、人人会用数据；

第三个是实验，想法好不好，行不行得通，靠实验来验证，看数据是不是符合你自己的预期。

差不多就是这三件事，使我觉得小红书现在在公司内数据驱动以及对实验的重视，比外面一般的公司要好一些。

Q&A

你们产品里面怎么知道用户属性的，是用户输入还是数据开放平台？

占雪亮：我们是自己收集为主，第三方也会用一些。我们的产品在用户一进来就会填性别、年龄，选自己感兴趣的内容。

一些增长资料经常看到，任何注册的环节都有可能导致用户流失，你们有没有对比过让用户选择标签或者输入一个数字，是不是对留存有影响？

占雪亮：肯定会的，小红书最开始的时候用户一进来就要一堆信息，要求注册。现在我们将注册后置了，进来你可以先玩，之后要交互、点赞、评论的时候，再要求登录。对此我们做了实验，实验之前觉得这样用户门槛更低了，讲道理他应该要来玩。但实际却是先注册的留存率会更高。前面设置了这么多前置环节，肯定是会影响很多用户。但是他如果经过了漫长过程，其实就是他花了心思，愿意玩的概率会更高一些。如果得来很容易，反而可能很快就忘了。

做实验的要用资源，包括时间资源、人力资源和钱。一家公司不可能无限地做实验，所以每个实验的边界一般您是怎么来定的？

占雪亮：首先，不要去做没有意义的实验，如果想想都能够想得通，就没必要做实验。其次，要快速得出实验结果，一般来讲可能 80~90% 的实验一两周就会有一个初步的大结论。前提是要有好用的工具，让实验没那么麻烦，有好的工程来配套。要注意尽量不要过度分析，先在实验之前把这个标题衡量好。就跟赛跑一样，先定好这就是终点，谁先跑到谁就赢了，不要输了还要跟裁判解释什么原因。

TGO 鲲鹏会是极客邦科技旗下高端技术人聚集和交流组织，目前已在北京、上海、杭州、广州、深圳、成都、硅谷、台湾、南京全球九个城市设立分会。现在全球累计 700 多名会员，60% 为 CTO、技术 VP、技术合伙人。

如果你想和这些优秀的科技领导者们一起前行，欢迎点击 「报名表单，申请加入」 。

网址：占雪亮：流量明星小红书的增长组织架构和数据分析实例 http://c.mxgxt.com/news/view/110509

相关内容

《乘风破浪的姐姐》综艺火了 分析小红书与明星的种草数据
大数据的舆情分析
小红书如何做明星数据库
【干货】瘦狗？明星？数据分析模型之【波士顿矩阵模型】
追星人数量的数据分析
抖音从网红成为明星的是谁 数据分析软件
微博怎么查看明星数据分析 如何查看微博明星的流量热度
数字时代明星合作：国外红人推广案例分析
流量产业化背景下虚假数据剖析及其治理——基于明星粉丝打榜的分析
如何用数据中台，做一套关于明星的舆情分析系统？

随便看看