应用增长专家应该能够回答的 10 个问题

数字领域瞬息万变，用户偏好不断变化，竞争异常激烈。要成功驾驭这一充满挑战的环境，应用专家需要深入了解生态系统及其关键成功驱动因素。如今，成功不仅仅在于下载量，更在于提高参与度、维持留存率和最大化收入。

在这篇博文中，我们将深入探讨每位勤勉的应用增长专家都应该重点关注的 10 个关键问题，并提供清晰且现成的答案。

1. 您在监测哪些趋势？

及时了解最新趋势对应用增长专家保持工作效率至关重要。这可能包括多个方面，如不断变化的收入模式、新网络、新兴合作伙伴、首选广告格式、创新定位选项、参与度和留存率的最佳实践、前沿工具和技术或不断发展的活动和收入驱动因素。总的来说，跟踪这些趋势是做出明智决策和提升表现的关键。

趋势越具体，定义越清晰，采取行动就越快。这意味着通过巧妙地使用高级分析来挖掘数据趋势，您可以迅速看到随时间累积的收益。

在涉及指标相关趋势时，发现微妙或缓慢变化的模式可能比较棘手。这些随时间逐渐展开的趋势很容易被忽视或被忽略，因为它们在日常运营中可能看起来微不足道。然而，即使是这些小趋势也会随时间积累而变得相当重要。这就是顶级数据监控解决方案发挥作用的地方。它们提供所有关键指标的自动趋势检测，发送警报，确保您不会错过任何重要趋势。

在下面的示例中，显示了中文 ARPDAU（日活跃用户平均收入）的逐渐下降。如果没有警报，这种下降可能会被忽视数周。在这种情况下，这是由于意外删除了针对中文用户的激励视频广告位置造成的。

2. 您如何衡量劳动生产率？

劳动生产率是衡量员工效率和效果的关键指标。跟踪和管理劳动生产率有助于应用增长团队了解哪些项目符合支出预期和生产力目标，哪些不符合。

通过更多地了解哪些任务消耗过多的时间和精力，增长专家可以快速有效地做出调整以改善成本控制。了解需要改进的地方，就可以实施流程改进、提供培训或采用工具和方法来提高生产力。

另一方面，当某个工作流程或团队超过其生产力目标时，决策者可以更清晰、更准确地投入资源。这些信息可以指导与招聘、外包或在团队成员之间重新分配任务相关的决策，以优化资源。

它还可以帮助为新项目设定更精确的时间表、里程碑和预算——防止团队过度承诺并降低延误的可能性。

劳动生产率通常使用以下公式计算：

劳动生产率 = 总产出 / 总工作时间

当然，产出的衡量可能有点棘手。这是一个较为柔性和主观的指标。它可以用已关闭的工单、已完成的任务、已启动的活动、获得的用户、创建的库存、投放的展示次数、产生的收入或任何其他可量化的成就来衡量。无论您使用什么因素矩阵来衡量产出——这个矩阵应该因团队而异——关键是要明确定义指标并持续跟踪。

时间跟踪工具和项目管理软件可以帮助衡量劳动生产率——记录在各种任务和项目上花费的时间。在某些情况下，帮助您衡量劳动生产率的工具也是提高生产率最有效的工具。

例如，oolo AI通过帮助团队更快地检测问题并更精准地干预来提高劳动生产率。这不仅确保他们的行动产生最大影响，还为他们腾出时间在一天内处理更多任务。

3. 哪些应用/游戏创意正在获得关注？

为了保持受众的响应度并避免对陈旧广告产生疲劳感，特别是在消费者偏好和市场趋势快速变化的情况下——您需要保持新鲜感，并尝试新的吸引注意力、点击诱导和转化生成的方式。定期更新创意使移动应用广告主能够进行 A/B 测试不同的方法——识别最有效的方式并相应地优化他们的活动。

了解您的应用表现如何受创意影响是一个巨大的改进机会——不仅是知道在哪里投入支出，还包括塑造新的创意策略。但是由于涉及的因素众多，很难发现某个创意在特定渠道或活动中获得关注的时机。

在第 0 天 ROAS 稳定的情况下，广告主会知道需要检查预算，以确保没有任何因素限制这种新发现的表现。这种创意层面的监控让用户有时间分析创意元素，并帮助创意团队设计测试来确认和利用这些差异化因素。

了解优化应用创意的重要性

4. 您当前的 MTTR 标准和目标是什么？

MTTR代表平均修复/解决时间，它衡量从检测到问题到解决问题所需的平均时间。在应用增长的背景下，它是一个关键绩效指标（KPI），表明组织识别和解决营销和变现系统问题的效率。

从这些问题中恢复所需的时间越长，潜在的用户获取和收入损失就越多。监控和改进 MTTR 可以带来更高效的事件响应流程，减少人工工作和相关成本。在利润微薄的应用经济中，这转化为重要且可持续的竞争优势。

随时间跟踪 MTTR还使应用开发者能够识别趋势、模式和重复出现的问题。这些数据可用于做出更明智的决策，从而改进应用基础设施、架构和增长实践，快速纠正或甚至预防类似事件的发生。

为了有效管理 MTTR，应用开发者应该实施强大的事件管理实践，包括监控、警报和后续程序。这些实践帮助团队快速识别问题，诊断根本原因，并及时实施修复。

通过分析从不同事件中恢复所需的时间，应用团队可以更好地将精力集中在最常见和成本最高的问题上。

MTTR 可以用以下公式计算：

MTTR = 总检测时间 + 总诊断时间 + 总修复时间
事件数量

衡量 MTTR 很有帮助，不仅是在设定和衡量年度（或季度）目标方面——还在于评估效率提升/损失的业务影响。一旦您建立了 MTTR 标准，就可以开始逐案查看 TTR，并将每分钟超出或低于标准的时间与实际可衡量的影响联系起来。

对于大多数增长团队来说，通过自动化问题检测、简化调查并将团队的努力集中在最容易修复（且影响最大）的问题上，可以收集到低挂果实式的 MTTR 改进。例如，使用 oolo AI，TapNation 能够在短短 30 天内将其 MTTR 降低54%。

5. 您的长尾策略是什么？

一般来说，应用开发公司越成功，需要管理的产品就越多。但是，由于一天只有这么多时间，工资单上只有这么多人才，不可能关注每个应用的每个数据点。

这就是为什么准确了解您的长尾有多大以及您计划如何处理它很重要。当然，故障排除和优化工作存在边际收益递减。当您着手修复问题并为特定产品进行改进时，通常第一个小时的工作会比第二个小时带来更大的提升，第二个小时又比第三个小时带来更大的提升，以此类推。因此，如果您能做到，每天或每周给长尾几分钟的关注可能是值得的。

问题是存在有效时间投入的最低阈值。如果您每天花 10 分钟在长尾上，而长尾包括 32 个产品，那么每个产品只剩下不到 19 秒的时间。实际上，您至少需要几分钟才能开始处理每个产品；这就是为什么准确了解您的长尾有多大以及您实际上有哪些处理选项很重要。

• 首先，这意味着要准确定义您所说的长尾是什么。贡献收入不到 7% 且用户群不到 7% 的投资组合属性数量可以作为标准工作定义
• 其次，您需要估算长尾中效率低下导致的收入/增长损失
• 最后，您需要决定您愿意在长尾上花多少时间

有了这些信息，您就会知道您管理长尾的策略是否现实。对于大多数成功的应用公司来说，这并不现实。通常会做出实际放弃长尾的决定。在这些情况下，增长团队只专注于最大化他们较大产品的下载量和收入——即投资组合中持续带来最大价值的那部分。

虽然受帕累托原则启发的管理方式有其优点，但它保证了随时间累积而变得显著的损失。虽然这在短期内可以被视为可接受的经营成本，但从长期来看，这变得越来越难以证明合理性。这就是为什么越来越多的公司打破常规，摒弃长尾自动驾驶的想法——让它在没有任何干预的情况下运行和表现。

越来越多的公司转向自动化监控和警报系统，以降低有效时间投入的最低阈值，并允许他们提高整个投资组合的监控和优化标准。在这种模式下，没有先验的手动健康检查。这些都是自动化的。

只有当警报发出特定问题或数据层次结构中特定点的机会时，增长经理才会介入。这确保没有未解决的问题、未发现的收入泄漏或未满足的机会，慢慢侵蚀您的业务。

6. 您留有多少个旧的低支出活动在运行？

广告主让低支出活动继续运行是很常见的，无论是有意还是因为低于正常监控阈值/触发器而被忽视。这种”活动停滞状态”带来了一些风险。

有时，特定活动会被网络算法选中，突然间流量就会开始增加。如果没有采取适当的措施（如适当的每日上限），如果这些峰值超过一天左右没有被发现，可能会很快变得昂贵。

因此，增长经理不仅需要知道他们留有多少个旧的低支出活动在运行，还需要知道保持这些活动运行的目的是什么，以及如何权衡目的与风险，即它们可能会无意但显著地消耗资源。根据成本效益分析的结果，增长经理应该考虑正式结束其中一些旧活动。

无论如何，所有这些活动都应该在监视列表上，以便密切关注它们。

7. 哪些活跃的 A/B 测试可以关闭？

这有点像一个陷阱问题，因为唯一可接受的答案是”没有”。话虽如此，任何有价值的增长经理都应该有一个接近结束的测试的运行统计。但是接近结束和已结束之间的界限是手动划定的，通常存在很大的模糊性。这就是问题所在。

虽然 A/B 测试为迭代改进提供了直接途径，但它们很繁琐，通常以不够完美的精确度和及时性来管理。这可能会让可行的见解枯萎并（有时）消失——或更糟的是，可能导致错误的结论。无论哪种方式，您都在面临增长的浪费。

了解什么是 ASO 的 A/B 测试

为了保持增长健康并持续增长，重要的是要知道并在测试达到成熟度且可以实施经验教训时立即采取行动。当然，始终掌握所有情况并不是一件容易的事，而且，看着两个测试组，用肉眼和简单的分析很难确定持久的差异。

正是出于这个原因，增长团队可能会寻求通过工具升级来获得优势。这些团队利用深度数据监控技术自动监控所有活跃测试，标准化分布，并使用序贯概率算法在最早可能的时间点宣布明确的获胜者。

例如，oolo AI 的 A/B 测试监控显示获胜测试组、该判定的置信度分数，以及根据测试结论实施变更带来的月度收入影响——还可以按特定地理位置筛选，以了解宏观和微观影响。

8. 本月计划支出多少？

尽管 ARPDAU 优化很重要，但从根本上说，支出到下载的优化必须放在首位。

应用增长专家需要知道他们有多少支出可以使用，以及他们预期用它产生什么类型的可交付成果。这对于资源规划和管理以及设定和跟踪目标都是必不可少的。

从规划的角度来看，在争取预算时，能够提出具体可靠的增长预测是无价的。在长期规划方面，精确的支出和下载预期可以帮助预测未来增长，指导投资，并塑造应用开发和营销方面的决策。

在更日常的基础上，牢牢掌握支出和下载计划为团队提供了整体安装成本的目标。这个整体数字可以根据不同渠道、格式、一周中的不同日期、月份时间等的表现预期进行细分和调整。

将这些月度目标转化为更细化的基准和里程碑在节奏控制方面真的会产生很大的差异。它会防止您落后于进度，并帮助您始终达到目标。它还会让您更深入地了解不同网络、时机和创意动态。这种理解最终会被您用来获得优势，并让您能够设定更高的目标。

了解分配的支出预期带来多少下载量也使评估特定营销努力和活动的成功更容易。如果产生的下载量低于预期，您就知道要终止活动、重新思考策略或调整营销组合。

最后，考虑到应用经济的动态性，敏锐地意识到您的支出率和预期下载量将让您在外部因素影响表现时快速得到提示。这将让您在适应市场、竞争或用户行为变化时占得先机。

9. 您的损耗率是多少？

损耗率指的是您实际拥有的价值与您认为拥有的价值之间的差异。对于零售企业，这是根据库存计算的（即您记录中显示的库存与您实际拥有的实物库存之间的差异）。但同样的公式可以适用于其他业务案例。广告主可能会使用以下公式计算损耗率。

损耗率 = （实际 ROAS – 预测 ROAS）
（预测 ROAS）

衡量损耗率对于优化增长和收入流的同时确保盈利至关重要。当然，ROAS 并不是库存的完美类比。但它不需要是。您可以用任何其他 KPI 替换 ROAS，并通过一系列计算来衡量损耗率。

对于广告主和发布商来说，损耗可能来自欺诈、市场波动、技术问题、管理不善、差异、用户基础下降和预测错误。无论如何，结果都是一样的：预期价值的损失。

对于大多数企业来说，一定程度的损耗是可以预期的，但如果失控，您会发现您的收益报告持续不及预期，您的公司处于危险之中。根据经验，您希望将损耗率控制在 5% 以下。

如果您能在这些损耗因素显现之前发现并控制它们，那就是公司金库中的额外资金和/或其数据库中的用户。同样，这是最佳监控技术可以帮助的领域。借助预测建模和更完整、更具环境感知的运营可观察性的优势，您可以有效地将损耗风险限制在市场波动的情况下。

通过 AI 巡查他们的用户获取和变现运营中的任何差异或异常，应用增长专家最大限度地减少损耗，确保不会错过或允许任何增长障碍持续存在。

通过这种方式，增长团队可以在任何错位、配置错误和次优设置影响底线之前纠正它们——同时不断完善他们的前瞻性策略。

10. 您用高级分析替代了哪些任务？

如果您能列出一些通过高级分析显著提高效率和效果的具体任务，那么您就处于良好状态。如果不能，那么您很可能会落后。

它可以是细分构建、广告位优化、A/B 评估、文案分析、预测、漏斗优化、节奏调整、ARPDAU 跟踪或指标监控。无论是什么任务，如果您仍在切换电子表格和报告仪表板，手动处理数字和运行分析，您几乎肯定在花费太多时间进行太不完整、不精确和容易出错的监督。

幸运的是，只要您还在经营，就永远不会太晚来提升您的分析能力。一个好的开始方式是列出两个清单：

• 一个是您最耗时的日常任务，
• 另一个是对业务影响最大的任务

如果您的任何任务出现在这两个清单上，那些就是您的首要改进候选项。然后您需要研究任何可以帮助您自动化、增强或简化这些任务的解决方案或技术。当您找到您认为值得进一步探索的东西时，您需要从小处着手，证明价值，然后从那里扩展。

遵循爬行、行走、奔跑的方法论。冲洗并重复。并确保在所有阶段跟踪所有分析项目的影响。

简而言之

在不断发展的应用增长世界中，适应和知识是应用成功的关键。您需要牢牢掌握您已知的已知和已知的未知；而这 10 个问题的答案最好包含在前者中。

简单来说，有些信息应该始终牢记在心并脱口而出：

• 关注相关趋势
• 最大化劳动生产率
• 密切关注您的应用创意
• 最小化 MTTR
• 维持现实的长尾优化策略
• 控制低支出活动
• 进行勤勉的 A/B 测试跟踪
• 设定支出和下载目标
• 控制损耗率
• 制定高级分析策略

在增长运营方面，能够快速、清晰和全面地回答这些问题可能是成功和失败的区别。通过接受这些问题，增长团队将更好地装备自己，保持领先地位并蓬勃发展。在他们的答案中，您会找到指引您穿越应用增长复杂地形的指南针。