Frameworki growth to uporządkowane modele planowania wzrostu. Opierasz decyzje na hipotezach, danych i szybkich testach, więc zespół wie, co sprawdza i po czym pozna wynik. Gdy w jednym zespole skrót oznacza etap lejka, a w drugim metrykę (najczęściej dotyczy to AARRR albo LTV), o złą decyzję bardzo łatwo. Pomylenie celu z metryką albo kanału z frameworkiem odbija się na wyniku szybciej, niż pokazuje to dashboard. Wspólny słownik skraca więc drogę od pomysłu do wyniku.
Growth hacking: metodologia szybkiego wzrostu przy niskich kosztach
Growth hacking to sposób pracy nastawiony na szybki wzrost liczby użytkowników i przychodów przy możliwie niskim budżecie. Określenie marketing wzrostu bywa jego bliskim odpowiednikiem. Sedno pozostaje to samo: szukasz dźwigni, które da się skalować, zamiast dopłacać do każdego kolejnego klienta.
W praktyce growth hacker myśli mechanizmami wzrostu. Krótszy onboarding może podnieść aktywację, program poleceń zwiększa liczbę rejestracji, a lepiej ustawiony paywall poprawia przychód z użytkownika. Taka zmiana ma sens dopiero wtedy, gdy efekt powtarza się na większej skali. W produktach cyfrowych, SaaS-ach, marketplace’ach i aplikacjach widać to szczególnie wyraźnie, bo jedna poprawka w ścieżce użytkownika (wdrożona raz) potrafi pracować 24/7 bez proporcjonalnego wzrostu kosztów operacyjnych.
Różnica między Growth Marketingiem a Performance Marketingiem jest prosta. Performance Marketing rozlicza wynik tu i teraz, na przykład klik, lead albo zakup, więc dobrze domyka istniejący popyt. Growth Marketing patrzy szerzej i obejmuje cały cykl życia klienta, w tym retencję, ponowne zakupy i LTV, czyli łączną wartość klienta w czasie. Najmocniejsze zespoły łączą oba podejścia: performance dostarcza ruch, growth poprawia to, co dzieje się po pierwszej konwersji.[2][1]
Najlepiej widać to tam, gdzie wzrost wynika z lepszego dopasowania produktu, ceny i dystrybucji. Analiza lejka ma sens dopiero wtedy, gdy spina pozyskanie z aktywacją i utrzymaniem użytkownika. Dokładniej rozpisuje to Jak mierzyć każdy etap lejka AARRR – metryki i narzędzia?. Podobnie bywa z ceną, co dobrze pokazuje Pricing w product-led growth – jak cena staje się narzędziem wzrostu?: czasem większy efekt daje zmiana modelu monetyzacji niż kolejna kampania.
Eksperymentowanie, analiza danych i kreatywność jako filary growth hackingu
Przy sensownym teście masz zwykle 1 główną zmienną, 1 główną metrykę i z góry ustalony warunek decyzji. Właśnie na tym stoją eksperymentowanie, analiza danych i kreatywność: pierwsze zamienia pomysł w hipotezę, drugie oddziela sygnał od szumu, trzecia podpowiada ruch, którego nikt wcześniej nie sprawdził. Często zapis decyzji jest bardzo konkretny: „wdrażamy tylko wtedy, gdy aktywacja rośnie o co najmniej 8% w ciągu 14 dni”.[3]
Samo kliknięcie potrafi mocno oszukać. W SaaS-ach taki wynik wraca regularnie: CTR rośnie z 1,9% do 3,1%, a odsetek użytkowników kończących rejestrację spada z 42% do 29%. Bez spojrzenia dalej test wygląda jak sukces, choć biznesowo przegrywa. Zespoły growth rozpisują więc wynik na sekwencję zdarzeń (wejście, aktywacja, powrót po 1 dniu), a język takich testów porządkuje Słownik pojęć eksperymentów i testowania wzrostu dla growth hackerów.
Kreatywność w growth nie sprowadza się do chwytliwego pomysłu na kampanię. Czasem wystarcza skrócenie formularza z 5 pól do 2 albo przesunięcie prośby o płatność o 1 ekran dalej (to zmienia moment tarcia). Innym razem działa nagłówek z konkretną obietnicą, mechanizm zaproszeń, lista oczekujących albo limit czasowy. Sam pomysł jeszcze niczego nie przesądza, bo przy marketingu wirusowym bez mechaniki udostępniania skala zwykle się nie pojawia.
Te 3 filary pilnują się nawzajem. Bez danych eksperyment zamienia się w zgadywanie, sama analiza kończy się poprawianiem drobiazgów, a kreatywność bez dyscypliny testowej produkuje długą listę idei. Po 14 dniach test z 1 hipotezą daje zwykle czystszą decyzję niż 5 pomysłów odpalonych równocześnie. Dlatego proces trzyma kilka prostych reguł: 1 hipoteza na test, stałe okno pomiaru, porównywalne segmenty i decyzja dopiero po zebraniu wystarczającej liczby obserwacji.
Sean Ellis i rok 2010 jako początek growth hackingu
W 2010 Sean Ellis nazwał problem, który startupy już wtedy miały: potrzebowały osoby skupionej na wzroście, a nie kolejnego klasycznego marketera. Ten moment uporządkował sposób myślenia o growth hackingu i do dziś wraca w większości definicji.
| Element | Opis |
|---|---|
| Sean Ellis | Autor terminu growth hacking, który upowszechnił to pojęcie w 2010 roku. Nazwa była odpowiedzią na potrzebę startupów: osoby skupionej na wzroście, a nie klasycznego marketera.[3] |
| Kontekst rynkowy | W 2010 produkty cyfrowe rosły szybciej, niż tradycyjne działy marketingu potrafiły dostosować swoje procesy. Ellis, pracując przy wzroście Dropbox czy Eventbrite, szukał powtarzalnego mechanizmu wzrostu bez proporcjonalnego wzrostu kosztów. |
| Znaczenie „hacker” | Tutaj „hacker” oznacza osobę, która szybko szuka skrótów do wyniku, łączy produkt, dystrybucję i analitykę oraz odcina działania bez efektu. |
| Znaczenie dla słownika growth | Ten rodowód pomaga odróżnić framework growth od listy kanałów promocyjnych albo działań czysto mediowych. Widać to także przy cenie czy modelu oferty, bo one również mogą być narzędziem wzrostu, a nie tylko elementem cennika. |
Geneza growth hackingu pomaga trafniej czytać pojęcia i frameworki, zwłaszcza gdy trzeba oddzielić kanał od mechanizmu wzrostu.
Programy poleceń na przykładzie Legimi i Duolingo
W programie poleceń o wyniku decyduje moment nagrody: 1 kliknięcie samo w sobie niczego jeszcze nie rozstrzyga, liczą się aktywacja i płatność. Programy poleceń działają przez link, kod albo przycisk w aplikacji, a korzyść pojawia się po spełnieniu jasno ustawionego warunku (na przykład po wejściu w płatny cykl). Na przykładzie Legimi dobrze widać model abonamentowy, w którym wartościowe polecenie zamyka się dopiero po co najmniej 2 zdarzeniach, uruchomieniu konta i wejściu w płatny cykl. Przy 100 darmowych próbach dashboard może wyglądać świetnie, ale bez realnych opłat program nie dowozi przychodu. W usługach subskrypcyjnych nagroda przyznana po 30 dniach albo po 1 pełnym okresie rozliczeniowym lepiej odsiewa ruch, który nic nie wnosi do przychodu.
Dlatego w takim modelu zachęta dla polecającego powinna być powiązana z utrzymaniem nowego użytkownika. Wtedy referral filtruje jakość, a nie tylko skalę.
Dlaczego Duolingo potrafi uruchomić viralność bez opierania całego wzrostu na zakupie mediów?
Duolingo, uruchomione w 2011 roku, łączy zaproszenia z pętlą produktu. 1 użytkownik przyprowadza znajomego, a potem obie osoby dostają dodatkowy bodziec do powrotu przez widoczne postępy, wspólne porównania i regularne powiadomienia.
Najmocniej działa tu krótki cykl społecznej presji i nagrody. Ligi biegną w 7-dniowych rundach i zwykle obejmują około 30 osób (to na tyle mało, że pozycję naprawdę widać), więc przesunięcie nawet o 1 pozycję w rankingu jest zauważalne niemal w czasie rzeczywistym. Dochodzi do tego streak liczony dzień po dniu oraz rodzinny plan dla maksymalnie 6 osób, który zamienia pojedynczą subskrypcję w małą sieć dystrybucji.
Z perspektywy growth te warstwy pracują jedna po drugiej. Najpierw koszt wejścia spada prawie do zera, bo akwizycja rusza od 1 wysłanego zaproszenia. Nowa osoba ma od razu powód, by skończyć pierwszą lekcję jeszcze tego samego dnia. Dalej włącza się retencja: 7-dniowy reset ligi i codzienny streak ustawiają rytm częstszy niż jednorazowa premia za samo założenie konta.
Referral i viralność produktowa pokazują, że mechanika produktu potrafi dowieźć wzrost bez dokładania budżetu mediowego.
Optymalizacja całego cyklu życia klienta dla wzrostu LTV
Gdy patrzysz na klienta przez 60 albo 90 dni, pierwszy zakup przestaje być jedynym punktem odniesienia. Optymalizacja całego cyklu życia klienta polega na usprawnianiu ścieżki od pierwszego wejścia do kolejnych płatności tak, żeby rosło LTV, czyli łączna wartość klienta w czasie. W praktyce frameworki growth opierają się tu na modelu AAARRR i AARRR metrics, bo dopiero rozbicie ścieżki na etapy pokazuje, czy problem siedzi w aktywacji, utrzymaniu, przychodzie czy poleceniach.
Dlaczego LTV jest kluczowe w growth marketingu
LTV pokazuje, ile firma zarabia na kliencie w całej relacji, a nie tylko w momencie pierwszej transakcji. Dla subskrypcji, aplikacji z dodatkowymi zakupami i sklepów z powracającymi zamówieniami ważniejsze od jednego zakupu bywa to, co wydarzy się po 60 albo 90 dniach: odnowienie, rozszerzenie planu lub kolejny koszyk.
W tym miejscu optymalizacja lejka sprzedażowego przestaje kończyć się na pierwszej konwersji. Gdy aktywacja rośnie, a użytkownicy znikają przed kolejnym okresem rozliczeniowym, wzrost robi się drogi i kruchy. Zespoły growth patrzą więc jednocześnie na Retention i Revenue. Po 48 godzinach bez kluczowej akcji automatyzacja potrafi jeszcze odzyskać użytkownika, ale równie często obnaża dziurę w aktywacji. Wtedy wchodzi marketing automation, czasem z przypomnieniem, czasem z krótką edukacją, czasem z ofertą powrotną.
Jak growth loops wpływają na retencję i przychody
Growth loops zwiększają retencję i przychody wtedy, gdy efekt jednej akcji automatycznie napędza kolejną akcję w produkcie. Najlepiej widać to tam, gdzie użytkownik zostawia dane, zaprasza współpracowników albo buduje historię użycia, bo każda następna sesja ma wyższą wartość niż poprzednia.
W produktach z regularnym użyciem taki mechanizm widać bardzo wyraźnie. Gdy konto jest skonfigurowane w 80%, system może uruchomić grywalizację w postaci paska postępu (to prosty sygnał, ile jeszcze zostało), a równolegle odpalić marketing automation z przypomnieniem o dokończeniu ustawień lub zaproszeniu zespołu. Jeśli nowa osoba dołącza i dodaje własne dane, wartość produktu rośnie dla obu stron, więc wzrasta szansa na kolejny powrót, a później także na utrzymanie płatnego planu.
Testy A/B są tutaj warunkiem działania. Ten sam loop może zachowywać się inaczej przy komunikacie wysłanym po 12 godzinach niż po 36, a inny wariant ekranu może poprawiać liczbę aktywnych zaproszeń zamiast samej liczby kliknięć. W produktach, w których przychód pojawia się po czasie i zależy od powtarzalnego użycia, taka różnica decyduje, czy loop niesie przychód, czy tylko ruch.
Źródła
- https://funnel.io/blog/performance-vs-growth
- https://darkroomagency.com/observatory/growth-marketing-vs-performance-marketing
- https://growthhackers.com/growth-hacking/what-is-growth-hacking/
Dorian Zawadzki to redaktor i autor publikacji w serwisie Growthhacker.pl. Specjalizuje się w tematach związanych z marketingiem wzrostu, SEO, content marketingiem i analityką. Tworzy praktyczne materiały, które pomagają lepiej rozumieć narzędzia, strategie i procesy wspierające rozwój biznesu online.
