用戶增長實戰(zhàn)筆記

本書主要介紹了用戶增長的本質(zhì)、如何搭建增長模型、如何找到增長點(diǎn)、如何做實驗、如何驗證效果、怎么搭建系統(tǒng)、團(tuán)隊。把如何做增長這個事情，從開始到結(jié)束講了一遍，有概念、有底層、有案例、有注意事項。在增長系列書籍中算一本好書，之所以不是5星，只是因為是專業(yè)書籍，不是通用書籍，所以給了4星。

推薦4星，可讀。

1）用戶增長的本質(zhì)

用戶增長主要站在用戶角度思考，強(qiáng)調(diào)基于用戶價值提升的增長，關(guān)注的指標(biāo)除了用戶規(guī)模和商業(yè)收入，還有用戶時長、用戶滿意度等體驗指標(biāo)。與增長黑客一樣，用戶增長也強(qiáng)調(diào)以實驗方法為核心，支撐科學(xué)高效的產(chǎn)品和運(yùn)營決策。相對于增長黑客的偏技術(shù)范兒，用戶增長更像產(chǎn)品策劃和產(chǎn)品運(yùn)營工作的一次迭代，更注重目標(biāo)導(dǎo)向和數(shù)據(jù)驅(qū)動，是一系列的思考方式和工作方法。

用戶持續(xù)使用某一款產(chǎn)品的原因可能有很多，但本質(zhì)上都是由于產(chǎn)品為用戶提供了某種其他產(chǎn)品無法提供的價值。用戶使用產(chǎn)品獲得了價值提升，包括但不限于獲得好友、愉悅、知識、實惠、收入等，才會繼續(xù)使用，甚至呼朋喚友一起使用。

2）如何定義用戶價值提升

互聯(lián)網(wǎng)商用至今，用戶增長的底層邏輯沒有改變，即用戶價值的提升帶來持久、健康的用戶規(guī)模和收入增長。那么，如何定義用戶價值的提升呢？俞軍老師在多年前就提出了以下用戶價值公式：

用戶價值=新體驗-舊體驗-替換成本[2]

借助這個公式可以定性地描述價值提升的兩個途徑：其一，提升新舊體驗差；其二，降低替換成本。

新舊體驗差最終需要用戶的切身感知，除了保證新體驗足夠優(yōu)秀外，產(chǎn)品或廠商需要用營銷手段說服用戶愿意嘗試新體驗。例如，“充電5分鐘通話兩小時”的快充體驗，用戶一旦嘗試過就很難再用回普通充電器。

替換成本可以理解成用戶從一個產(chǎn)品遷移到另一個同類產(chǎn)品時，所需要花費(fèi)的各種成本之和，包含如下載App、注冊、綁定支付方式等。以電商為例，除了直觀的降價，還有各種優(yōu)惠券補(bǔ)貼或紅包。正如前文提到的深入人心的拼多多百億補(bǔ)貼，使其不知不覺成為數(shù)碼愛好者夠買電子產(chǎn)品的重要平臺。

降低替換成本，除了狹義的降低支付成本，還可以推廣至降低信息獲取成本和完成消費(fèi)成本。例如，劃一下屏幕就能沉浸式觀看的抖音和快手，省去貨比三家的直播電商，都因不需要搜索和對比而極大地降低了用戶的信息獲取成本；短視頻和直播的消費(fèi)門檻幾乎為零，相比圖文信息，極大地降低了消費(fèi)成本。

俞軍老師的用戶價值公式直觀地呈現(xiàn)了提升用戶價值的兩條路徑。此外，還有一個略顯抽象的價值提升視角，便是網(wǎng)絡(luò)效應(yīng)。硅谷著名投資人里德·霍夫曼在《閃電式擴(kuò)張》一書中給網(wǎng)絡(luò)效應(yīng)做了如此定義：“當(dāng)增加任何一個用戶都會增加產(chǎn)品或服務(wù)對于其他用戶的價值時，這種產(chǎn)品或服務(wù)就會產(chǎn)生積極的網(wǎng)絡(luò)效應(yīng)?！边@種效應(yīng)也被經(jīng)濟(jì)學(xué)家稱為“需求方規(guī)模經(jīng)濟(jì)”，通過用戶間產(chǎn)生連接增加彼此的價值。網(wǎng)絡(luò)效應(yīng)最具代表性的案例就是社交網(wǎng)絡(luò)，如微信和微博，隨著用戶增多，網(wǎng)絡(luò)中的關(guān)系鏈越來越復(fù)雜。用戶擁有更多好友，用戶之間有更多互動，網(wǎng)絡(luò)強(qiáng)度也會越大。如今的抖音和快手同樣形成了巨大的網(wǎng)絡(luò)效應(yīng)，使內(nèi)容生產(chǎn)和內(nèi)容消費(fèi)建立了連接。隨著用戶增多，內(nèi)容生產(chǎn)者發(fā)布的視頻能夠有更多消費(fèi)，也能獲得更多激勵；內(nèi)容消費(fèi)者能夠獲得免費(fèi)優(yōu)質(zhì)的內(nèi)容，也能夠發(fā)表評論、參與互動，得到來自其他用戶的反饋。因此，通過網(wǎng)絡(luò)效應(yīng)提升用戶價值，也是獲得增長動力的有效途徑。它并不局限在具象化地提升某個用戶的個人價值，而是從一個更高的維度產(chǎn)生系統(tǒng)化提升。

用戶增長離不開用戶價值的提升，并且需要將其理解為大部分用戶的價值提升。無視用戶價值的增長，或者無法保證持續(xù)的價值提升，更多也只是自嗨式的短暫狂歡。

明確了用戶增長的動力，我們還需要考慮如何將“價值提升”這個信息傳遞給目標(biāo)用戶。尤其是在一些紅海密布的細(xì)分市場，已經(jīng)有很多對手在搶奪用戶，只有脫穎而出才能繼續(xù)生存。所以，價值傳遞這部分工作在用戶增長中同樣關(guān)鍵，需要通過營銷策略來完成。營銷策略需要建立在正確的商業(yè)模式之上，需要符合全社會的宏觀發(fā)展趨勢?？傊?，用戶增長不是一個一個的單點(diǎn)工作，它需要我們具備全局視野。

3）搭建增長模型

企業(yè)在做用戶增長工作規(guī)劃時需要關(guān)注全局，看整個用戶鏈路和生命周期的各個環(huán)節(jié)。最常見的AARRR模型及強(qiáng)調(diào)留存的RARRA模型都能夠很好地幫助我們做初步梳理，然而切入具體的工作時，這些“大模型”過于粗略，往往無法指導(dǎo)工作的展開。此時就需要我們對增長目標(biāo)進(jìn)行拆解，細(xì)化出具體的增長模型。

假設(shè)經(jīng)過深思熟慮后確定要提升的指標(biāo)是DAU（日活躍用戶），但只有一個DAU目標(biāo)還不能指導(dǎo)任何工作，這就需要對DAU拆解到可執(zhí)行的程度。例如，可以把DAU看成一個容器，來思考“流入流出模型”。“流入”的是每天的新增用戶及回流用戶，“流出”的則是流失用戶。以日為觀察周期，舉例如下：

新增用戶指當(dāng)日獲得的新用戶；

回流用戶指昨天不活躍，但今天活躍的用戶；

流失用戶指昨天活躍，但今天不活躍的用戶；

留存用戶指昨天活躍，且今天活躍的用戶。

可以推知：

今日DAU=今日流入+昨日留存-今日流出

=（新增用戶數(shù)+回流用戶數(shù)）+昨日DAU-流失用戶數(shù)

那么，要想獲得DAU增長，可以從兩側(cè)切入：

提升新增，增加回流，就是開源；

提升留存或減少流失，就是節(jié)流。

由于資源有限，我們通常需要決策是優(yōu)先把預(yù)算投入開源還是節(jié)流，這就需要具體分析DAU中上述幾個因子的構(gòu)成和趨勢。原則上優(yōu)先看“缺口在哪里”或“怎么做最能起量”，此外還需要結(jié)合產(chǎn)品現(xiàn)狀、所處階段來做具體的資源分配（例如，是否有足夠預(yù)算做付費(fèi)拉新）。這只是一個典型案例，工作中目標(biāo)的拆解還會有其他視角，筆者將在后續(xù)章節(jié)中繼續(xù)介紹。

4）找到策略切入點(diǎn)

知道了如何發(fā)力，用戶增長工作最終還需要落到具體的策略上。策略人員通?？梢越柚蚬院拖嚓P(guān)性分析來尋找策略切入點(diǎn)。

首先考慮的是因果性。想知道某個指標(biāo)為什么不漲，策略人員可以從產(chǎn)品邏輯推演和用戶反饋中直接找到原因。定性的方法就是找典型用戶去詢問驗證，定量的方法則可以通過最直觀的漏斗分析來定位用戶路徑的“斷點(diǎn)”。理解用戶需求，提升用戶價值，是產(chǎn)品經(jīng)理、產(chǎn)品運(yùn)營的必備技能。

其次考慮的是相關(guān)性分析。策略人員通?？梢苑治鲈鲩L指標(biāo)和用戶行為之間的相關(guān)性；找到高相關(guān)行為后，把具體策略定位到提升該行為頻次或深度的指標(biāo)，以驗證是否能夠增長目標(biāo)。例如，活躍用戶的次日留存與用戶活躍當(dāng)日的使用深度高度相關(guān)，包括信息流App的時長、圖文閱讀（Page View,PV）、視頻播放（Video View,VV）等，我們可以優(yōu)先提升這些指標(biāo)。通過相關(guān)性分析找到策略切入點(diǎn)，是非常重要的用戶增長手段。

通過分析形成增長假設(shè)后，我們需要實驗方法來驗證假設(shè)是否成立，以及量化策略的效果。例如，需要驗證施加與不施加策略、發(fā)布與不發(fā)布功能，前者究竟提升了多少增長指標(biāo)等。綜上所述，當(dāng)確定了增長方向后，用戶增長主要的工作內(nèi)容包括分析數(shù)據(jù)、形成假設(shè)和實驗驗證三部分，三者循環(huán)就是用戶增長的核心工作流。數(shù)據(jù)驅(qū)動和實驗方法的廣泛應(yīng)用，也是用戶增長和傳統(tǒng)產(chǎn)品運(yùn)營、產(chǎn)品經(jīng)理工作事項的最大不同。

5）不同角色從不同維度思考增長

如果你是企業(yè)的中高層決策者，首先建議你關(guān)注產(chǎn)品所處領(lǐng)域的宏觀機(jī)會，產(chǎn)品當(dāng)前的目標(biāo)是否可以借助趨勢的勢能。其次，建議你審視以下一些問題：目前的商業(yè)模式是否存在可優(yōu)化點(diǎn)；目前產(chǎn)品的設(shè)計和運(yùn)營是否圍繞關(guān)鍵目標(biāo)在進(jìn)行，是否使用了數(shù)據(jù)驅(qū)動的方法；目前的營銷策略是否能用實驗方法來量化效果。

如果你是一名產(chǎn)品經(jīng)理，負(fù)責(zé)某App核心功能的策劃，建議你關(guān)注用戶價值的來源，思考如何持續(xù)提升用戶價值。除此之外，你還需要關(guān)注產(chǎn)品中是否有充分的數(shù)據(jù)采集，因為這是全面的數(shù)據(jù)分析，尤其是用戶行為分析不可或缺的一環(huán)。整個App的用戶增長依賴其各個核心功能的用戶規(guī)模、時長和留存，建議產(chǎn)品經(jīng)理去探索自己負(fù)責(zé)的功能與整體App的活躍、留存有何關(guān)系。這個功能是拉動大盤活躍，還是被大盤供養(yǎng)，它的價值在哪里？

如果你是一名產(chǎn)品運(yùn)營，負(fù)責(zé)提升活躍用戶的次日留存，那么建議你關(guān)注最近一段時間同類App的留存數(shù)據(jù)。你可以研究留存較高的產(chǎn)品，主要用什么樣的營銷策略在提升或保持高留存；找到可以借鑒的手段后，在App中進(jìn)行一些低成本的實驗，不斷摸索出哪種策略能夠有效觸達(dá)并留住用戶。此外，你還可以從已有數(shù)據(jù)中尋找哪些用戶行為與用戶后續(xù)留存率高度相關(guān)，這些都存在增長機(jī)會。

6）制作增長策略關(guān)鍵步驟

通過數(shù)據(jù)驅(qū)動找到策略的切入點(diǎn)，是用戶增長區(qū)別于傳統(tǒng)運(yùn)營的重要特點(diǎn)。數(shù)據(jù)驅(qū)動主要涵蓋三個階段。第一，明確增長目標(biāo)，后續(xù)策略圍繞提升這個目標(biāo)展開。第二，找到策略切入點(diǎn)，或基于對因果關(guān)系的剖析，尋找用戶核心路徑的斷點(diǎn)，嘗試修補(bǔ)；或基于相關(guān)性找到與增長目標(biāo)高度相關(guān)的用戶行為，嘗試干預(yù)。第三，形成增長假設(shè)，設(shè)計和展開實驗，驗證假設(shè)。

7）形成增長假設(shè)

基于因果性、相關(guān)性的分析結(jié)果，就可以得到具體的增長假設(shè)。為了保證假設(shè)的目的性，可以由增長目標(biāo)反推來描述。我們繼續(xù)以提升DAU為例，介紹如何形成增長假設(shè)，以下樣式可供參考。

增長目標(biāo)：提升DAU。

子目標(biāo)：提升活躍用戶次日留存。

關(guān)鍵結(jié)果：通過提升活躍用戶消費(fèi)時長和PV，拉動用戶次日留存提升。

主要假設(shè)：

（1）提升活躍用戶消費(fèi)時長，能夠強(qiáng)化其使用App消費(fèi)的習(xí)慣，并因此提升次日留存；

（2）提升活躍用戶消費(fèi)PV，能夠提升用戶的消費(fèi)深度，并因此提升消費(fèi)頻次，最終提升次日留存。

實驗要點(diǎn)：

（1）驗證推薦熱門視頻和長圖文，引導(dǎo)用戶完成5分鐘消費(fèi)后，是否能提升次日留存；

（2）驗證增大相關(guān)推薦的曝光區(qū)域，是否利于提升PV及次日留存。

完成上述增長假設(shè)的制定后，大家就可以分頭推進(jìn)了。為了更科學(xué)、高效地完成假設(shè)驗證，這些事項需要團(tuán)隊作戰(zhàn)，也就是需要一個具備產(chǎn)品、運(yùn)營、分析師、開發(fā)資源閉環(huán)的增長團(tuán)隊。只有這樣才能夠保證目標(biāo)的高度統(tǒng)一，保證上述策略得以高效地被執(zhí)行。

8）營銷策略圍繞核心服務(wù)的幾個案例

從用戶增長的全局來看，所有營銷策略都在圍繞一個核心服務(wù)，即如何將“用戶價值提升”這個信息傳遞到位。讓用戶知道使用某個產(chǎn)品或服務(wù)能夠在某一方面得到提升，這是拉新和拉活的關(guān)鍵。讓用戶知道反復(fù)使用某個產(chǎn)品或服務(wù)能夠持續(xù)獲得價值提升，就傳遞了一個持續(xù)、高頻使用的理由，自然能夠帶來用戶活躍度的提升。同理，只要能真誠地讓用戶知道必要的廣告收入是企業(yè)提供高質(zhì)量服務(wù)的保障，并盡可能讓廣告服務(wù)于目標(biāo)受眾，用戶自然也會更易于接受廣告。而說清楚付費(fèi)之后能夠得到的特權(quán)和更高品質(zhì)的服務(wù)，增值服務(wù)的收入也就水到渠成。

9）科斯定律

在交易費(fèi)用為零或足夠低的情況下，不管資源的最初主人是誰，資源都會流轉(zhuǎn)到價值最高的用途上去”。

資源會流動到最善于利用它及能最大化其價值的人手里，我們要做的可以是提供必要的便利、加速流動過程、做好資源傾斜。

首先是提供必要的便利，我們來看二手資源交易這個領(lǐng)域。二手交易相關(guān)的服務(wù)商已經(jīng)著力在做好通道搭建，例如，線上C2C形式的閑魚、線下B2C形式的愛回收，以及京東上門二手回收等，我們可以在很多電商平臺、線下商超看到回收點(diǎn)。此外，京東App的用戶訂單列表中可以直接一鍵轉(zhuǎn)手，這也為加速二手資源的流動提供了便利。

其次是加速流動過程。大方向上，資源必然會流向價值最高的用途，我們能做的就是縮短消耗在中途的等待時間。最深入人心的是支付寶花唄和借唄，將小額資金借貸的完成時間縮短到分鐘甚至秒級。還有大家已經(jīng)習(xí)以為常的共享經(jīng)濟(jì)代表——租車和共享單車，為信用較好的用戶提供免押金，也是在縮短等待時間。再有在京東或淘寶上賣出二手商品或申請退貨，如果用戶的信用良好，都可以立即獲得平臺的預(yù)先墊付款項。這種超出預(yù)期的體驗不僅讓資源加速流向更善于利用它的優(yōu)質(zhì)用戶，還獲得了口碑傳播。

最后是做好資源傾斜，我們可以回到短視頻平臺的案例。最善于把握用戶消費(fèi)口味的草根創(chuàng)作者、MCN，他們最能充分利用好內(nèi)容消費(fèi)者這個巨大流量。因此，平臺的資源會向其認(rèn)為更善于利用流量的生產(chǎn)者傾斜。推薦算法也在不斷地幫助其獲取各自的粉絲和觀眾，平臺也因此獲得了源源不斷的原創(chuàng)內(nèi)容和用戶流量。

10）信息不對稱

信息不對稱的概念來自經(jīng)濟(jì)學(xué)家阿克羅夫，它表述的是這樣一種場景：在交易中，賣方可以控制產(chǎn)品的質(zhì)量，要么提供高品質(zhì)產(chǎn)品以求高價，要么提供低質(zhì)產(chǎn)品以求低價，而買方無法確定賣方究竟提供的是哪種產(chǎn)品，所以只愿意出一個中間價。賣方見買方只能出中間價，便只能提交低質(zhì)產(chǎn)品。因此，買方會進(jìn)一步壓價。買賣雙方經(jīng)過多次博弈，最終無法成交。這個場景也被稱為“阿克羅夫困境”。

信息不對稱普遍存在，我們在用戶增長工作中也會經(jīng)常碰到。誰先填補(bǔ)好信息差，誰就更有機(jī)會。最常見的方式是給用戶提供一些克服信息不對稱的辦法，有助于提升轉(zhuǎn)化率。例如，在電商中我們可以看到保價、延保、7天無理由退貨。

滴滴在做司機(jī)招募時宣傳的最大利益點(diǎn)就是可以輕松掙錢，但是從潛在司機(jī)的視角看，并不清楚是否真能獲得滿意的收入。為了消除這種信息不對稱，提升司機(jī)接單的轉(zhuǎn)化率，滴滴平臺給司機(jī)提供了保底收入：只要司機(jī)接滿規(guī)定的單數(shù)，平臺在月底就會至少發(fā)放一定的保底收入。

在外賣領(lǐng)域，飯點(diǎn)高峰期往往會出現(xiàn)訂單延遲。顧客下單前無法知道準(zhǔn)確的等待時間，這里也存在信息不對稱。餓了么為會員提供了延誤險，只需花幾毛錢購買延誤險，一旦發(fā)生訂單延遲，就可以獲得可觀的賠償。

消除信息不對稱，預(yù)期會顯著提升用戶的購買轉(zhuǎn)化，是非常值得嘗試的辦法。

11）邊際成本小，策略放大

如果策略有效，且邊際成本不大，就可以嘗試做策略的放大。例如，常見的付費(fèi)閱讀類App為新用戶準(zhǔn)備了前3日免費(fèi)體驗的機(jī)會。對于策略，如果平臺能夠看到一定的效果，大可將免費(fèi)體驗延長到7天。對于平臺來說，將3天免費(fèi)提升到7天免費(fèi)，邊際成本并不高，但是能夠讓潛在付費(fèi)用戶更充分地體驗到優(yōu)質(zhì)內(nèi)容，對于付費(fèi)轉(zhuǎn)化的提升應(yīng)該更有幫助。

12）做增長實驗應(yīng)該看那些指標(biāo)

接下來確定每一組需要下發(fā)什么策略，這要嚴(yán)格遵守“單一變量”原則，確保能夠評估需要驗證的策略效果。最后，確定觀測什么的實驗指標(biāo)，通常包括正向、負(fù)向指標(biāo)，以及過程、結(jié)果指標(biāo)。

正向指標(biāo)是策略預(yù)期能夠提升的指標(biāo)。例如，某電商App以提升用戶消費(fèi)金額為目標(biāo)的策略（以下討論均使用這個案例），需要關(guān)注用戶的購買轉(zhuǎn)化率、消費(fèi)金額等。而負(fù)向指標(biāo)是指策略下發(fā)可能會造成下滑的指標(biāo)，例如，該App選擇在首頁下發(fā)廣告彈窗，就需要關(guān)注用戶跳出率，甚至App的卸載率。

過程指標(biāo)主要是指用戶路徑中各個環(huán)節(jié)的用戶行為表現(xiàn)。例如，某電商App首頁的廣告彈窗（以提升用戶消費(fèi)金額為目標(biāo)）能夠監(jiān)控到彈窗曝光率、彈窗點(diǎn)擊率、用戶落地頁停留時長、落地頁購買點(diǎn)擊等，這些都是過程指標(biāo)；而結(jié)果指標(biāo)則是用戶在策略期間甚至后續(xù)一段時間的消費(fèi)金額。在這個案例中，因為策略的最終目標(biāo)是提升消費(fèi)金額，所以要首先關(guān)注結(jié)果指標(biāo)以判斷策略是否有效，再進(jìn)一步分析是哪些環(huán)節(jié)存在問題，可能影響了策略的最終效果。這時就需要關(guān)注一系列的過程指標(biāo)，最常見的就是通過漏斗模型尋找問題點(diǎn)。

13）斷點(diǎn)回歸實驗驗證方法

斷點(diǎn)回歸是一種直觀的自然實驗方法，下面結(jié)合案例來介紹。假設(shè)我們上線的是一個簽到得現(xiàn)金紅包的功能，簽到滿7天才能獲得一個現(xiàn)金紅包，需要判斷簽到紅包對用戶的留存是否有正向幫助。這個案例不能用隨機(jī)對照實驗的原因，是因為需要緊急上線，無法留一部分用戶（無簽到功能）作為對照組。顧名思義，斷點(diǎn)回歸是找到“6次簽到無紅包與7次簽到有紅包”之間的這個斷點(diǎn)，觀察簽到6次與7次兩個用戶群體之間的留存率差異。如果差異顯著，說明簽到紅包對于用戶留存有幫助；如果沒有顯著差異，則說明簽到紅包對于提升留存大概率是無效的。如圖3-7所示，我們可以看到本周簽到6次和7次之間存在一個下周留存率的斷點(diǎn)，說明簽到得紅包對于用戶留存的幫助是明顯的。

14）傾向性得分匹配

傾向性得分匹配（Propensity Score Matching,PSM）是另一種常用的自然實驗方法，其核心在于構(gòu)造一個與策略組可比的對照組。我們可以類比隨機(jī)對照實驗，通過PSM構(gòu)造一個對照組。圖3-8中的虛框為構(gòu)造出來的實驗組和對照組，實驗組使用的是被策略命中的用戶群，而對照組是通過計算傾向性得分，從命中策略的用戶以外匹配出與實驗組傾向性得分接近的用戶群。

進(jìn)行傾向性得分的計算和匹配，需要得到盡可能多的用戶特征，如用戶屬性、用戶行為等詳細(xì)數(shù)據(jù)；每種特征被賦予權(quán)重，最終為每一位用戶計算出一個0 ～1的數(shù)值。匹配時，如果我們的策略命中人群得分為0.68，那就可以在備選人群中選擇得分在0.68附近，如0.67～0.69的用戶群，作為對照組。PSM正是通過這種方式實現(xiàn)了對照組的“無中生有”，其準(zhǔn)確定性依賴用戶特征的豐富程度，理論上需要盡可能多的特征種類。而且，在匹配前除了看匹配分?jǐn)?shù)以外，還需要檢驗分?jǐn)?shù)的分布，以確保實驗組和對照組的可比性。

15）活動數(shù)據(jù)分析陷阱

首先，分析需要正確選擇關(guān)注哪些指標(biāo)，即哪些指標(biāo)的提升能夠真正代表業(yè)務(wù)本身的增長。準(zhǔn)確分析需要更多關(guān)注到結(jié)果指標(biāo)，而不是過程指標(biāo)，尤其需要警惕過程中一些無意義的虛榮指標(biāo)。例如，某些以拉新為目標(biāo)的社區(qū)電商地推為了追求拉新量，地推人員可能會過多地強(qiáng)調(diào)首次下單的獎勵并現(xiàn)場手把手幫助用戶完單，而忽略人群的精準(zhǔn)性和購物的持續(xù)性（例如，讓散步的一家三口全部注冊下單），導(dǎo)致獲得的用戶留存極差。這里的拉新量實際只是一個過程指標(biāo)，結(jié)果指標(biāo)應(yīng)該是看用戶的主動復(fù)購率及一段時間后的購買留存。實驗方法能提供科學(xué)的評估手段，但是無法替代對業(yè)務(wù)增長的理解。如果用得不好，反而會帶來一些虛假繁榮，讓后續(xù)的資源配置誤入歧途。再如，線上策略中一些H5落地頁的曝光量、某些活動的參與量、紅包的領(lǐng)取量等都僅僅是過程指標(biāo)。我們更需要回歸策略的目的，關(guān)注策略對用戶留存、消費(fèi)時長、消費(fèi)金額等和業(yè)務(wù)價值高度契合的結(jié)果指標(biāo)。

16）用戶策略效果好，如何乘勝追擊

當(dāng)“排除萬難”得到非常不錯的實驗結(jié)果時，就可以考慮如何擴(kuò)大這個策略的影響了。放量的節(jié)奏沒有統(tǒng)一標(biāo)準(zhǔn)，可以根據(jù)策略的緊迫程度、成本預(yù)算甚至服務(wù)器的抗壓能力等權(quán)衡判斷。例如，通?？梢赃x擇分三步進(jìn)行：2%→20%→100%,2%作為小流量測試，20%作為初步的測試，效果穩(wěn)定后放到100%全量。

放量的節(jié)奏因策略而異，而發(fā)掘策略的通用價值應(yīng)用到相似場景、相同問題中去，是實驗的重要價值之一，下面給出兩個案例。

案例1

假設(shè)通過素材優(yōu)化，某個入口的點(diǎn)擊率提升了2pp，接下來可以怎么做？有一些思路可以參考：首先，分析素材的優(yōu)化，為什么提升了點(diǎn)擊率，是利益點(diǎn)的吸引力更大了，還是文案更加吸引點(diǎn)擊；其次，究竟?jié)M足了用戶的何種利益點(diǎn)，是淺層的價值，還是觸動了深層次的動機(jī)；最后，基于對前兩個問題的認(rèn)知，判斷是否存在一些相關(guān)的場景、功能、頁面，也可以使用類似的優(yōu)化思路。

案例2

假設(shè)某內(nèi)容消費(fèi)App，實驗發(fā)現(xiàn)在注冊當(dāng)日引導(dǎo)新用戶完成收藏后，該用戶群的7日留存率相比未做引導(dǎo)的對照組提升了4.5pp。這個提升非常可觀，值得深挖其中的因果關(guān)系：為什么用戶完成收藏后更愿意留下來。猜想應(yīng)該是收藏后新用戶在App內(nèi)擁有一些“資產(chǎn)”，產(chǎn)生了黏性。但這只是猜測，還需要進(jìn)一步設(shè)計實驗來驗證，例如，可以用更好的交互設(shè)計來強(qiáng)化收藏的感知，引入更多“資產(chǎn)”（如收藏得金幣），進(jìn)一步驗證是不是因為產(chǎn)生了資產(chǎn)而提升了留存（可以參考3.4.3節(jié)提到的邊際效果歸因）。假設(shè)驗證了用戶完成收藏后，因為有資產(chǎn)而增強(qiáng)了黏性，就可以再放開思路：除了收藏以外，還有哪些優(yōu)化可以讓用戶產(chǎn)生更強(qiáng)的黏性。例如，用戶互動、有行為激勵和成就系統(tǒng)等是不是會更好。這樣，一個實驗的效果就可以引導(dǎo)我們逐步展開策略的深挖和延伸，這是更高層次的“乘勝追擊”。

17）策略效果不好，如何提煉價值

上面說到的是策略效果不錯的情況，事實上，更多的時候需要面對策略的無效和失敗。當(dāng)策略無效時，除了失落和疑惑，也還有事情值得去做。

首先需要明確，策略無效可能是因為策略觸達(dá)了用戶，但沒有改變用戶的任何行為；也有很大的可能是策略并沒有觸達(dá)足夠多的用戶，自然也就沒有明顯的效果。通過漏斗分析可以找到策略無效的根源，即從策略下發(fā)到生效過程中的各個環(huán)節(jié)，轉(zhuǎn)化率都是怎樣的，是否存在某個環(huán)節(jié)產(chǎn)生巨大流失。按照目前的轉(zhuǎn)化率，如果做了優(yōu)化，效果是否會變得明顯。過往的經(jīng)歷中，我們還發(fā)現(xiàn)過因為漏洞導(dǎo)致策略未能如預(yù)期下發(fā)，導(dǎo)致最終看不到顯著效果的情況。我們可以先用這個思路嘗試重新喚回希望。

另一種情況是策略下發(fā)無誤，但整體沒有效果，此時可以通過下鉆分析去看各個用戶分群的效果。通?？梢酝ㄟ^用戶的屬性（性別、年齡段、地域、手機(jī)品牌等）及用戶行為（是否登錄賬號、是否使用過某功能、是否有過支付行為等），將用戶分為若干小塊。需要注意，這個分塊是同時發(fā)生在實驗組和對照組中的，這樣就可以“構(gòu)造出”若干的細(xì)分實驗了。例如，可以看到不同年齡段用戶的實驗效果，發(fā)現(xiàn)其中一些年齡段的效果是很不錯的，而另一些年齡段的效果是負(fù)向的，很有可能正是這種情況抵消掉了效果，整體顯示出策略無效。基于策略效果的分群分析，可以幫助我們找到新的假設(shè)，單獨(dú)挑出策略有效的人群，嚴(yán)謹(jǐn)起見再做一次實驗驗證。而無效和負(fù)向的人群可以結(jié)合人群特點(diǎn)再分析無效的原因。

18）增量思維

之所以將增量思維放在第一位講，是因為做用戶增長最終需要關(guān)注的就是增量。作為一名從業(yè)者，首先需要判斷產(chǎn)品方向是否具有增長可能、增長空間有多大，這依賴對宏觀趨勢、細(xì)分領(lǐng)域的清晰認(rèn)知。公開的宏觀數(shù)據(jù)、行業(yè)數(shù)據(jù)可以作為參考，必要時需要關(guān)注一些細(xì)分領(lǐng)域的專業(yè)報告、重點(diǎn)公司財報。增量思維還要求從業(yè)者具備理性的大腦，前文反復(fù)講過，指標(biāo)增長和策略有效并不是等同的，我們需要盡力做好歸因。準(zhǔn)確量化出策略對增長指標(biāo)的增量貢獻(xiàn)，才有可能對策略的效果進(jìn)行放大和復(fù)制。增量的獲得需要借助很多數(shù)據(jù)分析的方法，最常見的是隨機(jī)對照實驗方法。對基本實驗方法的理解和實驗結(jié)論的辨別，是判斷從業(yè)者是否具備增量思維的關(guān)鍵。