用戶增長實戰(zhàn)：赤手空拳如何快速切入?

對產(chǎn)品經(jīng)理來說，如何快速切入到用戶增長的工作中呢?我們需要從三步入手——明確增長目標(biāo);搭建增長模型;找到策略切入點。

用戶增長的工作(User Growth，后均簡稱UG)。

UG是個系統(tǒng)工程，理想的情況下，我們希望擁有完善的數(shù)據(jù)平臺、標(biāo)簽體系、實驗平臺，甚至有了不錯的算法模型支持自動下發(fā)策略。但同時，用戶增長也是和時間賽跑，即使我們什么都還沒有，也需要盡快開始，一點一滴積累正向經(jīng)驗、按需搭建工具提升效率。

假設(shè)我們處在UG工作的初期，上述條件我們都還沒具備，該怎么開始?

01 明確增長目標(biāo)

增長目標(biāo)是最先需要跟老板明確清楚的，我們決定要這項工作，背景是什么，我們最終要提升什么指標(biāo)?可以參照「北極星指標(biāo)」來選擇，相關(guān)的文章很多，這里就不贅述了。不妨假設(shè)我們經(jīng)過深思熟慮，確定要提升的指標(biāo)是DAU。

02 搭建增長模型

在整體的UG工作規(guī)劃時，我們會關(guān)注全局，看整個用戶鏈路和生命周期的各種環(huán)節(jié)(最常見的AARRR以及強調(diào)留存的RARRA);在切入到具體的工作時，我們會發(fā)現(xiàn)這些「大模型」往往無法指導(dǎo)我們做什么。

回到我們具體的例子：只有一個DAU的目標(biāo)，還不能指導(dǎo)任何工作，需要對DAU進行拆解，拆到可執(zhí)行的程度。DAU可以怎么來拆?

1. 流入流出視角

把DAU看成一個容器，「流入」的是每天的新增用戶以及回流用戶，「流出」的則是流失用戶。以「日」為觀察周期來舉例：

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 + 昨日存量 – 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，想要獲得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)

需要我們決策的就是，資源有限，先從哪一側(cè)開始切入?需要具體來分析DAU中上述幾類的構(gòu)成和趨勢，原則上優(yōu)先看「缺口在哪里」或者「怎么做最能起量」;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(比如是否有足夠預(yù)算做付費增長)。流入流出視角比較直觀，如果大家感興趣，后續(xù)我可以補充一些案例說明。

2. 新老用戶視角

和2.1類似，但相對簡化。把DAU簡單的劃成兩份，一份是「新用戶」即當(dāng)日新增，一份是「老用戶」即非當(dāng)日新增，那么：

今日DAU = 昨日新用戶 * 新增次日留存率 + 昨日老用戶 * 活躍次日留存率

等式一共4個變量，想提升DAU，可以將已知的量代入上面的式子，按照目前的經(jīng)驗，我們可以看看，提升哪個指標(biāo)更能夠獲得較大的收益。例如，老用戶占比90%，提升一個點的次留，DAU就會提升90%*1%=0.9%，而提升一個點的新增次留DAU只能提升10%*1%=0.1%。

3. 活躍度視角

活躍度視角，我們可以從周活WAU來看：

DAU = WAU * 周活躍天數(shù) / 7

也可以從月活躍MAU來看：

DAU = MAU * 月活躍天數(shù) / 當(dāng)月天數(shù)

從這個視角，我們會重點關(guān)注到如何提升「活躍天數(shù)」，首先看活躍天數(shù)的水平，有多少提升的空間(均值如何，低活躍的用戶占比多少)，重點先抓哪一部分人群(周活躍1~2天的，還是3~4天的)。這里涉及到用戶活躍度建模，后續(xù)會在介紹「用戶分群」時詳細介紹。

上述這些模型幫助我們知道大致的方向，需要如何發(fā)力，或者優(yōu)先在哪發(fā)力。同時也把DAU拆解成若干更前置的、更靈敏的、可以和策略產(chǎn)生關(guān)聯(lián)的小指標(biāo)。幫助我們認識到：「若想提升DAU，必先提升XXX」。

03 找到策略切入點

知道了如何發(fā)力，最終還需要落地到具體策略上，策略需求切入哪個點，可以考慮因果性和相關(guān)性來幫忙。

1. 優(yōu)先因果性

如果知道某個指標(biāo)為什么不高，推薦從產(chǎn)品邏輯、用戶反饋中直接找到原因，針對性去修補。定性的方法就是找典型用戶去問和驗證，定量可以通過最為直觀的漏斗分析來定位用戶路徑的「斷點」。理解用戶需求、提升用戶價值是產(chǎn)品經(jīng)理、產(chǎn)品運營的必備技能，也是用戶增長的本質(zhì)和源動力，這里也不再贅述。

2. 其次相關(guān)性

相關(guān)性分析，可以幫助我們找到和關(guān)鍵指標(biāo)高相關(guān)的用戶行為，從而把具體策略定位到提升該關(guān)鍵指標(biāo)，以驗證是否能夠提升我們的增長目標(biāo)。

繼續(xù)以提升DAU為例，假設(shè)我們明確當(dāng)前提升DAU最關(guān)鍵的是提升活躍用戶次留，可以進一步來看，活躍用戶的哪些行為與其次日留存具有相關(guān)性(簡單的線性擬合，或者復(fù)雜一點的「魔法數(shù)字」分析，如圖1和圖2示例)。

圖1：相關(guān)性示例，某資訊類APP當(dāng)天的資訊滲透率(橫軸)與未來一周活躍天(縱軸)正相關(guān)

圖2：魔法數(shù)字示例，某短視頻APP用戶群當(dāng)周日均VV(橫軸)與未來一周活躍天(縱軸)的關(guān)系，在VV10次之內(nèi)，是很好的線性相關(guān)，我們應(yīng)該設(shè)法提升。而10~12之間存在拐點，用戶的活躍度隨后趨于穩(wěn)定

通常情況下，用戶的活躍次留，與用戶活躍當(dāng)日的使用深度高度相關(guān)，例如信息流App的時長、圖文閱讀PV、視頻播放VV。通過對不同分層的用戶群留存率、與上述幾個指標(biāo)的相關(guān)分析，我們可以得出哪些指標(biāo)與次留的相關(guān)性更好，可以優(yōu)先去提升這些指標(biāo)。

3. 用實驗驗證

切入策略時，需要注意亮點：

相關(guān)分析有些具體的坑，可以先補一補統(tǒng)計學(xué)的基礎(chǔ)以防萬一;

相關(guān)性高，只是給我們提供了一個假設(shè)：提升該指標(biāo)，大概率可以提升活躍次留，進一步提升DAU。是否真能夠提升，需要通過設(shè)計實驗來驗證。

正式引入UG中最核心的手段之一：增長實驗。

簡單說，實驗幫助我們驗證假設(shè)是否成立，量化策略的效果：施加策略或不施加策略，發(fā)布或者不發(fā)布功能，究竟提升了多少，短期看是多少，長期看是多少，準確嗎，放量后會怎么樣……小朋友，你是否有很多問號?

實驗會是我們后續(xù)的重點。

尾巴

本篇假設(shè)大家還處在未切入UG工作的初期，提煉出幾個切入的步驟供參考。同時本篇也概括了UG實戰(zhàn)在做什么：分析數(shù)據(jù)——形成假設(shè)——實驗驗證，三者循環(huán)起來就是UG的核心工作流。這也是整個筆記的框架，后面我們針對每一塊逐步展開，每篇討論一個點，不對之處，歡迎大家指出。

來源：jinlei886

以上是關(guān)于用戶增長師的相關(guān)信息，以供大家查看了解。想要了解更多用戶增長師信息，第一時間了解用戶增長師相關(guān)資訊，敬請關(guān)注唯學(xué)網(wǎng)用戶增長師欄目，如有任何疑問也可在線留言，小編會為您在第一時間解答!