在做用户增长任务时，我们可能会觉得学习了很多方法论一到实操时却发现难以落地，障碍重重。这是为什么？这是因为，用户增长的本质不是知识，而是技能。比起对增长黑客方法论的死磕，我们更需要的是学会对工具、流程的使用，和不断的练习。

一聊到增长，便是AARRR、啊哈时刻、魔法数字、北极星指标……可真正在实操时，却屡屡出现问题，最后变形成运营活动、营销工具、用户补贴……

听上去挺科学先进的增长理论，怎么实际落地时和过去的手段也没有特别明显的区别呢？

要说指标增长，过去我们做活动也能带来不错的效果；要说数据驱动，以前对产品的数据分析、活动复盘也没少做。那用户增长理论到底能给我们带来什么样以及多大程度的进步呢？不知道你有没有这样的疑问，反正我曾经有过。

在真正执行过一系列增长任务后，我感觉有时候我们缺的可能不是方法论，也许就是对具体工具和方法的运用。

用户增长的本质也许不是知识，而是技能。否则读完几本书，上个相关的课程，人人都能成为用户增长专家。如果以这个结论为基础，那可能我们需要的是学会对工具、流程的使用，和不断的练习。因此，我们需要组建自己的增长工具箱，在合适的阶段拿出合适的工具。

写这篇文章也是分享自己的工具箱，同时介绍下必要的知识点，争取做到即看即用。话不多说，直接上干货。

一、启动增长之前

工欲善其事必先利其器，在开始增长前，我们也需要先做一系列的准备工作。

包括了：明确产品核心价值、目标用户、啊哈时刻、魔法数字、北极星指标、增长模型（公式）、核心增长指标，以及用户旅程。

这些概念的意义和价值，已经被讨论太多了，不再赘述，我们只谈怎么做。产品核心价值和目标用户：这个还用讲的话，建议这款产品就别做了。

1. 啊哈时刻（Aha Moment）

指的是用户真正发现产品内在核心价值的时刻，在这个时刻用户意识到了产品对他们的不可或缺性，听上去好像也挺简单的。

虽然很多情况下，我们都能定义清楚啊哈时刻，例如对于打车app来说，啊哈时刻便是用手机下单后，就有车来接到你，司机来得越快，体验通常就越好。但有时候，可能啊哈时刻并非与我们设计的完全吻合，用户可能按照自己的意志发现了新的产品使用方法。因此，还是有必要对啊哈时刻进行验证。可以按照3个步骤来确定产品的啊哈时刻。

1. 列出可能的关键行为：根据我们定义的产品核心价值，尽量列举出影响用户判断产品价值的关键行为。
2. 数据分析：是的，这么快我们就得看数据了。我们可以根据业务指标进行用户分群，并观察各群组在行为数据上的表现差异。例如（也建议）根据次日/7日/30日…留存情况对用户进行分群，如果能找出产品的天然使用周期更好。观察留存用户和流失用户在哪些行为表现上有差异，通常我们都能发现一些关键行为。
3. 定性分析：根据上一步找到的关键行为对用户进行访谈或问卷，调研确认用户真实的啊哈时刻。例如进行产品的不可或缺性调查（详见文末模板）。

2. 魔法数字（Magic Number）

魔法数字是对啊哈时刻的进一步量化，指的是（谁）在（多长时间内）完成（多少次）（什么行为）。其实能找到啊哈时刻，我们就能定义出魔法数字。这个数字也不一定客观，会部分参考我们在业务上的目标。

例如某电商app认定一周内留存且有交易的用户是理想的最佳客户，那么就会根据这个标准去寻找魔法数字，可能挖掘出用户在app内对于商品访问量、加购量的数据的特征。所以，如果想把这事儿做的更科学点的话，可以利用AI算法对用户进行聚类，由机器协助寻找合适的业务指标。再根据业务指标是否达标，构建行为数据的决策树或随机森林等模型，以定位出对业务影响最大的关键行为。对于具体的单一行为指标，再可以使用例如SVM去做切分，找到临界点。

下图展示了几个知名产品的魔法数字（也可以认为是啊哈时刻）作为参考：

3. 北极星指标

又称唯一重要指标，听名字应该就不用解释了。该指标是能真实且直接反映产品好坏的指标，而不是我们通常关注的浮于表面的指标（或者叫虚荣指标），例如总注册用户数这类。

以王者荣耀为例，总注册用户数应该就是虚荣指标了，更进一步的指标是DAU。但随着游戏生命周期的发展，DAU会趋于稳定，当然这是对王者荣耀这样长寿的游戏来说的，一般游戏的DAU都是呈下滑趋势的。同时，王者荣耀作为一款DAU能破亿的手游，一方面这是一个非常恐怖的数字，但另一方面可能在活跃用户数上也已经接近天花板了。因此很可能将关注重点放到游戏深度上，那么每日对局数或者定义一个每日对局超过X局的用户数就会是更合适的北极星指标。

需要强调一点的是，北极星指标并不是一成不变的，根据产品所处的生命周期和运营阶段可能会定义不同的北极星指标和增长杠杆。

比如在拉新获客阶段和变现阶段就会关注不同的指标数据。更详细的北极星指标定义建议，可参考文末模板。

4. 增长模型（公式）

括号里的“公式”代表了增长模型的本质，我更喜欢用公式来表述，这样更直接明了。通常来说，公式的一边就是北极星指标，另一边是构成或影响该指标的核心增长指标。常见的公式构造方式有2种，对北极星指标进行纵向的拆解，你会得到一个主要由加法和乘法构造的公式；或者横向的推进，你会得到一个转化漏斗。但这2种方式并不冲突，甚至一般都会并行采用。

如下图，是一个简单的以活跃用户数为北极星指标的增长公式，在第一层将活跃用户数拆解成了新增和已有，在第二层分别定义了一个新用户的转化漏斗和老用户的留存。

5. 用户旅程

这玩意单独画出来就是用户在产品中的操作流程，越详细越好。用户旅程更大的使用价值，是在后续不同增长阶段中，会根据用户旅程不同的节点分析指标、制定策略。在这之前，最好能准备好这副用户旅程图，更佳的做法是同步在上面描绘出用户的情绪变化曲线。

接下来，我会按照经典的用户增长套路，分获客、激活、留存和变现4个阶段，分别介绍一些其中的know-how。

二、不同阶段的增长任务

1. 获客

用户获取是增长的起源。为了获取用户，我们就必须寻找合适的渠道。评判一个渠道是否优秀的标准，除了渠道能带来的绝对用户数，还要关注长期的LTV。只有保证LTV（用户生命周期价值）CAC（获客成本），产品才有盈利的可能。

以上应该是一个自然的推导逻辑。

因此，获客阶段最重要的就是选择合适的获客渠道。我们可以按照以下5步完成渠道的筛选：

1. 确定产品特点
2. 确定用户群体
3. 列出可能的备选渠道
4. 筛选最初的获客渠道
5. 渠道优化

文末模板中提供了每个步骤内详细的操作指导。

在渠道优化过程中，我们需要不断地进行新的渠道实验。可以按照下表对渠道进行罗列，并按照1~10分给渠道成本、目标用户匹配、受控制程度、时间投入、产出时间和覆盖规模进行打分，1分最差，10分最好。最后我们按照平均分进行排序，优先对分数较高的渠道展开测试。

渠道实验评估表

对实验渠道需要进行数据监控，下表提供了一个数据监控的模板：

渠道数据表现

提到获客，我们就不得不关注一个特殊且有效的渠道：病毒渠道。

病毒渠道的本质是通过人传人的推荐传播方式来获客，类似病毒传播一样（这个概念相信大家现在都非常明确了，病毒传播的可怕程度我们现在也深有体会）。口碑传播、社交裂变等名词讲的都是类似的道理。

该获客方式的有效程度，值得任何产品都有必要思考是否需要设计病毒循环。设计病毒循环的前提是产品能为用户提供真正的价值，即啊哈时刻的存在，这点不用过多解释。

此外，任何产品的病毒性都由3个因素决定：

1. 有效载荷：即每人每次向多少人进行传播。例如微信中的发送给好友就是一对一的传播，而如果发送到群或者朋友圈就会是大规模的传播。（难怪欢乐斗地主的送欢乐豆都要求分享到微信群~）
2. 转化率：这个不用解释。
3. 频率：也容易理解，即用户发起传播的频率不过这3点是较为笼统的判断标准，若真要详细评估产品内病毒传播的效果，还必须构建真实的传播转化漏斗。

不用担心，模板中已经为你准备了一个典型的病毒传播转化漏斗：

病毒传播转化漏斗

2. 激活

单纯的获客，只意味着有人访问了你的产品，要真正使访问流量变成你的用户，就必须激活他们。

在激活用户前，最重要的一件事是定义激活的标准，如果使用了错误的激活标准，必然导致错误的激活策略，最终影响产品的良性发展。还好这个标准不难定义，它通常就是我们找到的啊哈时刻和魔法数字了。

例如第三方支付产品就可能定义自己的激活用户为完成首次银行卡绑定并支付的用户（嗯，这个首次其实也是有问题的，只关注用户第一次支付行为，运营策略就会向首单倾斜，即会被羊毛党盯上，又可能忽略了首单之后的持续运营）提高激活率的“秘诀”就是让用户尽快的体验到啊哈时刻。

这时候我们前面绘制的用户旅程就有用了，标注出啊哈时刻，找到通往啊哈时刻的所有节点，然后开始优化吧。

要么缩短到达啊哈时刻的距离，要么保证用户在到达啊哈时刻前在每个节点上都有足够的热情。另一个有效的工具便是激活转化漏斗了。一定不要只看总漏斗，推荐根据渠道进行分群（其他适用的分群方式当然也可以），这样能明白不同渠道的用户差异，既可结合渠道特性有针对性的优化，也能用于筛选渠道质量。模板内同样也提供了典型的激活转化漏斗可供参考。

激活转化漏斗

3. 留存

和激活一样，首先必须定义留存的标准，包括了对具体事件的定义和留存时长的定义。前面提到过用户的天然使用周期，其意义是用户持续使用一个产品的自然频率和周期。

不同产品的天然使用周期是不一样的，对于游戏，可能我们每天都会打开玩一下，因此会去关注次日留存。

但对于一款电商APP，我们其实不可能每天都购物，如果数据分析显示80%的用户平均每两次购物的间隔是7天左右，那么这款产品的天然使用周期就可能是7天，我们会以周为单位关注留存。

而类似一些金融类APP等，可能天然使用周期更长，关注其30日留存、60日留存也是正常的。关于分群绘制和分析留存曲线，由于在数据产品指北（四）— 用户行为分析平台中做过详细介绍了，这里就不再重复。

这里只介绍2个在留存运营策略中会用到的工具。

1)参与回环

或者叫上瘾模型、增强回路等。其核心是在产品中设置一个循环的机制，不断强化用户的使用习惯。其中包含了4个环节:

1. 触发物：刺激用户展开行动的产品设计，其设计的标准应该是提醒用户当前存在一个明显对他们有价值的机会
2. 行动：即用户被触发成功，展开行动
3. 回报：产品给予用户即时满足
4. 投资：回报给予用户动力，提高用户对产品的黏性，投入更多个人资源

上瘾模型

我们需要在自己的产品中设计足够多且自然的参与回环，引导用户不断地使用产品，形成依赖。

2）用户参与度阶梯

这是一套简易的用户分群模型，根据用户在产品中的参与程度将用户分为消极用户、核心用户和超级用户。

• 消极用户：并未按照最理想的方式使用产品。例如从未注册过微博的微博用户，偶尔通过朋友的分享关注下微博上的信息。
• 核心用户：主流的活跃用户，按照正确的方式和正常的频率使用产品。例如有固定习惯刷微博的用户。
• 超级用户：高参与度用户，具有很高的使用频率和使用深度。例如微博上每天活跃的大V。这3类用户分别的比例差不多是90%、9%和1%，因此也被称为1-9-90法则。

用户参与度阶梯

我们的运营目标是清楚定义出产品中的3类用户标准，并逐步引导用户向上层迁移。用户所处的阶梯越靠上，与产品的连接越强，留存也就会越长。模板中还为你提供了在各留存时期可匹配的留存工具使用建议。

用户留存与留存工具匹配

4. 变现

不要忘了，我们获取用户、激活和留存用户的最终目标都是为了变现，因此我们需要提高每位用户带来的收益。为了提高收益，我们需要绘制变现漏斗，严格意义上讲这不是一个漏斗，而是在每个付费点上都会有一个付费漏斗。

于是我们又要拿出用户旅程图了，我们需要在图上标出所有可能从用户身上盈利的机会点，同时还要找到所有阻碍我们获得收益的环节，这些地方被称为夹点（pinch point）。

接下来我们要做的，当然就是在盈利机会点处设置付费触发啦，并且努力消灭夹点，至少是将其影响降低至最小。

在变现阶段，分群分析同样重要，我们可根据用户贡献的收益进行分群，一方面了解高价值用户的特征和行为表现，一方面找到每个群组和收益之间的关联。更具体的定价优化，涉及到所谓的定价相对论和消费者心理学，这里就不展开了。

模板中提供了一些简单的可利用的原则，如果你读过《影响力》和《怪诞行为学》的话，对这些原则应该不会感到陌生。

定价优化点

三、关于增长实验

用户增长离不开大量实验，fail fast and learn fast是增长过程中的常态。

一个完整的增长实验，至少包含了以下4个步骤：

1. 根据现状提出想法：假设我们已经做了足够的分析，清楚地定位了问题，也明确了下阶段的增长目标，这时候就该集思广益了。为了保证大家提出的想法不至于千奇百怪，我们可以适当的对格式进行规范。一个想法需要至少包含以下信息：名称、描述、假设和待测指标，详细的填写指导可参考模板。
2. 排定实验想法优先级：受限于实际资源，我们肯定只能对优先级较高的想法进行试验，因此需要有一套评判优先级的标准。这里可以参考《增长黑客》作者肖恩·埃利斯制定的“ICE评分体系”，ICE分别代表impact（影响力）、confidence（信息）和ease（简易性）。在提交想法时或增长会议上，我们对想法进行打分，1分最差，10分最好，根据平均分确定优先级排序。
3. 实验测试：这点似乎不用解释，关键是保证实验结果的统计显著性，避免得出错误的结论。
4. 实验总结：描述实验整体效果，受影响的特征和关键指标的变化等信息，模板中提供了简易的实验报告模板对于增长团队的负责人，手上应该还始终握有一份增长规划地图，以了解当下的增长目标、战略、假设和实验想法。简易模板如下图所示。

增长规划地图

四、关于工具箱模板

需要说明的是，工具箱在很大程度上都参考了《增长黑客》和《硅谷增长黑客实战笔记》这两本书，毕竟向大牛学习是快速进步的好方法，做知识的搬运工也没什么可耻的。

这份模板根据阶段和属性分为了数张子表，每张表大概会包含4类信息：实操是需要确定的内容填写模板、数据分析类模型模板、用户调研模板、产品设计中的关键点checklist。下

图以获客阶段的模板为例，包括了新用户标准定义、渠道选择步骤及指导、渠道实验评估标准、渠道数据表现、病毒传播转化漏斗和获客阶段的checklist信息。

用户增长模板-获客

虽然模板能在一定程度上指导我们的增长工作，但不论是市场行情、游戏规则还是增长理论本身都是在不断进步的，永远不要指望有一劳永逸的工具。

内化增长理论，通过不断的训练和积累形成自己的模板，长远来看才是更有价值的成长路径。当然，我的模板也会不断优化啦。

作者：Rowan；公众号：罗老师别这样

本文由 @小罗老师 发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议