课程目录

• 1: 第一章 · 增长黑客入门
  • 1.1: 增长黑客的起源及必备能力
  • 1.2: 增长思维一：不同市场和企业发展阶段的增长策略
  • 1.3: 增长思维二：正确理解AARRR模型
  • 1.4: 增长团队的2种形式及7步协作流程
  • 1.5: [案例]7大核心环节实现用户增长
• 2: 第二章 · 验证市场可行性（PMF）
  • 2.1: 为什么需要验证市场可行性（PMF）
  • 2.2: 第一步：圈定产品的目标用户
  • 2.3: 第二步：通过6个渠道挖掘潜在用户需求
  • 2.4: 第三步：用一张模板找到产品的核心定位
  • 2.5: 第四步：通过5个步骤设计产品的MVP
  • 2.6: 第五步：开发并验证MVP的基本方法
  • 2.7: 彩蛋：快速验证商业想法的2个工具
• 3: 第三章 · 获客增长
  • 3.1: 导读：实现千倍爆发式增长的2个限制因素
  • 3.2: 制定增长方案：七步构建获客增长计划
  • 3.3: 降低增长成本：筛选优质获客渠道的四象限矩阵
  • 3.4: 增长内驱力：了解用户增长的七大驱动因素
  • 3.5: 增长外驱力：十大常见拉新获客手段
  • 3.6: 机制化增长：自动化营销实践及工具
  • 3.7: 病毒式增长：打造产品病毒循环的5个步骤
• 4: 第四章 · 用户激活与留存
  • 4.1: 用户激活和留存的必要性
  • 4.2: 4.2 解密让用户上瘾的【Hook】模型
  • 4.3: 4.3 为用户创造【惊喜时刻】的秘诀
  • 4.4: 4.4 产品的功能留存分析举隅
  • 4.5: 4.5 如何通过内容运营提升用户的留存
  • 4.6: 4.6 搭建用户流失预警机制
• 5: 第五章 · 病毒式传播
  • 5.1: 1 病毒传播的分类
  • 5.2: 衡量病毒传播效果的K因子
  • 5.3: 打造产品病毒循环的五个步骤
  • 5.4: 让你的产品注入疯传基因的六大秘诀
  • 5.5: 【实战】新世相病毒营销的复盘
• 6: 第六章 · 数据分析
  • 6.1: 了解数据和数据分析的价值
  • 6.2: 搭建公司的业务指标体系和四个层级
  • 6.3: 6.3衡量产品用户体验的HEART模型
  • 6.4: 6.4数据分析的五个步骤
  • 6.5: 6.5了解什么是A/B测试
• 7: 第七章 · 区块链与 Token 增长
  • 7.1: token的五重境界
  • 7.2: 7.2利用token实现产品增长的五个玩法
• 8: 答疑
  • 8.1: 第一期

1 - 第一章 · 增长黑客入门

本章从「marketing 时代到 growth 时代」的转变谈起：传统营销只负责曝光、难以衡量效果，而 Growth 覆盖用户从认知到口碑传播的全生命周期，追求每个环节的转化率与速度。

本章要点

• 增长黑客的起源：从砸钱曝光的传统营销，转向以数据驱动、对效果负责的全漏斗增长
• 增长思维一：不同市场类型（存量/增量/谎言市场）与企业不同发展阶段的增长策略
• 增长思维二：正确理解 AARRR 海盗指标（获客、激活、留存、变现、推荐）
• 增长团队的两种形式（附属型/独立型）及七步协作流程
• 案例：七大核心环节如何协同实现用户增长

1.1 - 增长黑客的起源及必备能力

一、从 Marketing 时代到 Growth 时代

一款商品——无论是线上收费的互联网产品，还是传统线下货品——在营销转化过程中，用户的情绪通常会经历这样几个阶段：认知、好奇、信任、被说服、期待、满足、激情。处于不同情绪阶段时，产品应处在营销转化流程的不同环节：

• 认知：产品应尽最大可能争取曝光；
• 好奇：设法占据获客渠道，触达用户并赢得信任；
• 被说服：通过产品自身、第三方证言等任何手段提高转化率，说服用户使用、购买；
• 使用：为用户提供实实在在能满足需求的价值和功能点；
• 激情：产品足够好，就会获得用户自发的口碑传播。

传统的 Marketing 在很大程度上只覆盖了"曝光"这一个阶段：电视广告、报纸媒体轰炸、街头缤纷夺目的海报广告牌，营销预算大多花在获取眼球和注意上，对获客、转化、提供价值、口碑传播考虑得较少。而且传统广告方式很难监测——电视播了一则广告，很难证明它实实在在带动了这个地区的销售，用户也可能通过其他渠道获取商品信息。正因如此，这几年越来越多的广告公司（包括 4A 广告公司）如果只在乎广告制作与投放的操作、不对效果负责，活下去越来越艰难，甚至会被数据分析类或其他咨询公司收购。

所以可以预见：以曝光为主、靠砸钱获取流量、不一定对效果负责的传统 Marketing，正渐渐被一种新观念——Growth——所取代。Growth 涵盖一款商品营销流程的整个生命周期：用户从认知一直到最后充满激情地口碑传播，每一个环节到下一个环节的转化，都属于 Growth 的范畴。Growth 要做的，就是让每个环节之间的转化尽可能快、尽可能顺畅，并且转化率尽可能高。

二、Growth 的三大特质

相比传统 Marketing，Growth 的特质集中在以下几点：

• 以用户为中心：深入洞察用户的行为和心理，站在用户角度触达用户，剖析用户行为流和用户画像，基于用户的角度来打磨、销售产品。传统营销更多是"王婆卖瓜自卖自夸"——基于产品的市场定位来介绍产品、梳理闪光点；Growth 不但要从产品角度做好包装，还要理解用户行为与心理、分析用户行为数据，基于数据来推广产品，而不是像卖方市场那样"我卖我的，谁被吸引谁来"。
• 快速迭代：不断探寻新的渠道、技术、策略，否则很可能错失红利和优势，被把握住机会的竞争对手甩在后面。快速迭代背后还需要很强的学习能力——迭代往往就是试错，做错了要能快速反思复盘、总结得失，并用于下一次营销传播和增长的企划。在不断学习与认知的循环中，团队才能更了解用户，才能想到如何为产品找到适合的增长点。
• 跨组织、跨职能：把增长的认知和使命贯穿于商品价值流程的全环节。传统 Marketing 像一个对外部门：申请营销预算、联系外部媒体投放、找线下渠道经销商卖货。Growth 对内也有很多职能：协调内部研发和制造流程，尽早让用户介入、参与一款商品的打造；牵头组建创新小组，结合新渠道新趋势寻找创新方向并落地到现有商品的增长中；推动内部工具和基础设施的搭建，比如数据分析平台、AB 测试和灰度测试工具；甚至从战略层面与 CEO 通力协作，考虑靠投资或收购什么样的公司来达成增长目标。

除了对最终增长结果负责，Growth 负责人还有一个重要职能：在公司内部推广、传达以增长为使命的理念。很多企业老板每天想的是企业战略、去哪儿融资等大事，增长这个核心目标未必在他每天考虑的范围内，所以需要"向上管理"——有时候要给老板"洗脑"，告诉他接下来什么最重要、增长点在哪里，比如在这个时代数据驱动增长很重要，应该在内部搭建数据分析流程，用数据说话而不是拍脑门决策。向下则要关注具体做事的一线团队：思维有没有赶上时代、能不能接触新的增长观念、有没有办法用新的工具手段方法流程来帮助日常工作。

三、增长黑客的诞生：Hotmail 经典案例

究竟什么是增长黑客？不妨从最经典的 Hotmail 案例看起。

1996 年，一家公司里有两个技术出身的工程师，他们非常讨厌一件事：公司内部的邮箱系统可以轻易监控员工的邮件来往，老板想查聊天记录随时可查。于是他们利用业余时间开发了一个创新产品——基于网页收发电子邮件的邮箱系统，代号 JavaSoft。那个年代在电脑上收发邮件通常要安装 Outlook 这样的第三方软件，所以打开 IE 浏览器就能收发邮件，在当时算得上创新。这款产品就是日后的 Hotmail。

但 Hotmail 诞生之初并不风光，两位创始人想为项目单独立项融资，走得并不顺利。投资人质疑：产品这么创新，有什么办法证明能快速获取用户？拿到很多用户就给钱。创始人起初提出的都是常规中庸的做法——投放路边路牌广告、电台广播广告。细究之下，这两种广告的受众都不精准：路牌广告的受众可能是驾车疾驰而过的卡车司机，广播广告的受众是司机或正在家里切菜的家庭主妇，他们成为这款创新邮箱系统潜在用户的可能性很低。投资人因此犹豫不决。

后来终于有一位慧眼识珠的投资人帮他们想了一个办法：在所有通过 Hotmail 发出的邮件末尾追加一行小字——

P.S. I love you. Get your free email at Hotmail. （附言：我爱你。你也可以来 Hotmail 获取免费邮箱。）

这行字看起来像发件人自己写的签名，其实是一行小广告，但收件人并不知道，收到邮件后很可能会认为"发件人爱我，并且发自内心地推荐这款产品"，于是点开链接去看看 Hotmail 是什么。无形之中，Hotmail 的用户本身就在替它做推广，一传十、十传百，形成滚雪球式的传播。凭借这个简单的策略，Hotmail 在接下来一年半轻轻松松斩获了一千两百万用户——要知道当时全球互联网存量用户只有七千万。最终 Hotmail 成功被微软收购。这是增长黑客历史上早期最具代表性的经典案例。

四、增长黑客的概念与发展

增长黑客这一概念并非范冰首创。2010 年，美国互联网圈的营销专家 Sean Ellis 最早提出了 growth hacking 这个词。他帮很多科技公司做过增长方面的工作，比如 Dropbox 最经典的"邀请别人获取空间赠送"案例就是他一手操盘的。Sean Ellis 当时在博客里对增长黑客做了定义：以增长为关注方向和核心目标的角色，就是增长黑客。

2012 年，另一位营销专家 Andrew Chen 在自己的博客上写了《Growth Hacker is the New VP Marketing》（增长黑客是新的营销 VP）一文，第一次比较系统地阐述了什么是增长黑客、这些人具备哪些特质、做过哪些成功案例、去哪里能找到他们。这篇文章当时非常火，被翻译成多国语言。作者正是经由 36氪上的这篇文章第一次接触到增长黑客的概念，此后顺藤摸瓜研读了大量资料，写就了《增长黑客》一书。Andrew Chen 对增长黑客的定义是：市场营销人员与 coder（写代码的工程师）的合体。

在写完这本书并持续践行增长黑客理念之后，作者如今对 growth hacking 的理解是：它是以增长为最终目标的一整套方法、技巧、协作模式和思维方式，并遵循三个核心理念——

• 以用户为中心
• 快速试验
• 数据为王

书中与上文所引的案例，很多只是停留在方法技巧层面，因为方法技巧本身吸引人、易传播、易吸引眼球。但那些产品上的小创新、小伎俩只是海面上的冰山一角，真正支撑增长方法落地的，是背后一整套协作模式：一个团队只有基于科学的协作模式，才能快速且规模化地不断产生新的增长点子，否则只是乱枪打鸟、天马行空，无法保证持续长期地输出好的增长方法。

除了协作模式，growth hacking 更多的是一种思维方式——思维方式意味着可以迁移。作者不仅用这套方法把自己的产品数据做得非常好，还成功将其迁移到《增长黑客》一书的推广上：作为此前从未写过书的新人作家，第一本书上市就在业界获得了非常好的反响和销量，其中用了很多增长黑客的方式。这恰恰证明增长黑客是可以迁移的思维方式：既可用于互联网产品，也可用于图书这样的传统商品，甚至可用于个人成长。

这三个理念的分量，后续章节会持续传达。Growth hacking 也是一个很大的命题：怎么提高用户生命周期价值、怎么提高转化率、怎么多赚钱……每个细化的问题都有对应的科学方法，有些通用，有些要具体问题具体分析，后续章节会逐一展开。

五、产品体验的五重境界：从 Inapt 到 Evil

国外有专家型网友很有意思，根据一款产品与用户交互的友善度划分出五种维度，从最前面的 Inapt（笨拙无能），到 Good、Crafty，再到 Bad，最后是 Evil（邪恶）：

• Inapt：图标是《星球大战》里的加·加·宾克斯。代表产品可能缺乏产品经理或产品素养很低、违背常规模式。比如手机应用的返回按钮惯例放在左上角，若不专业地乱做，放到右上角或屏幕最底下，就会给用户操作带来很大障碍、提高学习成本——产品做得比较笨拙。
• Good：图标是美国队长——高大全、正义、正经。要做到 Good，需要多听取用户反馈、设计用户体验，并让设计思维贯穿整个产品：UI 设计、文案打磨、转化漏斗设计等。相当于及格，或者七八十分。
• Crafty：图标是蝙蝠侠。他的初衷和原点是维护正义，但与美国队长、超人不同，他会用一些算计、一些常人想不到的小伎俩来达到目的。这位网友把 growth hacking、说服性设计、AB 测试、诱导性文案都放在这一层——增长黑客确实常是一些小伎俩、小手段、产品上的花招。虽然中文里 crafty 是"狡猾"的意思，但在这里可以理解成一个中性的词：既不像传统英雄那样保守守旧地停在及格层面，又比及格多走一步、想得更多，用行为经济学或用户心理学来获取更好的效果。
• Bad：图标是洛基。从 Crafty 再越雷池一步，就会带来很坏的产品体验：模糊不清的产品细节、模棱两可的文案、邋遢肮脏让人感觉不好的设计。
• Evil：Bad 可能是水平不过关导致的，Evil 则肯定是刻意为之，典型代表就是 Dark Pattern（黑暗模式），配图西斯大帝也恰如其分——刻意给用户错误引导，让其做出反传统、反直觉或不正确的决定。比如一些下载网站有非常多的下载按钮，令人分不清哪个是真的，一不小心点错就蹦出广告弹窗；又比如本可以让用户选择是否安装插件，却默认勾选"帮我安装某某助手"“某某上网小管家"这类后台运行的讨厌插件，还把勾选框颜色设置得与背景色几乎一致，用户稍一忽略、一路点"下一步”，就会被装上全家桶软件。

需要强调：增长黑客不等于 Dark Pattern。Growth hacking 不是以牺牲用户体验为代价的短视行为，也不是利益关系的重新分配、不是零和游戏（肥了商家、亏了用户）。增长黑客追求双赢：用户达成目标、用得更爽，各方面体验更流畅、操作更简便；同时产品端、商家也能获得更高的转化率和更多的销售额。在作者看来，增长黑客应当是双赢的游戏，而不是零和游戏。

市面上流传着很多与增长黑客相近的病毒传播案例，它们确实精彩，但要想出这些玩法，本身很考验基本功。增长黑客本质上需要丰富的专业技能沉淀，包括：Landing Page（着陆页）优化、搜索引擎优化、产品管理、新手用户引导、Email 营销、行为经济学的把握等，这些都需要很强的分析思考能力。

六、增长黑客的能力模型：广告狂人 × 极客 × 发明家

国外有增长黑客的研究者，把增长黑客的能力大致划分为三种职业角色的专业技能：

• 广告狂人（Mad Man）：即传统营销者。侧重点是靠创意营销以小博大，用很简单的方式追求低成本、快速、可复制、可规模化的爆发性增长。善用创意营销、行为经济学、用户心理学的知识，往往能事半功倍、四两拨千斤地获得意料之外的爆发性增长。
• 极客（Geek）：要有很强的数据分析能力与实验应用能力，这样才能更细微地洞察用户——通过数据了解用户要什么、怎样提供，并在不断实验迭代、快速打磨产品的过程中找到真正适合用户的路径，从而迎合他们、占据市场。
• 发明家（Inventor）：光有数据和好的用户洞察只是基础，还必须具备把洞察转化为实际产品的能力。可以先通过简单的手动、人工方式测试——最简单的就是人肉发邮件——把实验数据的洞察转化成某种产品机制或运行手段；一旦发现这个手段 work、能付诸实践并带来效果，再通过技术能力、代码或脚本，把它变成线上能自动运行的机制。这种机制在线上持续运行时，就会为增长源源不断地提供原动力。

当广告狂人、极客、发明家三种角色特质集于一身，这样的人就很像增长黑客——三位一体。

国外甚至有人专门做了一张"Growth Hacker 技能元素周期表"，很像化学元素周期表，每一个纵列代表一个具体领域的技能：比如第一纵列 Creative Marketing（创意营销），包含用户心理学、内容营销、销售技巧、Email 营销等；第二列 Experimentation（做实验的能力），要求有精益的设计思想、会使用实验框架、具备数据分析能力等。若想修行成为增长黑客又不清楚自己的短板所在，可以对照这张图盘点已掌握的和尚需弥补的技能。当然它只是大体框架，还要结合手头正在做的工作，选择最能解决问题、实践中产出效率最大的技能来学习。

至于怎样才能成长为一名增长黑客，从接触过的大量从业者来看，凡是做得比较好的人，大多具有这些特质：

• 热情：真正爱这个岗位，对它充满激情，有足够的动力去学习和实践。
• 聪明：任何职位都需要。学习能力强、善于发现提炼总结规律，对成为增长黑客大大加分。
• 好奇：随时保持对新鲜事物的关注——新渠道、新技术、新思维方式。只有具备足够的好奇心，才能第一时间主动地、有自驱力地去研究，并发现与自身项目的结合点，为我所用。
• 业内资源：资源不是人人都有，要靠日常工作留心积累、主动 BD、请朋友吃饭。有行业资源对拿到第一手行业信息非常有帮助——有时埋头三个月做实验，收获的信息量和洞见真的不如请行业专家朋友吃顿饭大。
• 影响力：既包括行业中的影响力，有助于快速拓展资源、触达想接触的人群；也包括在公司内部 PK 方案时顶得住压力，把方案更好地传达给别人、影响别人听从自己的方案、促成决策。影响力本身就是个人魅力的体现。
• 开放的心态：才能从善如流，吸取别人好的意见和观点。
• 强大的内心：在不断的试错过程中应对各种压力，遇到失败时及时调整自己，找到正确的轨道。
• 一点强迫症：逼迫自己在有些事情上尽可能做到极致、做到完美。

当然，人无完人，不是每个人都能同时具备这些优点，涵盖一些、疏漏一些都没关系。在日常工作中不断优化自我，像打磨一款产品一样给自己做迭代——思维方式的升级、认知能力的提升、待人处事的增强。通过这种有意识的自我修炼，就能朝着增长黑客的道路继续迈进。

1.2 - 增长思维一：不同市场和企业发展阶段的增长策略

一、产业周期：增量市场与存量市场

谈增长，必须先看产业周期和企业阶段——在不同的产业周期、不同的企业阶段，增长这件事的重心和要做的事是不完全一样的。产业周期可以粗略分成两个大阶段：

• 增量市场阶段：从 2010 年年中开始，中国经历了一波移动互联网的高速增长。这个阶段随便开发一款 APP 发布到应用市场，用户量都非常可观；应用商店等移动开发厂商会提供很好的支持、曝光渠道，甚至给补贴、颁奖——随便做点什么效果都不会差，获客非常容易。
• 存量市场阶段：移动互联网这波爆发红利已经过去，整个市场的流量趋于稳定，且被几家垄断巨头牢牢捏在手心。流量红利不再，流量变得非常贵，不再像以前那样随便做点事 APP 就能涨得很快。这是当前市场面临的一大问题。

二、增量阶段的打法：跑马圈地——91 手机助手与豌豆荚

增量市场阶段的任务，是在合法合规的框架范围内，无所不用其极地用一切手段去跑马圈地、获取用户。举两个对照鲜明的例子：

91 手机助手：用户体验谈不上非常好，只能说勉强凑合、比较一般。但在移动互联网高速增长的增量阶段，它用各种方法把自己装进用户手机：预装、刷机、捆绑、后台下载、插件等等，甚至有些方式今天看来有点"流氓"（比如没法卸载）。通过各种方式，它的装机量和用户量做得非常大，最终以19 亿美金的高溢价被百度收购。

豌豆荚：一个用户体验做得非常好、很有审美、很有品味的产品，每周还评选"豌豆荚设计奖"，一切从优异的用户体验出发。但最终结果不如预期——被阿里巴巴以不到 2 亿美金收购，相对上一轮估值是走了下行、大幅缩水。

豌豆荚用户体验做得这么好，为什么最终反而没取得好的收购价格？作者与豌豆荚创始人有过一些交流，对方复盘时认为自己做错了一件事：过高地估计了用户体验在市场增量阶段所具备的价值。换句话说，用户体验在增量阶段并不能直接带来用户——它是锦上添花的东西，但绝不是雪中送炭的东西。

原因在于，用户体验基于大众的审美，而审美是无法向下兼容的：很高的审美和品味一定是经过长期的陶冶和训练慢慢培养起来的，靠后天而非先天，大部分老百姓的审美不会处在很高的阶段。大多数人用移动应用商店类产品的需求其实很简单：能更多、更快速地发现并下载到自己想要的应用，就完成了，产品够用就好。当豌豆荚还在基于用户体验打磨边边角角的像素和设计细节时，它的竞争对手正靠各种方式把自己装进用户手机、占据流量入口，让用户进来并快速定位、搜索、下载应用。91 手机助手很好地把握住了增量市场阶段，快速跑马圈地获取了大量用户——这是它用户体验虽然不如豌豆荚、却在战略上做对的事；豌豆荚恰恰亏在这里。豌豆荚服务的人群有审美、有品味，但这群人终究只是人群中的少数；对大多数人来说，产品能满足需求、够用就好。

三、企业阶段：广积粮、高筑墙、缓称王（以滴滴为例）

企业不同的阶段，所要围绕的增长主题也不一样。拿滴滴出行来讲，可以划分成三个阶段：广积粮、高筑墙、缓称王。

广积粮

滴滴还叫"滴滴打车"的时候，和快的以及市场上其他手机打车产品跑马圈地竞争，最大的问题不是竞争本身，而是市场还没被教育起来：司机端很多人还没用智能手机、很心疼流量、不太接受全新的方式；用户端也不清楚手机打车是个什么玩意儿——整个市场供需双方的双边市场都未被教育。在这种情况下，大多数打车公司选择的策略就是融很多钱然后砸钱，靠补贴获取使用习惯，强行把市场砸起来。这就是"广积粮"：撒钱广泛地培育市场、教育用户，把市场硬生生砸出来。

高筑墙

滴滴和快的合并之后，最大的对手是人民优步（Uber 中国）。人民优步也不缺钱——Uber 在国外就融了很多钱。两家在国内烧钱比拼，最终滴滴胜出。但滴滴并非只是靠烧钱更多更猛获胜，它能打败 Uber，很大程度上取决于采取了正确的"高筑墙"策略：

• 滴滴拿了一轮来自腾讯的融资，于是可以在微信这样的产品里发滴滴红包、发券，在朋友圈搞滴滴的 H5 营销活动；竞争对手人民优步在这些产品里能获得的曝光和流量就非常有限。
• 人民优步善于制造事件营销、搞有意思的活动曝光，失去微信这个阵地后只好转战微博。但不巧的是，滴滴下一轮又融了微博的钱——滴滴可以自如地在微博发布想发的消息，而人民优步在微博发出去的内容约 95% 的信息流被屏蔽，只剩 5% 不痛不痒的内容能被大众看到，整个传播受到非常大的影响。这个阶段最终滴滴获胜，人民优步败下阵来。

所谓高筑墙，就是设立壁垒、构建护城河，通过各种方式让竞争对手无法进攻腹地、无从竞争。除了"找大腿抱"（站队巨头）之外，还有技术壁垒、专利壁垒、人才壁垒等等，甚至地理位置、地理区域、政策上都存在很多壁垒，可以用不同的壁垒让对手无法进入自身领域。

缓称王

到了这个阶段，滴滴已经是共享出行领域的大哥大，在全球市场上的体量可能抵得上几十上百个独角兽公司。此时它要应对的是一些新的危机：当年靠粗放的红利和补贴获取市场，如今补贴不再发放，很多司机已经开始弃用，打车的人也不再为了赚钱而使用，市场回归理性，打车业务的用户量在减少；顺风车、巴士等业务一直在提，也没见做得有多好；而且可以想见，之前的增长一定欠了很多技术债，服务有时不到位，内部很多产品上线流程也未必完善。

所以滴滴现在做的事是苦练内功：在内部补技术债，搭建自动化、方便的数据分析平台和测试工具等，通过苦练内功提升功力、提升服务，继续巩固地位，让业务从慢慢衰退停滞到保持原有势头、未来获得更强劲的增长。这就是滴滴在正式上市之前的"缓称王"策略——反正知道自己是当老大的，在此之前把各项工作做好、把数据和营收指标做漂亮，最终才能健康地上市敲钟。

企业处在不同阶段，应当采取不同策略来追求增长。

1.3 - 增长思维二：正确理解AARRR模型

一、AARRR：五环节流量漏斗模型

增长黑客这个大概念里有很多经典的小概念，其中一个就是 AARRR 流量漏斗模型。它遵循一个从上到下的倒三角（倒金字塔）结构：最上层是流量入口，最下面是最终环节，一共五层五个环节，取每个环节的首字母组成了 AARRR 这个词：

1. Acquisition：获取用户
2. Activation：激发活跃
3. Retention：提高留存
4. Revenue：增加收入
5. Referral：传播推荐（口碑推荐）

画成流量漏斗就是：

infographic sequence-funnel-simple
data
  title AARRR 五环节流量漏斗
  items
    - label Acquisition 获取用户
      desc 地推、广告、应用市场推荐，把流量引进漏斗
    - label Activation 激发活跃
      desc 引导完成关键动作，变成有价值的用户
    - label Retention 提高留存
      desc 高频刚需加召回手段，让用户反复回来
    - label Revenue 增加收入
      desc 付费解锁、连带推荐，产品自己造血
    - label Referral 传播推荐
      desc 分享邀请、口碑推荐，一个拉一个滚雪球

用户从第一个环节 Acquisition 漏进来，顺次走完下面这些环节，逐步沉淀成活跃的留存用户；用了一阵子之后愿意付费；最终觉得好用，还会产生口碑推荐。这个模型由美国知名创投孵化器 500 Startups 的创始合伙人提出，至今仍被广泛使用，很多人用它来分析产品。

二、用"开饭馆"理解五个环节

假设在小区楼下盘下一间位置很好的商铺开一家饭馆，装修全部搞定、开业第一天，最重要的是什么？借这个例子逐一看五个环节。

1. Acquisition 获取用户

开业头等大事是尽最大可能吸引客流：扮成卡通人物地推、邀请当地媒体来采访、在美团点评等网站打广告、发优惠券。对应到互联网产品，就是吸引用户下载 APP 并给补贴红包，通过搜索引擎投放广告让用户主动点击进入网站，或者想办法登上 App Store 的每周推荐从而获得大量用户。这是最常说的"增长"，也就是用户量的增长。但在 AARRR 流量漏斗模型里，用户量的增长甚至可以说是整个漏斗每个环节中最不重要的环节——原因见后文。

2. Activation 激发活跃

假设吸引了很多客流进店，但客人只是在大堂看一圈、左顾右盼便离开，没产生任何消费，这些客人就不是有价值的顾客。真正有价值的用户是进店点餐、吃饭、付款的人。所以要主动采取行动引导客人：告诉他哪里获取菜单、有什么推荐菜色、在哪里点单付款、在哪个位置落座。当客人通过友善的引导完成订餐、成功消费付费，他对店家产生了价值，自身需求也得到了满足——这就是一个被激活的有价值用户。

互联网产品里同理：互联网金融产品光下载、打开、注册账号没什么用，要引导用户绑卡、投资；聊天软件只有注册量和打开量、没有用户间的交流会话，也不是有价值的用户，要引导用户主动加好友、发表情发文字破冰；电商网站每天有大量浏览却没有下单，同样没有价值，要引导用户产生更多订单。当一个用户在平台上采取行动、满足了自己的需求、同时又对平台产生商业价值时，他才是一个被激活的有价值的用户。

3. Retention 提高留存

开饭馆很希望获得更多回头客。可以开在居民区等人群聚集的地方、跟小区住客搞好关系、允许赊账、发放下次到店可重复使用的优惠券。互联网产品也可以用手段提高留存率：把产品定位成高频刚需类产品，用户天然会有重复使用的需求；发通知、EDM、push；电商类产品可以给用户发抵扣券、代金券、优惠券等。

4. Revenue 增加收入

饭馆怎么赚更多钱？提高单品价格、卖出更多爆款，或采用常用营销策略，比如麦当劳很喜欢的"第二杯半价"。做互联网产品也希望产品能自己养活自己、自己造血，而不是一味输出免费产品——那跟做公益没什么区别。追求盈利的方法有：加大经常采用的 ROI 高的营销活动力度，让投入产出比高的营销手段持续反复地做；提供高级功能让用户付费解锁；进行相关商品推荐——用户在电商平台买完 A 商品觉得很好，再引导他买 B 商品或打包优惠，拉动更多销售。

5. Referral 传播推荐

饭馆拉客常见"男 A 女免"（酒吧用得更多）、“满五送一”——凑满一桌人免费让一人消费（其实送的那个人的成本已经算进来了）。还有些新店铺装修非常精致华美，专门提供很好的拍照场景，让俊男美女来拍照发朋友圈——这些"网红店"无形之中产生了很多传播。互联网产品里：网页或应用里放一键分享按钮，允许用户快速分享到微博、Facebook；产品策略如 Dropbox 邀请好友、双方都获得空间扩容；共享出行类产品允许用户发红包邀请他人一起使用。诸如此类，无非是希望产生更多口碑推荐，一个拉一个、滚雪球式地获取用户。

漏斗越深，用户越少、价值越高

漏斗上宽下窄，类比到互联网产品很好理解：越上面的环节用户基数越大，随着漏斗往下走，存下来的用户越少，相应的用户价值越高——因为这些用户做出了更高级的举动、进入了门槛和要求更高的深层阶段。用一张图表的演示数据来看：

• 通过各种营销活动获取（Acquisition）的用户，作为 100% 的用户基数，用户价值约 0.1 美金；
• 引导用户完成账户注册，100 个人里只有 20 个人完成，这 20% 的用户价值提升到约 0.5 美金；
• 拿到这 20% 注册用户的电子邮箱，过一周或半个月后用 Email 把不活跃的用户召回网站，其中约 4% 成功回来浏览，用户价值上涨到约 2 美金；
• 这 4% 里有些人继续使用、体会到产品优势后愿意推荐他人加入，邀请来的用户也带来价值，用户价值上涨到约 3 美金；
• 最后约 1% 的用户愿意付费升级套餐，带来 Revenue 之后，用户价值显著跃升至约 25 美金。

可见用户处在 AARRR 的不同环节，价值和其创造的盈利空间是完全不一样的。

三、实例：知乎的 AARRR 漏斗

以知乎为例，看它的 AARRR 各环节都包含什么。

• 获取用户（Acquisition）：在各种应用市场推广 APP、通过搜索引擎购买关键词、做线上 SEO 等。这里有两张截图：左边是知乎的微博账号，知乎经常在微博发布有意思的内容，通过内容营销把站内有话题性、有传播力的内容经微博向大众展示，大众刷到后点赞、转发继续传播，知乎因此吸引更多客流进入站内；右边是知乎在哔哩哔哩（B 站）开的账号——知乎把第三方内容和自有内容（如自制视频《职人介绍所》）输出到其他流量平台，再从别的平台获客、吸引转化到自己的平台，这也是它现在常用的获客方式。
• 激发活跃（Activation）：知乎是 UGC 内容平台，用户在上面发内容既让平台更有价值，也是用户活跃的理由。知乎在版本迭代中把第二个 tab 改成了"想法"——有点像微博或 Twitter：原本用户发一个问题或回答要花不少时间撰写，创作成本较高；有了"想法"，点一下按钮就能轻松发很简短的内容，降低了创作门槛、提高了发内容的数量，让平台内容得到补充、整体活跃度提升。另外，当用户在知乎发出一个问题后，知乎会引导其邀请对象来回答，这个邀请的过程本身就是拉动别人填补问题下的空白，一问一邀，平台上高质量的问答内容就能更多输出，用户有更多精彩回答可看，整体活跃度也得到提升；当用户看到一个好玩的问题想分享、或刚回答完一个问题时，知乎也会立即引导其把问题通过各种社交平台转发出去让别人查看或回答——这是很自然地把好内容传播出去的方式。
• 提高留存（Retention）：如果用电子邮箱注册知乎，每周会收到知乎的邮件推送，讲讲站内有什么新内容、上线了哪些电子书、Live 商店里最近有哪些有意思的 Live；如果在微信或其他地方看到知乎转出来的帖子，帖子里有"打开 APP 查看全部 4 个回答"之类的按钮——已装知乎 APP 的话点一下可直接打开在 APP 内浏览，没装过则引导用户去 App Store 下载。通过这种方式重新唤起 APP 的启动，从而维护用户留存。
• 增加收入（Revenue）：在知识经济、知识变现的时代，知乎很适时地加入了这场洪流，通过好的内容获取用户的主动购买。它经常在内容平台上发布优秀内容推荐、“猜猜你对什么感兴趣”，时不时发点礼券促使用户优惠购买课程、Live、电子书——总而言之，用电商常用的方式引导用户更多下单，增加平台的整体收入。

四、实践中运用 AARRR 的五点注意

• 并非所有线上产品都适用。它更适用于 to C（C 端用户）的产品；有些 to B 产品获客不完全走线上，而是通过线下渠道、BD、销售或线下签单招标，线上漏斗对这类产品就不太适用。

• 并非所有产品都会经历 AARRR 全部环节。有些产品是战略护城河类产品，不追求盈利、没有收费功能，Revenue 对它就不适用；有些产品不需要广泛推广，比如企业 SaaS 产品，这家公司采购了自己用就行，Referral 环节就不一定重要。

• 并非所有环节都按 AARRR 顺序走完。有些产品一上来不注重让用户过早付费产生 Revenue，而是希望用户更快完成传播，Referral 环节会被提到相对靠前的位置——用户刚注册使用，产品就用新奇有趣的花样吸引他，并给出很愿意传播的结果。

• 环节与环节并不完全独立，有时是相关联的：做一件事可能同时带动用户激活和提高留存；病毒传播本质上也是一种获取用户的方式——传播出去、别的用户看到后注册进来，这一来一回本身就是获客。

• AARRR 不是互联网产品唯一可遵循的漏斗模型。它很经典，但网上还有其他版本：

  • 扩充版 AAARRR（三 A 三 R）：在五个环节最前面增加一个前置环节 Awareness（认知）。它与 AIDMA 模型很像——AIDMA 的第一个 A 是 Attention，就是获取注意、让用户对产品有印象、多产生品牌曝光。有了第一环节 Awareness，到下一环节 Acquisition 就更容易转化：用户如果经常在 App Store 推荐位看到某个产品被苹果推荐，某天有需求之后，就会更主动地搜到这个产品、自发下载成为用户。
  • 简化版（AAR）：即 Attract、Activate、Retain，涵盖了 AARRR 的一些核心精髓：Attract 可以理解成既有 Awareness 又有 Acquisition；Activate 是激活用户；Retain 是用户留存。简化版没有考虑 Revenue，更适合免费类产品；Referral 则可能合并到 Acquisition 里。

  所以调研自身产品时，用哪个模型更灵活、更适合，需要自行考虑，而不是机械地遵循 AARRR 的严格流程。

五、漏斗思维在 SaaS（to B）产品中的应用

AARRR 不一定适合 to B 类产品，但漏斗思维完全可以体现在这类产品里，为产品转化提供思路。2012 年国外有一份做 SaaS 产品的调研报告颇有启发——哪些环节可以运用漏斗思维：

• 网站访问者 → 免费试用，是一层转化；
• 免费试用者 → 付费套餐，是一层转化；
• 免费用户 → 付费用户，同样是一种转化；
• 首个 90 天的使用后留存下来没有流失，也是一种转化；
• 用满一年后，第二年、第三年、第五年是否持续续费，也是一种转化。

SaaS 产品同样可以使用漏斗思维，只不过不一定是 AARRR，需要针对不同的产品设置具体的转化漏斗。这份报告调研了一百家 SaaS 公司在不同环节的转化率，重点看最左边和中间两个纵列：最左边是要求用户绑定信用卡的产品，它们在"访问者到免费试用"“免费试用到付费"“首个 90 天后仍留存"“最终活跃用户"这四项转化率指标上都相对较差；中间是同类产品若不要求用户强行绑定信用卡、可直接使用，四项指标分别从 2% 提升到 10%、从 5% 提升到 15%、从 60% 提升到 80%、从 0.6% 提升到 1.2%，都有比较明显的提升。要不要绑定信用卡，卡住的是用户的使用行为：要求绑定时门槛更高，漏下来的用户更少；不要求绑定时，更多人能在这一环节使用、体验产品，流到下一环的用户也就更多，转化率自然更高。对比行业佼佼者可以发现，所有不要求绑定信用卡的产品，整体转化率均值都会更好一些。

报告里的四层转化画成漏斗就是：

infographic sequence-funnel-simple
data
  title SaaS 产品的四层转化漏斗
  desc 每层数字对比：强制绑定信用卡 vs 可直接使用
  items
    - label 网站访问者
      desc 进入免费试用：2% 对 10%
    - label 免费试用者
      desc 转为付费套餐：5% 对 15%
    - label 首个 90 天留存
      desc 试用后不流失：60% 对 80%
    - label 最终活跃用户
      desc 整体转化：0.6% 对 1.2%

SaaS 行业的佼佼者提高转化率，归根到底有三大做法：

1. 扩大顶部漏斗口径：把漏斗开口开大一点，让更多人从最顶层漏进来、把基数变大。相应做法包括：内容营销做得非常好、非常惊艳，很多人愿意主动转发传播；口碑好、善于把品牌打造得足够完善，很多人会主动搜索；同时绝不要求过早绑定信用卡，不会早早把一大部分用户挡在门外，而是让更多人尽早进来使用。
2. 聚焦最活跃的免费试用者（业内专业说法叫"评估者”）：通过用户行为指标识别出哪些是"围观团”（产品经理围观团、产品蝗虫）——这些人只是跟风围观，日后不会成为活跃者；而只专注那些真正有潜力成为后续购买试用的评估者，并免费辅导这些试用者，帮助他们达成个人目标。
3. 警惕付费用户的流失：新用户获取很重要，老用户怎么留住同样重要。通过监控带有流失预兆的相关指标，看哪些用户热度正在退去——比如三个月、六个月没再用产品——就主动介入提供帮助，联系客户询问为什么不用：是哪里做得不好、需求有变化，还是竞争对手有了更好的产品吸引了他们。通过这些方式，佼佼者可以提高产品在各个漏斗环节的整体转化率。

六、漏斗思维为什么重要：五个观点

漏斗既是一种工具，也是一种思维。为什么流量漏斗的思维很重要？可以归纳为五个观点：

1. 说到增长（特别是用户量增长），无非从两个环节切入：扩大漏斗口径、提高转化率。扩大口径很好理解：砸更多钱、做更多 SEO 优化，让更多用户进来、基数变大——这是大多数人想到的增长方式。但后一种常被忽略——提高转化率。用各种方法获取了很多用户，如果留不住、进来左顾右盼一下就走，这些用户就是白白花费的成本；他们流失掉，相当于这部分获取成本均摊到了最终留下来的用户身上，单个用户成本会变得更高。与其让很多用户涌入后大规模流失，不如在产品里做一些打磨，让进来的用户更好地留存、沉淀下来——最终留下来的有价值用户，才是有效增长。
2. 不要老想着打造"核武器”——闭门造车造出一款终极的大杀器，一上线投放市场产品就获得爆发性增长。这是小概率事件：业界看到的华丽增长策略都是幸存者偏差，能看到的必然是成功的，大量失败的东西是看不到的。“核武器"只是最理想的状态，增长黑客日常所做的，还是围绕不断扩大漏斗口径、打磨提高转化率这些基本功展开。
3. 增长黑客与产品经理的对比：产品经理做的是打造一款产品，增长黑客做的是优化打磨这款产品。如果说产品经理打造产品的工作像人的手脚四肢，那增长黑客很多时候就像关节——关节固然可以不润滑，但只有关节更加润滑之后，人才能出拳更有力、踢得更远、跳得更高。增长黑客就是那个润滑关节的角色。
4. 不要看不起转化率的日常优化：有时把转化率从 1% 提到 2%，对产品整体来说很可能就是 100% 的增长——因为转化率公式是一连串相乘，当任意一个乘数扩大一倍，等号后面的结果自然也扩大一倍。老板说今年要指标翻倍时，与其绞尽脑汁想办法让用户获取量翻倍（甚至花费很多成本），不如在页面转化率上做提升：打磨按钮的设计、把按钮移到更合适的位置、提高它的对比度，把点击转化率从 1% 提升到 2%——这个看起来微不足道但很容易进行的提升，最后就可能让最终的商品订单量、销量翻一倍。
5. 增长很像巴菲特强调的复利。巴菲特很推崇价值投资中的复利，我也很推崇在增长中不断累积复利效应。公式很直白：1.01 的 365 次方约等于 37.78。做增长的过程中，在产品里将某个功能点每天提升 1%，三百六十五天、一年积累下来，相对于原本的指标就是非常可观的复利效应。所以不要拒绝细节的打磨——这种累积的效果和价值是可以被放大的，非常可怕。

1.4 - 增长团队的2种形式及7步协作流程

从 Facebook 的增长团队说起

增长团队如何设置、实战中有哪些核心步骤，是增长黑客从理念走向落地的关键。

Facebook 的扎克伯格接受媒体采访时曾被问到：早期发展中有什么至今回味起来仍觉明智的决定？他没有谈别的，只谈了一点——“我们做的最重要的事情，就是发明了增长团队”。网上流传的两张 Facebook 早期增长团队截图中，一张是早期成员合影；另一张上有许多国旗，既象征这支增长团队多元的国际背景，也象征着它进军国际、把 Facebook 带向全世界的野心——而且他们真的做到了。

Facebook 的增长团队至今已有十多年，架构一直在不断调整。从近两年的架构图看，最高负责人就是扎克伯格本人亲自领导 Growth Team（增长团队），其下设有若干各司其职的小组：

• Core Growth（核心增长）：负责 Facebook 核心产品最重要的指标，如日活、月活、新用户注册、留存率、用户时长等。
• Growth Central Service（增长中心服务）：与增长相关的内部底层基础服务，如数据分析仪表盘、灰度测试工具、A/B 测试工具等供企业内部使用的工具。
• Social Good：近两年成立的部门。技术本身是中立的，但使用中可能误入歧途——此前网上爆出 Facebook 工程师为测试分发算法的科学性，将带种族歧视倾向的言论定向推送给算出来可能持同类倾向的人群，实验成功了，但事情爆出后被骂得很惨。成立这个部门是为了更好地管理舆论、应对危机，可以理解为品牌维护、口碑维护和公关危机应对。
• Messenger：Facebook 内部的聊天工具，2013 年并入增长团队，整个团队围绕这款产品进行开发迭代及用户增长相关工作。
• Internet.org：创新业务，就是新闻里常出现的"热气球"——气球捆绑着无线上网热点，飞到非洲上空时，当地人用手机即可接入 Facebook 提供的网络。Facebook 希望借此让世界上无法上网的地区也能享受上网的条件。
• Growth Strategy（增长策略）：从全局统领与增长相关的工作。Facebook 甚至把投资也视为重要的增长策略——当内部的产品和项目没办法打败竞争对手时，就直接考虑收购对手。例如 Instagram 就是 Facebook 收购来的，为了挽救平台上青少年用户严重流失的局面，干脆把最大的竞争对手收了过来。

硅谷增长团队的两种形式

硅谷像 Facebook 这样的科技公司大多会设置增长团队，主要有两种组织形式。

功能型增长团队（Functional Growth Team），以 Twitter、Pinterest 和 Dropbox 为代表：

• 增长任务不由专门独立的增长团队完成，而是贯穿在产品、技术、日常营销等各个职能部门内部。
• 日常工作由领导决定项目的优先级和路线图，下属成员的工作安排需将对增长的贡献纳入考核指标。
• 整个团队附属于产品功能之下，所有成员向工程团队或产品团队负责人汇报。
• 能发挥的最大作用往往直接取决于负责人：他必须是一个完全相信数据、并意识到产品本身就是不断迭代更新的技术类人才，不能接受凭某种模糊直觉或本能来行事的工作思路。

独立型增长团队（Independent Model），以 Facebook 和 Uber 为代表：

• 独立于产品、技术、市场营销部门之外，工作职能完全围绕增长展开，由专门的负责人负责。
• 团队成员主要依照不同产品线分配，每组配备各自的产品、研发、设计和数据分析人员。
• 最大挑战是如何在维护用户体验和追求强劲增长之间取得平衡。比如增长团队设计了全新的注册流程，带来更多注册用户，但这些新用户加入产品社区后冲击了既有的社区文化，让老用户抵触，给运营团队带来麻烦；应对不好，就可能在公司内部演变成相互不信任。
• 构建信任的最好方式之一，是订立一份书面协议，承诺增长团队不会尝试牺牲用户体验来换取增长。可以与其他团队联合商议完成这份协议，最好让公司 CEO 知晓并存档，在独立型增长团队与其他团队之间构筑一道缓冲，减少未来发生矛盾冲突的可能。

两种形式各有优势：独立型增长团队更看重速度和迭代，主要挑战是如何与外部团队协作沟通；功能型增长团队透明度大，追求增长的路径相对平稳，但增长与体验之间的矛盾依然存在。以我的观察，国内中小型创业团队更多采用功能型模式；只有具备一定体量的大公司，才有足够的动力和资源搭建独立型增长团队，并为团队提供充足的探索和试错机会。

令人欣喜的是，自从《增长黑客》上市至今，业内经过很多探讨交流，国内有越来越多的科技公司开始探索成立增长团队。作者初步收集了一部分名单，而且正在尝试的公司越来越多。打开招聘网站搜一搜"增长黑客"或"增长团队"便可验证：很多融了多轮、正在谋求高速增长的有前途的公司，都开始组建这样的团队，邀请增长方面的人才加入，开出的薪水都不菲。

增长团队协作的七大关键步骤

在增长团队的日常协作中，遵循比较科学的方式来践行，对持续、有效地输出增长黑客案例有极大帮助。归纳起来是七大关键步骤：

• 一、设立增长目标
• 二、收集分析数据
• 三、做出假设
• 四、实验优先级排序
• 五、设计并执行实验
• 六、分析结果
• 七、将结果系统化

七步依序画成信息图就是（每步配金融理财 App 案例里的对应动作）：

infographic sequence-roadmap-vertical-simple
data
  title 增长团队协作的七大关键步骤
  items
    - label 设立增长目标
      desc 本例锁定提升留存率
    - label 收集分析数据
      desc 发现基金定投使用率与留存正相关
    - label 做出假设
      desc 头脑风暴列出引导开通的候选手段
    - label 实验优先级排序
      desc 用 ICE 三维打分选出最优方案
    - label 设计并执行实验
      desc 打磨弹窗文案，转化率提升 80%
    - label 分析结果
      desc 弹窗时机提前，转化率再升 90%
    - label 将结果系统化
      desc 洞察复用到 ASO、广告与利息计算器

这七步是怎样一个协作流程？可借助一个具体案例来理解：某互联网金融理财 App（不提名字，但的确是作者好友所在团队做过的一个成功案例）。

案例实操：从目标到假设（第 1-3 步）

第一步，设立增长目标。 这款金融理财 App 当时追求的目标是提升留存率。目标设定好了。

第二步，收集分析数据。 围绕目标分析数据，看哪些事情能帮助提升目标。一段时间的分析后发现：产品本身有很多功能，其中一个叫基金定投，这个功能的使用率与用户最终是否留存呈正相关。于是问题变成如何引导新用户开通基金定投，团队将目标设定为提升 50%。

第三步，做出假设。 为了促使更多用户使用定投功能，团队内部头脑风暴，考虑用什么产品技术手段引导用户开通，比如：

• 用焦点图加文字说明，向用户介绍基金定投功能；
• 首次启动时增加一个定投功能的引导浮层；
• 在恰当的时机用弹窗推荐用户开通；
• 向用户发送 Push 引导使用；
• 给用户赠送一部分预存金额、引导开通定投等。

这些方式无非是让用户主动发现并启用定投功能——定投使用率与留存率正相关，用户定投用得越多，最后留存的可能性越高。

实验排序与执行（第 4-6 步）：ICE 原则与文案打磨

想法很多，怎么排序、怎么选出最优先尝试的？这里有一个 ICE 原则，是肖恩·埃利斯提出的对大量实验想法进行优先级排序的标准：

• I（Impact，影响力）：不同点子影响覆盖的范围不一样。有些事情做完能覆盖 100% 的用户，比如在新手注册引导页面做些什么，所有新用户都能看到；有些事的影响范围可能只有 20% 甚至 5% 的用户能看到。其他条件相近时，应优先考虑 Impact 更大的尝试，否则事倍功半。
• C（Confidence，信心）：对实验最后成功率的把握。有些事之前验证过、属于验证过的常识、或有数据支撑，成功的自信度就很高；有些只是拍脑袋的假设、行业内没有成功先例，confidence 就比较低。
• E（Ease，实现的难易程度）：有些实验周期久、烧钱、需要团队拨付很多资源，实现难度就大；能用更轻巧、聪明、灵活、简单、低成本的手段实现的，难度就低。

肖恩·埃利斯推荐给每个维度打 1 到 5 分。一个方案如果三项都是满分，就是 15 分的顶尖方案；如果影响力很强可以打 5 分，但信心和实现难易度都很差只有 1 分，最终只能得 7 分，在整体排序里就有了优先级的权重。用这种方式为诸多方案打分，选出分数最高的优先执行。

本案例中，团队选出的最好方案是弹窗：标题"定期投资"，内容问用户"你是否愿意开通每周 5 美元的定期投资（即基金定投）"，下面两个选项——“好的"和"稍后再说”。弹窗出现在用户首次投资之后。这种模态式弹窗会极大程度抢夺用户注意力，团队希望用这种略带强制性的方式，让绝大多数用户都注意到并开通定投。这就是第四步排序完成、第五步设计并执行实验。

经过多次实验、几经打磨，最后得到一组最佳实验组：将文案优化为"如果你每周存 5 美元，五年后本息就可以累积 2600 美元。从今天开始，每周投资 5 美元吧"。这个文案让投资门槛显得很低（每周只要 5 美元），又把最终成果处理得很好——2600 美元看起来投入产出比非常高，更能刺激用户看到对话框后愿意开通。实验结果表明，这组最佳实验组的转化率较之前的方案有 80% 的大幅提升。

第六步，分析结果。 实验过程产生了很多新洞察，如何在洞察之下持续优化提升？团队最终想到的进一步方案是：把弹窗时机提前。原本是用户完成首次投资之后才看到，现在用户还没进行任何投资，但凡点击任何一个可以投资的页面，窗口就会蹦出来。通过这一优化，转化率又提升了 90%。仅一个月内，通过两个关键实验，新用户的基金定投率获得了三倍提升——这就是这款产品通过实验、通过完整科学流程获得的增长。

系统化与回顾（第 7 步）

最后是系统化环节。经过前面的试验和优化，团队得到的核心洞察是：将小额投资的累积结果量化出来，就能帮助用户开始投资。他们把这个洞察运用到了其他地方：

• ASO（应用商店优化）：在关键词里更强调基金定投功能、强调小额投资累积的结果，用数字让用户更清楚地知道，用这个产品可以获得很高的投入产出比。
• 广告投放：在 Facebook 等平台投广告时，在广告图片里尽可能展示很高的投入产出，让用户更愿意开通定投。
• 利息计算器：团队开发的新功能，植入 App 中。用户打开输入每周定投多少钱、经过多长时间（三年还是五年），最终能获得多少利息，直观清晰地看到小额投资经过一段时间累积后的转化成果。

通过以上种种方式，把之前的洞察系统化、完善地展示出来，使之成为一种线上机制，帮助产品持续不断地获得增长。

回顾七大关键步骤：一、设立增长目标；二、收集分析数据；三、做出假设；四、实验优先级排序；五、设计并执行实验；六、分析结果；七、将洞察系统化。后续章节将通过作者亲身实操的完整案例，进一步讲解这七大关键步骤的实施运用。

1.5 - [案例]7大核心环节实现用户增长

案例背景：云诺网盘与五大市场挑战

以下以作者亲历的一次实战案例，讲解增长黑客日常工作中的七大关键步骤。产品是作者曾参与打造的云诺网盘：它很像国外的 Dropbox；在国内，可以把它想象成类似百度网盘的云存储网盘类产品。2011 年作者加入一家创业团队，当时试过很多创业方向，网盘工具是项目之一。

产品上线之初，团队遇到了五大市场挑战：

• 知名度低：团队不算明星团队，而且刻意控制业内曝光，不希望产品过早发声——否则会引来竞争对手注意，居心叵测的投资人会来打探风声，一些"产品经理围观团"也会像蝗虫一样一窝蜂前来把玩试用，各种行为扰乱产品数据，严重干扰对产品实际的判断和数据分析。
• 竞争激烈：立项时云存储概念刚起来，做了一段时间后，云存储一下子从蓝海变成红海。除云诺之外，不少大公司也入场：百度有百度网盘，360 有 360 云盘，金山有快盘，新浪有微盘，华为也出了自己的数据银行，等等。竞争一下子变得非常激烈。
• 预算有限：天使轮虽融了不少钱，但全平台网盘同步工具很烧钱——一方面成本花在硬件上（带宽、机房、服务器等），另一方面要招 iOS、安卓、Mac、Linux、Windows 等全平台工程师，人力成本很高。每月开支巨大，留给市场团队的营销预算就非常少了。
• 先天不足：工具类产品在传播上有先天不足。社交产品基于人与人的关系，自带传播属性；游戏（尤其是网络游戏）做传播相对容易；媒体类和内容类产品也各有增长套路——媒体类靠不断吸收好内容，比如罗辑思维做"得到"，本质是媒体，靠签约李笑来、成甲等优质作者；内容类靠找好渠道、好媒体投放，比如网综和自制剧都希望最大程度全网发布，在优酷土豆、爱奇艺、腾讯视频等获取全网点击。工具类在这方面就捉襟见肘了。
• 行业操守：CEO 是从美国回来的美籍华裔，看到国内很多互联网产品的营销做得比较 low、比较低俗，团队不希望自己也这样做。一方面天使用户有很多是格调较高的设计师、工程师，如果低俗营销没能吸引来新用户，反而把老用户吓走，就得不偿失了。

面对这五大挑战，团队还是得做一些动作，让市场、投资人、团队的信心得到提升。于是 2012 年下半年，团队决定做一次增长类活动。

第 1-2 步：设定目标与数据分析

围绕增长，一上来要设定增长目标。团队的目标是新用户注册量，把它当作核心指标，一切增长工作都围绕提升新用户注册来展开。

目标设定完，第二步围绕目标做数据分析，看怎样才是比较合理的增长方式。当时查阅了很多数据，其中一组引起了作者的注意：微软曾在官方技术博客发布过一张其网盘产品 SkyDrive 的用户使用情况图（不是云诺的实况图，但与当时产品情况很像）——平台上 99.94% 的用户（大多数头部用户）使用的空间非常少，都在 7GB 以下；只有 0.06% 的长尾用户会使用比 7GB 多一些的空间。

看到这组数据，团队意识到：既然用户并不会使用这么多空间，给他多少空间都只是一个上限数字。换句话说，只要用户没有实际上传文件，给他 1KB 和给他 1TB 本质上没有太大区别——用户并没有占用团队的带宽、硬盘和空间，云诺也不会因此付出更多成本。这个数据给了启发：完全可以搞一次增长活动，噱头就是给用户送出更多空间。互联网做产品、做活动要打造爆款、做到极致，而"更多空间"的极致就是无限空间。

于是团队做出了整个活动策划最原生的假设：如果做一次活动，给用户免费送无限多的空间，这个活动会不会很成功？

围绕"免费送无限空间"，团队还结合当时的一个传言造了个噱头。那时正好是 2012 年底，盛传玛雅预言的世界末日：人类将从第四纪元进入第五纪元，世界将不复存在。这个梗本身是个笑话，没多少人当真，但团队希望把热点事件与营销活动结合来增强传播。团队发了很多 EDM，以 CEO 亲口吻讲了一个故事：既然世界要末日了、人要毁灭了，我们还创什么业、做什么互联网产品？都没有意义了，不如做一次"开仓放粮"的回馈活动——你要多少空间，就可以从我这边拿多少空间，算是世界毁灭、人类不复存在之前，团队对社会做的最后一点贡献，以此答谢一直热爱、支持我们的用户。这个故事包装得有点荒诞又有点温情，所以活动预告发出时，很多人好奇：又不是愚人节，云诺网盘的团队一本正经地发这样的通告，是真相信世界毁灭，还是别有盘算？无形之中为活动积累了很多事先的关注。

第 3-5 步：设计并执行实验

基于上述假设，接下来想办法设计实验来实现它。团队想了很多交互方式，经过很长时间讨论，最终确定的方案是：页面核心是一个"你需要多少空间"的数字，两边是加减按钮，点加号加 1GB、点减号减 1GB，最后有一个确认按钮。点完后，已登录的用户，所选的空间数字会汇到账户上；没有注册过的用户，会先弹出一个浮层填写基本注册信息，完成注册后空间照样汇到账上。

这个方案很简单，但它是推翻了很多相对复杂的方案之后，选出的优先级最高、最方便快速实现的方案。完成方案后，团队只花了一个晚上进行设计和代码研发，第二天就推广上线，开始尝试。

实验结果令人满意：官网自然注册量激增了 400%。这对团队是一个信心的提振——给用户免费送更多空间这个点被验证了。团队的洞察是：用户喜欢更多空间，更多空间足以撬动他们来注册账号。

页面里的"心机"设计：让传播自动发生

基于实验结果，团队围绕这个线上页面展开了更多策划，设计更多传播点，希望带来二次传播。

为什么用加减按钮，而不是一个文本输入框？ 用加号按钮，本质上是希望让用户有所付出。太简单、太轻易地把一件东西拱手送给别人时，别人是不会珍惜的；只有当他付出些什么——时间、精力、体力、金钱、智力——才会觉得这件事很有参与感，是靠自己亲身的努力和付出才得到的，从而更加珍惜，进而更多地使用产品。

加减按钮里的彩蛋。 设计参照了日本知名游戏厂商科乐美（Konami）的经典游戏《魂斗罗》：原本只有三条命，但在标题画面输入"上上下下、左右左右、B、A"，三条命就会变成三十条命。参考这个理念，当用户按照特定的指令序列点击加减按钮（比如"加加加、减减减"），页面就会触发各种彩蛋：背景更换、官方小人形象变更、说的话变成其他吐槽、空间数字后面加几个九或几个零等。彩蛋怎么跟传播结合？当活动中后期不那么火、该参加的人已经参加过、热潮逐渐退去时，可以通过官方或第三方的方式把彩蛋放出去。别人看到彩蛋会来尝试，尝试成功后再截图或拍照转发出去——基于彩蛋，二次传播和三次传播自然就解决了。

会变身的官方小人。 设计师围绕官方小人画了很多设计稿，用户点击过程中随着数字变化随机变成不同的小人，让页面更好玩、更有话题性，从而制造传播性。

与佳得乐的跨界营销。 通过数据分析发现，很多用户在页面上点击约一分钟、拿到 60-70GB 左右空间时就会离开——要么觉得拿得差不多了，要么点了一分多钟手有点酸、有点累。于是团队做了一次好玩的跨界营销，与运动功能型饮料佳得乐合作：用户在页面点击空间，从 69GB 点到 70GB 的那一瞬间，官方小人会变成与佳得乐合作的瓶子形象，说的话也变成另一句——“点了一分钟，是不是手很累很酸、想休息一下？没关系，喝一瓶佳得乐吧，佳得乐解口渴更解体渴”。这把用户点击一分钟手酸的心理与佳得乐的品牌诉求巧妙结合，植入很有意思，用户会心一笑，正好休息一下，休息完接着点、接着领空间。佳得乐的合作伙伴很喜欢这个创意，第一时间批了 30 箱饮料作为活动奖品。团队随即在微博上搞有奖转发：无论抢到很多空间还是对抢空间毫无兴趣，都可以转发活动微博助力推广；只要转发，每隔一小时抽取一位幸运朋友，送出一整箱佳得乐。当时在微博上送实体奖品很有吸引力，很多人为了饮料自发转发，活动被推得越来越热。顺带一提：30 箱饮料最终送出去 16 箱，剩下 14 箱被团队内部消化了，从 2012 年底一直喝到 2013 年夏天都没喝完。

超级马里奥吃金币音效。 点击加号按钮时，页面会播放超级马里奥吃金币的"叮叮叮"声。为什么播放这个声音？有几个原因：

• 它是听觉反馈，产品经理的基本功，告诉用户"这个按钮已经点下去了"。
• 用户可能不知道、甚至不喜欢云诺网盘，但一定玩过超级马里奥，知道吃金币是很爽的体验。用声音这个媒介，把用户固有的体验和回忆与产品强行关联起来——在云诺一 GB 一 GB 拿空间，就像超级马里奥吃金币一样，是一件很爽的事情，刺激用户的神经，建立这种关联。
• 从传播性出发：吃金币的声音是很尖锐、穿透性很强的音频，而云诺的用户很多是办公室白领和学生，日常就在办公室里各自面对电脑上网。活动上线后，办公室里若有人正在疯狂抢空间，一方面是"哒哒哒"狂点鼠标的声音，另一方面若他不幸插着耳机或音箱，“叮叮叮"的吃金币声就会在办公室里回荡。左邻右舍的同事可能上来问：“你是不是上班时间玩游戏、在玩超级马里奥？“这时他可以义正言辞地回答：“我没有玩超级马里奥，而是在参加云诺网盘的抢空间活动，这个网盘我一直在用，最近推出无限抢空间，要多少就可以点走多少。“无形之中就把线上的传播场景带到了线下——一个人安利了一屋子人。

这个策略一开始并不确定能否成功，但衡量下来，作为实验它的投入成本很低：网页里插一个声音可能只要五六行代码，考虑浏览器兼容性也就十几二十行，再搜一个超级马里奥吃金币的音效，时间很短，值得尝试。最后的结果印证了传播是成功的：微博上很多人主动 @ 云诺官方，说办公室已经完全是一片鼠标点击声、又成功安利了几个同事等等。

“故意不修"的 Bug：借工程师的炫技心理做传播

这个页面还有一个最大的心机设计：如果懂技术，可以很肆意地作弊。其一，加号按钮无非是点一下加 1GB，但如果会用脚本或第三方工具，完全可以让机器自动点击，不必守在旁边一下一下地点，机器一秒钟能点几十次上百次。其二，“就抢这么多"按钮点完后，只是给服务器发一个请求，告诉服务器该用户最后抢了多少空间、就下发多少；懂技术的人完全可以拦截并篡改这个请求——原本抢了 10GB，篡改后告诉服务器抢了 10000GB，服务器就会真的下发 10000GB。

当技术人员发现这两个 bug 后，第一时间找到作者，希望多给一些时间修复。作者的回复是：不给这个时间——一旦上线，说不定效果还更好。技术人员一开始不太相信，实际上线后才证明这个判断是正确的。带着 bug 的页面上线 20 分钟后，作者所在的杭州知名工程师开发社区 SegmentFault 的 QQ 讨论群就开始围绕这个活动讨论了：有人说"你才抢 60GB，我抢了 2012121GB”，有人说"我只抢了 65GB，顶多了”；接着有人开始贴代码——直接 POST 提交到某个地址，参数都破解出来了。看到这种情况，群就沸腾了，大家恍然大悟：原来这个页面有 bug，利用它每个人都可以抢更多空间。于是奔走相告，通过各种途径传播这个 bug。另一个工程师聚集的论坛上，也有人专门开帖讨论：单击加号可以用某软件实现，记得选择快速模式、选择重复次数、录制快捷键、播放快捷键，连软件地址都贴出来了；下面很多人跟帖讨论改什么函数、改什么参数、动哪个模块可以抢走更多空间。大家无所不用其极，尽一切可能想从云诺夺走更多空间。

看到这种情况，云诺官方团队笑而不语，没有做任何响应，甚至注册了很多小马甲一起来推活动、抬高热度。为什么愿意这么做？工程师们从各种角度讨论这个活动，无非是出于炫技心理，想以此体现自己技术好；团队正是利用这种心理，让这些人制造了很多讨论和传播。而这些讨论传播对活动有害吗？仔细想想问题不大：用户无论通过官方方式，还是工程师散播的方式，无非是换一种姿势来抢空间；但不管用什么姿势，他都必须在云诺注册一个账号，从而达成活动的核心指标。即便他用不同姿势抢走更多甚至无限的空间，云诺都给得起——之前的成本核算早就算过了。基于这个判断，用户在论坛上自发发起破解讨论，对活动有百利而无一害。

会不会因此需要危机公关？也很好解决：活动结束后，通过官方或第三方渠道再发一篇活动复盘，讲清楚官方团队是如何巧妙策划这次无限送空间活动的，把前因后果完整呈现——既可以发到营销论坛形成二次传播，还可以转手贴一份到工程师聚集的论坛。之前竞相踊跃破解活动的人，看到复盘策划后才会恍然大悟：这个团队不是真的技术不行，而是一切都在策划之中。稍微聪明一点的人就会闭嘴。

当时有很多人通过论坛或自己的博客、空间、主页，围绕活动自发写文章：《免费无限网盘空间活动》《无限狂送活动》《开挂方法注册》《无限空间扩容》等等，展开各种讨论。官方原本只准备了两篇软文想通过各种渠道发出去，后来发现没必要了——用户自发帮活动发了可能有几十上百篇。这些文章为了炫耀破解技术高明，都会先介绍活动背景、先介绍云诺网盘这款产品：“云诺网盘是一款非常好的产品，空间非常大，用户体验非常好，我一直在使用；最近他们做了无限送空间活动，你固然可以通过官方渠道抢空间，但也可以通过我这个渠道自动化地一键轻松抢空间。“这些反向链接也让云诺在搜索引擎上的排名更高，间接起到了 SEO 的作用。

从百度指数看：2012 年之前团队一直默默无闻、没有进行任何宣传，整个指数的跃升完全就是 2012 年底通过这次活动一下子飞跃起来的。这款产品其实在 2014 年已被团队慢慢放弃，但看整个百度指数曲线，完全是靠 2012 年底世界末日这波活动顶起来的；后续虽然热度降下来了，指数也比 2012 年之前高出很多。

投入产出、系统化与复盘（第 6-7 步）

整个活动的投入，主要就是人力成本——团队内部的工程师、设计师、产品经理等人员成本。这些本身就是公司的固定开支，没有构成额外成本；与佳得乐合作的赞助，也是"空手套白狼"拉来的，没有花费额外成本。所以投入基本可以算零。

产出方面：活动进行之前，云诺网盘的自然增量用户平均每天可能只有五六十；活动刚上线两个小时，自然增量用户已经超过两千；整个活动期间，平均每天的自然增长用户在六万到八万之间。完全靠这一次增长黑客的策划，注册用户得到了千倍提升，这在当时看来是非常了不起的成绩。另外还有一个意外的收获：这次活动很意外地帮团队引起了投资人的注意，很多人主动抛来橄榄枝，新一轮融资也很快因为这次活动产生了，是很大的惊喜。

把整个活动视作一次成功的试验，它的结论是：更多空间是吸引新用户注册以及活跃的非常有效的手段。于是在第七步"系统化"环节，团队策划了很多基于赠送更多空间的产品和运营机制设计：在产品里每天打开签到送空间、关注官方微信公众号免费领空间，以及其他围绕赠送空间展开的线上运营活动。这些体现了把"赠送更多空间"系统化、机制化的设计。事实证明，之后再搞类似的送空间活动，效果都非常好，用户非常买单。

最后回顾这个案例复盘出的、科学增长团队运作协作的完整流程：

• 第一步：设定一个明确的增长目标；
• 第二步：围绕增长目标收集分析数据；
• 第三步：通过数据分析提出假设；
• 第四步：围绕假设想出多种增长手段，进行优先级排序，选出最有可能马上上手的方案；
• 第五步：设计并执行实验；
• 第六步：分析实验结果，决定是运用、摒弃，还是继续打磨优化；
• 第七步：将结果系统化、机制化。

以上即科学的增长团队日常运营协作的关键步骤。

2 - 第二章 · 验证市场可行性（PMF）

本章回答一个前置问题：你的产品值得被增长吗？Paul Graham 的名言「Make things people want」一针见血——创业公司最大的风险是投入资源去增长一个没有 PMF（Product-Market Fit）的伪需求产品。

本章要点

• 为什么必须先验证市场可行性（PMF）：压缩时间创造财富的前提是做对产品
• 五步验证法：圈定目标用户 → 六渠道挖掘潜在需求 → 一张模板找到核心定位 → 五步骤设计 MVP → 开发并验证
• 实例：一个找到产品 PMF 的完整实战案例
• 彩蛋：两个快速验证商业想法的工具

2.1 - 为什么需要验证市场可行性（PMF）

从 “Make things people want” 说起

讨论增长之前，先要回答一个问题：什么是 PMF？

美国有位著名的程序员兼投资人保罗·格雷厄姆（Paul Graham），他创办了投资孵化器 Y Combinator，还写过互联网圈颇有名气的《黑客与画家》。他在书中提到：创业者获得惊人财富，并不是因为改变了财富创造的方式。创造一百万美元的方式有很多——加入创业公司拼命干三五年，等公司上市拿钱走人；或加入国有邮政公司，朝九晚五工作三十年。创业公司只是压缩了工作强度，把三五十年的工作时长压缩到短短三四年之内。

他还说过一句很经典的话：赚钱的方式很简单——You just make things people want，只要做人们想要的产品。这看似简单，对创业公司却是至理名言：它一针见血地点出，创业公司要活下去、要赚钱，最重要的是探知用户需求，做人们真正想要的东西，而不是臆造伪需求的产品。

什么是 PMF：产品与市场匹配

怎样才能 make things people want？这里要引出一个重要概念——PMF，即 Product/Market Fit，产品与市场相匹配。这个概念由硅谷创投大神马克·安德森最早在博客中提出，定义为：在一个好的市场里，用一个产品去满足这个市场。

理解它要从创业三要素——团队、产品、市场——说起：问 VC，多数人说是团队；问工程师，会认为是产品；而安德森认为创业成功与市场的关系最大：

• 良好的市场中潜在客户多不胜数，市场会把产品从创业公司中"拯救"出来，即"酒香不怕巷子深"。市场急需的产品势必脱颖而出：产品不需特别优秀，仅有最基础的功能就够；市场也不在乎团队是否精英，只要能产出可用的产品。夸张点说，客户会主动上门，创业者只需思考如何回复他们的邮件和电话。
• 相反，在糟糕的市场上，不管产品多优秀、团队有多少明星，人们都不会买账——大家根本没有需求，创业注定失败。

这并不是说团队和产品不重要，只是同样的基础下找准市场需求最关键，这个需求与产品价值功能的匹配点就是 PMF。

还可以用金字塔模型来理解：各要素按层级分布，越往下越基础，必须完成下层才能开始上层工作。首先要探索市场、找到未被满足的用户需求——发掘 target customer（目标用户）和他们的 underserved needs（未被满足的需求）；然后提出产品的价值主张，开发产品，优化用户体验。在不断改进产品的过程中，产品与市场之间的 gap（鸿沟）逐渐被填补，这时才能找到 PMF。

三种类型的 PMF

• 第一种：用更好的产品体验满足已有市场。 市场已被明确定义并存在，但现有产品体验不够好，用户在寻找额外功能或更便利的使用方式来解决已知问题。典型例子是 Slack：在体验高出一筹的 Slack 问世前，早有 Skype、HipChat、Yammer、IRC 等产品企图占据企业内部沟通协作市场，但它们体验虽不差，还没好到让人眼前一亮、成为生活方式级别的改变。
• 第二种：用一个产品满足已有但部分需求未被满足的市场。 初创公司抓住一个细分市场直接推出产品。Uber 是典型代表：最初它把许多公司雇佣的司机劳动力与用户市场匹配——这些司机平时只需把高管拉到机场、在城市间穿梭，晚上和周末空余时间较多；Uber 把他们与"已有需求但未被充分满足"的市场匹配起来，即搭完出租车想用信用卡付款的人。之后，Uber 又把这类用户与"有车又想赚外快"的普通人市场匹配，把整个付费出行的盘子越做越大。
• 第三种：用一个产品创造新市场。 这类产品无疑会遭遇重重障碍：产品诞生之前，用户不知道自己需要它，需求不存在，市场也压根不存在。以微博（Twitter）为例，微博的流行让多数人不曾想到可以跟名人、品牌互动——仅通过 @ 一下就能轻松实现。

很多初创企业会组合以上形式，比如 Airbnb 把第一种和第三种结合：服务于已有市场（私人旅行者和商务旅行者），但满足他们从没体验过的需求——住在普通人家里而不是酒店。

为什么要分三类？因为定义好自己的 PMF 后，才能明白焦点应放在哪里：

• 满足已有市场的产品，需要非常优秀的用户体验和较重的营销推广投入来抢占市场份额；
• 满足"部分需求未被充分满足市场"的产品，要保证发展过程中仍服务于原本的核心用户，营销需要更精细的策略——新用户往往被推荐、折扣这类活动吸引；
• 创造新市场的产品，独有挑战在于不单要提供有价值的用户体验，还要说服用户去体验、教会用户使用，把市场教育起来。

案例：Instagram 如何找到 PMF

再看一款著名产品——Instagram 最初是怎么找到 PMF 的。

它的前身叫 Burbn，融合了地理位置服务 Foursquare 与热门社交游戏公司 Zynga《黑帮战争》的主要元素，采用 HTML5 开发：用户可对所处位置随时签到、规划未来行程、在假想的虚拟空间里扮演黑帮大佬兼并地盘赚取点数，还内置聚会照片分享功能。整个产品结构零散庞杂，新用户上手不知所措，团队拿给朋友用时总是无法解释这是怎样一个产品。发布几周后，Burbn 用户量勉强达到一千多人，从此再无增长。

摆在面前有两条路：要么继续加功能，让 Burbn 成为无所不包、能记录生活任何事的服务；要么调转方向，精简功能，孤注一掷抓住一两个核心需求，做精做专。团队最终选择了后者——数据显示用户很喜欢照片分享功能，干脆把这个模块单独拎出来做成独立 App。接下来一周，他们在旧金山找了家咖啡店专心绘制新产品草图：不同于 Burbn，这款照片分享应用居中显示大图，紧随图片有互动评论区，上传的照片默认对所有人公开。产品只花一周开发出原型，一发布经过口口相传，轻松带来超过十万注册用户——是 Burbn 的一百倍；很快不仅在全美火了，还在日本乃至全亚洲火起来；一个月后用户量继续攀升，成功吸引到一百万用户。

原本只是复杂产品中的一个功能子集，最终以简单的概念和聚焦的特性赢得青睐——这就是日后的 Instagram。2012 年 4 月，创立仅 551 天的它被 Facebook 以十亿美元天价收购。创始人之一 Kevin 事后表示：虽然 Burbn 出师不利是个错误的开始，但世界上最好的那些公司都曾脱胎于其他产品，要做的正是发现并让它进化成别的东西。这个不断发现、让它进化的过程，就是不断寻找 PMF 的过程。

PMF 与增长黑客的关系

一个自然的疑问是：知道了 PMF，就能帮业务增长吗？公司产品整体增长业绩平淡，是因为没用好增长黑客技巧吗？不一定——很可能，是项目本身没有达到 PMF。

增长黑客理论的奠基人肖恩·埃利斯提出过创业金字塔模型：公司必须先找到 PMF，接下来才能向增长期过渡，最终实现指数级增长。换句话说，PMF 是一切增长的基础。合格的增长黑客必须能在早期帮助团队找到 PMF、顺利过渡到增长期，之后才有施展空间；否则不管做什么，一切都是徒劳。这就像：PMF 是那个"1"，增长黑客的一切努力就是在后面加很多"0"——如果"1"没有了，再多的"0"都徒劳无功。

2.2 - 第一步：圈定产品的目标用户

第一步：确定产品的目标用户

衡量是否达成 PMF 分为多个步骤，第一步是确定产品的目标用户是什么人。调研的主要方法有三种：

• 理论假设：在有一定客观依据的情况下，设想目标用户可能是什么人。比如假设人都是趋利的，通过小恩小惠、红包吸引来的，就是对利益非常敏感的人群。
• 生活经验：根据日常生活的所见、所想、所悟来确定目标用户。比如做一款异性交友产品，目标用户首先是有异性交友需求、比较年轻、荷尔蒙旺盛的群体，很可能是以大学生为主体、年龄层向上向下各推五年的人群。
• 数据分析：通过数据描摹出用户画像。

调研的常见渠道：电话访谈；邀请典型用户进行面对面的、有来有往的深度访谈；直接深入第一线实际观察，看用户是怎样真实使用产品的。调研时要专注于用户使用产品的核心价值、核心需求，要有感同身受的同理心，团队也能借此统一意见、做出明智的决策。

如果产品发布没多久、可调研的用户较少，还没有大概感知，可以先凭经验粗略圈定一个目标用户群体，日后在不断学习和迭代中修正、完善。这其实就是互联网公司常做的事——描摹用户画像。

用用户画像（Persona）描摹目标用户

一个好的 Persona（用户画像），通常需要以下信息：

• 基本信息；
• 心理性格信息；
• 工作背景；
• 互联网使用习惯；
• 目标产品的使用场景；
• 对目标产品的态度、观点、习惯等。

描摹这些信息，最终能体现出产品大概是哪类用户在使用：他们日常使用中的心理状态、需求是什么、真正想解决什么问题、通常遇到哪些难点痛点。心中有用户画像，才能更好地理解用户，提供他们真正想要的产品。

案例：酒店哥哥的三张用户画像

“酒店哥哥"是一个在线会议预定平台：会务公司通过它预定酒店会议间，再包租给有需要的甲方，举办几十人、上百人的大会。平台同时连接会务公司、甲方和酒店三方。

为明确用户画像，酒店哥哥特意制作了三方各一张用户画像，贴在办公室内，让全公司随时看到，从而明确目标用户是谁，在做产品设计和运营活动时更有针对性地策划满足三方的产品特性。三张画像模拟了三个典型精准用户——M. Wong、Mark Man 和酒店销售经理，还像模像样地配了真实用户照片，让人对形象有直观感知。画像上的文字体现了角色的月收入、来源、年龄等信息。

不要想当然地猜测用户：腾讯的弯路

研究用户需求没有什么捷径，不要以为自己可以想当然地猜测用户习惯。产品研发中最容易犯的错误，就是研发者挖空心思创造出一个产品，像对自己的孩子一样珍惜呵护，认为是心血结晶，但用户根本不需要——这就是舍本逐末。

公认做产品非常好的腾讯，在这方面也走过很多弯路。现在很受好评的 QQ 邮箱，以前市场根本不认可，因为对用户来说非常笨重、难用。后来腾讯只好对它回炉再造，从用户的使用习惯和需求去研究什么功能才是真正需要的。整个研究过程中，腾讯形成了十百千法则（10/100/1000 法则）：产品经理每个月必须做 10 个用户调查、关注 100 个用户博客、收集反馈 1000 个用户体验。方法看起来笨，但很管用。

马化腾多次强调，不要想当然地猜测用户习惯：有些自认为定位于低端用户的产品，想都不想就滥用卡通头像和花哨的页面装饰，以为这样就是满足用户需求；有些自认为定位高端的产品，又很喜欢自命清高。这些都是不尊重用户、不以用户为核心的体现。他相信用户群有客观差异，但没有所谓的高低端之分——不管什么年龄和背景，所有人都喜欢清晰、简单、自然、好用的设计和产品，这是人对美最自然的感受和追求。

用户调研的八个注意点

• 用户永远是对的。 与"顾客是上帝"等效。不管什么时候，主观判断、个人认知、个人情怀，最终都要服务于商业目标，其他一切因素都要在用户面前低头。用户不认可、不愿意购买付费，商业产品终归无法成长。所以永远不要贬低、否定用户，用户的一切意见都应纳入考量。
• 对用户保持耐心和和善。 交流时内心可能多少有不认同，但要压抑住，态度上保持耐心和善，听取意见、取其精华去其糟粕。态度出了问题，沟通的过程和结果都会出现偏差。
• 别直接照搬用户的反馈。 用户的反馈有时基于已有认知，有时根本不知道自己要什么。汽车发明之前，用户说"我需要一匹更快的马”，但他真正需要的是一辆更快的车。反馈仅供参考，不可百分之百照搬，要经过消化、吸收、提炼，以更合适的方案呈现出来满足需求。
• 别只看自己的用户，更要看不是自己的用户。 只看自己的用户操作简单，而沉默的大多数才更需要关注——他们不用你的产品，代表产品某些方面做得不够好、没满足需求。一旦弥补短板，很可能收获更大的潜在用户群体。
• 别被用户带走。 访谈时稍不注意就可能被用户牵着鼻子走：越扯越远、说无关话题，甚至绘声绘色的描述让你觉得他是对的，事后理性思考才发现并不符合逻辑。要把用户反馈控制在合理的框架之内，审慎判断。
• 捕捉关键点。 对产品的吐槽、与竞品的对比，往往反映关键信息：为什么竞争对手更好、用户判别依据在哪；为什么用户觉得你的产品不够好、哪些地方值得弥补。人人都爱听好话，但吐槽和竞品对比才能真正带来长足提高。
• 不要直接问用户是否需要某某功能。 内心觉得用户理所应当喜欢新功能，但用户面对面反馈时未必真心——可能想快速结束对话，可能说出调研者希望听到的答案：“好好，对对对，这正是我想要的。“实际上线后结果并不一样。不要单纯听用户说什么，而要看用户做了什么。
• 数据异常时尽快打电话询问。 产品日常运营中突然看到数据异常，条件允许最好尽快打电话，第一时间发现问题、排查异常在哪、找到解决方法；还能识别这个人是否是真实的、有价值的目标用户，使用场景是否合理，能否通过产品改动或运营手段帮他更好地达成目标。

实战案例：从"企业家"到"企业家太太”

作者有一位朋友从事互联网金融，公司最近跨界涉足保险，定位中高端人群，推出"企业家险”。未经调研时假想的用户是男性企业家，但上线后一直反响平平，用户行为也和团队预判不符。经过数据分析，又定向邀请了一些购买企业家险的人，才发现：最终下单的很多时候不是企业家本人，而是企业家的太太——她们觉得丈夫天天为公司操劳、不注重身体、没时间管保险和意外预防，为了表达对另一半的关爱，主动购置企业家险。

发现目标对象是企业家太太后，朋友很快调整策略：UI 整体设计更面向女性用户，说辞上打情感牌，而不是冷冰冰地列举性能参数。为更好满足这个人群，他们随后又推出新险种"亲子险"，保障企业家一家人整体的安全。这个险种一经推出更受企业家太太青睐，付费金额更多、保单价值更高，对公司来说又是非常稳固的增长。

2.3 - 第二步：通过6个渠道挖掘潜在用户需求

衡量是否达成 PMF 的第二步，是发现用户未被满足的需求。挖掘渠道有很多：官方渠道、粉丝爱好者的集散地、主动发放调查问卷、直接去竞争对手的阵地、社交网络挖掘，以及通过第三方工具检索用户使用过的关键词和搜索趋势。

一、官方渠道

官方渠道是触达用户最直接、最快捷，也是大多数人最先想到的方式，很多产品都会用它收集用户需求：

• 网页端产品提供客服链接或聊天窗口，用户点击按钮即可开启对话框反馈问题，得到及时回馈；
• 开放官方论坛讨论组，用户主动发帖求助，与官方异步沟通；
• App 使用中偶尔弹出弹窗，询问使用体验：体验好会去 App Store 给五星好评，觉得不够好则提反馈意见，或者什么都不说、“残忍拒绝”。

好处是足够直接，官方能第一时间收到并纳入数据库；不好的地方在于，用户觉得产品不够好时往往不会主动反馈——大概 80% 甚至 90% 的用户觉得不够好就直接流失了，压根想不到通过渠道跟官方反馈，大多数人没有这个耐心，只有少部分人愿意主动提交。

二、粉丝爱好者的集散地

这些集散地不一定是官方设立的，大多数是粉丝自发聚集的公开平台，比如百度贴吧，或在允许自建论坛的社群里建小组、建群，有意无意地探讨相关产品。

以买车为例：粉丝可能聚集在汽车之家这类垂直网站的论坛板块，找到想买的车型展开讨论；也可能去视频网站搜索汽车相关的 UP 主，看自媒体怎么评测这款车。作者很喜欢李三知的"知道二手车"，每期对汽车做大量原创评述，已经形成一种文化：汽车同好会在每个视频上大量弹幕交流，针对某款车深度讨论或吐槽补充。

这些集散地常能体现出未被满足的需求，比如"这款车型坐垫不够高"“那款车如果能改大一些、容纳一家三口五口使用，更符合中国国情”。明智的汽车厂商可以通过这些渠道第一时间了解用户的真实想法和反馈，更好地迭代改进产品。

三、调查问卷

即常见的发放调查表，或线下调研活动。发放调查问卷本身也是一门学问：如何设计问卷问题的层次结构？怎样检测对方是真心实意回答，还是敷衍地随便打两个勾？问卷设计的具体方法此处不展开，网上有大量资料可供参考。

调查问卷有时要配合其他手段效果更好：物质奖励、利益诱惑，或精神上的荣耀（比如"你是我们抽选出来的用户"）。毕竟用户填写问卷要付出时间和精力，给他们合理的回报，是提升完成度和内容真实性的重要手段。

四、竞争对手的阵地

这是作者非常喜欢采用、经常观测的渠道。只看自己产品的反馈数据，很可能就是闭门造车——看到的都是想看到的、以前预期过的。要判断产品与对手的差别在哪里、对手为什么某些方面做得比你好，不妨非常"明目张胆"地去看看竞争对手的阵地：别人家的产品做成什么样、运营搞了哪些花招、每做一件事用户在下面的评论是怎样的。观测竞争对手能少走很多弯路。

另一个值得观察的，是对手在应用市场的评价，尤其两个极端——好评和差评：

• 看好评：吸收用户在哪些点上被触到"爽点"——他们用了什么 feature、在哪些功能点上体会到爽快之后最乐意打五星，这对提升产品品质非常有帮助；
• 看差评：究竟是哪个或哪两个细小的点触怒了用户、导致恶评，这些点正是应当避免的。正所谓前人栽树，后人乘凉。

五、社交网络挖掘

除了肉眼观测、逐一查看统计，如果能结合语义分析，通过抓取定期找到用户经常讨论什么、情感如何、最常谈论的关键词是什么，挖掘效果会更好。

六、第三方工具：百度指数

还有一个非常好用的工具——百度指数（index.baidu.com）。它会反映一段时间内用户经常搜索什么关键词、围绕它有哪些衍伸的周边关键词、搜索趋势如何；还经常搞榜单，体现不同地区、城市的人常搜什么关键词、热门程度的变化；还允许对比两个关键词在特定时间周期内的升降趋势和热门情况。尚未用过的话值得一试，它有助于更好地了解中国这片广袤的市场。

2.4 - 第三步：用一张模板找到产品的核心定位

什么是价值主张

验证产品能否达到 PMF 的第三步，是定义产品的价值主张。它跟营销学里常聊的"定位"有一点相像：价值主张就是承诺交付给用户的价值，也就是对用户来说什么是有意义的、潜在用户应该选择这个产品的主要原因。

价值主张交代了三件事：

• 说明产品解决了用户的什么问题，或改善了他们什么处境；
• 提供某种具体的好处，最好能够量化出来；
• 讲述最适合的用户为什么选择这个产品，而不是竞争对手的产品。

定义价值主张的好处

• 更加专注：专注于真正应该做的业务和活动，知道提供什么来成为用户最佳的选择。
• 避免浪费：不只避免开发者浪费自己的时间、金钱和精力，也能帮用户筛选、过滤出他需要的产品。
• 推广更有说服力：帮助制定更有说服力的推广概念，以及在市场投放中传递给用户的合适措辞。只有更合适的措辞体现出价值定位的一致性，才能引发用户共鸣。

强有力的价值主张需要具体和清晰的描述——人们很难相信一个模糊的概念。比如开网店说这是"最大的网上商城"，几乎没有任何意义；换成"精选五万四千多件的产品"，影响力就大很多。

一张模板：价值主张句型

定义价值主张有一套模板句型，可以把熟悉的产品或正在做的产品往里套，看能否很好地阐述出价值主张：

我们的产品是一款（什么样的产品），专门为面临（什么烦恼/现状）的（某一消费者人群）研发；它不同于市场上现有的（哪些成熟方案、替代方案或竞品），能够提供（怎样的关键问题的解决）能力。

示范：谷歌电子表格

示范选取的产品是 谷歌电子表格，一款非常好用的在线协作文档工具，跟微软的 Excel 有功能交集，但做得更轻、更智能。套用句型可以这样描述：

我们的产品是一款轻量级的在线协作电子表格，专门为移动办公的办公室白领、商务或科研人士研发；它不同于微软的 Excel，能够自动化生成数据图表，并且完全免费、开放接口。

这句话里的关键词，一提出来就很可能击中某些人：

• 轻量级：Excel 笨重、安装麻烦，打开浏览器就能用的在线工具很方便，而且可以协作；
• 免费：Excel 收费且价格不菲，谷歌电子表格只要有账号人人免费用；
• 开放接口：懂编程甚至可以用它生成更高级的电子表格，或执行很多自动化营销的事情。

通过这样一句描述，谷歌电子表格的价值主张就很好地传达给了潜在用户。任何产品都可以套用这个句型加以检验。

定义价值主张的四个注意点

自检时可以对照下面这张表逐项打分（1–5 分，前三项分数越高越好，最后一项分数越低越好）：

• 这个问题是不是真的很让人苦恼？ 有时是一厢情愿地发现问题，觉得别人也会当成问题，但很多人可能并不在意。比如辛苦开发了协作工具，说它能提高日常效率、节省上班时间，省出的时间可以做别的事；但投放市场后用户未必买单——不是每个人都意识到效率的重要性，有人惯用原来的方法，哪怕浪费时间也无所谓：反正每天坐班八小时，事情做完也不能打游戏，按传统方法慢慢做，老板路过还能看到自己在认真上班。大多数人需要的可能是"杀时间"，而不是帮他"省时间"。这样的问题并不那么让人苦恼，价值主张就击不中真正的痛点。
• 这个问题是不是必须要解决？ 有些问题一旦出现一定要解决，比如微信老是崩溃、没法聊天；但用了几个月的微博某天被盗号，是否一定要找回密码？有些人挣扎一下，大不了重新注册、把原来关注的账号重新关注一遍，无非多关注二三十个账号。这种问题就不是必须解决的，为它做产品、声称这样的价值主张，无法打动人。
• 这个问题是不是很紧急？ 老板说明天就是 deadline，手头的事一个人根本做不完，旁边又没人帮忙——这时出现一个付费工具，能一键自动化快速完成大部分工作，尽管收费，很多人掂量之后也愿意买。因为这时真的很紧急、很重要。
• 市面上是不是有人能很好地解决？ 如果市面上已有很成熟的替代方案、很多人在用，产品没有更好的差异性，或没做出十倍产品，很多人不会看上它。十倍产品是指：别人已经解决了，新推的东西必须在某个层面至少比别人好十倍——性能好十倍、速度快十倍、价钱便宜十倍、信息量大十倍等等。能超出对手十倍，价值主张才站得住脚；否则用户为什么不直接用别人的产品？中间毕竟有替换成本。

收益付出比：用户为什么用你的产品

撬动用户使用产品，要想到一点：用户使用一款产品，一定是基于收益付出比的考量之后，觉得收益大于付出。具体罗列一下：

收益：

• 赚钱：领红包、省钱；别的产品收费而它免费；
• 节省时间：用很烂的旧工具要三小时处理，用新工具半小时一键完成；
• 人际关系：Facebook、LinkedIn 帮你积攒人际关系、刷存在感、结交新商机；
• 职场竞争力：LinkedIn、脉脉这类职场社交产品塑造更好的职场形象和竞争力；
• 名声口碑：最显而易见的是发朋友圈，展现自己美好、热爱生活、有成绩的一面。

付出：

• 金钱成本：花钱购买，或往里充钱；
• 学习成本：从熟悉的产品迁移过来，如果有很多创新，势必增加学习成本、提高认知负担——很多人懒惰、因循守旧、逆来顺受，教育成本会高很多；
• 迁移成本：A 社交网络已加了五百多个好友，很像的 B 出来了要重新构建好友关系链，成本就很高；
• 机会成本：用这个产品会不会因此丧失其他机会、放弃性价比更高的选择；
• 失败风险：花了时间精力结果很不满意，很多人宁可因循守旧用成熟套路；
• 名誉受损：用户本身有正经需求，但产品风评不好——比如正经交友的产品被冠以"约炮神器"之名，别人会怎么看？

把两边放到一架天平上，就是课程里的这张示意图：

flowchart LR
    GAIN["<b>用户收益</b><br/>赚钱 · 省钱<br/>节省时间 · 人际关系<br/>职场竞争力 · 名声口碑<br/>……"]
    COST["<b>用户付出</b><br/>金钱成本 · 学习成本<br/>迁移成本 · 机会成本<br/>失败风险 · 名誉受损<br/>……"]
    GAIN == "收益 ＞ 付出<br/>用户才会开始用" ==> COST

用户最终使用一款产品，一定是掂量之后觉得收益大于付出。所以定义价值主张时应尽可能呈现这种对比：让用户更多感知收益，把付出淡化，或让用户明确感知到付出比原本的替代方案少得多。

2.5 - 第四步：通过5个步骤设计产品的MVP

什么是 MVP

验证产品能否达到 PMF 阶段的第四个要点，是使用一种工具——最小化可行产品（Minimum Viable Product，简称 MVP）。

最小化可行产品，指把产品原型用最简洁的实现方式开发出来，过滤掉产品中原本不需要的冗余杂音和高级特性，快速投放市场让目标用户上手使用；再通过不断听取用户反馈、掌握有价值的信息，在此基础上对原型迭代优化，帮助产品尽早达到 PMF。

这个最简洁的产品原型可以是：

• 产品界面的设计图
• 带有简单交互的、很胚胎级的原型
• 一段视频、一个公众号或一篇文章
• 餐巾纸上手绘的几根线条

以上形态在实践里都出现过。它的要求只有一个：最快、最简单地传达「产品到底是什么」并去验证。目的就是尽快接触消费者、验证需求，从而通往 PMF。

合理的 MVP 长什么样：Uber 的例子

仍以 Uber 为例。这家如今风光无限的硅谷独角兽，当年的 MVP 非常简陋：

最早的 Uber 叫 UberCab，App 只支持 iOS 系统，只有两个基础功能：就近叫车和付钱。界面里没有任何设计感可言，用户体验也不算优秀，CEO 卡兰尼克还要亲自开车接单。但恰恰是这个简陋的产品解决了一个核心问题——验证出了市场需求：让人们用最快的速度、最低的价格找到出租车。

回头看今天的 Uber，不仅界面更美观、体验更好，还加入了一系列贴心功能——行程规划、司机追踪、时间预估、AA 付款等，甚至用游戏化的奖励系统帮助产品实现增长、提高司机和用户的留存。

构建 MVP 的五个步骤：以「在线定制球鞋 App」为例

构建 MVP 是有方法、有流程、有逻辑的。一个通用的流程共分五步：

1. 定义产品的首要目标
2. 定义产品的用户流
3. 根据用户流的每个阶段罗列产品功能
4. 对功能进行优先级排序
5. 构建最终功能集合

画成流程图就是：

flowchart LR
    A["① 定义产品的首要目标"] --> B["② 定义产品的用户流"]
    B --> C["③ 按用户流每个阶段<br/>罗列产品功能"]
    C --> D["④ 对功能进行<br/>优先级排序"]
    D --> E["⑤ 构建最终功能集合"]

以下用一个虚拟项目来讲解：假设要开发一款在线定制球鞋 App——用户在线选择配色、款式、装饰物，然后下单购买。

第一步：定义产品的首要目标。 即思考产品是用来干什么的、能解决用户哪些问题、最首要的目标是什么、怎么满足客户需求。这个案例的产品让用户在线定制球鞋，首要目标显然是「让用户收到一双独特的、经过定制的鞋子」，拆解下来有两层含义：

• 用户可以在线自由定制——App 需要有展示功能
• 用户可以在线下单买到——App 需要有电商功能

第二步：定义用户流。 很多人对用户流（User Flow / Behavior Flow）并不陌生：它指用户在使用整个产品中经过的路径，即完成一个任务的必经路线。本案例的用户流，就是用户「收到一款独特的定制球鞋」需要在产品中经历的所有步骤。定义用户流时要牢记：不要过多思考产品的具体特征，而要把注意力集中在用户完成首要目标上，拆解产品使用步骤——假想自己就是一个正在使用这款 App 的用户：先在线定制，再在线购买一双，接着查看订单进程，最后等待鞋子送到家。整个流程就是：定制（Custom-made shoe）→ 购买（Buy shoe）→ 订单管理（Manage order）→ 配送（Deliver order）。可以类比平时使用电商网站的一般流程，只是前面多了一步定制。

第三步：根据用户流的每个阶段罗列产品功能。 使用步骤确定后，针对每个步骤设计相应的功能特征。这是发挥创造力和想象力的时候——不要带着顾虑，也不要考虑优先级、可实现性，尽可能多地列举，再把功能点贴到对应的用户行为流下面，便于展示和团队内部沟通。罗列功能可以用穷举法：

• 定制阶段：用户希望流畅自由地定制产品，比如选颜色、选形状、生成 3D 预览图；用户第一次可能没找到理想方案、或希望下次继续——需要收藏功能；从社交角度看，个性化商品是很好的社交货币——可以加分享功能，允许用户分享给朋友
• 购买阶段：功能需求更直接——让用户最方便地「剁手」。要接入多种支付通道，尽可能覆盖所有用户群体；还可以允许支付时使用优惠券，配合后续的推广活动

功能排序与最终功能集合

第四步：对功能进行优先级排序。 不同功能的设计难度差别很大，带来的收益未必与劳动量成正比，因此要优先做那些执行简单、对产品提升最大的功能。此时需要问五个问题：

1. 它对完成这个步骤有多重要？
2. 多少用户会使用它？
3. 它的使用频率高吗？
4. 它能给用户带来多大价值？
5. 它存在风险吗？

对这五个因素在头脑中打分（比如 1–10 分），将前四项相加、减去第五项风险的评分，总分越高的功能，优先级就越高，可以考虑优先做。排好序后重新规划任务：优先级高的先做，次要的放一放。如果团队习惯用自动化任务看板，或喜欢在墙上、玻璃上贴便签条，就重新组织便签条的位置——把重要的提上来、次要的降下去。在定制球鞋案例里：

• 高优先级：选择颜色、尺码，生成 3D 效果图
• 中优先级：收藏
• 低优先级：分享给朋友

第五步：构建最终功能集合。 MVP 优先考虑的，就是上一步中优先级最高的那些功能，应当优先设计。如果用看板或便签条，可以在下面加一条线，把优先级最高的划分出来——这条 MVP 线之上的就是应该优先设计的功能，第一排一定是最重要的骨架，是构成 MVP 的必要但不充分条件。在定制球鞋 App 的例子中，MVP 需要的重要功能是：选择尺码颜色、微信付款、查看订单、物流追踪。

以上就是构建 MVP 的通用步骤，可结合具体情况灵活运用，找到最合适、成本最低的方式。

两点补充建议：其一，MVP 非常适合创业产品很早期的阶段，越早尝试效果越好；

其二，有些人觉得要等融资拿到钱、筹集到创业基金之后再开始做产品——没有必要。完全可以在动身创业、冒风险之前，就用很简单很聪明的方式把 MVP 做出来，投放到市场做小规模测试。

如果说 MVP 几经打磨，最终证明根本不适合市场，那就赶紧打消创业念头，留在原来的岗位上安稳做事，而不是冒着大风险出来折腾大半年一整年，最后发现产品从根上就是一个「看起来很牛、其实没什么用」的东西。MVP 在早期不需要做得很华丽，也不必追求它本身带来增长——它的作用是一旦验证产品在某个时间点达到 PMF，再把它开发出来，让正式产品快速增长。

三个 MVP 实战案例

大众点评：三天做出的网页

创始人张涛当年只花三天时间就做出了大众点评最早的网页。他以前很羞于给别人看这张页面，因为太丑了——但后来他意识到，这个最简陋的网页就是一个 MVP。当时他没有跟任何饭馆签协议，而是把旅游手册里的一千多家饭馆直接录入网站系统，只想验证一件事：网民在一家饭馆吃完饭，是否愿意进行点评。这个认知是大众点评商业模式最重要的起点。那时他们是无意识地做 MVP，如今已经会主动选择这种产品策略。

后来大众点评想切入餐馆订位服务。市场上的解决方案很多，比如电话预定；经过一番研究，点评想采用声讯电话模式：用户在手机上提交预定请求，用技术把文本转为语音，通过声讯电话服务商把要求发送给相应餐馆；餐馆按 1 或 2 选择是否接受预定，大众点评再把结果短信通知用户。这套方案听起来很漂亮，但开发至少需要三个月，而且他们并不确定用户是否愿意通过电话预定餐位。MVP 的思路再次帮了张涛——他做了一个很「性感」的实验：一开始完全不用语音转化技术和声讯电话业务，而是直接在后台找两位客服人员人工接受电话信息、致电餐馆、回复用户。换句话说，派人工假装成声讯电话，用这种方式验证需求和解决方案是否可行。验证发现大家真的愿意通过声讯电话订餐之后，他们才投入大量资源开发这套自动化系统。最终这套系统帮助大众点评逐渐从上海扩展到北京等区域。

PP 租车：一百单人工实验

PP 租车最早下单后的支付转化率很低，只有 20%。团队分析发现，新用户面对新业务很难建立信任：当时的产品流程是先在 App 下单、先支付——要交几千块押金，交完押金还要再交几千块租车金，全部手续做完，车主才能看到订单、决定是否接受申请。一个新用户面对一家自己不信任的小公司，没见过实车、只在网上看过图片，就要先充几千块钱，很难接受，很多用户的转化流程就卡在了这里。团队通过电话、调研等方式也确认：大额支付确实是卡点——用户没见到实物就要交这么多钱，构成了障碍。

于是团队提出核心假设：把租车押金降到足够低，或者先让用户看到车再交钱，理论上就能提高下单到成单的转化率。这个假设看起来很正确，但事先并不知道它的收益有多大、能提高多少转化率——不知道收益就很难贸然让公司投入大把时间和资源，说到底创业公司最要命的就是时间。于是他们围绕假设做了一个测试一百单的实验：从系统里筛选出一百个订单，用户一下单，PP 租车团队立刻让车主与用户沟通；产品经理亲自拿着 POS 机跟着车主找到叫车用户，当面交钱、当面交车。北京的大冬天，他们就用这种人工方式测试了一百单，结果这一百单用户最终全部成交，转化率 100%，而且用户很开心，再也没有那么大的心理压力。这证明了核心假设：用户愿意在看到车、且车主接单之后主动付钱。这个实验很简陋，没有任何产品上的改变，体验也说不上好，但用户还是接受了——这就是一个 MVP。实验之后，PP 租车迅速扩大方案、调整产品结构，整个研发组辛苦两周彻底改变了支付流程。功能上线后，整体订单成单转化率翻了一倍。

在行：先验证再开发 App

世界上有两类知识。一类是公共性知识，在 Google、百度百科里都能查到，解决方案是普世答案，对大多数人都有效——也正因对大多数人都有效，贡献答案的人会很多。另一类是个性化的经验性知识：比如做产品、做运营、做市场，甚至未来想做增长黑客，成长路上有很多艰难险阻，需要一对一的精细化指导，这对个人的价值更高，却很难在网上找到普世化答案。脱胎于果壳网的在行团队，最早要解决的问题就是：为每个人的个性化问题匹配行家，进行一对一指导。这件事的难点在于如何平衡双方的价值对标——A 为什么愿意帮 B？B 能从中获得什么？B 怎么衡量 A 的价值？A 怎么判断 B 的需求？

为了研究产品怎么启动，在行团队做了两件事：其一，假设产品已经做出来，模拟记者的身份在科技媒体上写一篇报道，大家看了报道会觉得很有感觉——这本身就是最小化可行产品的一种体现；其二，用果壳网的微信账号推送产品预告，并在 2014 年 11 月做了一个非常粗糙的 Web 页面，用各种曲折的方式测试用户的交易模式，花三个月积累了几十单真实交易案例。在这个过程中，他们理顺、搞清了产品逻辑——产品应该怎么运作，双边市场里双方各自怎么思考、心里大概怎么想。把一切想清楚之后，他们才去开发移动 App。

MVP 的五大优势

1. 节约开发成本：不需要烧几百万、上千万，最后才发现商业模式从根上就站不住。
2. 测试商业模式：MVP 的存在价值就是验证市场、测试商业模式，这是创业早期最重要的一件事。
3. 获得第一批用户（甚至付费用户）：种子用户很重要，在产品后续成长中可以作为冷启动的用户池、病毒传播的种子源头；如果 MVP 能吸引一些人付费，说不定还能解决项目早期的运营成本，甚至早早实现盈亏平衡，这对融资也非常有价值。
4. 获得更多反馈：创业想法停留在纸面或口头时，出去交流很难获得直观、清晰的反馈；一旦通过 MVP 实现出来，别人就能直观地使用它，给出更客观的意见。
5. 吸引投资人：只有一份商业计划书、空口说白话，有些投资人可能被打动，但更多只是看中创业者本人及其背景而不是项目；如果能拿出 MVP，说服力就不在一个层面上了。

2.6 - 第五步：开发并验证MVP的基本方法

低成本开发 MVP 的几种途径

调研与 MVP 设计的方法已在前文介绍。设计策划完成之后，接下来最重要的工作就是把它开发、实现出来。以下介绍几种低成本的 MVP 开发途径：

📅 2026 年更新：

2026 年的常见替代
AI 建站 / 落地页：Framer、v0（Vercel）、Durable，描述需求即可生成站点；极简单页用 Carrd（验证创意够用，约 $9/年）；WordPress 依然是主流选择之一
输入输出类服务：微信小程序 + 云开发（免自建服务器）；海外场景用 Telegram Bot；把现成服务串起来的自动化平台 Zapier / Make / n8n
AI 应用生成器：Lovable、Bolt.new、Replit——用自然语言描述需求，直接得到可运行的 Web 应用；复杂一点的用无代码平台 Bubble、Glide、FlutterFlow
AI 编程助手（Claude Code、Cursor、GitHub Copilot）：不太懂代码也能在 AI 协作下自己写出 MVP——“程序员朋友"已经装进编辑器里了

验证方式一：关键指标观测

MVP 开发出来之后，就要开始接受市场的检验。如何验证 MVP 是否符合市场需求、能否达到 PMF 阶段？以下推荐两种方式，第一种是关键指标观测：通过跳出率、停留时间、每次访问页面数、回访频率、客户生命周期价值等基本维度，对产品是否达成 PMF 做分析。

两种方式的关系如下图：

flowchart TB
    V["<b>验证 MVP 的 2 种方式</b>"]
    V --> A["<b>关键指标观测</b><br/>用户关键行为指标<br/>实现连续增长"]
    V --> B["<b>Sean Ellis 测试</b><br/>超过 40% 的用户因<br/>无法使用产品感到失望"]

常见的量化标准模板如下（具体数字要结合产品所在行业和所处阶段制定，不要直接套用，仅供参考）：

这里解释两个概念：

• LTV（Lifetime Value，用户生命周期价值）指用户在使用产品的整个周期里总共贡献了多少价值——比如用了一年半到两年，总共充了多少钱；
• CAC（Customer Acquisition Cost，用户获取成本）指为了获取这样一个客户耗费了多少成本。

如果 LTV 除以 CAC 大于 3，即花一块钱获取一个用户、这个用户在整个生命周期里能带来三块钱，这样的生意才算靠谱，商业模式才真正能运转起来。

看指标时不要只从单一维度看一组指标，建议在产品不同阶段循序渐进地追求「三连胜」——指标门槛由低到高、越来越难。如果在这种情况下指标仍能更好达成，说明产品正一步步接近成熟市场的需求。

「三连胜」的样板：Snapchat

最常用的三连胜指标是这三个：

1. 有显著意义的新用户增长
2. 有用户留存
3. 有意义的产品使用行为（比如付费、电商购买转化等）——用户增长好看、留存好，留存下来的用户还采取了有价值的行动

美国的 Snapchat 是 Facebook 强有力的挑战者，也是「阅后即焚」模式的最早发明者。它在早期爆发性增长时，就打出了一组漂亮的三连胜：第一，刚推出很快就达到每天 20 万次新增下载，而且新增用户的加速度越来越快；第二，不仅新增量猛，用户留存还高，50% 的下载用户次日仍留存并保持活跃；第三，平台上有意义的用户使用行为也很活跃——每天活跃用户上传的照片高达十张以上，这是非常可观的活跃数字。这样一款产品当初能挑战 Facebook、最终这么快上市，正是因为指标漂亮。

验证方式二：肖恩·埃利斯测试

第二种方式是肖恩·埃利斯测试（Sean Ellis Test），由「增长黑客」概念的提出者肖恩·埃利斯在他的作品里提出，并且他亲自验证过：

把 MVP 给别人用了一阵子之后，告诉这个用户：「对不起，你以后再也无法继续使用这个产品了。」如果有 40% 的人因为这句话表示非常失望，产品就算达到了 PMF 阶段；而如果大部分人的反应只是「好吧，不能用就不能用了」「那我找别的」，说明产品可能还没有达到 PMF——要么价值主张还无法打动用户，要么市场上存在更好的替代品，产品不足以替代它。

肖恩·埃利斯也特别提及了这个测试的三点注意事项：

1. 用问卷调查，而不是口头询问：口头询问时，别人很多时候碍于情面会给出很肯定、很积极的回答；问卷（最好是匿名问卷）更能反映客观情况。
2. 拿到足够多的回复：最好能拿到 40–50 个回复，才更有助于做出靠谱的判断。
3. 选对调研对象：不是随便什么人、或刚把 MVP 给人点了两下就可以征询意见。问卷应发给同时满足三个条件的用户——体验过产品的核心功能、至少使用过两次、过去两周内使用过。用户同时满足这三个条件时，才能得到想听到的声音。

回顾：用 MVP 验证 PMF 的六个阶段

1. 确定目标用户——知道目标用户是谁
2. 发现他们未被满足的需求
3. 定义产品的价值主张
4. 设计最小化可行产品
5. 创建 MVP
6. 验证 MVP

通过上述六个步骤不断反复打磨、测试、迭代，如果顺利，产品最终就能达到 PMF 阶段。到那时便可以放开手脚，正式大踏步迈上创业之路了。

2.7 - 彩蛋：快速验证商业想法的2个工具

本章回顾与彩蛋导览

本章介绍了如何用 MVP 验证商业想法、判断一款产品能否达到 PMF 阶段的方法论、手段和步骤。作为本章的补充，最后再介绍两种验证商业想法的工具：精益画布和设计冲刺。

工具一：精益画布（Lean Canvas）

精益画布（Lean Canvas）是《精益创业实战》的作者根据商业模式画布改良而来的工具，能帮助创业者找到产品与市场的契合，也就是 PMF。它有四个特点：

• 一张纸的商业计划书：非常简单，要做的就是填写其中九个空白；
• 制作迅速、内容紧凑、方便携带；
• 能在几秒之内轻松介绍自己的项目；
• 非常适合用来进行头脑风暴。

戴尔、英特尔、亚马逊等公司内部都在使用精益画布指导业务；斯坦福大学、科隆商学院也把它列为创业学课程之一。

精益画布的九个模块

精益画布把商业模式分割成九个相互独立的部分，使用者的任务就是填充画布内容，形成一整套完善的解决方案，并确保所有元素互相配合。九个模块依次是：

• 客户群体分类（位于右上角）：目标客户是谁；
• 问题：产品最能解决的三个问题；
• 收入分析：盈利模式、客户终身价值、收入、毛利；
• 解决方案：产品针对所能解决的三个问题做出的三个具体功能；
• 独特卖点：用一句简明扼要又引人注目的话，阐述产品为什么与众不同、值得购买；
• 渠道：如何找到目标客户；
• 关键指标：应该考核哪些东西；
• 成本分析：获取客户的花费、销售产品所耗费的成本，包括网站搭建费用、人力资源等；
• 门槛优势：产品无法被竞争对手轻易复制或买走的竞争优势。

具体使用方法可访问 leancanvas.com——这是精益画布概念的发明者打造的网站，有更充分的讲解，还可以在线生成精益画布、查看其他产品的画布。

案例：摩拜单车的精益画布

以摩拜单车为例，它能帮客户解决的最需要的三个问题：一是开车堵、打车贵、走路远；二是固定车桩不方便；三是自己买自行车，维护、管理麻烦。

完整画布可自行查阅。通过这个案例，能更直观地理解精益画布如何帮助验证创业机会。

工具二：设计冲刺（Design Sprint）

设计冲刺（Design Sprint）是 Google 内部梳理出的一套带领团队快速做创新设计并验证设计的基本流程。谷歌风投（Google Ventures）的合伙人历经 Slack、Nest 等一百余家初创公司的流程实验之后，在畅销书《设计冲刺》中总结出了这套方法论：只需五天时间，就能验证产品是否符合市场需求。五天各自对应的工作是：

• 第一天：描述问题，选出集中解决的着力点；
• 第二天：在纸上列出所有的备选方案；
• 第三天：做出艰难的决策，并将选中的方案转化为可测试的猜想；
• 第四天：制作真实的原型；
• 第五天：进行真人测试。

在作者的理解中，设计冲刺就是把传统精益创业压缩成一个五天的流程，并规定每天做什么，从而最大限度地释放可能性、发挥创意和创造力。

3 - 第三章 · 获客增长

增长的天花板往往由商业模式决定。借鉴硅谷投资人 James Currier 的框架：按「产品可扩展性 × 分销可扩展性」两个维度，生意分为固定产品固定分销、可扩展产品固定分销、固定产品可扩展分销、可扩展产品可扩展分销四类——只有最后一类才可能实现千倍爆发式增长。

本章要点

• 千倍增长的两个限制因素：产品生产与产品分销的可扩展性
• 七步构建获客增长计划
• 四象限矩阵：筛选优质获客渠道（规模/成本/精准/转化）
• 用户增长的七大内驱力与十大常见拉新获客手段
• 机制化增长：自动化营销（Marketing Automation）实践及工具
• 病毒式增长：打造产品病毒循环的五个步骤

3.1 - 导读：实现千倍爆发式增长的2个限制因素

两个维度与四种商业模式

硅谷科技圈一位名为 James Misher 的博主，在自己的博客里总结了限制一家公司能否实现千倍增长的关键因素。他把关键因素分成两个维度：产品的生产与产品的分销。根据这两个维度的难易程度，可以拆分出四种不同的商业模式。

第一种：固定产品，固定分销

最典型的例子是餐厅、律师事务所、医疗机构等。这类公司固然可以增长到很大的规模，但产品和分销并不受益于技术的进步，增长完全依赖雇更多的员工去服务更多的客户，而且产品和分销都需要大量的人际交互——服务人员必须与客户亲自见面。

这种生意卖的实质是从业者自己的时间，而时间是一种宝贵的、不可再生的资源：今天花三个小时服务一个客户，就无法同时用这段时间服务其他客户。这种售卖单份时间的生意，注定无法快速扩张，扩张成本也远远高于其他任何类型的业务。

第二种：可扩张产品，固定分销

可扩张产品指产品本身是标准化的，一旦形成标准，就可以快速、大量地生产制造，一般以高科技产品居多；但这类产品在分销渠道上非常固定。

以美国政府采购为例：订购一台性能卓著的一百马赫喷气式飞机，在今天的科技水平下，制造这架飞机已经不是难事，一家工厂能用很快、很专业化、很标准化的速度完成；但购买飞机的过程本身很复杂，制造商需要经历传统的国防采购流程才能卖出一台飞机，前前后后可能要忙上一两年。

另一个例子是 SAP 这类企业端软件：每生成一个软件副本（copy）很简单，作为互联网工具，简单的复制粘贴就能不断扩张产品本身；但限制 SAP 增长的是它的销售能力——企业要采购这套软件，同样要走销售流程。换句话说，它跟传统生意没有太大差别，只不过卖的是软件而已。所以类似 SAP、微软、Oracle 这样传统卖企业服务的软件公司，也越来越多地开始尝试云端销售，希望通过线上销售获取更多大客户，走出这一弊端。

第三种：固定产品，可扩张分销

在这类商业模式中，很多产品其实并不是高科技，本质很传统，但它们的分销方法是一种很创新的交付方式。

比如咪蒙的公众号是 2017 年最具代表性的公众号之一，读者规模庞大。咪蒙出身记者，写作手法和五年、十年前没有太大区别，都是用电脑或纸笔写作；不同的是，她的分销能力与从前已不可同日而语——因为她有了很强势的渠道：微信公众号。以前一个记者写一篇稿，只能发表在发行量有限的报纸杂志上，很难传阅；有了微信之后，同样写一篇东西，就能被更多的人传阅、看到。

类似的还有 papi 酱。她本身可以算是一个演员：以前演员在小剧场表演，稍有名气的可以上电视、拍电影；而在互联网时代，papi 酱作为一个素人，通过微博渠道就能被千万网友熟识、转发，随便一条视频都有上百万甚至上千万的点击量，影响力甚至超过很多小明星。她的产品本身——表演和剧作——是固定而传统的，但分销渠道、销售产品的路径已经有了全新的创新。

第四种：可扩张产品，可扩张分销

第四类在产品和分销两个方面都有创新，最典型的是以 Facebook 为代表的社交网络：作为互联网产品，它们的分销能力本身就很强，可以标准化、无限扩张；而平台上的内容又可以随着平台的扩张而无限扩张。

类似的还有 Airbnb、Dropbox 等。它们提供的都是线上虚拟产品，比如虚拟的双边市场摊位、虚拟的存储空间——这些都是比特化的产品，具有很强的可扩张性；同时它们自身作为互联网渠道，又具备非常强的增长潜力。这也是为什么很多互联网公司可能只花短短半年、一年、一年半的时间，就能超越很多经营了十几年、二十年的公司。

对个人选择与创业的启发

用“产品与分销渠道是否可扩张”这个判断框架，也可以为个人成长提供启发：如何选择一个更适合自己的、能高速增长的工作环境和成长状态？

• 去考量什么样的公司同时具备产品的增长性与分销能力的增长性；
• 警惕夕阳产业：产品已经老化、僵化，业务模式非常传统，分销渠道又单一、依赖大客户销售或人力密集的客户谈判，这类公司不具有爆发性增长的属性；
• 互联网行业之所以有这么大的魅力、这么赚钱，本质上也是因为它的产品和分销渠道都能实现大踏步的扩张，而不仅仅因为它看起来光鲜亮丽。

若要投身创业、选择一个领域，建议优先考虑第四类——可扩张产品，可扩张分销。因为只有在这种模式下，产品才有可能实现千倍的增长。

3.2 - 制定增长方案：七步构建获客增长计划

方法背景：Noah Kagan 与 Mint 的增长战绩

如何找到适合自己的增长路径？这里提供一个标准化的模板——七步获客法，它由 Facebook 早期增长团队的重要成员 Noah Kagan 提出。他为 Facebook 探索出了很多快速增长的方法，《增长黑客》一书中也介绍过这个人。

离开 Facebook 之后，财务管理软件 Mint 的创始人 Aaron 邀请 Noah 加入团队，并给他制定了增长目标：获取十万用户。一开始 Noah 也不知道从何处下手，好在经过一段时间的探寻，他总结出了获客七步的方法，他也称之为量化营销的手段。凭借这套方法，他仅仅花了六个月，就帮助 Mint 实现了从零到一百万用户的增长，超出目标十倍。最终 Mint 以 1.7 亿美元被成功收购，Noah 也实现了财务自由。

第一步与第二步：制定增长目标，设定时间框架

第一步：制定增长目标。 在开始策划各种增长黑客活动之前，必须设定一个切实可行、可以被测量的目标，这对任何营销活动都至关重要。制定目标的方法很多，Noah 推荐从公司营收的角度入手。

以三节课的增长黑客在线课程为例：想"增加学员数量"太宽泛了，增加多少算成功？十个、一百个还是一千个？这时可以从营收角度思考——假设目标是增加十万元销售额，这就是营收目标；再拆解营收结构：假设课程售价一千元，就需要多出售一百堂课；大多数情况下每个学员只会买一堂课，所以最终的用户增长目标就是一百个学员。

第二步：设定时间框架。 没有时间框架，任何目标都无法落地——既无法据此制定日程安排，也无法追踪进度。评估目标时需要考量各个维度：手头有没有资源、团队有没有人配合、能否拿到预算，然后据此制定一个合理的目标完成时限。

回到案例：增长一百名学员，一周太短（课程本身就要好几周），一年又太长，权衡后可限定在三个月内。由此得到一个完整目标：三个月内获得一百名学员的增长。

第三步与第四步：潜在渠道列表与优先级打分

第三步：用 Excel 建立科学的增长框架。 Noah 在 Mint 设定的框架是这样的：横向为渠道、流量、点击率、转化率、用户数、状态、是否执行、实际用户八个字段，纵向拆分不同的渠道。

这张表格用 Excel 做非常简单，各字段含义如下：

• 渠道：用户从哪里来，写下渠道名称；
• 流量：该渠道有多少流量。流量可以自行定义——公众号文章阅读量、网页访问量、广告展示量、APP 下载量等；如果不确定，可以询问上司或老板，他们对想要的流量一定有预期；
• 点击率：多少用户会从该渠道点击进入课程页面，或产品的 landing page；
• 转化率：访问课程的用户中，付费用户占到的比例；
• 用户数：该渠道可以带来多少付费学员；
• 状态：是否已与该渠道建立联系，比如已初步拿到报价单、已与其销售人员有过线上交流等；
• 是否执行：是否已正式在该渠道上推广，已开始记"是"，还没开始就先留白；
• 实际用户：渠道上线之后，最终真正带来多少用户（本例中即多少付费学员）。

Noah 建议最好列出至少十种、最好十五种获客方式，并优先选择最可能匹配潜在客户的渠道。

第四步：对渠道进行优先级打分。 评分分两个维度：一是渠道的影响力，一到五分，分数越高影响力越大；二是执行的容易度，同样一到五分，分数越高越容易。以推广三节课的增长黑客课程为例：

• SEO：难度不小，但影响力保守估计不会很大——增长黑客是较新的概念，大众认知还未上升到主动学习、搜索的阶段，关键词在百度上的搜索量权重较低。容易度三分、影响力一分，总分四分；
• 垂直论坛：做起来很容易，但 web 端流量正在衰退，影响力不会太大。容易度五分、影响力三分，总分八分；
• 社交媒体（公众号互推、广告等）：实施难度小，影响力反而更大，容易打造出爆款效应。容易度和影响力各打五分，总分十分。

按总分由高到低排序：优先选择社交媒体，其次考虑垂直论坛，SEO 放在最后——如果有足够的精力和资源再去考虑。

此外，还要从时间和预算两个角度衡量可行性：

• 时间：要求一周找十个客户，这是短期目标，做 SEO、公众号互推显然来不及，更好的方法是通过线上或直接登门面对面拜访两三个意向客户；相反，如果是一年获取一千个用户这样的长期目标，就可以考虑用 SEO 引流；
• 预算：预算为零还想投百度广告、花钱请大 V，显然不可能。最好的办法是写一篇高质量的软文，多找同行互推、向媒体投稿，引发自然传播，争取成为一篇十万加的文章。Mint 在增长到百万用户的过程中，只花钱买了 40% 的流量，其余全靠自然增长；如果全部花钱买，可能只需三个月就能达到一百万，但预算不是无限的，Noah 当时也只能量力而为——毕竟老板没有拨那么多钱。

第五步与第六步：预测效果，制定任务时间线

第五步：通过具体指标进行效果预测和优化。 流量监控可以分别用 SimilarWeb（评估网站）和西瓜公众号助手（评估公众号）两款工具。注意，这只是评估或大胆的预测——在正式付费投放或开始合作之前，拿不到精确的 CPA 转化数据，只能依靠经验或借助第三方工具。尽管如此，行业里的一些基本 benchmark 要心里有数：搜索引擎（百度、Google AdWords）的平均点击率约为 2% 上下，公众号广告的点击率大致在 1% 上下。如果实在没概念，或者遇到全新的渠道，可以大胆猜测，并在之后的迭代中不断修正、完善这个猜测。

第六步：把目标拆解为以时间节点为导向的细化目标，制定任务时间线。 时间单位是月就按月拆解，是天就按天拆解。这样做一是便于追踪和管理，二是短期内就能看到成绩，执行起来更有动力。Noah 经营自己的播客（podcast）时，就制定过一年增长十万下载量的目标——他没有采用烧钱跑量的简单粗暴方法，而是按月份对不同渠道分别制定增长目标，例如每月三千个来自 email、五十个来自 Twitter 广告。

再看三节课的案例：不必从第一天起就苦恼这一百个新客户从哪里来。把时间单位定为月，目标就细化为每月增长三十三名新学员；落实到渠道上，可以假设每月从增长黑客公众号转化来十个新学员。根据之前的数据预估，每月只需在这个公众号发一篇推文就能完成目标。经过第一个月的实验与摸索，第二个月的数据计算会更精准、流程操作更顺畅，也会更清楚哪些渠道的效率更高。

第七步：追踪渠道效果，持续测试优化

计划准备妥当后就可以执行了，但千万不要忘记增长黑客的核心思想：不断地测试和优化。

• 不断观测数据并调整：一轮跑下来，会发现某些渠道的表现特别突出，另一些则不行；目标有可能超额完成，也可能差得很远。这时需要淘汰表现不佳的渠道，加大优质渠道的投入，让营销活动走上正轨，保证目标完成；
• 及时修正预测数据：实际测试的数据与预测可能有偏差。比如之前预计增长黑客公众号每篇推送带来十个用户，实际却带来了二十个，这时就要修正预测，把转化率一栏从 1% 提升到 2%。需注意，计划表是以完成目标为导向的——如果没能完成目标，就想办法完成它：继续不断测试，优化文案、CTA、设计等，持续提高转化率。

Mint 在刚开始做营销时，就曾对六种不同的着陆页进行测试，从而找到了最契合用户痛点的文案，大大提高了转化率。

七步获客法小结

最后总结 Noah Kagan 提出的七步获客法的七个关键步骤：

• 第一步：制定一个增长目标；
• 第二步：设定一个时间框架；
• 第三步：做一张潜在渠道的列表；
• 第四步：初评渠道的可能性，进行优先级打分；
• 第五步：预测效果；
• 第六步：制定推广任务时间线；
• 第七步：追踪渠道效果。

按课程幻灯片的划分，画成流程图就是：

flowchart TD
    A["第一步：制定增长目标<br/>拆解为可执行指标"] --> B["第二步：设定时间框架<br/>制定达成目标的时间"]
    B --> C["第三步：制定增长策略<br/>制作渠道增长框架"]
    C --> D["第四步：初评渠道可行性<br/>渠道优先级打分"]
    D --> E["第五步：预测渠道转化效果"]
    E --> F["第六步：制定推广任务的时间线"]
    F --> G["第七步：追踪渠道转化效果<br/>调整策略"]

这套方法可以直接应用到日常工作中，用于更好地筛选渠道，从而提高投入产出比。

3.3 - 降低增长成本：筛选优质获客渠道的四象限矩阵

评估维度与四象限矩阵

一款互联网产品如果想获得十倍、百倍甚至千倍的增长，非常重要的一件事是找到可规模化、可持续的获客渠道：

• 规模化：渠道能触达的用户尽可能多，天花板足够高，潜在人群足够大众；
• 可持续：能在渠道上反复多次获客，而不是做一波就失去新鲜感，或只能靠刷脸、人情来获客。

如何筛选可规模化的渠道？一般从流量质量和规模潜力两个维度评判。规模是重要标准，常用 PV、UV、新用户比例等指标；质量方面，不管流量多大，如果用户兴趣低、转化率低，渠道价值就很低，常用停留时间、访问页面数、转化率等衡量。

按课程幻灯片的拆解画成信息图就是：

infographic list-grid-compact-card
data
  title 找到能规模化、可持续的用户获取渠道
  items
    - label 规模化
      desc 用户数量多，天花板足够高——流量规模看 PV / UV / 新用户比例
    - label 可持续
      desc 多次反复获客，而非一波流——流量质量看停留时间 / 访问页面数

用这两个维度即可构建四象限矩阵：

• 第一象限·优质潜力渠道：流量规模潜力大，且流量质量高——右上角的第一象限显然是最理想的情况；
• 第二象限·优质非潜力渠道：流量质量高，但规模潜力较小；
• 第三象限·低质小渠道：流量质量较低，规模也小；
• 第四象限·低质大渠道：流量规模大，但质量相对较低。

实战案例：用气泡图筛选最佳渠道

某公司做完一场拉新活动后统计出一组数据，需要分析并筛选出最佳渠道、加大投放力度。这里给出的是较理想的情况：假设各渠道的用户获取成本相同，此时 ROI 与渠道质量成正比，只需比较后面几项数据：

• 访问用户量：代表渠道规模，越大越好——花一样的钱，当然希望更多人参与营销活动；
• 新用户访问量：一定程度上反映渠道质量。设想一个渠道访问人数很多，但 90% 都是老用户，那它对拉新的价值就不大（当然，如果这次活动的目标是增加留存，价值可能就很大了）；
• 平均访问时长、每次会话访问页面数：反映渠道质量的基础指标，代表用户对产品的兴趣，越大越好；
• 跳出率：反映渠道人群是否精准。产品不对用户胃口，他们瞄一眼网站就走，跳出率就很高；流量越精准，跳出率越低。

质量评估口径的演进与指标体系

评估流量（渠道）质量的方式可分为三个阶段：

• 早期·粗放运营：关注访问量、跳出率、页面访问时长等指标，结算按 CPC 或有效访问用户计算。问题在于这些指标与业务没有直接关系——用户跳出率低，转化率就一定高吗？停留时间很长，就一定会下单吗？从统计意义上讲它们可能存在相关性，但不是绝对关联，以此作参考只是一种曲线救国的方式。粗放运营的缺点：一是用户可能没有为网站、产品带来任何实际价值；二是渠道作弊空间很大，机器人脚本能以很低的成本操控停留时间、跳出率等指标，营销方可能因此投放错误的渠道，被用作弊手段骗走大量营销预算。
• 现在·结合转化看质量：随着市场运营体系的进化，普遍根据激活、注册转化等目标来衡量渠道，并通过 CPA 结算，流量质量由此与业务产生直接关联。
• 未来·结合目标看转化质量：监测购买、活跃等更深层次、更核心的业务数据，即最终的转化阶段。

据此可以总结出渠道运营的基础指标体系：

• 渠道规模：访问量、访问用户量；
• 拉新能力：新用户访问量；
• 质量一级指标：访问时长、每次会话浏览页数、跳出率；
• 质量二级指标：新客到达注册页面转化率、新客注册成功转化率；
• 质量三级指标（强转化指标）：订单填写转化率、预定成功转化率等。

由浅入深画成分层漏斗就是：

infographic sequence-funnel-simple
data
  title 渠道运营的基础指标体系
  items
    - label 渠道规模
      desc 访问量、访问用户量
    - label 拉新能力
      desc 新用户访问量
    - label 质量一级指标
      desc 访问时长、每次会话浏览页数、跳出率
    - label 质量二级指标
      desc 新客到达注册页面转化率、新客注册成功转化率
    - label 质量三级指标（强转化）
      desc 订单填写转化率、预定成功转化率

三级指标与业务最实际相关，也最能直接判断渠道的真实质量。实际操作中可根据产品特性和具体要求选择指标，不必把所有层级都纳入常规指标体系。

四象限的投放策略

通过对不同流量渠道的梳理，可对四象限图做投放策略上的界定：

• 优质潜力渠道：放心投放。预算有限要重点投一个渠道，或预算很大想找渠道重点投放，首选都是它；
• 优质非潜力渠道：视手头精力与资源投放，同时尽可能寻找同类的相似渠道；
• 低质小渠道：视具体情况决定是否弃用，它们相对是最差的，如果不差这点渠道数字，可以直接放弃；
• 低质大渠道：密切观察留意，视手头成本决定是否适当增加投放。

识别恶意流量的三种方法

另一个经常遇到的情况是恶意流量：试水新渠道时各方面数据不错，正式投放后数据变差——是正常波动还是渠道作弊？直接访问量突然增多，是好事还是坏事？老板要求提升转化率，潜在提升空间在哪里？这些都需要对异常渠道做出判断，定位是否存在恶意流量。目前市面上低阶的刷量作弊手段，大部分通过机器模拟实现——成本低、速度快。

方法一：网页端 User Agent 分析。 用户访问网站时，IP 地址、操作系统等信息一定会被记录并存储在 User Agent 字段里提交给服务器，机器模拟也不例外。机器代替人工刷量，必然按非常机械化的程序访问，User Agent 一定存在不合理之处——它就是用户的脚印，可以用来辨别到底是机器人还是真实的活人。

案例：添加某推广渠道后，网站访问量短期内有巨幅提升。按浏览器版本拆分数据后发现，大部分流量来自 IE 6.0——一个非常古老、几乎已被淘汰的版本，世界上大概只有 3% 左右的浏览器在用，对应的还是古老的 Windows XP。这么多"老古董用户"突然冒出来并不正常；对比常见的 IE 11，流量增长则平缓得多。由此可见该渠道很可能存在机器模拟刷量，应谨慎处理。

方法二：APP 端 User Agent 分析。 对一款 APP 同样可以通过 User Agent 甄别机器模拟行为。

案例：数据显示很多用户使用三星品牌的手机，但仔细看型号却是华为 P8、OPPO P7 等，交叉属性存在明显冲突。少数用户为保护隐私，会通过 APP 或刷机工具修改参数，但这毕竟是少数；当这种情况大规模出现时，就是流量作弊的表现——很可能是利用虚拟机操作，即用电脑软件模拟手机。

方法三：时间维度分析。 将用户访问时间线拆分到以小时为单位，观察一天中不同时段的访问行为。

正常用户的访问行为呈 M 曲线：活跃时段集中在早上八点到十二点、下午十三点到二十点的工作时间，凌晨大部分人都在睡觉，不产生访问行为。而机器不需要休息，会不知疲倦地访问——一天内流量分布非常平均，呈现规律性的波峰，完全违背正常人类的作息规律，因为很多作弊程序会设定机器的访问周期（本案例中约以两小时为一个周期）。

总结：三点建议

1. 从流量规模（量）和目标转化率（质）两个角度衡量渠道、制定策略；
2. 将多种转化纳入渠道流量质量的评估依据，而不是最简单的访问转化或点击转化；
3. 通过灵活的维度组合与方便的高阶分析工具，准确定位恶意流量，找到影响渠道质量的来源或渠道，从而提高整体转化率与客户价值。

3.4 - 增长内驱力：了解用户增长的七大驱动因素

一家公司要增长，有很多驱动增长的因素。这里总结了七个驱动用户增长的关键因素：技术驱动、供给驱动、产品驱动、渠道驱动、运营驱动、品牌驱动、数据驱动。以下逐一分析这七个因素是怎样促进用户增长的。

七个因素相互并列、没有先后之分，画成信息图就是：

infographic list-grid-compact-card
data
  title 七个驱动用户增长的关键因素
  items
    - label 技术驱动
      desc 善用工具与技术红利，不重复发明轮子——Google、Uber
    - label 供给驱动
      desc 匹配供需、填补市场空白——共享单车、快手
    - label 产品驱动
      desc 产品创新、降低使用门槛——王者荣耀、绝地求生
    - label 渠道驱动
      desc 找对目标用户聚集地，低成本获客——陌陌
    - label 运营驱动
      desc 造节与活动拉动短期爆发——双十一、六一八
    - label 品牌驱动
      desc 品牌即转化率——聚美优品"陈欧体"
    - label 数据驱动
      desc 发现、分析、回顾三步突破瓶颈——春秋航空

技术驱动：善用工具，不重复发明轮子

技术驱动的典型代表是 Google 和 Uber。

增长黑客也必须熟练掌握各种工具和技术。互联网正在进入模块化时代，各种在线工具、SaaS 平台、效率 App 不断涌现，微信小程序也在不断出现。技术驱动营销的一个重要原则是：使用别人制作好的工具去执行增长任务，尽量不要自己重复发明轮子。虽然有时会牺牲一些自由度，但能极大提高工作效率。

供给驱动：匹配供需，填补市场空白

供给指企业提供的产品或服务。供给驱动增长，是指企业提供的产品或服务能充分满足用户需求、找到价值洼地，从而拉动用户规模增长。市场上很多需求原本就存在，只是没有很好的产品来满足；一旦出现好产品，就能解决需求、实现增长。其核心关键点是供需关系的匹配以及匹配效率。

• 共享单车：“最后一公里"出行的需求一直存在，但市场长期没有好的解决方案。有些城市的政府也提供有桩单车，但这种模式问题很多，既没有释放用户需求，也没有推广开。而摩拜、ofo 采取无桩共享模式，用户随停随取，极大降低了使用门槛，有效满足并释放了用户需求，一下子引爆市场，不但风靡国内还推广到了国际。这种情况下，车辆的供给数量决定用户增长的规模——车辆覆盖范围越广，用户增长越快。
• 快手：它百分之十几的用户来自一线城市，剩下百分之八十多来自二三线城市以及乡村县城。除北上广深外，广大二三线城市和乡村县城的老百姓也非常需要一个平台来展示自己，而不仅仅是看网红、看明星。在此之前没有特别专业的类似平台，互联网产品给人的感觉很精英、逼格很高，都是一线城市先流行再慢慢向下渗透。而快手把这个舞台给了每一个普通人：快手俨然成了当下中国的一个折射、一个小社会。用户的需求得到充分释放和满足，整个平台的创造性和活跃度也就得到了极大释放。

这两款产品都满足了用户需求、解决了痛点、填补了市场空白，因此实现了快速的用户增长。

产品驱动：好产品是增长的前提

互联网的本质是连接——连接供给方和需求方。产品作为连接的工具，决定了用户获取和转化的效率。产品驱动增长，就是通过产品创新以及降低使用门槛，来满足用户需求、扩大目标群体、提升转化率。说得直白点：产品做得足够好，用户就会首选它，用户就会源源不断地增长。

• 王者荣耀：将原本依赖电脑和长时对局的 MOBA，改造成适合手机的双摇杆操作与短时对战。更低的上手门槛和碎片化体验，让它既承接核心玩家，也吸引了大量此前未接触 MOBA 的新用户。
• 绝地求生（俗称"吃鸡”）：以大逃杀玩法和多人组队竞技形成强社交吸引力。创新题材、好友协作与对抗体验兼具话题性和广泛受众，为产品快速爆发奠定基础。

产品是为用户提供的解决方案，也是与用户进行交互的接口、吸引用户的核心关键。只有产品做得好，用户才有增长的可能性。

渠道驱动：找对聚集地，低成本获客

渠道指互联网平台这些流量的来源。渠道的属性决定了用户人群的质量和人群匹配度，渠道的大小决定了流量的多少。每家公司都会面临各种各样的渠道选择：如何筛选优质渠道、获取精准用户、搭建合理的流量来源结构、低成本高效率地获客，是很多公司用户增长最重要（甚至是最重要）的课题。同一产品在不同渠道的转化率会有很大差异；相同渠道采用不同策略，差异也很大。渠道建设最重要的是找到那些流量大、目标人群匹配、成本低效率高的渠道，采用适当的获客手段提升转化率。渠道驱动的关键点：寻找目标用户的聚集地，选择转化率高、成本低的手段获客。

陌陌的案例：早期在 App Store、91 市场等渠道投放成本高、效果有限，获客成本一度达六七元。陌陌转而测试微博、人人、QQ 空间等社区渠道，最终发现微博的用户匹配度和转化效率最高，于是集中投入。

关键突破在于场景化传播：不再直接介绍产品，而是借草根大号和大 V 用故事、段子展示“附近的人”能解决什么问题，让用户快速理解并产生下载动机。配合对投放时段和内容的持续优化，陌陌将获客成本降至几毛钱，实现早期快速增长。

运营驱动与品牌驱动

运营驱动，是通过线上、线下活动在关键节点集中拉动增长。互联网既是眼球经济，也是节日经济；除了借势公众假日，企业还会主动“造节”，例如双十一、双十二和京东六一八。

运营活动通常通过以下路径发挥作用：

1. 制造短期爆发：限时折扣、促销和主题活动集中刺激转化。
2. 放大品牌曝光：配合渠道推广，让活动触达更多潜在用户。
3. 沉淀长期增长：活动后留存更多用户，形成持续复购和螺旋式增长。

聚美优品“301”、360“518 理财节”、百度糯米女生节与吃货节，都是以活动拉动增长的案例。三节课也会在年终、新课上线等节点推出大促，并通过线下大会复盘、分享和交流，聚集新老用户、扩大品牌影响力。

品牌驱动，是通过建立鲜明、可信赖的品牌认知提升用户转化。品牌不仅是名称、标识和设计，更包含用户对产品功能、价格、服务、品味与便利性的整体感受。

“品牌即转化率。” 缺少品牌认知时，渠道投放往往成本更高、效率更低；产品和服务过硬后，还需要持续传播，才能让品牌进入用户心智。品牌一旦形成广泛知名度，就能显著降低用户的决策成本，进而带动下单和增长。

聚美优品的案例：2012 年，CEO 陈欧亲自出演广告，以创业者面对质疑仍坚持前行的形象，配合“哪怕遍体鳞伤，也要活得漂亮”等文案，引发了广泛传播。“陈欧体”迅速成为网络热点，陈欧微博粉丝从 100 万增长至 154 万；后续结合明星营销，聚美优品的品牌认知进一步提升。

数据驱动：三步发现并突破增长瓶颈

数据指企业在日常经营过程中遇到的所有可以量化的指标。通过这些指标进行一维和多维的交叉组合分析，发现增长瓶颈，驱动企业有针对性地给出行之有效的解决方案，最终驱动产品增长。数据驱动增长有三个关键步骤：发现问题、分析问题、回顾问题——通过数据深度解构业务逻辑、制定增长战略，分析每个业务流程和业务模块的具体问题，找到增长瓶颈进行重点突破；最后针对所有增长策略做数据回顾、复盘，确认哪些行之有效、应加大投入，哪些无效——要么放弃，要么分析为什么无效、哪些环节出了问题导致失败，从而尽快解决问题。

春秋航空的案例：过去，春秋航空主要通过邮件、短信和群发推送促复购，成本高、体验也有限。后来团队以会员流失指数和会员价值指数为基础对用户分层，分别采取发券、人工触达或停止投入等策略，在提升复购的同时降低运营成本。

对 OTA 平台用户，团队又按最近一次购买时间分群。AB 测试发现，下单后 0～7 天的用户最容易转化，于是系统自动在这一窗口推送返程机票优惠，推动用户转向自有平台下单。

类似春秋航空这样数据驱动增长的案例，除第一章有所强调外，后续章节还会单独展开深度讲解。

3.5 - 增长外驱力：十大常见拉新获客手段

本篇盘点十大常见拉新获客手段。增长手段非常多，这里提炼出日常做增长时最常用的十种：付费购买增长、打造流量爆款、搜索引擎优化、用户传播推荐、异业跨界合作、地面推广、补贴奖励、内容营销、事件营销、营销自动化。随着渠道和技术的不断涌现还会有新的手段，但万变不离其宗。

十种方式彼此可以组合使用，先用下面的信息图快速把握各自的获客逻辑：

infographic list-grid-compact-card
data
  title 十大常见拉新获客手段
  desc 从直接买量到自动化培育，选择与业务阶段、目标用户相匹配的组合
  items
    - label 付费购买增长
      desc 通过广告、SEM 等渠道定向投放，核心是 CPC 小于 LTV
    - label 打造流量爆款
      desc 用高频刚需或低价产品引流，再带动主营业务转化
    - label SEO 与 ASO
      desc 优化搜索和应用市场排名，持续获取自然流量
    - label 用户传播推荐
      desc 以产品口碑加邀请激励，让熟人关系带来裂变增长
    - label 异业跨界合作
      desc 围绕共同目标用户互换资源，实现双向导流
    - label 地面推广
      desc 在目标人群聚集的线下场景面对面触达并转化
    - label 补贴奖励
      desc 用与业务相关的奖励促体验与留存，同时防范羊毛党
    - label 内容营销
      desc 持续输出高质量内容，筛选精准用户并长期沉淀
    - label 事件营销
      desc 用具备传播力的热点制造关注，并明确承接转化
    - label 营销自动化
      desc 以数据和工作流完成线索评分、培育与效果分析

付费购买增长与流量爆款

一、付费购买增长

付费购买增长就是传统理解的"花钱买用户"：通过特定营销渠道的投放，获取目标流量和目标用户。典型代表如搜索引擎营销 SEM、在应用市场投放广告，或 to B 公司花钱购买销售线索（如邮件列表）等。以某个应用市场前两年对外公布的刊例价为例：不同的广告资源位，按天、按月或按框架协议，都有特定的售价。

花钱买用户的手段、渠道、预算多种多样，但任何方法最后都离不开一个关键不等式：CPC < LTV。CPC 即 cost per customer，每个用户的获取成本；LTV 即 lifetime value，用户生命周期价值。意思是获取用户的成本，应当小于用户在整个使用过程中最终带来的价值。这也是早期滴滴打车愿意花一千多块钱获取一个用户的原因：滴滴认为靠补贴获取的用户，在整个生命周期里能带来超过一千元的价值——比如充值打车、看广告，以及后续通过滴滴买车、租车等。他们认定这是一门长线 CPC < LTV 的生意，才能融到那么多钱，有资本在背后支持烧钱。

Sourceify 的案例：2017 年夏天，美国格斗明星康纳·麦格雷戈穿着一件写有不雅词"fuck you"的西装出席新闻发布会。举动虽然出格，却引起整个时尚界的轰动，Facebook 和 Twitter 上到处流传这件衣服的图片。专门做服装制造外包的公司 Sourceify 看到机会，马上原样复刻了这件西装，并建了一个电商网站销售同款。它唯一的获客渠道是 Google AdWords 广告——因为这件衣服很火，大量网友自发搜索"fuck you suit"等关键词，而这些词平时是冷门词，所以投放费用非常低。结果不出二十四小时，这个新建的卖衣服网站就吸引了大量精准客户，赚到两万三千美金；更重要的是 Sourceify 平台也跟着火了一把，很多服装品牌因此建立信任，纷纷上门寻求外包服务，商业目的完全达到。复盘下来，Sourceify 相当于没花一分钱打广告，反而靠卖衣服赚了两万三千美金；创始人还因此与麦格雷戈本人建立了联系，获赠价值上万美金的拳赛门票，算是意外收获。这个案例的确花了钱，但花得非常聪明：既给本体商品做了宣传，又靠博眼球的项目赚了钱。

二、打造流量爆款

流量爆款的概念最早来源于传统零售业，主要指吸引客流的品类，通常有几个特点：通用性强，能满足大众的高频刚需；厂家可以通过爆款吸引用户产生首次购买，再引导其购买其他品类。

图书品类就是流量爆款的典型例子。亚马逊最初靠卖书起家；京东一开始做 3C 数码产品，客单价很高、购买频次很低，为了提高购买频次、培养用户粘性，后来也进入了图书品类——图书是很典型的高频、大众化需求品类，非常符合流量爆款的定位。通过卖书能极大增加平台用户的购买频次和粘性，从而带动其他品类的销售跟进。

爆款本身是一种头部效应，强者愈强、赢家通吃，通常 20% 的爆款产品可以为一家企业提供 80% 的收入。另外，很多爆款其实是从小细分市场的人群开始引爆，再慢慢走入大众的，比如 B 站、小米手机、小众科幻电影、《中国有嘻哈》之类的热门综艺。观察今天的中国市场，免费依旧是互联网企业打造爆品的重要手段：360 用免费杀毒击败了卡巴斯基，滴滴打车用补贴打开了打车市场。互联网行业起步时总喜欢用免费、补贴的方式快速占领市场、建立壁垒、形成规模化——面对贪婪的人性，免费和补贴永远是冲杀市场、打造爆款的利器。

猫眼电影的案例：前几年作者一直用另一个产品格瓦拉——它最早在上海起步，做了很多年，早期在线上订票领域市场份额比较大。猫眼电影上线后采取了一个竞争策略：不管什么电影，格瓦拉上卖多少钱，猫眼永远便宜五块钱。老百姓对低价非常敏感，对比之下纷纷改用猫眼买票。乍一听这是低价倾销、补贴买用户，但猫眼并不亏：它属于美团旗下，靠一张票让利五块钱快速导流、获取了大量用户；而在更大的层面，这件事对美团是有好处的——猫眼为主营业务带去了大量潜在用户，实际核算下来美团整体的获客成本非常低。所以猫眼虽然看起来是一个流量爆款，本质上起到的是给主营业务获客的作用，这正是爆款产品获客的一种方法。

搜索引擎优化：SEO 与 ASO

三、搜索引擎优化（SEO）

SEO（搜索引擎优化）是让网站在搜索引擎上表现更好、从而获取更多自然流量的技术手段。有调查显示，69.6% 的人把搜索引擎（比如百度、Google）作为在互联网上获得信息的最主要方式。产品或服务抢占搜索引擎靠前的排名，就等于抢占网络制高点，简直等于捡钱；相反，如果潜在顾客对某个品牌产生兴趣、打开百度搜索，却找不到官网或靠谱信息，就可能质疑其真实性，转而选择竞争对手。

SEO 是需要持久、长效投入的事情，想要立竿见影就不必考虑；但想做百年老店、做长期生意，就需要考虑站内站外的通盘优化：

• 站内优化：内容质量、页面关键词、网页的 meta 标签、内链、导航、URL 结构等；
• 站外优化：锚文本、外链的数量与质量等。

SEO 会随各家搜索引擎不断调整算法，需要与时俱进。本篇篇幅有限，无法展开非常深入具体的操作，推荐一本书——《SEO 实战密码》，干货全面、图文并茂，想上手可以找来阅读。

Directlyrics 的案例：2004 年，荷兰有一个上高中的小伙自学了 HTML、PHP 等各种编程语言，先与人合作利用业余时间经营了一家歌词网站，并由此注意到 SEO 引流的威力。他改进传统的静态页面，编写了一个可以自动更新的数据库，利用爬虫技术自动获取各种新歌的歌词，使网站的歌词收录量一跃成为全网第一；他还做了一个小插件，供人们镶嵌在社交网站上、在播放音乐时显示歌词，这个小插件带来了无数高权重的外链。这一系列技术应用使网站上 90% 的关键词都排到了 Google 第一位。感受到 Google 算法更新的压力后，他又立刻调整思路，在 2007 年做了第二家歌词网站——不再简单粗暴地堆量，而是注重原创度和内容质量，再次契合了 Google 倡导的精神，依然取得很好的 SEO 收益。测算下来，十年来这个网站获得了近十亿流量，每月广告进账就有十万美金。这家歌词网站叫 Directlyrics，是 SEO 史上很经典的案例。

从 SEO 到 ASO

SEO 是 Web 时代的概念，到了移动互联网时代，对应的引申概念叫 ASO（App Store Optimization，应用市场优化），指提升 App 在各种电子市场排行榜及搜索结果中排名的技术。ASO 主要做四件事：

• 搜索结果优化：搜索时的展现优化、排序优化；
• 相关搜索优化：让产品在用户搜索竞品或热门关键词、长尾关键词时获得更好曝光。比如在苹果 App Store 搜"淘宝"，它的死对头京东的排名一定紧随其后，这就是运用 ASO 的结果；
• 榜单优化：合作冲量、刷量冲榜、刷榜等；
• 转化率优化：提升从印象到实际下载的转化，比如优化 icon 设计、应用名称、应用描述、评价等，让看到结果的人更愿意点开并实实在在下载。

用户传播推荐与异业跨界合作

四、用户传播推荐

用户传播推荐是 AARRR 流量漏斗模型中的推荐（Referral）环节，是很常用的获客手段。它建立在平台口碑的基础上，需要充分挖掘熟人关系：只要用户觉得产品足够好，就有动力分享给身边好友；如果再加上一定的福利刺激，效果会更好。常见的模式有两种：

• 单方获益：只有发送邀请的人能拿到奖励；
• 双方获益：发出邀请的人和被邀请加入的人都能得到好处。

如果平台上每新增一个用户都能邀请几个好友加入，就能产生裂变式增长，极大节省流量获取成本，相当于把营销费用补贴到邀请上；同时因为人与人之间有信任背书，熟人介绍来的用户质量和转化率通常都高于渠道付费投放。

影响用户传播推荐的关键因素有两个：一是用户主动发起邀请的意愿程度，取决于产品本身——口碑越好，用户越愿意主动分享；二是被动邀请时的激励政策——奖励越大，邀请动力越强。平台用户体验好，再加上足够好的邀请政策，效果就会大大提升。常用手段包括：电商或互金产品的奖励金制度、免佣金特权；Dropbox 或国内一些网盘早期提供的空间容量扩容；工具类产品通过邀请传播解锁几个月付费会员或高级功能；以及更多的折扣奖励、游戏里的皮肤坐骑等，都能极大刺激用户主动传播推荐。

《风暴英雄》的案例：暴雪娱乐的《风暴英雄》是一款类似王者荣耀、LOL 的 MOBA 游戏。它在早期传播中首创了一个英雄角色——古加尔：与传统单人操作、征战沙场的英雄不同，这个角色必须由两个人一起操作，一人负责移动和魔法攻击，另一人负责物理攻击。这个角色在游戏设计上有创新性，在技术开发上，别的公司也未必有暴雪这样的技术实力。推出这个英雄时，暴雪采用了一个很有意思的手段——可以免费赢取：首先从游戏平台上筛选出死忠用户（比如参加过暴雪线下活动、付费购买门票参加过暴雪嘉年华的人），在这些最忠诚玩家的英雄栏里免费放出该角色；其他玩家想获取古加尔，必须找一个已拥有它的玩家互加好友，然后组队完成两场游戏。这个策略的妙处在于：既奖励了平台最忠诚的老玩家，让这些忠诚玩家成为病毒传播的来源；又在游戏内外制造了主动传播——游戏之外，最先获得英雄的玩家会在论坛、贴吧、社区发帖截图炫耀，其他想要的玩家跟帖表达仰慕之情，并留下自己的战网 ID 邀请对方互加好友一起玩两场；游戏之内，则鼓励了很多原本互不相识的玩家加好友一起游戏，游戏整体活跃度和玩家平均在线时长都得到很大提升。古加尔的推出，展示了暴雪在游戏创新性和传播度上有价值的尝试。

五、异业跨界合作

异业跨界合作指具有相同目标用户群体的非同类型业务企业互相合作，分别将自己的用户用各种手段导给对方，进行交叉营销推广。互相导流的手段很多：发放代金券、抵用券，或在 A 产品里获得某个东西后到 B 产品里使用等。互联网公司做跨界合作有很多低成本方式：早期互联网时代的友情链接就是一种互相导量、互相提高对方 PageRank 的方式；今天的常规操作 APP 换量，效果虽不一定立竿见影，本身也是互相带量、互相支持的方式。合作可能是两家公司之间，也可能是多家联合推广——比如微信公众号或微博上一篇长文同时推荐好几个账号，很可能就是几家在互相导流。做好异业跨界合作有三个注意点：

• 围绕同一个目标群体。如果目标群体不一样——一方是八零九零后的年轻女性，另一方是四五十岁年长的企业成功人士——这种交叉推广效果会很差。
• 尽量与同量级或量级更大的产品合作。同量级实力相当，谈合作比较方便；而如果能"抱大腿"、找到量级更大的产品，它就可以源源不断地导流。早年作者做过一款在移动端看电视剧的视频播放应用，当时找到了如日中天的美丽说——它的日活有几百万上千万，每天能通过 APP 换量稳定带来两三千用户；而与该应用量级相当的 APP，每天只能带来十几二十个用户。美丽说由此成为其稳定的用户来源。
• 互推手段要尽量结合对方产品特性做深度结合，而不是单纯的广告导流。最好作为产品功能，既满足对方用户的需要，又能导流，这样才能形成长期稳定的合作形式；单纯的广告展现大多是一次性的，用户看多了审美疲劳，效果会逐渐衰减。

西少爷肉夹馍的案例：大概 2017 年春节前后，互联网餐饮品牌西少爷肉夹馍在北京的几家门店（国贸店、五道口店、中关村店等）推出了"产品经理套餐"——其实是售价十九元的普通套餐：一个肉夹馍、一个凉皮、一个可乐。营销策略是：只要你是互联网公司的产品经理，凭产品经理名片，就能用一块钱买到原价十九元的"产品经理专属豪华肉夹馍套餐"。这吸引了大量互联网从业人员源源不断地到店，只花一块钱亲自品尝。西少爷为什么要这样赔本赚吆喝？看似是低价爆款，背后其实有一个异业跨界合作：当时暴风魔镜与西少爷达成了合作——西少爷每次卖套餐收到的产品经理名片，最终都会给到暴风魔镜的 HR 部门，而这个部门正好在招产品经理。所以实际上是暴风魔镜在补贴这款套餐，产品经理"省"出来的钱由暴风魔镜承担；相应地，暴风魔镜只花不到二十块钱的成本，就能拿到一份产品经理的名片。活动执行完，暴风魔镜总共收到了一千张产品经理名片，成本只花了不到两万块钱。这个项目是多方共赢的：暴风魔镜用很低的成本拿到了想要的名片，西少爷赚了口碑和一波宣传，产品经理花很便宜的价格吃到了想吃的套餐——没有人是亏的，是一次比较成功的跨界合作。

地面推广与补贴奖励

六、地面推广（地推）

地推是区别于纯线上获客的方式，通常指在线下目标人群比较集中的地方，通过"人肉"方式面对面宣传：口头告知、发传单、做活动、联合营销、路演等。在线上流量尤其昂贵的今天，这种方式显得非常有效，而且由来已久、司空见惯——最典型的就是信用卡公司到楼下做活动，办卡就送礼品，来的多半是有支付能力的精准用户。

相对线上获客，地推需要一对一沟通，效率看起来比较低；但在互联网时代，只要产品足够好，哪怕最初只接触到一小部分人，也可能后续在线上广泛传播。所以地推只是接触用户的手段，通过地推把用户吸引到线上，再通过打造爆款刺激用户主动传播，提升整体获客效率，才是真正的关键点。地推的几个关键之处：

• 找到目标人群聚集的精准场所，即线下的 location、location、location；
• 宣传材料卖点必须明确、用户利益诉求清楚——用户一看到就能判断自己需不需要，也知道转发朋友圈、推荐给别人时该怎么说；
• 线上线下联动：光在线下做一波成本太高，适时引流到线上可以将活动效果最大化；
• 更适合移动端产品（公众号吸粉、小程序、APP）；纯 web 网页端产品效果会差一些。

“TX 妈妈"的案例：TX 妈妈（化名）是一个以微信公众号为媒介、持续产出育儿知识，同时做场景化优质母婴产品销售的母婴商城。它很大的优势在后端供应链——因为有特殊的资源导入，中国境内几乎所有母婴产品都能以很低的供应价拿到，利润比其他母婴商城高，唯一要重点解决的就是宣传。团队在杭州做线下地推时，发现街头巷尾和旅游景点流行一种"小黄鸡发卡”，摊头卖五块钱一个，年轻姑娘买了戴在头上非常可爱。项目组发现小黄鸡发卡特别受小孩和妈妈欢迎，又做了调研：很多小商贩靠卖它一天能净赚五千块，微博上一搜这类创富神话也不少，于是打起了它的主意。他们最终在阿里巴巴平台订购了一万个小黄鸡发卡——市面售价五块钱，阿里巴巴上的成本价大约只有一块钱，总成本一万块钱。发卡到货后，四个运营成员在杭州吴山广场、高银街附近等人群集中、景点扎堆的地方反复地推，最终发现河坊街一带效果特别好——其他地区行人的主要目的是"走"，而河坊街步行街行人的目的是"逛"，且以外地游客居多，更适合地推。他们的策略是：路人扫码关注公众号，就送二十元优惠券加一个小黄鸡发卡，瞄准的就是商圈周边带孩子的妈妈。一开始完全免费扫码领取，效果一般；后来调整为任何人只要付一块钱，就可以关注公众号并获取优惠券和发卡，效果反而更好。看似只增加了一块钱的环节，实则大有玄机：从用户心理讲，大街上迎面走来的陌生人无缘无故送上一堆好处，路人会觉得有诈；从产品设计讲，如果用户进来时在潜意识里没有付费习惯、只是贪小礼品的便宜，之后想培养付费习惯很难。加上这一块钱的政策后，地推的扫码关注成功率官方号称达到了"令人发指"的 80%；很多妈妈关注后还来询问购买后怎么快递、是否保税仓发货等问题，非常精准。复盘下来，相当于以一块钱一个用户的超低成本，精准地获得了一万个妈妈级粉丝，为母婴商城的销售迈出了非常完美的一步。

七、补贴奖励

补贴奖励是通过补贴让用户体验产品或服务的优势，最终留存下来并持续使用。日常生活中见得很多：现金补贴、红包补贴、返现、话费、折扣、积分兑换、理财加息、贷款免息等。做好补贴奖励需要注意两方面：

• 奖励内容要与业务服务本身有关联性。同样是送手机流量：在对性价比看重的电商渠道（京东、淘宝）购买后返流量，用户非常欢迎；而在用户对流量不敏感的渠道送流量，效果就不是最大化——比如互联网金融服务送手机流量，带来的绝大部分不是精准的投资用户，投资理财用户是高价值用户，对流量并不敏感。所以做活动时要设计好补贴内容，精准吸引目标用户群体。
• 识别并小心提防羊毛党。很多互金产品常送五块、八块的奖励，很可能吸引来一堆注册机或专业薅羊毛党；羊毛党太多会消耗掉大部分预算成本，实际用户却没有真正被带进来。设置任务环节时既要考虑参与度，又要考虑新用户转化：“注册就送"门槛很低，带来的注册数多，但后续付费转化可能很差；改成"下单成功就送”，门槛和难度高很多、转化率低很多，但带来的都是真实下单用户。也可以层层递进，用户每完成一步奖励加大，直到达成企业最终想要的步骤。三种方式都要结合业务特性和数据分析，找到成本最低、效果最好的方式。

Uber 的案例：Uber 本质上是撮合司机与乘客订单的双边市场服务，它早期用资本撬动供需两头用户的思路很值得借鉴。首先，每进入一个新城市，Uber 都会保证当地司机的每小时最低工资——即使没有乘客、汽车空转，司机也能在驾驶座上"躺着赚钱"，不至于放弃提供服务，这相当于花钱购买司机供给。接着 Uber 帮司机招揽乘客，这一步依然要大量烧钱：投放各种市场渠道、制造事件营销、直接补贴乘客，甚至提供免费乘车的机会，把车厢塞满。此前服务覆盖密度有限，乘客打车可能要等相当长的时间；而通过这一步不断增加的乘客会产生足够多的自发需求，让司机有足够的赚钱动力。后续哪怕补贴力度逐渐减小，自发加入的司机反而越来越多；更多司机也意味着更高效的服务——Uber 可以保证五分钟之内帮用户叫到车，产品价值更加凸显，使用习惯也慢慢被培养出来。许多人日后不再是因为补贴、而是因为追求方便才叫车，甚至愿意为在特定时间接受服务支付额外溢价。Uber 就这样在一座又一座城市重复上演这个剧本，让供需数量和市场流动性滚动起来，最终超越临界点、进入自我正向循环；这时 Uber 终于可以鸣金收兵，减少补贴金额，用经济规律继续调配市场。Uber 早期进入中国时补贴也很高：招募司机的奖励机制是每周完成五十单，就给六七千块钱奖励，的的确确带动了很多司机；只不过后期刷单行为很严重，Uber 因此调整了算法，并适当降低了补贴金额。可见高额补贴激励用户与薅羊毛是一对矛盾的共同体，在考虑前者的同时，更要注重对后者的把控。

内容营销与事件营销

八、内容营销

内容营销指企业以图文、音频、视频、直播等形式，在各种媒介渠道持续输出与产品及用户核心需求相关的内容，通过高质量内容吸引用户的关注和转化。它有三个特点：

• 是一种很精准的广告：依靠内容聚集的用户天然关注内容本身，相当于有效筛选了用户，不精准的用户在这一步就被过滤掉了；
• 是低成本、高转化的方式：相较传统广告投放，内容获客的成本很多时候只是生产内容的人力成本；通过内容吸引来的用户对产品有认同感，精准转化率远高于广告投放；
• 是可以长期持续、深挖商业变现的方式：在公众号、头条号创业，通过知乎问答输出高质量回答来售卖商品，以及免费公开课平台、直播平台、短视频等，越来越多地成为内容营销人士长期进驻的渠道。只要能源源不断生成好内容，其传播的广度深度和用户沉淀都会持续带来新客户；内容质量越高，生命周期越久。

“珍珠哥"的案例：直播这种形式在 2016、2017 年非常火，早在 2016 年就出现过一个有意思的案例。绍兴小伙"珍珠哥"原名詹兴达，1987 年出生，父母卖了三十一年珍珠。2010 年他大学毕业回家开淘宝店，用心经营六年，做到年销售额几百万。后来他看到直播很流行，首创了直播开蚌取珍珠的模式：感兴趣的买家在直播平台在线下单——先去淘宝店下单、凭订单取号，58 块钱开一次，开完还送一件价值号称 99 元的首饰；直播时一个人喊号、另一个人开蚌，叫到哪个号就为哪个号开。珍珠哥会在直播里喊：“1153 号宝宝在吗？在的话我就帮你开蚌了哦"“多漂亮的大白珠啊，测一下——哇，13 毫米，恭喜宝宝”；开蚌取出的珍珠归买家所有。通过这种方式，他每天能吸引三十万人同时在线观看，超过了很多游戏直播平台主播的数据；做直播之前淘宝店年销售额只有几百万，开播半年，销售额涨到了三千万元。这种形式本质上是把开蚌取珍珠的行为通过直播"内容化”，变得更有娱乐性，从而获取了更好的经济效益。

九、事件营销

事件营销（event marketing，国内也有人称活动营销）指企业通过策划、组织和利用具有新闻价值、社会影响以及名人效应的人物或事件，吸引媒体、社会团体和消费者的兴趣与关注，从而提高企业或产品的知名度、美誉度，树立良好的品牌形象，并最终促成产品或服务的销售。简单说，就是通过制造爆点、制造社会热门新闻让事件持续传播，并把品牌在其中做植入，达到传播效果。

事件营销是国内外十分流行的公关传播方式。二十世纪九十年代后期，互联网的飞速发展给它带来巨大契机——通过网络，一个事件或话题可以更轻松地传播、引起关注，于是涌现了大量成功案例。但要注意，事件营销很重要的一点是最终目的必须明确：促成产品或服务的销售，而不是搞一个昙花一现、博人眼球的东西。比如 2017 年北京三里屯搞过一场号称"斯巴达三百勇士"的事件营销：很多肌肉壮男装扮成三百勇士穿梭在三里屯，被很多人评论转发——但很少有人知道背后是哪家公司在做营销，这就是一次比较失败的事件营销。总的来说，事件营销是靠智力、靠创意驱动的营销方式：本质上成本很低、手段可以很多，但风险性又很大——如果没有后续的转化跟进手段，很可能事件搞得很大，用户却不知道到哪里转化、不知道背后的品牌是什么；而且它主打新颖性和爆点，做多了用户见怪不怪，效果就会变差。因此事件营销很多时候只能做一次，是不易复制的方式。

丧茶的案例：喜茶广为人知，而"丧茶"光从名字上就很有喜感。2017 年 4 月 28 日到 5 月 1 日，丧茶以快闪店的形式在上海亮相，就开在喜茶对面——喜茶作为网红店，最多要排六个小时才能买到，而对面的丧茶每个人都能快速买到。它一反传统的鸡汤正能量营销，来了个反鸡汤营销：文案非常风趣幽默，菜单上有"浪费生命绿茶"“碌碌无为红茶"“买不起房冻柠檬茶"“前男友过得比我好果茶"“混吃等死奶绿"等看起来很负能量、实则自我调侃很有意思的名字。这样的文案在丰富品牌形象的同时，也与消费者产生了共鸣，让人心甘情愿为文案买单——它迎合了当下年轻人的"丧文化”，抓住了年轻人的心理甚至痛点，用很颠覆的方式迎合了大众的潜在诉求。这家"短命"的快闪店只经营了四天，业绩却一点也不差：第一天就卖出一千杯；第二天开始限制杯数，上午十一点开始售卖、只供应一百五十杯，下午供应三百五十杯，结果基本两点左右就全部卖完，再想买只能等到第二天重新排队——通过营造稀缺感刺激消费者提前排队购买。这次传播也让幕后的饿了么和网易新闻获取了大量眼球曝光：丧茶本身就是饿了么和网易联合策划的一次活动。有意思的是，后来国内很多城市的确开起了叫"丧茶"的奶茶店——并不是当时做事件营销的那个品牌，而是后人借鉴了这个创意真实开店。

营销自动化

十、营销自动化

营销自动化是基于数据和技术手段，通过设计、执行和评估市场营销行动及相关活动的全面框架，赋予市场营销人员更强大的工作能力，使他们能够直接对市场营销活动的有效性加以计划、执行、监视和分析，并用工作流技术优化营销流程，使一些共同的任务和过程实现自动化。说得简单点：就是把原本需要人工操作完成的、营销中很低效不精确的环节，交给机器来解决。

国外有人整理了营销自动化的七个关键流程：

1. 建立目标客户的列表；
2. 执行活动（campaign）；
3. 监视用户的行为和活动；
4. 用户细分，以及给用户的线索评分；
5. 把合格的线索整合进 CRM；
6. 对合格的线索进行培育；
7. 分析市场和销售表现。

我认为营销自动化是未来比较重要的趋势，也是越来越多人采用的提高投入产出比的方式，后续章节会用一整节专门展开讲解。

3.6 - 机制化增长：自动化营销实践及工具

营销自动化：把人工工作外包给机器

本篇的主题是营销自动化。前文案例中的 Antibody Plus 项目，正是靠营销自动化，轻轻松松做到了月入六千美金，这个案例足以体现营销自动化的魅力。

读者可以对照文中介绍的工具，去它们的官网研究具体功能和用法。一旦熟练掌握自动化工具，就能减少大量无谓的工作量，从繁琐的日常事务中解脱出来，把很重的运营和人工工作"外包"给机器一键解决。对增长黑客来说，这是一项必要且基本的技能。

系统一：邮件陌拜体系

Antibody Plus 构建的第一套自动化营销系统，是陌拜邮件（Cold Email）体系，整体框架分四步：

• 用爬虫工具精准抓取用户邮箱；
• 导入邮件群发工具批量发送；
• 把用户导流到 WordPress 搭建的营销着陆页；
• 用 Google Analytics 等工具追踪效果，根据反馈优化整个流程。

第一步：采集邮箱。 本着"不重复发明轮子"的思路，两位创始人没有自己写爬虫脚本，而是采用市场上比较成熟的国内老牌爬虫工具火车采集器——稳定性不错、价格适中、客服支持完善，操作也简单：只需对网页做大体分析、建立相应规则，就能在本地自动抓取数据，并导出为 CSV、TXT、SQL 等格式。

从哪里抓取种子用户的邮箱？他们从产品角度思考：目标用户肯定是对抗体有使用需求的科学家。科学家的邮箱会出现在哪里？各大学和科研机构的官网会公开科学家的联系方式（包括邮箱），但世界上有数万个科研中心，网站结构各异，逐个抓取不现实。退而求其次：科学家的核心工作之一是发表论文，而论文本身会留下作者联系方式，且世界上有很多免费渠道收录了这些论文，可以按关键词和主题分类检索。于是 Antibody Plus 选择从生命科学论文中抓取邮箱——目标定位更准，执行难度也更低。确定渠道后，再对网页做结构分析、找到邮箱元素、制定规则，即可批量采集科学家的邮箱。

第二步：群发邮件。 面对数十万个邮箱，手动逐个发送显然不科学。他们借助邮件群发工具 Benchmark Email：支持一键批量发送、可视化制作邮件模板，还提供数据分析功能。具体分四步：

1. 用 Excel 导入采集好的邮箱。 这一步本质是数据清洗，避免导入错误数据影响邮件发送的成功率。
2. 制作精美的邮件模板。 关键是避免被邮件服务商判定为垃圾邮件而进垃圾箱：尽量不出现 free、promotion 这类敏感词（中标垃圾邮件的可能性很大）；图片和文字比例保持合理搭配，不能只放一两张图；一定要给用户足够的尊重，放置取消订阅按钮，让不感兴趣的用户可以随时退出。
3. 收集每次邮件的数据，找到薄弱环节，通过 Benchmark Email 提供的 A/B 测试工具持续优化，提升核心指标。
4. 设置 Automation，用自动化方式跟进销售。 Antibody Plus 设了两条规则：如果用户打开了邮件（产生兴趣），24 小时后以销售身份再发一封邮件，引导询价和购买；如果用户点击了邮件里的链接（有购买意向），48 小时后再发一张优惠券，有效期一周，以此减少流失、促进转化。

第三步：着陆页承接。 在整个营销漏斗里，邮件陌拜只是第一步。用户对产品产生兴趣后，还需要更详细的产品介绍来引导转化。因此 Antibody Plus 的邮件会把用户引导到用 WordPress 搭建的着陆页上。

第四步：效果追踪。 邮件发了、着陆页做了，效果到底如何、有哪些需要改进？需要对数据进行收集和分析、衡量效果，从而进行下一步优化。Antibody Plus 使用 Google 出品的免费网页分析工具 Google Analytics，自动整合邮件数据，追踪邮件来源的访客在网站着陆后的一系列行为。

系统二：客服聊天自动化

第二套系统是客服聊天的自动化，不仅能高效获取新用户的销售线索，还能提高老用户留存。Antibody Plus 采用的是 Zendesk Chat 平台。很多网站上都有客服聊天窗口，如何把它自动化？核心是 if-then 逻辑触发：如果用户出现某种行为，就触发某个个性化功能。Zendesk Chat 自带逻辑触发功能，可以自由设定。Antibody Plus 设定了四条规则：

• 检测 URL 来源： 通过 URL 判断用户来自邮件，就自动弹出窗口，感谢他们订阅邮件。
• 检测用户 IP： 用户来自法国，聊天窗口就自动用法语打一声招呼。别小看这个简单的技巧，很多法国用户因此倍感亲切，甚至"光速下单"。
• 检测浏览页面的数量： 理论上访问深度越深，购买意向越强，同时遇到的疑问和购买阻力也可能越多。所以用户访问超过五个页面时，聊天窗口自动触发，询问是否需要帮助——帮潜在客户当即解决疑惑，促成现场下单。
• 检测用户的行为路径： 假设很多用户到了购物车页面却最终没有付款，系统就自动触发一个新的聊天窗口，询问付款时遇到了什么问题。

另外，由于网站访问者基本都是新客户新流量，Antibody Plus 在使用 Zendesk Chat 时会要求用户先留下邮箱，从而获取大量销售线索；后续再把这些新客户邮箱添加到上一步的自动化邮件列表中，形成正向循环。

系统三：邮件教育自动化

第三套是邮件教育系统的自动化：通过邮件推送与用户持续保持联系，沟通新状态、推送新闻资讯或广告，就像 App 经常向用户发送通知一样。

工具上，Antibody Plus 使用 WordPress 的电商插件 WooCommerce 追踪用户行为，同时整合邮件营销平台 MailChimp，根据用户不同的行为进行不同的个性化邮件推送：

• 针对新用户：推送产品介绍——介绍自己是什么产品、明星产品是什么、网站有哪些特色；
• 针对访问过、持续浏览的老用户：发一封感谢邮件，推送新闻以及新上架的产品；
• 针对有未下单购物车的客户：提示他尽快下单、清空购物车；
• 针对点击过特定链接、对特定内容感兴趣的用户：触发一组特定的邮件教育策略，告诉他之前点的链接对应的功能是什么样子、怎么使用、有哪些成功实践。

这些都是通过邮件来教育用户，而 WooCommerce 加 MailChimp 把这项工作本身也自动化了。

系统四：重定向广告

第四套是重定向广告：根据网站用户的行为，触发广告平台的投放策略，让广告不断出现在感兴趣的用户眼前。为什么要这么做？因为开发一个新用户的成本，是留住老用户的 5-8 倍。既然某人已经访问过产品，他就有很大概率对产品感兴趣；与其拓展新用户，不如直接给这些老客户一些刺激，促使他们产生购买。

重定向广告平台很多，Antibody Plus 采用的是当时最成熟的 Google Display Network（谷歌在线广告展示平台）。这类广告一般以图片或动画形式呈现，在人手有限的情况下如何高效制作素材？他们使用了专门的展示广告 Banner 制作工具 Bannersnack：它提供很多优秀模板，可以在线可视化制作，使用起来非常方便。

不同网站广告位的尺寸不一样，Google 平台会优先选择尺寸匹配的素材进行分发；Google Display Network 支持十几种 Banner 尺寸。好在 Bannersnack 提供模板，可以一键生成八种不同尺寸的广告素材，基本满足大多数广告位、一次性投放。不过模板自由度有一定限制，如果想针对不同尺寸做差异化设计、精力又不够，其实完全不必针对十几种尺寸来做：一般来说，准备好 728×90、300×250、468×60 这三种展示量最大的尺寸，大多数情况下就够用了。

下一步是用 Google AdWords 平台投放广告，并设置哪些人会重复看到广告。Google 提供很多默认分组供选择，可以优先选转化意愿强的。Antibody Plus 资金有限，只设了三类人优先看到重定向广告：

• 出现在邮件营销列表里、同时登录了 Google 账户的用户——会被精准锁定，看到广告；
• 加购过购物车的用户；
• 访问过类似生物试剂网站的用户。

对这三类人群做精准的、可重复追踪的重定向投放，能有效提升他们最终的购买转化率。

系统五与系统六：线索评分与 CRM 数据整合

线索评分自动化。 通过上面这些方式能采集到很多销售线索，但线索的价值并不均等：有的客户消费意愿强，有的较弱。需要对线索分级，投入相应精力、采取不同营销行为，科学合理地分配手头的资源。因此 Antibody Plus 构建了第五套系统——线索评分自动化：根据用户的行为和画像对用户价值评分。他们当时的评分标准是：注册过账号 +10 分；打开过邮件 +10 分；点击过邮件链接 +15 分；访问网站 +25 分；来自北美的客户 +20 分；欧洲客户 +15 分。

要注意，不同公司、不同产品采用的评分机制应有很大差别。需要根据自己的经验判断哪些是有价值的用户分类或用户行为，给每种行为标记一个分数再相加——得分越高，销售线索对应的用户价值就越大。

面对上千名用户，不可能手动挨个标记分数，必须借助自动化工具。他们采用了 Autopilot——增长黑客之父肖恩·埃利斯（Sean Ellis）也曾多次推荐它。Autopilot 可以自动整合网站数据，按评分规则自动打分，衡量每个用户的价值。Antibody Plus 先把 WooCommerce 插件中的网站行为数据和 Benchmark 的邮件点击数据导入 Autopilot 自动评分，评分完成后再导出到 ZOHO CRM，销售人员就可以在 ZOHO CRM 里跟进潜在的销售线索。

CRM 数据整合自动化。 到这里，Antibody Plus 已经获得了大量有价值的销售线索，并完成了评分分级。但抗体产品使用条件复杂、质量要求严格，不同于普通快销品，大多数情况下需要销售人员跟进才能完成订单。于是他们构建了第六套 CRM 数据整合自动化系统，实现营销到销售的闭环，自动整合客户信息、订单、线索、商机等，方便业务管理。

• 用户信息和订单的整合： 用 OneSaaS 充当数据中间站，打通网站与 CRM——不需要任何开发，就能实现数据无缝对接。WooCommerce 记录的用户信息、订单信息会在第一时间自动导入 OneSaaS 平台，再与 ZOHO CRM 以及财务发票工具 QuickBooks 整合，相当于一次性搞定客户、库存和财务。
• 线索的收集与分发： Zapier 是一个能连接众多线上服务（各种应用和网站）的自动化工具，可以用它实现很多有意思的功能，感兴趣可以去 Zapier 官网看演示案例。Antibody Plus 用 Zapier 连接多个产品的 API，实现自动化的线索收集和分发：来自 Zendesk 的聊天线索、表单工具产生的表单线索、着陆页来的线索，都会先自动推送到 Zapier 平台，按预设行为对数据自动处理，统一录入 ZOHO CRM；同时 Zapier 还连接在美国很流行的办公协同工具 Slack，把销售线索分发到各个销售人员手中。销售人员围绕某条具体线索在 Slack 上讨论，制定出科学的销售计划。

以上这一整套组合拳，覆盖了从销售线索获取、引导转化、分析到销售跟进的全链条。结果如何？两位年轻创始人靠这个项目每月轻松赚到六千美金，刨除成本后每月净利润仍有五千多美金——一个"躺着赚钱"的项目。

3.7 - 病毒式增长：打造产品病毒循环的5个步骤

病毒循环的本质：从漏斗到金字塔

要理解病毒式营销获取用户的本质，先对比传统漏斗营销与病毒式营销：传统漏斗中，企业花很多钱为产品获取流量，再将流量中的一小部分转化为活跃的付费用户；病毒营销漏斗则不是把大量潜在用户中的一小部分转化为真正的用户，而是让少量真正的用户带来更多用户，让用户数量呈指数级增长——每个用户带来一个或更多新用户，新用户又带来更多用户，以此类推。

所以现在有人颠覆了过去流量漏斗的说法，改叫流量金字塔：把倒三角变成正三角，“宽进窄出"变成"窄进宽出”。我觉得都有道理——前者强调存量用户的转化，后者强调增量用户的传播。

研究增长黑客时，常会接触到**病毒循环（Viral Loop）**这个词。它早年从硅谷创投圈风靡起来，亚当·潘尼伯格还写过一本同名书《病毒循环》。它的内核很简单：通过一套产品自有的机制，利用现有用户源源不断地带动外部新用户进入，说白了就是增长黑客在产品层面最关心的"老拉新"：老用户使用产品后推荐给好友，好友使用后再推荐给另一个好友，如此循环往复。最典型的是 Uber、Dropbox、Facebook 这类产品层面的设计。

注意病毒循环与一般病毒传播的区别：如果脱离产品本身，在市场上额外鼓捣获客渠道——比如 App 只有十万人在用，却在微信上从零自导自演了一出裂变营销，带来三十万用户——这三十万确实靠病毒传播获得，但属于外部获客且有额外投入，并不算产品自身完成的病毒循环。

第一步：制定策略

Andrew Chen 给出了打造病毒循环的五个步骤：制定策略、应用实施、发布、优化、精炼。以下逐个梳理他的观点，并补充作者的理解。

第一阶段是制定全盘的宏观传播策略。Andrew Chen 提醒先想清楚三个关键问题：

• 病毒策略如何与核心产品结合？ 如果核心产品是手机 App，为了让获客门槛更低而让用户在外部完成登录注册和病毒传播，当然是好事，但这样获取的用户有多少会真正转到 App 上活跃？又或者做的是桌面客户端产品，变着法子在微信公众号上捞了很多粉丝，看起来很美，但这些微信粉丝跟桌面客户端有什么交集？
• 产品想呈现给用户的基本价值主张是什么？ 这很关键。如果是严肃的医疗类产品，需要体现专业严谨，却隔三差五搞 Flash 小游戏、转发抽奖送零食，跟价值主张没什么关系，有时甚至扣分。相反，用群众喜闻乐见的健康话题——孕期妈妈保健、微整形美容小技巧之类的噱头——来传播，效果不会太差，与价值主张的结合也更紧密。
• 被病毒策略吸引来的用户，会使用核心产品，还是迟早流失？ 回到前面以正面例子介绍过的 CrushLink 案例：填写暗恋者的姓名和 email，系统自动通知对方——本质上是一锤子买卖，产品触点可能永远只有这一次，用完就走，很难持续活跃。所以产品得有维持用户长期使用的核心功能或服务，才能承载住病毒策略带来的流量。

作者接触过一个例子。某互联网金融产品推出"步步夺金"功能：开着这个 App 在马路上走，手机运动传感器自动记录步数，一天下来的步数可兑换对应档位的礼金，或购买理财产品的优惠额度、加息额度，还能把活动分享出去，每天邀请好友增加奖励。

作者第一眼觉得这设计很蠢：谁会开着金融理财 App 当计步器用？跟定位不符、耗电，实际赚到手的钱也就那么点。跟产品负责人简短交流后，作者更确信：这个病毒功能主要面向上了年纪的大爷大妈，他们时间多、爱溜达散步、也关注理财，但智能手机使用习惯和很有限的移动支付渠道，决定了实际购买理财产品的转化率很低，也带不来三四十岁、有积累有理财意向的高净值用户——单看是个性价比很低的产物。

但继续听下去，作者改变了观点——做这个病毒 feature 其实很聪明。步步夺金牢牢锁住了中老年人的使用习惯，通过病毒机制让他们在朋友圈、微信群里持续刷存在感、获得品牌曝光。这些中老年人虽不是产品的直接使用者，却是间接影响者，而真正的直接使用者大概率正是他们的子女：子女处在家庭事业上升期，有理财需求，又没时间精力关注市面上有什么新理财平台、哪家给了优惠，长辈在家一介绍，这款 App 就被子女纳入考量范围，有些在长辈推荐下成了实实在在的购买者。

所以这款产品从策略上想得很清楚：病毒机制拿到的虽是大量中老年非目标用户，但在线下他们成功扮演了影响者角色，带来目标群体的有机增长。这套病毒系统有存在的意义，一直保留没砍，并对贪图小便宜的"产品蝗虫"保持有节制的慷慨——整体而言，它带来的价值更多。

第二步：应用实施与六种产品化模型

第二步开始实施：通过技术手段把策划付诸实践，建立真正的病毒传播系统。这里要秉承前文讲过的 MVP 思路，每次迭代力争最快而不是最好。Andrew Chen 还提醒两点：系统一定要与核心产品有关联性（比如做视频网站，呈现的病毒系统最好也是一个视频）；不要重复发明轮子——这主要是开发方式层面的，尽可能使用现有的原型库、代码库，直接套用已有的模块模板。

再补充一点：常用的病毒循环产品形态本身就有套路、有迹可循，比如晒礼物、晒成绩。这里归纳六种常见的病毒传播产品化模型：

• 普通邀请模型： 最常见、最开门见山的形态。产品提供一个按钮，点击后直接调用 email 或社交网络账号，或出示二维码，就能给好友发送邀请。它之所以"普通"，是没什么技术含量，纯粹出于用户对产品的认同感和满意度，再无其他动机——在无利不起早的年代，这种耿直的老好人很少了。进阶变体是提供一定的虚拟奖励乃至物质馈赠，比如邀请别人开户、两人都可得礼金，拉来一个人头、双方额外获赠 1G 扩容。注意：邀请奖励可视作拉新获客的单用户获取成本，必须控制在可接受的范围内。
• 代理佣金模型： 与第一种"邀请之后即得利益"不同，邀请者与被邀请对象的后续动作持续挂钩，可反复获取收益，常见于金融、投资、销售等与现金流紧密的产品。最简单的玩法：邀请好友注册理财 App，只要好友后续持续充值购买理财产品，他每成交一笔，邀请者都永久从中获取 5% 的佣金；发展的人越多，躺着获利的可能性越高。这种做法粘性强、门槛更高，逼着邀请者去指导被邀请者使用产品，天然形成类似师徒制的关系，能有效利用用户帮你教育市场、长期督促和刺激业务。
• 抽奖赠礼模型： 前两种邀请一个就能得到对应奖励，结果确定、概率百分之百；这种模型则通过许诺奖励少部分人一个很大的奖品，扩大活动整体吸引力，吸引更多人转发参与。比如设计奖池，邀请好友越多、获得的奖券越多、中奖几率越大，很多人为提高获奖概率拼命邀请。直观例子是微博转发抽奖：不限参与次数时，理论上转发越多、被抽中概率越大。类似变体还有一度流行的一元夺宝、零元夺宝：用很少的金额投注，鼓励用户邀请别人达到最低开奖人数——相当于用极低甚至零成本的金钱投入，外加帮产品做病毒传播，博一个获得高价值产品的机会。一元夺宝在国内被叫停后，也有变体巧妙延续：没抽到大奖，用户投的一块钱不退，而是兑换成等值礼金券——用户不抱怨被坑钱，平台也不违反有关规定。
• 进度提醒模型： 预先设置一个需要邀请若干好友才能达成的任务目标，达成后解锁对应奖励。典型如拼多多的拼团购物：想团到便宜商品，前提是有多少人一起购买，就得去邀请凑够人头。又如微信裂变：发朋友圈邀请满十五个好友扫码可得优惠；朋友扫了用户分享的二维码，邀请者会通过服务号不断收到进度提示，看到谁又扫码进来了。
• 发布预热模型： 一些产品（国外居多）在正式上线前的预热阶段要造声势、积攒潜在用户，会做一个着陆页让访客留下私人联系方式，等上线后收到提醒。有的产品名额有限或定向邀请，怎么从抢夺邀请码的千军万马中杀出重围？靠邀请别人参与：邀请得越多，官方给的特权越多，使其在长长的排队等候名单上往前插队；来得晚也没关系，拉的人越多，和来得早的人获奖概率其实是一样的——设计相当巧妙。
• 排行榜模型： 把用户到底拉了多少人，以排行榜的形式公开量化，平台上每个人的贡献度都得到展示，用户能知道自己拉人的能力处在全平台什么区间。普通排行榜只是心理上的荣誉，若结合物质利益刺激——比如每月邀请好友最多的十人额外获赠家用电器或佣金返现——诱惑就更大。

实际操作中，单纯套用一种模型的比较少，越来越多产品会同时组合两种甚至三种以上模型，效果也不错。实施阶段可以参照这六种模型设计病毒循环，反复体会、为己所用。

第三步：发布（Launch）

发布的核心是获取流量，让病毒循环滚动起来。这一步没什么特别的，Andrew Chen 的建议也就是各显神通地求流量——借别人的、蹭别人的、抱大腿等，付费购买也在其列。初期如何获取流量，前文已用专门一章讨论过，翻看相应章节即可。

第四步：优化（Optimize）——提升病毒系数 K

优化的目标是提升病毒系数 K，计算方式是：

K = invites × conversion rate

• invites（平均邀请人数，也叫感染数）：一套病毒传播系统中，一个用户能邀请到几个人。QQ 群里常见的"今天是马化腾生日，转发三个人，QQ 自动续费一年会员"之类的骗局，“转发三个人"就是系统希望每人完成的平均邀请数；微信裂变"发展十五个好友就免单”、拼团"凑满三十人就能砍价"（需要邀请另外二十九人）同理。
• conversion rate（转化率）：邀请人数转化为注册人数的比率。邀请了十个人并不会全都来注册，可能最终只有三四个——有人口头答应却没了下文，也可能真的在忙、不感兴趣或流量紧缺，原因很多。

举个例子：两百个用户，每人平均发出五个邀请，共 1000 个邀请；若平均转化率 30%，最终 300 人注册成功。病毒系数 K = 5 × 30% = 1.5，即每个老用户平均发展 1.5 个新用户。

K 是计算得出的变量，很难直接提升，只能通过别的方式提高。最简单也最容易被忽略的，不是设计庞大复杂的病毒体系、同时套用好几种模型，也不是多撒钱做物质刺激，而是从提升病毒循环各个步骤的转化率入手。

对比一个算例。某产品自带一套简陋的病毒系统：邮箱注册后获得一个链接地址，通过 Facebook、Twitter 等渠道分享给第三方，第三方点击后也来到产品注册。设各环节转化率：到达网站后 email 注册率 20%；注册后获取链接并传播出去的概率 10%；每次分享带回 10 个回流。

优化前： 1000 人进入网站 → 200 人注册 → 20 次分享 → 带回 200 个回流；第二轮传播：200 回流 → 40 次注册 → 4 次分享 → 40 回流 → 8 次注册。每 200 个注册用户带来 40 个新注册，K = 0.2，这是病毒传播设计比较普通的状态。

优化后： 对页面转化率进行优化——提升美观度、增加按钮色调对比度、提升给用户的价值、简化输入等：访客注册率从 20% 提到 40%（翻倍）；注册用户发送邀请的转化率从 10% 升到 15%；优化分享文案和图片后，每次分享带回的回流从 10 人升到 15 人。结果：1000 访客 → 400 注册 → 60 次分享 → 900 回流 → 360 注册 → 54 次分享 → 810 回流 → 324 注册。同样的流程同样的动作，原本最终只有 8 次注册，优化后能获得 324 个注册。此时每 400 个注册用户额外带来 360 个新增注册，K 从 0.2 大幅提升到 0.9——提升的倍数，等于各处转化率提升倍数的乘积。

由此得到几条引申结论：

1. 有时同事抱怨：尝试了很多病毒传播方法，别人都成功了，我们却无法成功，只能另寻他法。这种浅尝辄止、简单否定、改换战场的做法，很可能是对每种策略应用得不够深入、转化步骤没做到最优化——别人屡试不爽的东西，只简单试水就放弃，自然尝不到甜头。应当把病毒传播各环节拆解成多个子环节，看哪一步没做好，着力优化每个环节的转化率——这通常很消耗精力，需要大量 A/B 测试来论证和优化。
2. 设计优化的常用套路：缩短注册流程、UI 上更强调"下一步"按钮、测试不同价值主张对转化率的影响、增加被邀请的人数等，都可以尝试。
3. 测试一种从未验证过的新病毒策略时，建议在预算能拨付的合理范围内取一个极值：奖品给最贵的，门槛调到最低。这种略带自杀倾向的破坏性实验，最容易快速验证出立竿见影的效果，帮助迅速判断这条路走得通，还是需要继续优化调整。如果取了极值仍看不出一丝一毫病毒传播起来的倾向，就不要浪费时间优化细节了，返回第一步或第二步重新架构整个病毒循环系统吧。

第五步：精炼（Refine）

最后一步是精炼：在优化取得一定成效后，对整个体系进一步打磨——把 MVP 转变成正式的产品体系、融合到产品系统中；以及打磨各种细节，包括增强用户体验、去除多余的页面或元素、优化代码等。

Andrew Chen 提出需要精炼，是基于产品走得更长远的角度，说给真正想踏实做"百年老店"型产品的人听。而现实中，产品或单个传播现象的生命周期越来越短、转瞬即逝，很多人为了博眼球、赚快钱，就不一定有必要精炼了。所以：**如果只想赚一笔快钱，可以跳过这一步。**但也不要拿着鸡毛当令箭，出去说"《增长黑客》作者范冰讲了，做病毒循环不需要精炼、不需要注重用户体验和可用性"——那并非其本意。一切应围绕商业目标考量，最终对所追求的指标负责；在合理范围内用最少的资源办大事，这才是 growth hacking 的本意。

最后总结一下，打造病毒循环的五个步骤分别是：制定策略、应用实施、发布、优化、精炼。

4 - 第四章 · 用户激活与留存

从「共享单车坟场」说起：八万辆废弃单车 vs 骑车飘然而过的用户——注册用户与活跃用户的差距，是大多数产品残酷而普遍的生存现状。拉新只能带来数字，留存才决定价值。

本章要点

• 用户激活和留存的必要性：注册量 ≠ 真实用户
• 解密让用户上瘾的 Hook 模型（触发→行动→多变的酬赏→投入）
• 为用户创造「惊喜时刻」（Aha Moment）的秘诀
• 产品的功能留存分析方法
• 如何通过内容运营提升用户留存
• 搭建用户流失预警机制

4.1 - 用户激活和留存的必要性

注册用户与活跃用户：共享单车坟场的启示

本章主题是用户的激活与留存。作者写作本章时，恰好在微博上看到一张很有喜感的组图：厦门一块七千平方米的户外场地上，集中堆放了超过八万辆各品牌共享单车，场景非常震撼，场地被网友戏称为**“共享单车坟场”。图中除了堆积如山的废弃单车，还有一位悠闲骑着 ofo 飘然而过的小哥格外显眼。有人转发时给它起标题叫“注册用户与活跃用户”**——很形象，也正好契合本章内容。

这张图反映了不少产品的现状：注册用户量看起来庞大，但真正在实际使用、长期使用的人可能为数很少；更多看似庞大的注册用户只是虚荣指标，实际都是死账户，就像废弃的共享单车一样并没有真正被使用。这很残酷，却是绝大多数产品普遍存在的客观事实。

漏水的桶：激活与留存为何必要

这种现状就像拿一个漏水的桶接水：产品本身错漏百出或不够吸引，兜不住用户；一边用增长黑客手段配合各种渠道推广往桶里注水（新用户不断进来），桶一边漏水（老用户不断流失），最终什么都剩不下。

因此，用户激活和留存极具必要性：新用户如果无法被激活、无法留存，产品迟早被弃用；而且，仅有快速的用户量增长，并不是真正意义上的增长。回顾前文的 AARRR 流量漏斗模型，增长涵盖很多方面，新增用户只是第一个环节——Acquisition（获客），激活、留存同样是增长的重要方面。

数据现状：App 在三个月内失去 95% 的日活

很多做产品的人会自问：为什么产品火不起来？有人陷入误区，以为不断给产品添加新功能，用户就会喜欢上它。但前 Uber 增长部门负责人 Andrew Chen 认为，不断累加功能没什么用，问题的根源在于大部分产品的留存做得非常糟糕。

为印证观点，他曾联合移动智能公司 Quettra 做过一项调查，结果令人震惊：安卓 App 平均会在三天内失去将近 80% 的 DAU（日活跃用户），三十天内失去 90%，九十天（三个月）内失去的 DAU 比例竟高达 95%——短短几个月，一款 App 就会失去几乎所有用户、结束生命周期。他们总共调查了 Google Play 应用商店的一百五十万个 App，最后发现只有几千个维持着有效流量。

从数据图看（Y 轴为活跃用户比例，X 轴为安装后天数），安装后一到三天活跃用户就急速下降，曲线十分陡峭——花费大量预算和精力获取的用户早早逃走，无法带来实际收益。回想普通用户的安装习惯也不难理解：多数人会安装很多 App，三到七天内就判断哪些不好用并停止使用；而足够有用、撑过七天考验周期的 App，用户流失率会大大降低。其他产品也遵循类似规律，所以必须在很短时间内激活用户兴趣，让用户留下来。

一笔账：留存如何让产品扭亏为盈

也许有人会问：留存这么难做，干脆放弃它，把精力全放到新用户获取上，只要新用户增长比流失快，不就能保持长期净增长了吗？

首先，市场容量有限，不可能无限获取新用户，存在天花板。其次，留存做好了能带来实实在在的利润：根据哈佛商学院的调查，客户留存率每上升 5%，公司盈利可提高 25% 到 95%。换句话说，烧钱是为了拉新，做留存则是帮公司赚钱。

再算一笔简单的账：在百度投放 PPC 广告，成本 10 元/人，获得 100 个访客；一个访客注册并留存下来，能带来 20 元收入。

• 若留存率 50%：净利润 = 50% × 100 × 20 − 100 × 10 = 0，白忙活一场，还搭上人工时间。
• 若留存率提升 25%（从 50% 到 60%，看起来不难）：净利润 = 60% × 100 × 20 − 1000 = 200 元，净赚两百。

这笔简单的账带来的启发是：设法优化用户留存，能让产品扭亏为盈。后续章节会展开：提升这 25% 没那么难，很可能改几句文案就能做到；而提高变现能力或减少获客成本都比较困难，尤其是前者。因此把重心放在提高留存上，效果反而更好。

活跃、留存与流失的关系

要做好留存，必须理解活跃和留存这两个概念的关系。新用户来到产品后，首先要经历被激活的过程——发现产品的使用价值、产生兴趣；接着探索产品的核心功能、做出关键行为，转变为活跃用户；最后持续回访和使用，就是留存。

注意：用户被激活不一定能达到最终留存（可能只用了一次），但留存的用户一定经历了整个过程。激活流程一般用来提高活跃度，活跃度越高越倾向于留存。另一方面，用户流失是自然趋势，对产品不加干预，最终用户必然全部流失；活跃度下降是用户流失的先兆指标。相对于留存，活跃度具有可干预性和预测力，所以只有促活才能防止流失。

再看几个概念的定义与用途：

• 留存用户：经过一段时间后，留存下来、经常回访产品的用户。
• 活跃用户：一段时间内对某个产品有过任意行为（访问网站、打开 App 等）的用户，用于衡量产品的运营现状。
• 流失用户：曾经访问过网站或注册过 App，但因渐渐失去兴趣而远离产品、最终流失的用户，用于分析产品是否存在被淘汰的风险、是否有能力留住用户。

通过一些激活手段，还可以让流失用户复活，再转化为活跃用户。

用同期群分析衡量留存

做留存分析一般用同期群分析（Cohort Analysis）。作者的好友、著名投资人、“42章经"创始人曲凯提供过一种比较简洁的思路：

• 第一列是自然月份。按月排是因为投资人一般以月为单位看数据；创业公司内部则建议多按周监测。
• 第二列是对应每个自然月的新增用户数。
• 右侧表格显示当月新增用户在后续每个月的留存情况。例如一月份新增 80 个用户，当月流失 2 个、剩 78 个；二月份又流失 3 个、剩 75 个，以此类推。三月份的总下单用户数 261，就是由一月新增剩下的 72 个、二月新增剩下的 86 个、三月刚新增的 103 个组成的。
• 下一张图是根据留存数据计算的留存率，并把表格左右倒置，时间从"一月、二月、三月"改为"0、1、2”：前者是自然月，后者表示间隔的月份——0 代表用户当月进来，1 代表间隔一个月之后，以此类推。

如何通过这两张表看产品的表现？

1. 横向比较：看每月新增用户在后续各个月的留存情况。
2. 纵向比较：看不同月份新增的用户，分别在当月、下个月、下下个月的留存表现。

好产品应该呈现的趋势：

• 横向的留存数据，最终会在某个月份之后稳定在一个固定的留存率上。 比如某月获取 100 个用户，半年后每月留存率都稳定在 60% 左右，说明这批用户稳定留存下来了。反之，留存率一直下降——哪怕很慢——也会在某个月份归零：不管新增多少用户，最终一个都剩不下来，说明产品做得并不成功。
• 纵向的留存数据，应该越来越好。 公司和创始团队应根据历史情况不断改进产品和体验，越后加入的用户越能享受更好的产品和服务，后续新增用户的留存率应该越来越高。

对比这两张表的数据，就能看出公司的产品表现是否足够好。

4.2 - 4.2 解密让用户上瘾的【Hook】模型

一、用户激活与 Hook 模型概览

怎样让用户留存下来、反复不停地使用产品？这其实就是让用户真正对产品上瘾。

《增长黑客》一书中曾提到：通过拉新获取的用户，需要引导其完成某些指定动作，才能成长为长期活跃的忠实用户，这个过程叫做新用户激活，这个指定动作就是用户激活的目标。激活目标的本质，是让用户体会到产品的核心价值，并产生重复使用产品的动力，也就是对产品上瘾。

产品经理大多有这样的体会：新用户来到网站或 App 后，大部分很快流失，只有很少的用户会重复使用并成为忠实用户，甚至最终用真金白银为产品创造价值；还有一些优质用户会把产品推荐给其他新用户。做新用户激活，就是努力把前一种用户变成后一种——能反复使用产品、变得更忠诚，并产生现金价值和推荐。

怎样让用户真正迷上产品？作者尼尔·埃亚勒写过一本很有名的书——《上瘾：让用户养成使用习惯的四大产品逻辑》，书中提出了 Hook 模型。它分为四个阶段，是一个四步走的循环，四个要素分别是：

• Trigger（触发机制）
• Action（行动）
• Reward（奖励）
• Investment（投资/投入）

二、触发（Trigger）：引导用户进入循环

必须先引导用户进入 Hook 循环，后续环节的威力才能发挥。触发机制分为外部机制和内部机制。

外部触发由产品主导、用户被动接收，例如推送提醒、通知、宣传文案、邮件提醒、打卡推荐等。用户原本没有意识到自己有需求，而在外部环境影响下发现了需求，这就是外部触发。具体例子包括：

• 使用产品时突然弹出的浮层提示，告诉用户该做什么；
• 访问网站时硕大的"点击下载"按钮（CTA，Call to Action），本身是很强烈的视觉引导；
• 产品时不时发来邮件告知新动态，或 App 突然收到推送；
• 应用商店推荐有意思的 App；
• 产品找来权威大咖背书，代言人本身很有影响力、深受用户青睐。

内部触发由用户自己主导，往往源于用户主动的需求，比如情绪、习惯、使用场景等。如果用户有急需发泄的欲望，而产品正好能迎合，这时用户就会真正被触发来使用产品。例如：

• 情绪：看到很美好的事物、很美好的画面时情绪非常舒服，就很想掏出手机拍个照；
• 习惯：每天中午一到十二点不知道吃什么，直接掏出外卖软件下单，而不是出去排队买午饭——一到这个时间点就想做这件事；
• 场景：特定场合下会想做某些事，比如作者录制视频课程时，就会打开电脑、立即点开录屏软件，由它记录屏幕和声音，正好符合录课场景的需求；
• 地点：到了特定地理位置会触发行为，比如用手机订电影票的人，走进电影院验票、取票时还会打开那个 App；
• 人的因素：每个人出于自身的各种情况，都有一些特定的被触发的可能性。

Instagram 的触发机制设计。 Instagram 刚上线时，Facebook、Twitter 等社交平台虽然能让用户方便地上传图片和视频，却缺少美化功能。Instagram 抓住机会开发了第三方发布功能——用 Instagram 美化图片后可以直接发布到 Facebook 等平台。于是用户经常在 feed 流里看到来自 Instagram 的精美特效图片，大量用户把持不住，纷纷跟风下载。此外，Instagram 自身的推送系统也不断提醒用户使用：推送时图标上的红色数字、乃至 App 图标本身，都成了触发用户点开的机制。内部触发方面，Instagram 说到底是社交平台而不单纯是 P 图工具，因此迎合了大量用户心理：无聊的时候喜欢到处浏览；孤独的时候想看五彩斑斓的世界；害怕失去某些十分美好的时刻——它可以帮用户记录下来，还能获得一堆人的羡慕和称赞；害怕自己落伍、过时——它显示当下热点，让用户一直走在潮流的最前线。这些都成了用户想打开 Instagram 的内部触发机制。

三、行动（Action）：把行动障碍降到最低

通过内外部动机触发用户下载产品之后，并不代表用户一定会去用，可能只是一时冲动。Hook 模型的第二阶段要引导用户采取行动（Action）。这里对行动的定义是对产品核心功能的使用，即有预期的操作行为——只有使用过这些功能，用户才有机会感受产品带给他的价值。从这个步骤开始，新用户才可能变成活跃用户。

人是一种很奇怪的生物：想得很多，却懒得去做。必须把握这种心理，把行动的障碍降到最低，让"能做的"大于"想做的"。比如用户无聊时想打发时间，发现 Instagram 上只要动动手指就有丰富多彩的好友动态可看，就非常乐意完成"浏览"这个核心行为；再比如用户在 Facebook 上不断刷新、点击 feed 流中的某个链接或缩略图时，带着一个预期——看到有意思的内容，比如完整的视频或 BuzzFeed 式的趣味图文。这就要求产品设计者思考如何驱动用户行动，即考虑产品设计的易用性。

关于人的行为，有一个 Fogg 模型可以更详细地阐释：图中 y 轴代表动机（人们为什么想做这件事，越往上动机越强），x 轴代表这件事的难易程度（越往右越容易做），中间的曲线勾勒出人们的行动曲线——在诱饵出现的情况下，动机强度和难度只要达到合理比例，人们就非常乐意采取行动（蓝色曲线上方的区域）。把这张图提炼出来是一个公式：B = MAT。

• B（Behavior）：行为；
• M（Motivation）：动机；
• A（Ability）：能力，即做这件事的难度；
• T（Trigger）：诱饵。

一个人是否采取行动受这三个因素制约：动机越强、难度越低、诱饵越诱人，就越愿意行动。决定动机强度和执行难度的因素有：

• 动机：一款产品若吸引人，很大程度上是迎合了用户心理、产生驱动力。产品流程设计应体现人人追寻的东西，比如快乐、被理解、被接受等；同时避免传递痛苦、恐惧、被拒绝等情绪，这样才会强化人们的动机。
• 难度：执行难度是用户留存的一大阻碍。产品使用起来非常不方便、又没有使用教程，用户会很自然地放弃——知难而退是人的天性。执行难度受以下因素影响：
  • 时间成本：用起来费时间，用户不会用；
  • 金钱成本：要花钱才能使用，对用户心理上构成障碍——这也是很多人喜欢用免费产品的原因；
  • 劳动力成本：很耗费体力、需要身体劳动，很多人不会用；
  • 思考成本：很烧脑，用户不会用；
  • 社交阻碍：用起来会被人嘲笑、或可能骚扰别人引发白眼，用户不会用；
  • 非常规行为：要做的不是正常人可能采取的行为、是很奇怪的举动，一般人就会想"这到底有什么目的和动机"，心理障碍比较大。

总结起来，在行动环节要减少一切阻力，并为用户创造更多心理驱动力。

Twitter 注册页的演进。 2009 年 Twitter 刚成立初期，注册页面非常复杂：注册、登录功能全部挤在一起，用户不知道下一步该干什么；整个页面花里胡哨，注册阻力大、展示不友好，用户注册的驱动力很弱，转化率非常低。2010 年，注册有了很好的改进：注册按钮更简洁醒目，还增加了搜索功能，用户会在好奇心驱使下搜索各种名人、名媛和新闻——这些都能直接传递 Twitter 所能带来的价值。2013 年 Twitter 已经大红大紫，又进行了一次改版优化，着重点仍是注册按钮，希望最大程度减少注册阻力：可以直接在首页着陆页输入账号密码快速完成注册，而不需要点击注册按钮再跳转到新页面。注册难度越来越低，用户第一时间产生转化的可能性就变得很高。

四、奖励（Reward）：快速反馈维持使用渴望

Hook 模型的第三个关键因素是奖励（Reward），它也是让用户上瘾的关键因素。除了产品的易用度（使用体验、响应速度）之外，一个产品若还能提供多种多样的潜在奖励来保持用户兴趣，用户使用它的渴望程度就会更强烈。

奖励机制主要体现在产品使用过程中给用户快速反馈：用户做了某个动作之后立刻得到奖励，就能最大程度、最快地获得满足感，继而提高使用粘性，并可能达到自传播的目的。因此，产品或运营团队需要设法满足用户期望性的需求、甚至兴奋性的需求，在不断优化用户体验的同时创造产品的爆点。

Pinterest 的奖励反馈。 Pinterest 最早发明了瀑布流：用户在瀑布流里不断下拉、下滑刷新时，它源源不断地展示与用户兴趣相关的图片，让人没有尽头地持续刷下去——这本身就是一种奖励的反馈。

《上瘾》的作者把奖励分成三大类：

• 社会奖励：对合作、竞争的渴望，对认同感的渴望等。产品里常见的社区积分、排行榜等，就是社会奖励的体现；
• 资源奖励：比较容易理解，即获得金钱、实物、甚至独家信息等。产品中的体现如分销机制返佣金、裂变时免费送电子版资料包等；
• 自我情绪奖励：人天生追求成就感，在坚持某件事、完成某件事、或通过学习取得新技能之后，非常渴望获得这种感觉。产品中应该给用户这种奖励来刺激成就感。最典型的是游戏：打怪升级，杀死一个 Boss 立刻掉装备、爆装备，获得经验值变得更强大——这就是自我情绪的奖励，也是游戏很吸引人的重要原因。

五、投入（Investment）：存储价值，进入下一轮循环

Hook 模型最后一个关键是 Investment（投入/投资）。它并不单纯指金钱形式的投资，范围更广泛，泛指一切能促使用户再次使用产品的投入行为，形式可能是时间、数据、精力、社会关系，当然也包括金钱。

让用户投入，是为了让用户在不知不觉中再次进入 Hook 模型的循环。当用户为产品付出了个人数据、社会成本、时间金钱精力等投入之后，这份投入会让用户出于各方面的原因更加依赖产品：比如"既然已经在这里花费了这么多"，已经构成了沉没成本，迁移到别处成本太高；或者通过不断投入产生了感情；或者产品产生了网络效应等。所以有时（正如前文案例所示），与其免费给用户一些东西，不如让用户付出一些什么——一旦付出了，用户才会更认同产品、更爱用产品。这也是有科学依据的。让用户持续投资、从而进入下一轮 Hook 循环的形式有：

• 存储价值：用户在不断使用产品的过程中，于平台上累加价值。比如听歌软件，用户在不断创建和收藏歌单，使用越多，这些歌单本身就构成其继续使用这款产品（如网易云音乐）的重要原因——不再可能转去用 QQ 音乐之类的其他产品；又如虚拟产品，玩家常玩游戏，在游戏里买了很多好看的皮肤、获得很多武器装备，让自己变得强大、在游戏里游刃有余，这时若推出一款新产品、用户在里面是一穷二白什么都没有的新手，肯定不愿意；再如粉丝，微博用得越久粉丝越多，新的社交平台出现时也不太可能跳过去——在原平台上已经有一定影响力，到别的地方另起山头就很麻烦。
• 载入下一个诱饵：在用户投资的时候，设法让其载入下一个诱饵。比如一些电商网站设置"二次充值优惠"机制：用户不断充值是一种投资，再次充值时给一些优惠，很多原本只想充值一次的"一竿子买卖"，看到二次充值有优惠，就产生了一种动机——它既是触发机制又是奖励，用户有可能再次进入新一轮 Hook 流程。
• 为用户创建偏好：用户用得越多，系统越懂用户、越理解用户，越像贴心的智能管家、仆人。如今日头条当初推的概念"你关心的才是头条"——用户用得越多，推送的与其相关的信息越多、会越来越感兴趣，转化率也越高。现在很多人工智能、机器学习的概念，也是试图通过数据、通过机器的手段了解用户，提炼哪些东西对用户真正有吸引力，从而更加了解用户，让用户在平台上持续被吸附住。

六、完整案例：Snapchat 的上瘾循环

Snapchat 是一款图片分享应用，创始人是美国的富二代埃文·斯皮格尔（Evan Spiegel），他是超模米兰达·可儿的丈夫。用户可以用 Snapchat 拍照、录制影片、写字或画画，并将这些发给应用上的好友；通过 Snapchat 发出去的内容被称为 Snaps（快照）。用户向好友发送快照时，可以设定好友访问快照的时间限制，超过时限后快照会从好友的设备和 Snapchat 服务器上彻底删除；若期间对方试图截图，用户也会得到通知——即阅后即焚模式最早的发明者。2017 年 Snapchat 上市时市值高达 240 亿美金，日活用户高达 1.7 亿，留存率非常高、粘性很大：平均每个用户每天使用 10 分钟，而拥有 Facebook 光环加持的竞争对手 Instagram 只有 6.4 分钟。

Hook 模型的作者在 2015 年发布过一个名为《The Secret Psychology of Snapchat》的 PPT，讲解 Snapchat 为什么如此流行、并能持续具备生命力。

• 触发：Snapchat 是一种制造轻松消化内容的方式，能非常容易地从手机上拍出完美的照片用于分享，有点像柯达胶卷广告中的"柯达时刻"——不管是曾经的胶片柯达还是今天的数码柯达，“柯达时刻"记录下人们那一刻的喜悦、幸福、感动、思念。Snapchat 也一样，让人们摆脱"失去美好时刻"的恐惧，把时刻记录下来分享给别人。而既然是记录美好时刻，为什么设定销毁时限、不像 QQ 相册那样永久保留？因为"拍出来的东西会消失"意味着人们可以更真实、有趣地做自己：不管拍什么，十秒钟之后就没了，无须在意拍得好不好，放开拍即可。
• 行动：一方面设法减少用户使用这款产品拍照的思想负担，让他们想拍就拍、随时掏出手机就能拍。如果说 Instagram 上的照片像婚礼上的正装出席，Snapchat 就像在朋友家里穿睡衣——无需考虑拍照水平、梳妆打扮美不美、上不上镜，完全没有 Instagram 那样的思想负担和社交障碍。另一方面，发送照片激发互惠心理：遵循互惠心理，用户收到照片后某种程度上会觉得有责任回送点什么礼物；因为照片会消失，必须立刻回复。如此往复、有来有回，用户就玩得不亦乐乎。同时，虽然 Snapchat 给了用户充足的驱动力，但若操作流程阻力太大用户依旧不会买账，因此它极大简化了拍照动作：打开 App 首页马上就能点击拍照，而 Facebook 等其他社交平台的首页都是信息流，阻碍了用户想完成动作的第一时间冲动。另外，经常用 Instagram 的人有一种"不知道该选什么滤镜"的痛苦和纠结，而在 Snapchat 上完全没有——只要轻轻一划、滤镜自动匹配，减少了很多决策成本。行动的召唤因此很强，用户有意愿马上打开就用。
• 奖励：Snapchat 提供的奖励都在用户心理层面。首先，拍照环节可以充分发挥创造力，拍完用画笔、文字修改照片的过程同样有趣，有千变万化的个性化装饰可能，因此拍摄和修改照片有着难以言表的不确定性、创造性和让人吃惊的感觉。其次，官方会精选用户提交的照片、视频制作成故事（Stories 功能），让上亿用户看到，提供莫大的成就感。坦率地说，Snapchat 早期在美国年轻人群体里快速流行，也和某些特殊用法有关：一些少男少女仗着阅后即焚，大胆给对方发送很裸露、性感的照片，这种荷尔蒙诱使下产生的精神兴奋，对他们也是一种奖励形式，刺激他们在上面花费大量时间。
• 投入：用户花费时间和精力摆各种造型、拍照、修图，这就是在 Snapchat 上的投入。但它不像其他社交平台那样保留图片，用户的价值如何被存储？答案是：当用户把照片发送给朋友时，收到的回复就是价值所在——此时下一轮新的 Trigger 被触发：对方回复了照片、用户收到新的通知，激发互惠机制，再回复过去。上瘾的 Hook 模型就这样持续不断地循环，让用户和好友玩得不亦乐乎。

最后回顾 Hook 模型的四大要素：第一，Trigger 触发机制；第二，Action 行动；第三，Reward 奖励；第四，Investment 投资。

4.3 - 4.3 为用户创造【惊喜时刻】的秘诀

一、用户为什么离开：HubSpot 的调研

宣传自己的产品时，偶尔会看到有人吹得天花乱坠。但不管怎么吹，大部分理智的用户还是倾向于眼见为实，不会轻易被广告词蛊惑。美国科技公司 HubSpot 曾做过一项用户调研，研究用户为什么离开、不再使用产品，结果道出了一个非常残酷的现实：

• 30% 的人因为没有感受到产品的价值而离开；
• 30% 的人因为不知道怎么操作而离开；
• 少部分（10%）的人因为使用中有失败的体验而离开；
• 剩下不到 30% 的人，出于产品兼容性差、或有了更好的竞争对手等原因离开。

其中总共有 60% 的人，是因为用了产品却不知道怎么操作、或不知道产品的实际价值在哪而选择离开。这说明产品没有让用户知道应该怎样正确使用产品、从而得到所期望的价值——这就涉及客户的期望管理以及产品价值如何凸显的问题。

二、什么是 Aha Moment

做产品时常见一个词：惊喜时刻（Aha Moment）。词典里对它的解释是：思考过程中一种特殊的愉悦体验——经历 Aha Moment 时，会对之前不明朗的某个局面产生更深入的认识。现在它常用来表示某个问题的解决方案突然明朗化、豁然开朗的时刻。

最经典的例子是阿基米德：他在浴缸里洗澡时看到水位的变化，理解并想出了浮力定律，困扰多年的问题最终被解决。他非常激动，光着身子跳出浴缸，大喊了一声 “Eureka”（希腊语"发现了"）。人们往往把这样的体验称为 Aha Moment。

一个产品的 Aha Moment 不会这么夸张，但一定会让用户有意外的惊喜，最好能让用户心里想着：“哇，原来还有这样的功能，太好用了。“用户感知到这个点之后，就会更认同产品，也更容易被激活与留存。

从产品体验角度，它还有另一个说法叫 Magic Moment，指用户使用产品中的”爽点"。从产品优化方向来说，它相当于有价值的用户行为——这些行为将决定用户是继续使用产品、还是选择竞争对手，对用户留存及产品稳步增长有决定性影响。普通用户在使用过程中通过哪些行为留存下来、成为优质用户，是无法准确预知的；但一旦设法找到这些行为，它就可以成为实现产品增长的秘密武器。即使再优秀的产品，也会在发展方向中经历迷失或反复挫折，如果在这个阶段没有及时找到正确方向引导用户，产品的留存和增长就很难实现。

需要注意的是，Aha Moment 不一定字面上指某一个时刻，而可能是一个关键行为节点——用户执行了某个功能、甚至细化到点击了某个按钮。以是否使用该功能为界，就可以区分用户是否发现了产品的价值：发现的人会留存，反之就会流失。需要做的，就是找到那些可以让用户被激活、留存下来的共性动作；或者反过来说，多数流失的用户都不会采取的动作。

三、如何判断：维恩图与知名产品的 Aha Moment

通过三张维恩图可以理解判断方法：图中青色代表留存用户人群，红色代表采取了某个特定动作的人群。

• 左上角的图：很多用户会发 8 条消息，更多用户会留存，但留存用户与"发 8 条消息"的用户之间交集很小——无法判断发 8 条消息是不是让用户留下来的关键动作、关键功能；
• 左下角的图：大多数用户会发 1 条消息，这个行为能覆盖大部分留下来的用户——但"发一条消息"可能只是用户普遍会采取的共性，与是否留存没有太大关联，不能轻易下结论；
• 右边的图：留存用户与采取某个动作的用户有相当一部分交集，交集之外各自的份额都比较小——说明这个动作与留存有极大的关联性，其他因素的影响占比较低。这个较大交集所代表的用户行为，就是用户达到 Aha Moment 的行为：当用户执行这个行为时，他就达到了 Aha Moment。

一些世界知名产品的 Aha Moment：

• Slack（办公协同软件）：使用它的团队发送的消息超过 2000 条。一旦超过，这个团队就倾向于留下来，成为忠实用户；
• Dropbox（云端文件存储工具）：用户在一个设备的一个文件夹里存储了一个文件，就达到了它的 Aha Moment；
• Zynga（依附于 Facebook 的社交游戏平台，开心农场产品鼻祖的开发商）：用户的 Aha Moment 是注册完成后的第二天重新返回使用；
• Twitter：关注了多少用户、以及多高比例的用户回关。这个数字一直在动态变化，官方也没有公布具体数值，但由此可以大致了解它的 Aha Moment 是什么；
• Facebook：新注册用户在七天之内添加十个以上好友——也就是前文案例中"你可能感兴趣的人"功能的由来；
• LinkedIn：注册完之后的多少天之内加了多少个好友，其实跟 Facebook 很像。

总结出产品的 Aha Moment 之后，就可以采取对应的产品策略来强化用户的使用行为，帮助用户达到 Aha Moment。例如 Facebook 希望用户在一周之内添加十位好友，就在各个产品模块功能中引导用户添加好友（“你可能感兴趣的人”）；Dropbox 的 Aha Moment 是用户在设备上存放第一个文件，它就在产品当中各个地方引导新用户完成首次上传的流程。

再看两个国内产品：

• 一款照片美化产品的 Aha Moment 是用户首次利用滤镜功能完成一张照片的美化。对应的产品策略叫”滤镜体验前置"：不是拍完照片之后再选滤镜，而是在取景准备拍摄时就能体验滤镜叠加的效果，从而缩短新用户使用滤镜的路径；
• 唱歌软件唱吧的 Aha Moment 是首次唱歌之后回放被处理过的优质效果——用户唱完之后一听，“哇，我唱的歌这么好听”，甚至可能比真人唱得更好听（经过了特殊处理），顿时觉得自己简直是一代歌神，也就感受到了产品价值。对应策略就是赶紧引导用户唱一首歌，唱完之后回放听一听。

四、在自己产品中寻找：行为相关性分析

在自己的产品中找 Aha Moment，说简单也简单、说难也很难，可以归结为几步：

• 先想产品的核心功能是什么。 很多时候核心功能就代表了产品希望用户采取的关键操作：视频网站的核心功能是让用户看视频，最核心的操作就是播放视频，这也是用户最容易感到产品价值的点；社交软件是用户互加好友、发消息产生聊天；电商网站很自然就是产生交易、买到心仪的商品。可以根据产品不同的业务形态、通过什么功能模块对用户和商业产生价值来判断。
• 承认例外。 有些产品的 Aha Moment 可能与核心功能没有太直接的关系，可能是一个边边角角、不太引人注意的功能，但它吸引了用户不断回来使用。这时就要去找究竟是什么样的行为促使用户愿意留下来。
• 做取舍。 找到一些用户愿意因此留下来的功能后，思考在有限的预算框架和时间节点之内，哪一项功能能让用户更快速、更低成本地感受到产品价值，把重心放在优化、突出、强化这个功能上。
• 用实验和数据验证猜测，把它提炼成一种产品功能——这就是增长黑客的精神。

用 Excel 做相关性分析

下面通过一个具体的操作案例，看怎样通过数据找到产品功能与激活、留存的相关性。用到的工具是 Excel，其中有一个相关性分析工具，能非常方便地分析某个产品行为动作与最终留存之间的关联度。

先用一个现实生活中的简单案例（暂不涉及产品数据）。小麦这种农作物包含不同的性状——由于植物基因不同，会演化出很多不同的特征。假设有九株不同的小麦，按顺序编号 A1 到 A9；小麦有很多性状，这里选出六种：冬季分蘖、株高、每穗粒数、千粒重、抽穗期、成熟期（具体含义不必深究，知道是小麦的不同性状即可）。不同性状之间是否存在关系——是不是有些性状同时出现、有些此消彼长——就可以通过 Excel 的相关性来验证。

操作步骤（以 Mac 版为例，Windows 版原理如出一辙；Excel 的基础操作不在此展开，感兴趣可上网搜索相关教程，很快就能学会）：

1. 先加载数据分析模块：菜单"工具 → Excel 加载项"，勾选分析工具库（Windows 里也需要加载分析工具库）；
2. 加载完成后，"数据“标签下会多出一个”数据分析“功能模块（不加载就不会出现）；
3. 点击数据分析工具，选择”相关系数"，点击确定；
4. 选择输入区域，即要分析的数据（准备好的小麦数据），分组方式选择"逐行"——比较不同行之间的相关性；
5. 指定输出区域（为了便于展示，直接选当前表格里任意一个位置），点击确定。

Excel 呈现出结果：这张表体现不同行之间的相关性。相关系数的取值范围是 -1 到 1：-1 最小、1 最大；1 代表完全正相关，-1 代表完全负相关（行一与行一的相关性是 1，因为一模一样）；处于其间的数值代表存在一定的相关性。看表格中相关性较高的：-0.8965，即行一与行三——行一是冬季分蘖、行三是每穗粒数，可以看到冬季分蘖越小、每穗粒数越大，冬季分蘖变大、每穗粒数变小，这就是负相关（“一个大另一个就小”）。而对比行一与行六（相关系数 -0.32），既不是同涨同落，也不是一增一减，就没有太大相关性。这个工具可以帮我们发现不同性状（不同 feature）之间是否存在一定的相关性。

应用到产品数据

同样的方法用到产品数据上。假设一款产品共有九个不同的用户，列举他们的一些行为：第一个行为是当月登录次数（可以理解为统计产品活跃度或留存率的指标）；剩下要做的，是把其他猜测与该指标有关联的行为与它做相关性系数分析。这里列举猜测相关的动作：签到天数、加好友数量、播放视频数、发表评论数、点赞数。

仍用上述方法：选中所有的数值区域，在数据中选择数据分析，进行相关系数分析（选定区域不变），分组方式仍是逐行，指定输出区域，点击确定。看结果：

• 相关系数最高的是行一与行三，即当月登录次数与加好友数量——跟 Facebook 的案例一样，登录次数和加好友数量存在相当高的正相关：登录次数越多、加好友数量越多；反过来理解，加越多好友也预示着会有更多登录次数；
• 其次是 0.8304（行一与行二），即每月登录次数与签到天数：用户登录得多、签到就多；反过来，有些用户为了签到不停使用签到功能，对应也会频繁登录。因此可以考虑在产品中强化签到功能，通过更好的引导或签到奖励刺激用户经常来签到，以此带动日常使用；
• 再往下是 0.8（行一与行四），即登录次数与播放视频数：用户登录得多、看视频也多；反过来，如果能给用户推更多视频、让用户更多消费视频，很多用户会因此更多使用产品；
• 后面是 0.7、0.4；最低的是行一与行六，即登录次数与点赞数——用户登录多少次和点赞数没有太大关联性，不需要去优化点赞功能。

通过这张表，筛选出最适合的三个功能就是行二、三、四，即签到天数、加好友数量、播放视频数。接下来从产品开发的角度考虑哪个开发成本最小：如果觉得签到天数最容易优化（签到完给一个反馈、发一点积分），就优先强化这个功能；觉得加好友数量比较容易实现，就设计一些邀请用户加更多好友的模块；觉得播放视频对产品实现来说最简单，就尽可能多给用户推视频。当然，这一切都是基于数据得到的猜测，最终还是要靠上线的实验数据来验证假设。

如果觉得麻烦、自己导出数据不方便，希望采用现成工具，国内也有厂商提供这样的服务，比如数据分析服务 GrowingIO，它有一个"留存魔法师“功能模块，能很智能地指出哪些功能或哪些动作对产品留存率有最高的相关性，值得一试。

五、完整案例：Pinterest 的激活优化

Pinterest 是一个以兴趣为基础的图片社交社区，也是瀑布流产品形态的首创者。在硅谷，Pinterest 一直走在增长的前沿，用了很多数据分析工具和先进手段来分享增长理念。截至本文撰写时，它的月活用户已将近 2 亿。

Pinterest 做用户激活工作时，第一件事就是选择什么功能作为激活用户的功能模块和激活目标。在这个过程中，他们问了自己三个问题：

1. Pinterest 的核心功能是什么？
2. 什么能让用户留在 Pinterest 上使用得更多、更久？
3. 到底哪些功能可以迅速反映出 Pinterest 的价值？

经过反复筛选，他们选择了一个功能：Pin It 按钮（注意：这个按钮原名 Pin It，后来通过数据分析调查发现改叫 Save——保存——更容易理解，现在 Pinterest 网站上已完全改叫 Save；以下案例中说的都是当年的 Pin It 按钮）。这个按钮实际上就是收藏功能，点击之后可以将图片收藏到自己的图片画板里。Pinterest 认为 Pin It 按钮是最适合的激活目标，理由有四：

• 曝光率和使用率都很高：按钮展现在每一张照片的最顶端，属于最核心的功能，是 Pinterest 最希望用户使用的功能；
• 操作熟悉、学习成本非常低：用户只要点一下就可以完成后续操作；
• 经过数据验证：凡是用 Pin It 收藏过图片的新用户，最后都留存了下来——即前文所说的相关性分析，发现点这个按钮与最后留存的相关性非常高；
• 是转化路径的顶端：只有收藏了照片，才能创建属于自己的收藏夹、才能分享给好友等等。它是起始动作，是很多其他功能的入口。

Pinterest 如何激活用户、让人更多使用这个功能？它发现很多新用户都来自搜索引擎，而搜索引擎来的用户目的性很明确，就是着陆页面上那张明确的图片。为了让从搜索引擎来的站外用户不只收藏他搜索时想得到的那张图、更多去收藏其他图片，Pinterest 的想法是尽可能多推荐相关图片，随后进行了一系列版本迭代：

• 图一：原本复仇者联盟的照片是用户搜索得来的，主图很大；优化后在右边增加了一组推荐其他相关照片的图片。上线后数据分析发现，激活新用户的转化率很低——分析可能是因为页面功能太分散，也可能是相关图片太小、不显眼，无法获得用户注意；
• 图二：很快进行了新一次版本迭代，但很遗憾，激活转化率仍然没有起色。据此 Pinterest 分析，可能是推荐的 pin 图片尺寸太小，于是假设：把推荐图片变大一点，会不会提升激活率？
• 图三：相关推荐图片不仅出现在主图上方，尺寸也变大了一些。实验结果显示，激活转化率的确开始有所提升；
• 图四：Pinterest 由此得到启发——pin 图片尺寸大一点、展示得更正式大气一点，不要"畏畏缩缩"藏在一边，效果可能更好。于是把相关推荐图片从主图上方挪到主图右方，给了更大的屏幕占比，更好地凸显出来。这个版本上线后，激活转化率又有了一些提升。

通过这几个实验迭代可以分析出：点击推荐 pin 图的群体，更容易在注册后完成激活行为。基于此得出的假设是：推荐的 pin 图和主图片的差异越小，越利于提升激活转化率。于是 Pinterest 不断迭代：减小主图的大小、将主图和推荐 pin 图的风格保持一致、给推荐的相关图片更多的位置。经过多番迭代，Pinterest 的激活转化率最终提升了 25%。这家公司善于做各种各样的实验、采用各种增长手段，在这个案例之后又前后迭代了六个版本，后来在官方技术博客上公布：通过不断的实验尝试，他们最终成功将"注册并收藏"的激活转化率提升了 200%。

这就是 Pinterest 如何通过用户行为的相关性分析，找出最容易让新用户注册、激活并转化留存的功能，再围绕这个功能不断优化迭代、让它成为用户活跃度增长引擎的非常好的案例。

4.4 - 4.4 产品的功能留存分析举隅

一、把产品留存拆解为功能留存

一款产品的留存率很高，其实可以拆解或理解为：产品中某一项功能的留存率或使用度比较高。因为用户来使用产品，更多是围绕某一项功能；如果他为了这个功能频繁使用，功能的使用率越高，本质上就代表产品的使用率越高，二者之间可以画一个等号。本节探讨的话题就是：如何通过提升产品中某些功能模块的使用度、留存率，来提升整体产品的留存率。

先明确两个概念：

• 功能留存率：当前周期再次使用该功能的用户数 ÷ 上个周期使用该功能的用户数。这个指标表示当前功能的用户粘性。
• 使用用户占比：某周期内使用当前功能的用户量 ÷ 该周期的活跃用户总量。

二、功能留存分析矩阵

有了这两个指标，可以通过矩阵的形式分析不同功能与留存率的关系。图中 x 轴代表功能留存率（用户粘性），y 轴代表使用用户占比（反映该功能是否属于高频需求）。在这个四象限图里：

• 右上角象限（功能一、功能二）：最理想。使用频率更高，留存率也很高；
• 第三象限（功能五）：最差。功能留存率很低、活跃用户占比也很低，可以考虑把这个功能去掉；
• 功能四：使用频率很高，但用户很少重复使用，说明这个功能本身可能很吸引人，但实用性有待提高；
• 功能三：留存率很高，但活跃率太低，说明这可能是一个小众需求，应适当减少精力投入，把精力更多放在拓展相对高频、大众的需求上。

优化产品的目的，归根结底就是促使各个象限中的功能尽量移到右上角，达到最完美的 PMF 状态。

三、案例背景：社区电商的三大功能

以一个社区电商产品为例。这款产品包含三个核心功能：电商功能、UGC 内容的生产、UGC 内容的消费。围绕这款产品调研三个最重要的功能模块——电商、UGC 消费、UGC 生产，用前面的矩阵分析法把它们规划到不同的象限：

• UGC 消费：用户活跃占比比较高（总体超过 70%），但功能留存率比较低，落在第二象限；
• 电商功能：整体留存率看起来很高，但活跃用户占比很低，落在第四象限；
• UGC 生产：相对处在比较安全、适当的第一象限，可以不多管。

重点就是提升 UGC 消费和电商这两个功能的使用活跃率和留存率。

四、优化 UGC 消费：从第二象限到第一象限

先分析 UGC 消费功能模块的问题。剖析下来发现，它整体功能留存率比较低，而两个最大的流量入口是首页推荐和用户搜索，这两个流量入口的整体留存率本身就很低。进一步深入调查后得出两个猜测：

• 首页推荐中被重点主打的"今日推荐“栏目，更新频次很低，每周只更新一次；
• 对用户搜索频次、搜索结果和点击率的追踪显示，很可能是搜索结果不符合用户预期——用搜索功能搜不到想要的东西，搜几次之后用户就觉得不靠谱、不爱用了。

于是尝试两种实验改进来进行功能迭代：

1. 把首页推荐里的"今日推荐"改成”每日推荐"：每天高频次更新，让新用户每天都能点进来；
2. 优化搜索功能和搜索引擎：通过更科学的算法、更合理的安排以及更友善的推荐，让排在前面的搜索结果尽可能符合用户预期。

在这款案例产品上尝试之后，得到了不错的结果：活跃度整体呈逐渐上升的趋势，每次完成一个优化之后都在往上走。次日留存率方面，从八月十八日到八月二十四日这段区间看：八月十八日时次日留存率还比较低，对"每日推荐"栏目优化改善并完成上线后，次日留存率从 6.37% 慢慢上升到 11%，再到日后的 17%，后续一直维持在百分之二十几；八月二十一日（周一）上线了对搜索结果重新排序优化的新版本，对留存的影响立竿见影——一下子从百分之十几跃升到百分之二十几。

通过重新分析并优化 UGC 消费功能，成功把它在留存与活跃的分析矩阵中从第二象限挪到了第一象限，进入比较安全、平稳的状态。

五、优化电商功能：从第四象限到第一象限

接下来是电商功能。它的问题与前者相反：留存率较高，但活跃用户占比很低。还是按同样的思路剖析：电商功能的活跃用户量很少、覆盖度很低，主要难点在于如何引导用户产生消费意愿、号召他们完成第一次消费、把消费习惯建立起来。

对此做了两个猜测：

1. 在电商功能模块里设置一个签到积分入口，通过这个小钩子、小奖励，让用户每天都能进入电商功能模块点击签到领奖；
2. 让领到的积分可以抵扣一定的消费金额，让用户一步步开始使用电商功能，从而提升平台整体的成交付费转化率。

做完猜测后，接下来就是设计实验：上线签到赢积分和积分抵扣消费金额的功能，并且监控签到功能的使用情况以及由此产生的付费转化率。后续结果令人欣喜：这款产品的电商功能使用率很快从第四象限挪到了第一象限，活跃比例有了非常大的提升。

六、迁移到自己的产品

功能留存的分析方法同样可以应用在自己的产品里：看看产品的主要核心功能模块中，究竟哪些是真正能够吸引用户长期使用、高频次使用的关键，哪些功能正处在第二、三、四象限。要做的就是尽可能把第二象限和第四象限的功能挪到第一象限去；而对于处在第三象限的功能，则要考虑它们的去留——是否要把它砍掉。

4.5 - 4.5 如何通过内容运营提升用户的留存

一、内容运营的定位与价值

很多人认为内容运营就是编辑文章、发发帖子，这其实很片面。开展内容运营之前，需要先想清楚一个定位问题：内容是作为产品本身提供的，还是产品的辅助功能——只有先明确了定位，才能有更清晰的目标。为了扩大内容运营的效果，还需要对用户需求进行分析：用户感兴趣的内容是什么、经常阅读和传播的内容比例如何、内容运营对产品的作用到底有多大。

用一个生活例子来理解。假如一位用户准备装修新房，前来参观取经：来之前，他计划借鉴主人在小空间里摆放书架、工作台和床的经验，包括怎么处理拐角里的窗户；来之后，他被浅灰色的色调吸引，连落地灯都令他印象深刻，还没等主人介绍，就意识到主人追求的是简洁实用的小清新风格；离开时，他对这里的装修风格有了清晰的整体印象——不仅是家具摆放和室内改造，还包括那些可爱的装饰品。

在这个故事里：参观者 = 用户，参观取经 = 需求，房子（我家）= 产品，装修 = 内容。来之前参观者有明确而理性的需求——学习解决问题的办法；来之后对色调、风格和装饰品印象深刻，是直观感性的收获。一句话概括：依附于产品的内容运营，不仅满足了用户理性的内容消费需求，还能让用户对产品调性产生感性的认知——这就是内容运营的价值。

从结果导向上说，有价值的内容既能促进用户的最终付费转化，也能促进活跃和留存。前文章节已介绍过内容营销的重要性，内容运营同样能提升产品的活跃度和留存率。

二、Push 推送与气泡图矩阵

用内容运营提升活跃度的一个常用手段，是弹窗或 Push 推送通知，很多网站、App 乃至微信内部都有这样的机制——发不发、发给谁、发什么，都是运营人员可控的。Push 是产品直达用户的最近通道：它能让用户在没有主动意愿、没有使用场景的情况下，启动网站、打开 App 或微信账号，因此非常常用。

但 Push 发出去之后，内容到底有多吸引用户、转化能力如何衡量？这时可以用气泡图构建一个矩阵，找到有助于提升留存的内容加以强化，也可以找到薄弱环节加以改进：

• 横轴：一段时间内某个内容标签对应的留存率，即浏览了该标签内容的用户中，次日还来浏览该标签的比例；
• 纵轴：该标签内容留存率的标准差，描述这个标签下内容表现的稳定性；
• 气泡大小：该标签内容下的浏览用户人数，气泡越大看的人越多。

坐标轴的维度是灵活的，可按自身需求替换成其他维度，比如活跃用户占比、内容标签数量、转化目标等，这里只是一种举例。

三、案例：媒体资讯平台的内容消费分析

以一个媒体资讯平台为例（可以想象成今日头条），它提供企业服务、金融、游戏等不同行业的财经类新闻标签。客户希望从提升用户留存的角度，分析平台整体内容的消费情况。参照气泡图调出数据后，可以读出这些结论：

• 电商、互金：两个最大的圆，是产品用户中的中坚力量。核心话题读者很多、指标稳定、留存率中等，是需要重点发力的两个话题；
• 汽车、企业服务：人数不多，但留存率很高、表现稳定、潜力很大，可称为"潜力派"。应通过调整投放策略吸引这类话题的受众，加强内容输出，提升整体留存；
• 直播、游戏：留存率不算差，但极不稳定，偶尔有小爆发。需要对话题下的文章做更细化的分析，找出拉低留存的子话题加以排除，同时加强高留存内容的创作，让这两个标签下的输出更加稳定。

四、个性化内容服务：Netflix 案例

同一个产品中，用户的特点、需求、活跃度也会有很大差别——就像同一个小区里住的都是人，也分男女老幼。如果对全部用户按统一标准提供服务，势必只能满足一小部分人。因此需要针对不同人群提供个性化的内容服务，这也能提升留存率。

Netflix 是国外非常有名的在线视频流媒体网站，自制了《纸牌屋》《怪奇物语》等热门剧集。它与优酷、爱奇艺一样采用按月订购的收费模式，客单价非常低，扩大营收的最佳方案就是提升留存率。当时的数据统计显示：

• 每个用户每月平均仅付费 8.14 美元，而用户获取成本高达 18 美元；
• Netflix 毛利只有 33%——用户付 8 美元，公司只能赚约 2.4 美元；
• 算下来用户平均要续费 7 个月，Netflix 才能盈利。

于是 Netflix 想到了提升续费率（也就是留存率）的高招：利用多年积累，建立起包含超过一万三千种影视资源的庞大资源库；再根据用户的观看行为，在合适的时机推荐他可能感兴趣的美剧。看过美剧的人都有体会——好片子永远看不完，用户就会一直续费。比如作者喜欢超级英雄系列，看完《夜魔侠》后，Netflix 会持续推送相关主题的剧集。

结果是：Netflix 的平均续费时长高达 25 个月（两年多），客户生命周期价值高达 66 美元，远超 18 美元的获客成本。本质上，正是内容运营加个性化内容推送这套机制，帮助 Netflix 成为世界上最赚钱的公司之一。

五、案例：AntibodyPlus 深挖内容价值

类似的例子还有 AntibodyPlus。它在后续运营中发现有一段时间用户留存率很不理想，两位创始人便通过谷歌数据统计工具分析用户行为路径，发现很多用户在产品详情页跳出（图中红色部分是用户跳出，绿色部分是该环节的流量）：56.1% 的用户在详情页纷纷跳出，留存情况十分糟糕。进一步分析还发现：访问详情页的用户停留时间普遍很短，PV/UV 也很低，代表活跃度不够，很难产生持续留存。

这些情况都发生在详情页，是否说明页面没有传递给用户足够的价值、难以唤起兴趣？于是问题变成：如何提高产品详情页的活跃度和留存率？

AntibodyPlus 把自己的详情页与竞争对手的网站进行对比，同时模拟用户行为，终于发现了问题：详情页上的产品数据太少了。它的主要客群是科学家，科学家普遍严谨，购买一款试剂用于研究时，最希望知道产品适不适合自己的实验；如果没有数据，即使购买了也还要到第三方数据库去确认。简陋的详情页无形中给科学家增加了阻力、加大了工作量。

于是两位创始人做出假设：科学家需要大量的第三方数据资料作为参考。优化方案是在详情页上增加大量第三方数据、方便科学家查阅；具体执行则是用爬虫手段，从第三方数据库抓取数据导入自己的网站。

这轮优化之后，留存和活跃得到显著提升，也提高了下单频率、增加了营收：停留时间提升一倍，PV/UV 提升 30%，留存率提升 30%，下单频率提高 20%。这个案例也说明：深挖内容的数量与质量本身，就能对产品的活跃度和留存率形成有效支持。

4.6 - 4.6 搭建用户流失预警机制

一、真正的离开悄无声息

有一句歌词大意如此：“所有大张旗鼓的离开都只是为了试探，真正的离开从来都是悄无声息、没有告别。“它说的是：如果一个人从内心深处已经彻底放弃、对一件事不再有任何兴趣或期待，他肯定走得头也不回，不可能恋恋不舍地等着别人去挽留。就像微博上有些粉丝口口声声喊着"我要取关你”，其实发自内心希望引起博主关注，巴不得博主慌张地前来挽留，好获得一丝优越感，摆出一副"我就大发慈悲暂时不取关你"的姿态；而真正要脱粉的人，二话不说，点击取消、点击确认，就这样走了。

做产品也是如此。所谓转化率，就是一部分人成功转化了过来，而大多数流量就这么损失、消耗掉了。流失掉的用户通常不会发来任何通知——没有人会提前说"我要关闭网页啦"“对不起，我要卸载你啦”，都是悄无声息地成了过客。正是缺乏双向沟通的过程和手段，用户的流失有时纯粹出于误会，产品方却百口莫辩，根本来不及解释和挽留：

• 用户打开产品，死活刷新不出新内容，以为是产品有问题，其实可能是他电脑的防火墙切断了连接，跟产品本身基本没有关系；
• 产品动不动就崩溃，用户一气之下卸载，其实是某个流氓软件在后台作祟——只要提醒用户消灭掉它就能皆大欢喜，产品却无从开口。等用户真的愤然离开再去挽留，很可能为时已晚。

由此可见：需要建立一套流失预警机制，提前预测哪些用户、或符合什么特征的用户很有可能正在悄悄流失，赶在他们离开之前，通过现有的一切手段尽可能接触、设法挽留，帮助他们更顺利地使用产品、获得成功——这就是流失预警的意义。

二、用户分层：粗放与个体运营之间的折中

建立流失预警有很多手段。比如非常粗泛地给全体用户每天发一条推送，多少有些效果，但也可能有用户本来就反感整天收到推送——正好手机内存不够用、盘算着卸载哪个应用，一条推送恰在此时送上门来，他一怒之下就把产品卸载了。这是粗放运营的弊端：只能从统计学上赌一个大概率，无法足够精准地服务小部分人。另一个极端是针对每个个体做运营，比如给每个客户安排专属的接线专员、专属客服，但这样成本又太高。

所以通常选择介于二者之间的方式——用户分层。它是数据化运营中常见的解决方案之一，是介于粗放运营与个体概率预测模型之间的折中和过渡模型：既兼顾精细化的需要，又不需要在预测模型的搭建和维护上投入太多资源，因此有比较广泛的应用价值。

用户分层的目的和用途主要有三条：

1. 运营团队：通过对客户分层，针对不同用户采取对应的运营方案来执行贯彻，提高整体运营效率和付费转化。不同用户处在不同阶段——有的刚进来，有的已经用得驾轻就熟，有的迫不及待要付费——用不同手段引导，成本、门槛和投入都不一样；
2. 客服团队：通过分层模型对不同群体提供不同的说辞和服务。对免费用户，“腰板可以稍微硬一点”，丢给他一个网址或快速、标准化、模板化的应答，帮他找到想要的就够了，不必太多纠缠；对付费的大客户，则要提供更贴心、更定制化的服务；
3. B2C 电商平台：以阿里巴巴旗下的淘宝为例，早期与 eBay 竞争时主打免费开店，后续开店也会产生成本（比如购买营销套餐）。可以从免费注册的卖家开始划为一层，再沿着卖家的成长轨迹——上架 5 个、10 个商品，开始变得活跃，开始充值付费购买营销套餐，直到成长为平台上的大卖家——一步步做不同的画像，提供不同的服务，并通过不同的收费档次让平台整体利润最大化。

不同产品的形态会有差异，同一个产品在不同阶段也可以采用不同的分层。比如一款社交电商产品，早期的分层目标更多是用户和 KOL 层，后期更贴近商业方向，就要设置更灵活的分层。一般来说，用户分层分四五层就差不多了，太多分层会显得很复杂，不适合运营策略的执行。

三、C 端实战：知乎与游戏行业的分层

以下是两个 C 端产品的例子——知乎和游戏行业。

知乎的用户从下到上可以分为五层：未注册读者（最大众、最宽泛的游客，可能只是浏览帖子，或点开别人发来的链接看一看）→ 注册读者 → 提问读者（注册后主动提过问题）→ 付费读者（参与知乎 Live、知乎书店等付费项目，价值又上一层）→ 回答者。知乎本身是问答平台，最底层、最产生价值的一定是高质量的回答，因此回答者是平台上最需要重点服务的对象，有时甚至要比付费人群投入更多精力。针对五个层级的转化策略各不相同：

• 未注册 → 注册：通过各种引导、优惠，或者内容的"勾引”——只让用户看一半，想看后续就得注册；
• 注册 → 提问：让用户浏览大量高质量的提问和回答，渐渐对平台产生信任感，当用户产生问题时，就会想到来知乎提问；
• 提问 → 付费：根据用户之前的提问和浏览记录，大致判断他是怎样的用户，针对兴趣推送有价值的电子书或 Live。推送足够精准、金额又在用户的支付意愿之内，就很可能转化为付费读者；
• 回答者：策略很多。知乎早期，官方会注册很多小号、马甲来拉动新注册的用户回答；当用户发出一个问题时，系统也会在提问的那一刻提醒其邀请好友来回答。

游戏行业用书面语言分类，自下而上是：路人 → 新手玩家 → 普通玩家 → 人民币玩家 → 土豪（通俗说法就是大 R、中 R、小 R，或鲸鱼用户、虾米用户）。不同阶段要做的事情都不一样：

• 路人 → 新手玩家：通过高质量的广告投放、更多媒体曝光，或更多玩家的证言来证明产品足够好玩，把普通路人转化成新手玩家；
• 新手 → 普通玩家：作者接触过的游戏公司提到，一款游戏早期前 15 分钟的体验非常重要，画师的画工、游戏的流畅度都要集中服务好这 15 分钟。玩家一旦觉得体验好、画面精美、游戏性不错、对新手还很友善（给一大堆礼包），就会渐渐过渡到普通玩家；
• 普通玩家：画面美观度已经没那么重要，重点是建立合理的升级曲线、经营好玩家在游戏中的体验；
• 人民币玩家：愿意在游戏中花钱的人群，是游戏公司真正欢迎的"金主爸爸"。普通玩家花三个月不断锻造、拼概率爆装备，好不容易得到一把屠龙宝刀；人民币玩家直接充 1000 块钱可能就买到了。甚至有一种说法：普通玩家其实是一款游戏提供给人民币玩家的一种"游戏特性"，是陪玩的；
• 土豪玩家：撒钱不计成本，游戏公司可能对他们采取一对一服务。传闻早期盛大做《传奇》时，有一位土豪玩家提出了对游戏的想法，普通客服没有很好地采纳；土豪一怒之下离开游戏，还带走了平台上很多同样是土豪的好朋友，导致《传奇》营收出现明显下滑。这件事惊动了陈天桥，他第一时间带着客服登门拜访，好言相劝、好礼相送，最后好说歹说让这位土豪带着朋友重返游戏。可见游戏公司对土豪玩家何等厚待。

四、RFM 模型：衡量客户价值的经典方法

在划分用户分层模型之前，应先搞清楚分层的目的是什么——正如预测模型需要目标变量，分层模型的具体目的和特定用途，决定了它的构建思路和评价依据。市面上有很多现成的分层策略和模型，这里介绍客户管理中一个经典方法：RFM 模型。它是衡量客户价值、付费能力、活跃度的重要手段，一般在电商或 To B 的 SaaS 产品中用得比较多。RFM 代表三个需要重点盯防的监测变量：

• R = Recency（近期消费行为）：用来衡量用户的流失情况。消费时间越接近当前的用户，越容易维系关系——一年前消费的用户，价值肯定不如一个月前刚消费的用户；
• F = Frequency（消费频率）：用户在限定期间内购买产品的次数或使用产品的频次。经常在平台上消费的用户，忠诚度也就很高；
• M = Monetary（消费金额）：营销的黄金指标。二八法则指出，企业 80% 的收入来自 20% 的用户，这个指标能直接反映用户对企业利润的贡献程度。

这个模型通过一名客户"近期购买行为、购买的总体频率、花了多少钱"三个指标，来描述他的价值和活跃情况：利用 R、F 的变化可以推测客户消费的异动，再从 M 的角度识别用户的重要程度，从而把重点放在贡献度高、且流失几率也比较高的客户身上。比如消费金额、消费频率、最近一次消费时间都很优秀的，就是重要价值用户；如果重要价值用户最近一次消费距今已经很久、此后再没有消费，就变成了需要重点挽留的用户——他曾很有价值，自然不希望他流失，运营和市场人员可以专门针对这类人群做召回。

RFM 三个指标放到具体产品里，代表的动作行为是不一样的：

• 工具类 App（如微信）：R = 最近一次使用情况，F = 使用间隔（微信一天可能打开四五十次）；微信本身不靠使用产品来付费，所以 M 监测的不是耗费了多少金额，而是花费了多长时间；
• 电商产品（如淘宝）：R = 最近一次下单，F = 购买频率，M = 消费金额；
• 内容社区（如知乎）：R = 最近一次内容贡献的时间，F = 内容贡献的频率（每隔多久回答一个问题或提问一次），M = 贡献量（累计发了多少帖子、回答了多少问题）。

有在国内一线外卖平台做用户分层运营的从业者分享过他们的 RFM 实践。平台把主要用户分成四类，划分依据是 R、F、M 三个指标各自是否满足——满足记 1，不满足记 0：

• 重要价值客户（R=1、F=1、M=1）：最近消费时间近、消费频次高、消费金额也高，显然是平台最有价值的用户。平台推出 VIP 功能或高级客户回馈时，需要重点服务的就是他们；
• 重要保持客户（R=0、F=1、M=1）：消费时间比较远，但消费频次和金额都很高，是一段时间没有来的忠实客户。可以主动保持联系，询问最近为什么不来、是不是遇到了什么问题，还是太忙忘了，通过保持联系把他召回；
• 重要发展客户（R=1、F=0、M=1）：消费时间近、消费金额高，但频次不高，属于很有潜力的客户，必须想办法重点发展。比如针对他们推荐高频消费、吃不腻的外卖，而不是很久才大饱口福一次的，通过拉伸频次把他们发展成有价值的客户；
• 重要挽留客户（R=0、F=0、M=1）：消费时间久远、频次不高，但消费金额很高，可能是行将流失的用户。应当基于各种手段对他们采取挽留措施。

五、To B 的分层：GrowingIO 与 CSM 机制

前面举的都是 To C 的例子，其实对 To B 公司来说，用户分层机制更加重要。To B 分层的主要目的是促进客户的续约率（其实就是留存率），这直接关系到公司的收入——简单说就是"你花钱我就提供服务，不花钱就不提供服务"，现在很多面向企业的 SaaS 产品基本是这种模式。分层一般用客单价和产品使用活跃度两个维度，比如分成免费的高频/低频用户、签约一个月内的高频/低频用户、签约一年以上的高频用户等，不同公司的划分方法不一样。

这里以数据分析 SaaS 工具 GrowingIO 为例。它对用户进行分层，并针对每层用户从成交到实施部署、使用、续约，采用不同手段来完成转化目标，其核心机制是 CSM（Customer Success Manager，客户成功经理）——帮助付费客户在所在领域取得成功的负责人。客户取得了成功，才能真正发现产品给他提供的价值，最终长期留存下来，因此 CSM 的作用非常关键。

这个角色最早出现，是因为软件公司的业务模式发生了变化。传统软件公司靠卖许可证（License），整个流程重销售而轻流失；随着 SaaS 按月或按年订阅模式的铺开，想要获得更多长期稳定的收入，就必须开源节流：开源，是除了获取新客户之外，尽可能扩大现有客户的付费规模；节流，是提高客户忠诚度、减少流失。CSM 就是为达成这个目的而诞生的角色，更像一个行业顾问：推动客户更好地使用已购买的产品、挖掘更多产品价值、帮助客户取得所在行业的成功，从而帮助 SaaS 产品扩大订阅规模。GrowingIO 的 CSM 团队主要关注客户的续约、增购、流失等情况，这些结果性指标由长期的用户行为监测和前期运营策略共同决定：先观测产品的使用情况、分析用户的活跃指标，再介入客户，重点关注是否解决了问题、是否达成了目标、是否有新的销售机会、是否主动帮助了客户。客户成功的前提，就是关注用户行为数据，制定相应的运营策略，再根据策略实施的结果预测用户的流失和续约情况。

对不同层级的付费用户，GrowingIO 采用三种介入策略：

• 大客户：High Touch——客户拜访、产品培训、分析师交流等基于人与人当面沟通的方式，成本相对较高；
• 中型客户：Low Touch——微信跟进、电话交流、电子邮件等，仍是人与人但不一定当面，借助科技手段可以在短期内频繁接触大量中型客户；
• 小型客户：Tech Touch——用自动化手段触发，如电子邮件、网络问卷，唤起他们的活跃度。

举一个 High Touch 的例子。GrowingIO 监测用户数据时，发现一个大客户的产品活跃度一周之内突然下降了 30% 以上——这是比较严重的变化，对用户留存是非常不好的信号，客户可能准备放弃产品。GrowingIO 马上对客户数据进行拆解、细化到各个部门，最后发现是运营部门的活跃度大幅度降低，导致产品整体活跃度下降。CSM 拜访交流后发现：运营部门刚刚接触产品、对功能还不熟悉，一番捣鼓尝试找不到门道，就不再想使用了。找到问题后，GrowingIO 果断对症下药，通过介入培训让运营部门的人员熟悉产品使用、恢复对产品的信心，重新使用上线后，活跃度果然得到了大幅提升。

Tech Touch 则是利用技术实现自动化留存：用户两周没有登录，系统自动给他发邮件，询问是不是在使用上遇到了问题；三周没有登录，自动发调查问卷征集使用体验的反馈；四周没有登录，说明用户很危险、马上就要流失了，CSM 团队会邀约客户进行电话会议、转入人工环节，看能否进行人为挽留。

通过 GrowingIO 的例子可以了解：应该如何进行用户分层，以及针对不同分层，怎样用一种更高效、同时更节省成本的方式，把维系客户留存的效果最大化。

5 - 第五章 · 病毒式传播

从摩托罗拉「铱星计划」的失败谈起：再革命性的想法，如果不匹配分发与传播的现实，也会在半年内破产。本章系统讲解产品病毒式传播的分类、度量与设计方法。

本章要点

• 病毒传播的分类：口碑传播、示范式传播、爆发式传播
• 衡量病毒传播效果的 K 因子（K = 参与率 × 转化率 × 裂变率）
• 打造产品病毒循环的五个步骤
• 让产品注入「疯传基因」的六大秘诀（社交货币、诱因、情绪、公开性、实用价值、故事）
• 实战复盘：新世相病毒营销活动

5.1 - 1 病毒传播的分类

一、开篇案例：铱星计划的失败

摩托罗拉是曾经的科技巨头，几乎垄断了移动通信行业，最终还是没落了。原因可以从很多角度解读，这里只提一件事：摩托罗拉在二十世纪八十年代曾有一个卫星计划——往天上发射77 颗卫星，一颗覆盖一片地球面积，77 颗共同覆盖全球，借此垄断信号源。

这个想法的来历：一位工程师和妻子在加勒比海度假时，妻子抱怨无法用大哥大联系到客户；回家后，他与另外两位工程师想到了解决方案——用 77 颗近地卫星组成星群，让用户从任何地方都能打电话。由于金属元素铱有 77 个电子，计划得名铱星计划。

铱星计划 1990 年提出，1996 年开始试验发射，1998 年投入使用，但 1999 年 3 月 17 日就宣告破产，此时才发射了 66 颗卫星——从正式运营到破产前后不到半年。据当时估算，达到营收平衡至少需要 65 万用户；但直到申请破产，这个耗资 50 亿美元建立的卫星通信网只有 5.5 万用户。

失败很重要的一个原因是：这个耗资 50 亿、历时八九年的计划，最后败给了快速发展的新兴事物——手机。按铱星的节奏，每发射一颗卫星覆盖一片区域，预估新增用户量与卫星颗数正相关，是线性增长；但那个十年里，更便捷廉价的手机大量普及——手机越普及，分摊成本的人越多，地面信号基站的成本就越以指数形式下降，基站数量就越是指数性上升。铱星尚未逐颗发射卫星覆盖完一片片区域，地面基站已经四通八达、遍布各地，手机抢走了铱星的目标市场。

二、从线性思维到指数思维

铱星计划的失败从侧面揭示了一个道理：简单的线性思维应该被指数思维替代。

有一个经典故事：一位皇帝爱上了一种棋盘游戏，决定赏赐发明者。发明者说：请在第一格放一粒米，第二格放两粒，第三格加倍变四粒，以此类推，每一格都是前一格的双倍，直到放满整个棋盘。守信又实诚的皇帝照做了，结果一粒米在 64 格棋盘上每格倍增，最后变成 2 的 63 次方粒米，棋盘根本放不下，险些把国库掏空。

指数增长只是简单的翻倍：一变二、二变四、四变八。但大部分指数增长曲线都从远小于 1 的地方开始，早期几乎察觉不到：0.0001 翻倍到 0.0002、0.0004、0.0008……在图上几乎等于零；13 次翻倍后数字仍远小于 1，在大多数人眼里这条曲线就是一根水平线。但再翻倍 7 次，数字就会猛增到 100——越过临界点，产生爆炸性增长，一夜之间一块石头变成一座大山。人类的大脑是线性的，这就是指数增长的速度如此令人震惊的原因。

指数思维在日常中很重要，比如投资的复利效应、学习积累的成长轨迹。落到用指数思维做产品增长的实践中，被提及最多的词，就是病毒传播（病毒营销）。

三、病毒营销：流量漏斗变流量金字塔

顾名思义，病毒营销又称病毒式营销、基因营销或核爆式营销，是利用公众的积极性和人际网络，让营销信息像病毒一样传播和扩散到数以万计、数以百万计的观众——深入人脑、快速复制、迅速传播。

理解病毒式营销获取用户的本质，可以对比传统漏斗营销和病毒式营销的区别：

• 传统营销漏斗：企业花很多钱为产品获取流量，再将流量中的一小部分转化为活跃的付费用户；
• 病毒营销漏斗：不是把大量潜在用户中的一小部分转化为真正用户，而是让少量真正的用户帮你带来更多的用户，让用户数量呈指数级增长——每个用户都会带来一个或更多新用户，新用户又带来更多用户，以此类推。

所以现在有人颠覆了过去"流量漏斗"的说法，改叫流量金字塔——把倒三角变成正三角，“宽进窄出"变成"窄进宽出”。两种说法都有道理：前者强调存量用户的转化，后者强调增量用户的传播。

Hotmail、Facebook、Dropbox、PayPal 等产品都是病毒营销的受益者，靠病毒式增长黑客手段斩获了全球几千万甚至上亿用户。如果想把这种扩散过程可视化，一个直观的模拟工具是手机游戏**《瘟疫公司》**：玩家在游戏中研制一款病毒，选择出生地，增加各种传播要素，最终扩散到全球，完全就是病毒传播的模拟。早期传播很慢，如果降生地选在冰岛这种人迹罕至又寒冷的地方，后期扩散难度很高；玩到后期就能直观感受到什么叫指数性增长——非洲、中亚这些热带国家简直是病毒的温床，一下子整片区域全红了。游戏中还可以给病毒起个有趣的名字，比如直接用自己产品的名字，讨个好彩头。

同样是病毒传播：如何让用户用恰当的语言向别人介绍产品？如何促使用户谈论产品？要不要在产品和市场方案中加入激励机制？用户创造出照片、视频等可分享元素后，如何让他们分享出去？潜在用户看到后又如何转化为新用户？回答这些问题之前，需要先了解病毒传播的分类方式，这有助于理清本章思路。

四、病毒传播的五大分类

美国著名顶尖投资机构 Greylock Partners 的合伙人 Josh Elman，曾任职于 Twitter、Facebook、LinkedIn、RealPlayer 等科技公司，担任产品负责人或产品经理。他转做投资后专门研究了病毒传播，把它分成五个种类。

第一种：Word of Mouth Virality（口碑传播）——最简单直白的方法：产品太好用了，所有人都忍不住想让朋友了解它。把时针拨回 Google 刚诞生时：朋友看到有人还在用 AltaVista、InfoSeek 这类古板的搜索引擎，就会建议他改用 Google；下次搜索时用户会记住朋友的话开始尝试，觉得好用后也会推荐给朋友。Evernote 早期也是这样传播的。口碑传播的一个关键因素，是产品有个好记、好拼写、更容易被搜索到的名字：思考产品名字时，可以先在 App Store 里打出前几个字，看看哪些应用与自己相近——不要起蹭 Instagram 热度的名字，除非产品能比 Instagram 还火。另外要确保产品能用三两句话描述清楚：用户会基于产品本身、官网、媒体报道等渠道做口碑传播，需要精心挑选形容词，在用户的潜意识里埋下一颗种子；若产品团队自己都描述不清，用户更不可能做到。

第二种：Incentivized Word of Mouth（激励式口碑传播）——口碑营销加上鼓励机制，让用户更积极地推荐产品。比如十五年前，让朋友注册一个 PayPal 账号，PayPal 会奖励推荐人 10 美元；Uber、Dropbox 也用过这样的机制刺激增长，比如送补贴、送空间。现在大部分产品都会用小诱惑激励用户，并将其视作营销成本，比如微信里的裂变营销、分享好友立减费用——折扣让利也是一种激励机制。如果产品需要购买或价格不菲，激励式口碑会比较适用。

第三种：Demonstration Virality（示范效应传播）——要求产品逻辑足够简单：先使用，后展示。如果产品能很容易地帮用户创造内容、展现内容，就可以用这种传播。2010 年 Instagram 发布时，市面上还没有方便把照片分享到其他平台的工具，它瞄准这个痛点，让用户把照片分享到 Twitter、Facebook、Flickr 等平台，自带滤镜又很容易吸引注意力，让人惊呼"这是怎么做到的"。Prisma 的爆红也遵循这个规律：按不同艺术风格处理照片再分享到社交平台，大部分人看到都会想知道如何获得这种效果，看到照片右下角的 Prisma logo，就会直接去下载这个 App。其他案例还有：musical.ly 让网红用户轻松制作音乐视频分享到社交媒体；Pinterest 让用户创造自己的图片集锦（搞笑 GIF 动画、婚礼创意等），在分享中自然传播开。就连 Uber 早期也利用过这种示范效应：朋友看到乘客从一辆黑色的车里下来，会问这辆豪车从哪弄来的；聚会散场别人还在拦车，Uber 已过来接人——用户成了行走的广告。

第四种：Infectious Virality（传染式传播）——用户推荐产品时，推荐方和被推荐方都得到使用功能上的效用。比如 Snapchat 用户会鼓励朋友也下载一个，这样双方可以更方便地发送照片；Twitter 也是——你关注我，我拥有更多粉丝，你也可以看到我发布的信息。有意思的例子还有 Nextdoor：它帮用户向不认识的邻居寄送明信片，邀请他们加入以社区为基础的线上社群，人越多，社群影响力越大。在我看来，传染式传播指的就是网络效应：产品用的人越多，对单个用户的价值越大，用户于是不遗余力地安利别人一起使用——社交网络、网络游戏、团购都遵循这种效应。邀请是传染式传播的重点，但虚假、重复的邀请会适得其反：仅因对方在自己的通讯录上而发出的邀请，不会让被邀请者觉得自己重要；被邀请者登录后发现邀请者并不使用这款产品，也不会再推荐给朋友；产品与社交关联不大时，这招的效率也很低。

第五种：Outbreak Virality（爆发式传播）——有些产品被广泛传播，纯粹因为它们好玩、搞笑、流行，仅仅分享这个内容，就会让人觉得自己是酷的。比如当年一经推出就很风靡的 Pokémon GO，或在 Facebook、YouTube 上一夜爆红的搞笑文章、搞怪网红——因为每个人都在玩，其他人自然也会参与，并积极讨论这些话题。

五、综合运用：特斯拉的推荐计划

这五种分类有时并不完全独立互斥，很多产品会综合运用其中一种或几种。以特斯拉为例：2015 年，特斯拉开始用 **Referral Program（推荐计划）**来卖车——旧车主推荐一位新车主购车时，新车主可以优惠 1000 美元，旧车主获得 1000 美元的代金券。马斯克后来解释：直营店每卖一辆车，营销成本约 2000 美元；把这笔钱省下来直接回馈给新老用户，既省钱，又可以减少开店数量。这是相当聪明的做法：

1. 特斯拉知道旧客户是谁——他们很多是热爱新科技的硅谷富豪，可以有针对性地展开营销；
2. 它想瞄准的客群同样以热爱新科技的有钱人居多，与旧客户有着紧密联系；
3. 这些旧用户既熟悉又认可产品，同时又有充分展示、炫耀的动力。

特斯拉当然不满足于旧客户只卖出一台，何况老车主未必看得上这 1000 美元的代金券，于是继续加码：成功推荐购车 5 次，可受邀参加新工厂开幕派对；推荐 10 次，可获得限量车 Tesla Model X SUV 的购买资格。后来还有各国各地区的其他奖励，如马斯克亲笔签名、升级强化改装车轮、高级 Powerwall 2 等。

回看这套手段：既有激励式口碑传播（推荐购车获奖励），也有示范效应传播（开特斯拉的大佬总是夺人眼球），还隐含传染式传播——特斯拉开得越多，充电桩、配套系统、相关政策法规越完善，对老客户的使用效益越大，他们自然不遗余力地推荐。马斯克这招高举高打、从核心土豪向外病毒扩散的玩法，非常有效。

5.2 - 衡量病毒传播效果的K因子

病毒传播是艺术还是技术

病毒传播到底是一门艺术还是一门技术？有人认为它不可复制：一次成功的病毒传播需要倾注很多精力，还需天时地利人和的配合；市面上看到的成功案例，往往基于既有的庞大渠道、私交甚笃的常年关系、妙手偶得的产品创意，这些对别人来说很难复制。每天似乎都涌现出很多新的传播案例，但因为幸存者偏差，能看到的成功可能只占市场上每天尝试量的万分之一，更多的则是默默无闻的失败。

病毒传播能否被科学地制造和衡量？美国媒体公司 BuzzFeed 提供了一个观察样本。

BuzzFeed：数据驱动的病毒内容工厂

BuzzFeed 被誉为美国增长最快的媒体公司之一。其月流量一度超过四亿，年营收 1.6 亿美金，估值 15 亿美金。但它的起步非常不起眼：2008 年，BuzzFeed 在纽约唐人街的办公室只有五名雇员，网站独立访问量刚超过七十万，却不怎么赚钱。当时恐怕没有人能预料到，这家蹒跚学步的新媒体公司此后每年增长幅度达到 200%，并超越 Facebook，成为《快公司》杂志评选的 2016 年全球最佳创新公司 50 强的第一名，与苹果、耐克、谷歌等历届榜单霸主平起平坐。

很长一段时间里，普通人以为 BuzzFeed 只是专攻上班族无聊消遣的新闻聚合网站，借助猫猫狗狗、明星八卦之类的趣味动图激发网民的转载热情。实际上，2014 年年底，这家网站的 CEO、也是《赫芬顿邮报》创始人的乔纳·佩雷蒂（Jonah Peretti）就在酝酿彻底改革公司策略：与其敝帚自珍地将所有流量锁定在自家平台，不如将内容传遍整个网络，借助形形色色的全球社交网络吸引眼球，全面增加内容的曝光频度。他们试图从零起家，通过数据分析进行决策，科学地量产带有病毒性质的文章。最终 BuzzFeed 获得每月五亿次的浏览量，接近四分之三的独立访客来自社交网络，其中美国国内贡献的访问人次高达八千万，甚至超过了《纽约时报》。

它的成功没有那么多偶然性：在百舸争流的社交媒体时代，它从诞生之初就没有多少对媒体成规的敬畏，真正的奥秘在于数据驱动——依靠强大的数据分析能力，向网民精准输出令人疯传的内容：

• 病毒式传播指数（Social Lift）：一套判断内容是否有爆发潜力的内部专用指标，基本算法是帖子的社交分享阅读量除以初始阅读量，再整体加一。初始阅读量纳入评估的最低标准是十万起，达到这个量级就能获得基础分 1.5 分，新闻采编团队和意见领袖就会加大推广力度；如果点击量只有区区四万，病毒传播指数只有 1.1 或 1.2，那就是失败品，不予重用。任何文章都会先小范围发布，通过机器学习实时预测 Social Lift，有前途再扩大流量口径，选择 Social Lift 最高的内容加大推广力度。
• 内容生产团队：在数据指导下秉承新闻娱乐不分家的特色，生产在传统新闻媒体看来十分无聊的热点。网站每天有四百条轻量级文章，如"二十大萌宠"“十大美胸"“最靠谱的爱情测试"“你会和生活大爆炸里的哪个主角成为朋友”，阅读量却能轻松突破一百万。
• POUND 数据可视化项目：洞察用户如何在不同社交网络间分享内容。比如用户在 Facebook 分享了一组图片，有人感兴趣又转发到 Twitter，接着又有 Pinterest 用户从 Twitter 转存到 Pinterest——整个过程都会在 POUND 上实时生成纵横交错的用户关系网络脉络图，宛如高矮胖瘦各异的数据密林。它甚至可以根据内容的来源预测其在社交网络上的传播路径，相当于用算法连接每个传播节点，构建出病毒传播的模型。
• Hive 数据系统：POUND 只是更强大的数据系统 Hive 的一部分。Hive 旨在让生产的内容更具分享力，功能之一是针对不同平台指导生产不同规格的内容格式。以《仅需七步，使用慢炖锅烹制美味鸡》为例：在 Facebook 上是一段 46 秒的视频；放到 Instagram 上压缩到 15 秒，省略的烹饪步骤以文字形式留在评论区；在 Pinterest 上以两张图片加一个跳转到 Facebook 视频的链接呈现；放到 Snapchat 上，则需再拍一个竖版视频来适配移动终端。

在这套机制之下，BuzzFeed 成为高质量病毒内容传播扩散的枢纽和监控室，就连美国总统候选人也将其列为蔓延战火的必争之地。可见，病毒传播的效果是可以被有机地制造和衡量的——通过不断归纳总结特定的套路，能够以极大概率提升一次公众传播的病毒可能性。

病毒系数 K 的定义与计算

BuzzFeed 用自定义的 Social Lift 衡量病毒指数，此外还有一个更通用的、测算病毒传播能力的指标——病毒系数，通常用字母 K 表示。这个概念其实很好理解。

病毒系数 K = invites × conversion rate

• invites（平均邀请人数，也叫感染数）：一套病毒传播系统中，一个用户可以邀请到几个人。QQ 群里"今天是马化腾生日，转发三个人，QQ 就自动续费一年会员"之类的骗局里，“转发三个人"就是系统希望每人完成的平均邀请人数；再如微信裂变发展十五个好友免单、拼团凑满三十人砍价，发起者就需要去邀请其余二十九个人。
• conversion rate（邀请人数转化为注册人数的比率，即转化率）：邀请了十个人，未必十个都会来注册，最终成功的可能只有三四个——有人口头答应"好好好，我这就注册"却没了下文，也可能真的在忙、不感兴趣或流量紧缺，原因很多。

病毒系数 K 就是这两个关键指标相乘的乘积。举个例子：假设有两百个用户，为其设计一套系统，每人平均发出五个邀请，总共发出 200×5=1000 个邀请；如果平均转化率是 30%，这一千个收到邀请的人中最终有三百人转化注册成功。这个例子里 K=5×30%=1.5，意味着每个老用户平均为产品带来 1.5 个新用户。

用 K 预测最终能获得多少用户

手头有了一群种子用户之后，就可以用 K 在理论上推算最终能获得多少用户。

给种子用户一个变量符号 C₀（C 即 customer，用户/客户的缩写；角标为零，表示这是初始给定的用户量，不是靠后来一轮两轮传播带来的）。再给传播层数一个字母 N，取值为大于等于 1 的整数，代表产生了第几层传播。之所以需要 N，是因为传播往往不止一层：二十个用户可能带来十个用户，这十个新用户又可能再发展出五个人——从二十个种子用户开始完成两层传播，总共新带来十五人，总用户即为 20+15=35 人。传播层数越多，积累的用户总量越大。把上述方法抽象成公式：

获取用户总数 = C₀ + C₀×K + C₀×K² + …… + C₀×K^(n-1)

套一个直观的例子：假设手头现有一百个用户作为启动病毒传播的种子，则 C₀=100；再假设病毒系数始终为 1.5。强调"始终”，是因为实际传播中肯定有所衰减——越往后传播人群越边缘化、重复性越高，1.5 可能慢慢降到 1.3、1.2 乃至 0.9、0.8，最终趋近于零。这里为便于演示，给定 K=1.5。计算传播两轮（传播层数 N=3）时的总用户数，就是把三层用户相加：

• 第一层：原始种子用户，C₀=100；
• 第二层（N=1，种子用户带来的第一轮传播）：100×1.5=150 人；
• 第三层（N=2，上一轮新用户继续带来）：150×1.5=225 人。

于是最终的总用户量为 100+150+225=475 人，其中 150+225=375 人是新收获的。

K 值大小决定增长形态

K=1.5 是非常理想的状况：一个人能带动好几个人加入，若能持续保持，基本上什么都不需要做，产品就能实现健康的爆发式增长。但实际增长能否如此理想，取决于 K 的值。对比模拟 K=0.9、1.0、1.1 时的三条变化曲线：

• K<1（如 0.9）：总用户量慢慢增长，但新增量最终趋近于零，走到瓶颈后不再提升；
• K=1.0：保持稳固的线性增长——一个人拉一个人，是线性的直接关系；
• K>1（如 1.1）：曲线越来越陡峭，越往后越可能爆发性增长——一个用户带来不止一个用户，用户总盘子越来越大，拉进来的新用户一层层越来越多，呈现飞升上扬的态势。

通俗地说：病毒传播如果有人持续接盘，就能一直延续下去；如果越往后接盘的人越少，迟早在某一层丧失传播力，总人数就此打住。

再看 K=0.5、1.0、1.5 三个差别较大的数值下，最终能获得的用户数（初始种子用户均为十人）：

相比另外两组同一层时分别只有 20 人和 130 人，差别非常惊人——这就是 K>1 时的指数级放大效应。因此应尽量优先做那些 K≥1 的事情；如果产品要爆发性增长，也应尽可能设计让人愿意发出更多邀请、别人更愿意接受邀请的产品 feature，以提升转化率、最终提升 K。

案例：Airbnb 如何优化病毒传播机制

Airbnb 优化病毒传播机制、提升传播系数 K 的过程是一个完整案例。2013 年年底，Airbnb 计划重新启动用户推广计划，也就是用户互相邀请好友的病毒传播机制。之前的机制设计很草率简陋——1.0 版本直接把"邀请好友"跟"赚 100 美元"划等号，产品增长部门经理斯塔夫也觉得这样的东西实在拿不出手。为全面改造，他们进行了封闭开发：

• 数据调研：研究此前每一个推广者与被推广者的使用行为与留存情况，尝试预测什么样的人会转化成真正的用户；并与业界有成功案例的公司交流，探讨好的执行蕴含哪些要素。
• 渠道与页面优化：用 A/B 测试对比 Email、Twitter、Facebook 和外链带来的流量特征；调整文案，把页面设计得更美观大方，取消原本直接拿联系人头像跟美金等同的照片，改换成文字版本——直觉上更美观、更有可信度，也促进了转化率提升。
• 移动端：为了让推荐看起来更像给朋友优惠、而不是乱发小广告，他们发现在推荐内容中加入发送者的照片，更能提升好友间"送礼"的感觉，于是把用户头像也获取过来（头像在连接 Facebook 时拿到）。类似地，通过 Email 和安卓手机 API 调用通讯录联系人往往有更高的转化率，或许正因为这些人彼此联系更紧密。
• 文案策略：A/B 测试还得出一个有趣的结论——利他的文案比利己的文案更容易带来转化：告诉用户"邀请好友可以获得 25 美元”，效果不如"给你的好友赠送 25 美元的旅行经费”，后者更容易打动人。

经过三个月的封闭开发和三万行代码的沉淀，Airbnb 全新的用户系统于 2014 年 1 月正式上线。上述种种改动带来了邀请效果的明显提升，在某些地区使订单量提升了高达 25%；同时，被邀请来的用户相对于普通用户有更高的留存率，并且也更愿意继续推荐其他人加入。

5.3 - 打造产品病毒循环的五个步骤

什么是病毒循环

研究增长黑客时，常会遇到**病毒循环（Viral Loop）**这个术语——一个早年从硅谷创投圈风靡起来的热门词汇，亚当·潘尼伯格还写过同名书《病毒循环》。它的内核很简单：通过产品自有的机制，利用现有用户源源不断地带动外部新用户进入，本质上就是增长黑客在产品层面最关心的"老拉新"：老用户使用产品，推荐给好友；好友使用后又推荐给另一个好友，如此循环往复。最典型的如 Uber、Dropbox、Facebook。

注意病毒循环与一般病毒传播的区别：如果是脱离产品本身、在市场上额外鼓捣获客渠道，比如 App 只有十万人在用，运营方却在微信上从零自导自演了一出裂变营销、带来三十万用户——这三十万的确是靠病毒传播获得的，但不算产品自身完成的病毒循环，而是外部获客，且有额外投入。

关于病毒循环更直接的例子，是书里提到的一个早年网站 CrushLink。这是一个注册型网站：用户注册时需要填写暗恋对象的名字和 Email 地址，此后系统就会给这个地址发邮件，称有人对其暗生了情愫，并展示暗恋者的细节特征以增加可信度、激发好奇心，比如"暗恋你的人姓名有六个字母"“姓名首字母介于 A 和 F 之间”。被暗恋的人为了弄清楚，很容易也来注册；注册时又被要求填写他暗恋的人的信息。就这样一级一级传播开来，构成一条暗恋关系链。基于这个设计，CrushLink 很快拥有了十万注册用户，一年多后突破两百万。

硅谷创投圈很喜欢创造不明觉厉的流行新词，有了 Viral Loop，LinkedIn 又发明了 Double Viral Loop（双重病毒循环）——可以理解成病毒循环的高级形式：既能够获取新用户，同时又带动老用户的活跃。

LinkedIn 是怎么做的？早年间他们调研用户邀请机制时发现，仅有不到 25% 的新注册用户愿意走完邀请朋友的流程，大部分人注册后只是原封不动地保持着各自邀请者的好友关系，很难再增加新的联系人。于是发起了新的尝试：

• 导入通讯录：邀请用户导入通讯录联系人。在当时，通过输入第三方在线邮箱服务的账号密码导入联系人有难度，用户没有这样的操作习惯，实际可导入的联系人也不多。为此 LinkedIn 专门开发了一款适用于本地邮件收发软件 Outlook 的插件，安装后即可自动导入存储在本地的通讯录。这个插件促使 7% 的新用户愿意上传通讯录，也让邀请朋友加入的比率上升了 30%。
• 公司/职位与联系人推荐：通过现有朋友关系的邀请与导入仍有局限——平均每收到 3.2 封邀请邮件，才会产生一次新用户的转化。于是他们又在用户的个人资料上做文章：新用户注册时被邀请填写当前所在的公司与职位，超过 90% 的人愿意填写。LinkedIn 很聪明地在这个环节增加了联系人推荐——立即列出同属该公司的相关用户名单，新注册用户只需简单勾选，就能马上与这些潜在同事建立连接。尝到甜头之后，又增加了"请输入以往公司与职位"的字段，让人们梳理职业生涯、与过往老同事形成交流，并有助于开启新的职业生涯。
• Reconnect Flow 的巧思：这个在内部被称为 Reconnect Flow 的创意，聪明之处不仅在于有效增加新的用户连接，还能美化用户的个人资料页面，对外提供更多有价值的个人信息展示；并且随着新用户不断注册加入，老用户也会时不时被动地收到新用户的好友邀请，这也有助于维持老用户的活跃度。

通过引入 Reconnect 机制，LinkedIn 的 PV 数量提升了 47%，站内搜索量提升了 33%，用户个人资料页面的信息完成度提升了 38%；上述流程后来被挪到用户注册完成之后的环节进行，也同样使邀请数量上升了 16%。新用户不断邀请更多用户加入，同时激发老用户的活跃，两个链条同时发生作用、同时奏效——这就是 LinkedIn 内部的"双重病毒循环"，非常聪明。LinkedIn 花了将近一年半的时间进行上述整套测试，解决了用户增长的问题之后，才开始考虑商业化变现。

第一步：制定策略

如何打造产品的病毒循环？这里安德鲁·陈（Andrew Chen）又出场了，他给出了建议的五个步骤：制定策略、应用实施、发布、优化、精炼。以下逐条整理他的观点，并补充个人理解。

第一个阶段是制定策略，这里的策略更多是基于全盘的宏观传播策略。在此阶段，安德鲁·陈提醒关注三个很关键的问题：

1. 病毒策略如何与核心产品结合？ 如果核心产品是手机 App，为降低获客门槛让用户在外部完成登录、注册和病毒传播，这当然是好事，但这样获取的用户有多少会真正转到 App 上活跃？又或者产品本身是桌面客户端，却变着法子在微信公众号上导了很多粉丝，看起来很美，但这些粉丝与桌面客户端有什么交集？
2. 想呈现给用户的基本价值主张是什么？ 如果产品是严肃的医疗类，需要体现专业严谨，却隔三差五搞 Flash 小游戏、转发抽奖送零食，这跟价值主张没什么关系，有时甚至还会扣分；相反，用群众喜闻乐见的健康话题，像孕期妈妈保健、微整形美容小技巧之类的噱头来传播，效果应该不会太差，结合也更紧密。
3. 被病毒策略吸引来的用户，会开始使用核心产品，还是迟早会流失？ 回到 CrushLink：它本质上是一锤子买卖，产品触点可能永远只有这一次，用完就走，很难持续活跃。所以产品得有维持用户长期使用的核心功能或服务，才能承载住病毒策略带来的流量。

这里举一个作者亲身接触的例子。某个互联网金融产品推出了一个功能叫**“步步夺金”**：用户日常走在马路上，如果正好开着这个 App，利用手机的运动检测传感器，它能自动知道走了多少步；一天下来的步数可以转化成对应档位的礼金，或者购买理财产品时的优惠额度、加息额度；还可以把活动分享出去，每天邀请好友来增加奖励。

作者乍一看觉得挺蠢：谁会开着一个金融理财 App 当计步软件用呢？定位不符，还耗电，实际赚到手的钱也就那么点儿。跟产品负责人简短交流后，这一判断更加确定：这个病毒小功能主要面向上了年纪的大爷大妈，他们拿它当计步器用——时间多、爱溜达散步，也关注理财，但他们的智能手机使用习惯和很有限的移动支付渠道，决定了参与"步步夺金"后实际购买理财产品的转化率很低。单看这个 feature，性价比很低：对购买理财产品的指标贡献很小，还消耗成本，带不来平均年龄三四十岁、有积累、有理财意向的高净值用户。

但听完后续解释，作者改变了观点——这其实是个很聪明的决定。为什么？通过"步步夺金"能牢牢锁住中老年人的使用习惯；通过病毒机制，让他们持续在朋友圈、微信群里刷存在感，持续获得品牌曝光。这些中老年人虽不是产品的直接使用者，却是间接影响者，而真正的直接使用者大概率正是他们的子女：子女处在家庭事业的上升期，有理财需求，又没时间精力关注市面上有什么新的理财平台、哪家给出了什么优惠，于是长辈就可以在家给他介绍。就这样，这款理财 App 被子女纳入考量范围，有一些在长辈推荐下成了实实在在的购买者。

所以这款产品从策略上想得很清楚：病毒机制拿到的虽然是大量中老年非目标用户，但在线下，他们成功扮演着影响者的角色，为产品带来更多目标群体的有机增长。因此这套病毒系统有存在的意义，一直保留着没砍掉，并对某些贪图小便宜来的所谓"产品蝗虫"保持着有节制的慷慨——整体而言，这套系统带来的价值更多。

第二步：应用实施——六种病毒传播产品化模型

打造病毒循环的第二步是开始实施，也就是通过实实在在的技术手段把策划付诸实践，建立一个真正的病毒传播系统。这里需要秉承 MVP 思路，每次迭代力争最快，而不是最好。安德鲁·陈还提醒一点：这个系统一定要与核心产品有关联性，比如做了视频网站，呈现的病毒系统最好是一个视频。另外不要重复发明轮子——这主要是开发方式层面的建议，比如尽可能使用现有的原型库、代码库，开发时直接套用已有的模块模板就好。

值得一提的是，连常用的病毒循环产品形态都是有套路、有迹可循的，比如晒礼物、晒成绩等等。以下归纳六种常见的病毒传播产品化模型：

• 普通邀请模型：最常见、最开门见山的一种。产品提供一个按钮，点完直接调用 Email 或社交网络账号，或出示一个二维码，用户就可以给朋友发送产品邀请。它之所以"普通"，是因为没什么技术含量，纯粹出于用户对产品的认同感和满意度，再无其他动机——在无利不起早的年代，这种耿直的老好人很少了。稍微进化一点的变体，是提供一定的虚拟奖励乃至物质馈赠，比如邀请别人开户、两人都可得礼金，拉来一个人头、双方额外获赠 1G 空间扩容，在精神激励之外诉诸利益。给用户的邀请奖励可视作拉新获客的单用户获取成本，必须控制在能接受的范围之内。
• 代理佣金模型：与第一种"邀请完就能得利"不同，这种模型下邀请者与被邀请对象的后续动作持续挂钩，邀请者可以反复获取收益，常见于金融类、投资类、销售类等跟现金流紧密的产品。最简单的玩法：邀请好友注册了一个理财 App，只要好友后续持续充值、付费、购买理财产品，他每成交一笔，邀请者都永久从中获取比如 5% 的佣金；发展的人越多、他们越长期付费，躺着获利的可能性越高。这种做法粘性很强，门槛更高，逼着邀请者去指导被邀请者如何使用 App，天然形成类似"师徒制"的关系，可以有效利用用户帮你教育市场、长期督促和刺激业务。
• 抽奖赠礼模型：前两种模型中，邀请一个就能获取对应的奖励，结果确定、概率百分之百；而这种模型通过许诺奖励少部分人一个很大的奖品，来扩大活动整体的吸引力，吸引更多人转发参与。比如设计一个奖池，邀请的好友越多、获得的奖券越多，相当于中奖几率越大，很多人为了提高获奖概率就会拼命邀请好友。直观的例子是微博转发抽奖：如果没有限定一人只能参与一次，理论上反复转发同一条抽奖微博，转发次数越多、被抽中的概率越大。类似变体还有一度流行的"一元夺宝"“零元夺宝”，让用户用很少的金额投注，同时鼓励其邀请别人达到最低开奖人数——相当于用极低甚至零成本的金钱投入，外加帮助产品做病毒传播，来博得获得高价值产品的机会。这种模式在国内已被有关部门叫停，但也有变体能巧妙地不违背政策继续，比如一元夺宝没抽到大奖，用户付的一块钱不退还，而是兑换成等值的礼金券、兑换券——用户不会抱怨被坑钱，产品也不违反有关规定。
• 进度提醒模型：预先设置一个任务目标，需要邀请一定数量的好友才能达成并解锁对应奖励。典型如拼多多的拼团购物：可以团一个很便宜的商品，前提是有多少人一起购买，因此需要凑够人头；再如微信裂变，通常是发到朋友圈、邀请满十五个好友扫码就能获得优惠，当朋友扫了用户分享的二维码，用户就会通过一个服务号不断收到"谁谁谁又扫码进来了"的进度提示。
• 发布预热模型：一些产品（国外居多）在正式上线前的发布预热阶段就需要造势、积攒潜在用户。常见做法是做一个产品着陆页，允许访客留下私人联系方式，等活动上线后收到提醒。但有的产品名额有限或定向邀请，怎么从抢夺邀请码的千军万马中杀出重围？可以通过邀请别人参与来实现：邀请得越多，官方就越给特权，让其在长长的排队等候名单上往前"插队"——哪怕来得晚了，只要拉的人够多，跟来得早的人的获奖概率其实是一样的。设计相当巧妙。
• 排行榜模型：将邀请者拉了多少人头用排行榜的形式公开量化，平台上每个人的贡献度都得到展示，让每个人知道自己的拉人能力处在全平台什么区间。普通的排行榜只是心理上的荣誉；如果结合额外的物质利益刺激，比如每月邀请好友最多的十个人额外获赠一套家用电器或佣金返现，诱惑就更大。

以上六种就是常见的病毒传播产品化模型，可以参照它们来设计产品的病毒循环。实际操作中，单纯只套用一种的比较少，越来越多产品会同时使用两种甚至三种以上模型相结合，效果也不错。这些模型值得反复体会，为己所用。

第三步：发布与第四步：优化

第三步：发布（Launch）。发布的核心是获取流量，来让病毒循环滚动起来，这一步其实没什么特别的。安德鲁·陈给的建议也就是简单地去求流量，比如借别人的、偷别人的、抱大腿等等，付费购买也在此之列。如何在初期获取流量，前文相关章节已有专门讨论，这里不再重复。

第四步：优化（Optimize）。优化的目标当然是对病毒系数 K 的提升。K 本身是一个计算获得的变量，很难直接去提升，只能通过别的方式。最简单也最容易被人忽略的方法，不是设计一套庞大、复杂的病毒传播体系同时套用好几种模型，也不是多撒钱投入物质刺激，而是从提升病毒循环各个步骤的转化率入手。

用一个前后对比的例子说明。假设有个产品自带一套非常简陋的病毒传播系统：邮箱注册后获得一个链接地址，用户把链接通过任何渠道（比如 Facebook、Twitter）分享给第三方，第三方点击后也来到这个产品完成注册。

优化前，假设各环节转化率为：到达网站到使用 Email 注册 20%；注册后获取链接并传播出去、邀请别人这个动作发生的概率 10%；每次分享有 10 个人回流。若初始一千人进入网站，就有二百人注册，产生二十次分享，带回二百人访问；第二轮传播中，这二百人带来四十次注册，产生四次分享，再带回四十次访问，形成八次新注册。按照病毒系数的算法，每两百个注册用户带来四十个新注册用户，所以 K=0.2——这是病毒传播设计比较普通的状态。

接下来对页面的各种转化率进行优化，比如提升美观度、增加按钮色调对比度、提升给用户带来的价值、简化用户输入等等：

优化后再来演算：最初一千个访客转化出四百个注册；四百个注册产生六十次分享，每次带回十五个回流，共九百个新回流；这九百个回流又收获三百六十个新注册，继而五十四次新分享、八百一十个新回流，最终又转化成三百二十四个注册。同样的流程、同样的动作，未优化时最终只有八次注册，优化之后能获得三百二十四个注册，有了大幅提升。此时每四百个注册用户能额外带来三百六十个新增注册用户，K 值从 0.2 大幅提升到 0.9——提升的倍数，正好等于前面各处转化率提升倍数的乘积。

由此可以得到几个引申的结论：

1. 拆解环节，逐一优化。有时候一线团队会抱怨：尝试了很多病毒传播方法，别人都成功了，自己团队却无法成功，只能另寻他法。这种浅尝辄止、简单否定、继而改换新战场的做法，很可能是因为对每种策略都应用得不够深入，转化步骤没有做到最优化——别人屡试不爽的东西，若只是简单试水就放弃，自然尝不到甜头。应当把病毒传播的各个环节拆解成多个子环节，看哪一步没做好，着力优化每个环节的转化率。这通常非常消耗精力，需要大量的 A/B 测试来论证和优化。
2. 常见优化套路：缩短注册流程；在 UI 上更强调"下一步"按钮；测试不同价值主张对转化率的影响；增加被邀请的人数等等，都可以尝试。
3. 新策略先取极值。在测试一种从未验证过的新病毒策略时，建议在预算能合理拨付的范围内取一个极值，比如奖品给最贵的、门槛调到最低。这种略带自杀倾向的破坏性实验，最容易快速验证出立竿见影的效果，马上就能判断这条路走不走得通，还是需要继续优化调整。如果取了极值都看不出一丝一毫病毒传播的倾向，就不要浪费时间优化细节了，应返回第一步或第二步，重新架构整个病毒循环系统。

第五步：精炼

最后是第五步：精炼（Refine）。精炼强调在优化取得一定成效之后，对整个体系进一步打磨：把 MVP 转变成正式体系的产品，融合到产品系统当中；以及打磨各种细节，包括增强用户体验、去除多余的页面或元素、优化代码等。

安德鲁·陈提出需要精炼，是基于让产品走得更长远的考虑，那是说给真正想踏踏实实做"百年老店"型产品的人听的。而在现实的商业社会中，产品或单独的传播现象生命周期越来越短、转瞬即逝，很多人为了博眼球、赚快钱，就不一定有必要精炼了。所以，如果目标只是赚一笔快钱，大可跳过这一步。但切莫拿着鸡毛当令箭，对外转述成"增长黑客作者范冰说的，做病毒循环的产品开发就不需要精炼、不需要注重用户体验和可用性"——那并非本意。一切应围绕商业目标考量，对所追求的指标负责，在合理范围内用最少的资源办大事，这才是 growth hacking 的本意。

总结一下，打造病毒循环的五个步骤分别是：制定策略、应用实施、发布、优化、精炼。

5.4 - 让你的产品注入疯传基因的六大秘诀

传播的误区与《疯传》

这一代互联网原住民和一线从业者，容易陷入信息茧房：日常摄取的信息，都是多元时代针对个人兴趣、由信息提供者认为"人们需要"而推送的内容。如果不加辨别，很容易被牵着鼻子走、被信息绑架；对网络的依赖，也会让人误以为身边人都在传阅的流行就是时代真正的热门潮流，全然不顾周围的圈子可能只代表一小撮人的兴趣——这个圈子认为的流行，未必是大多数人在消费的热点。

即便是热点，人们在传播上也存在误区：

• 对社交网络的传播作用过于乐观。营销、宣传、促销或公关活动如果只存在于线上，能击中的也只是线上的一波网民；而线上每天大量免费信息太过冗杂，反而会稀释掉绝大多数内容、降低阅读率。同时媒体过于重视宣传方式，往往忽略宣传策略和更实质的内容，也会降低传播效果。
• 口头传播的影响容易被忽略。人们有 20% 到 50% 的购买决策主要受口头传播的影响，即便是网上看到的热点，人们也会倾向于在线下继续传播。如何为内容制造话题点、让人们在线下更容易讨论，也关乎营销的成败。
• 不要以为任何传播只要找到大 V、大 KOL 就能炒作起来，重要的是传播的内容。

这些内容是否可以被精心地设计制造？答案是肯定的——完全有办法制造更容易疯传的内容。这里介绍一位该领域的专家：宾夕法尼亚大学沃顿商学院营销学教授乔纳·伯杰（Jonah Berger）。他的论文上过营销学权威期刊 JMR，因为做过实证研究，内容比单纯的畅销书作家更靠谱。他写的《疯传：让你的产品、思想、行为像病毒一样入侵》是研究传播的著名畅销书，其中关于产品或想法如何形成疯狂传播的研究被《纽约时报》杂志评为年度最佳新概念之一；他获得过诸多学术和教学荣誉，包括沃顿商学院授予的"钢铁教授"称号，另有多篇文章刊登在《纽约时报》《华尔街日报》《华盛顿邮报》《科学》等刊物上。无论管理者、小企业主，还是官员、政客或非营利组织工作者，只要想传递信息，都可以翻翻这本书——它以故事讲述的方式，介绍了让产品、思想、行为疯狂传播的科学方法。

书中，乔纳·伯杰将一件事物能否疯传、是否具有病毒感染力的原因，抽象成六个关键原则，首字母缩写为 STEPPS：社交货币（Social Currency）、诱因（Triggers）、情绪（Emotion）、公共性（Public）、使用价值（Practical Value）与故事（Stories）。

原则一：社交货币（Social Currency）

社交货币的概念最早由皮埃尔·布迪厄在《社会资本论》中提出，指在社会关系网络中，人们形成共同认知理解的、既有的或潜在的资源；也有人归纳为"社会中两个及以上的个体，在获取认同感与联系感之前，对知识储备的一种消耗"。《疯传》里的描述或许更容易理解：就像人们使用货币能买到商品或服务，使用社交货币能够获得家人、朋友和同事的更多好评和更积极的印象。换句话说，就是个人独有的谈资，加上一群人都感兴趣的共同话题。

社交货币得以成立的心理基础是：人们都希望自己看起来更聪慧、更富有、更时尚。人们喜欢共享自己的观点、向身边人表达喜好，甚至愿意为分享观点放弃实验中 25% 以上的奖金；也喜欢共享使他们愉快、使他们看起来更机智而不是更愚蠢的事情。人们进行口碑传播，主要是为了保持别人对自己的良好印象，传播的内容就是社交货币；如果产品和思想能使人们看起来更优秀、更潇洒、更爽朗，自然会变成社交货币被大肆讨论。在朋友圈晒美好生活或有趣发现，是在换朋友的赞和评论；付费参加明星演唱会、购买写真集等衍生周边，是在获得粉丝后援会的认可；情感类公众号发了篇爱情鸡汤文，粉丝妹子转发给男朋友，是用转发换取男朋友的注意力；写了篇增长黑客实战文章，老板认可后转发给手下的产品、市场、运营，是换取他们的学习和认知。可以说，人们日常在说、在做、在对外传达的，都是在塑造"自己是什么样的人"，都是在铸造自己的社交货币。

如何创造比较好的社交货币？

• 新奇：新奇的事物会引起好奇，比如冷门却新奇的知识、黑色的厕纸、神秘力量、神秘的女巫等鲜少见到的奇观怪象或耸人听闻的奇谈怪论，天然具备抓人眼球的能力。
• 特权：显示自己的优越，比如超级会员、至尊特权、VIP 休息室、提前几分钟登机。哪怕特权很小，效果也很好——人们想显示自己比别人做得更好、达到更优越的水平，需要有形且可视的标志来展示这种地位。
• 游戏化：游戏的原理在于应用本身的设计元素（规则和过程）能让用户身心愉悦、心存回味，本质就是帮助人们赚得比别人更优越的社交货币。游戏也利用这一原理鼓励口口相传，比如不同的徽章、积分卡、竞赛和排行榜等。但要注意不要让社交货币"通货膨胀"——比如滥发徽章，会让用户分不清人与人之间的差异。
• 设置门槛限制：比如只有老会员推荐才能注册、商品限时抢购。这会让跨越门槛的人更有归属感，觉得这是一个私人俱乐部而更加珍惜；限时或限量的做法还会让人们萌生购买冲动，好像错过了就再没有购买机会——即使没有其他顾客相争，限量的专用性还是能激发购物欲望。
• 不要轻易支付金钱回报：人们口碑传播的动机往往不是因为金钱回报。一旦给顾客付了钱，性质就变了：他们免费谈论的动机消失，是否愿意分享产品或思想，不再由喜好决定，而仅仅依赖于支付酬劳金额的多少——肯支付多少，他们就帮着宣传多少。

美国营销咨询公司 Vivaldi Partners 将社交货币划分为六个维度，方便对品牌或品类进行测量；研究发现，社交货币对特定行业品牌忠诚度的贡献不一样：

• 归属感：品牌有多少比例的用户有归属感？品牌需要主动为用户创造交流互动的机会和场景。
• 交流讨论：消费者中发起品牌相关热烈讨论的人数占比多少？品牌出现在人际交流中，能否推进双方互动、为交流者提供额外的观点看法？比如两个创业者交流商业心得，其中一人提到小米，两人就能就小米模式展开半小时的谈论。
• 实用价值：有多少人在与其他消费者互动的过程中获得了使用价值？品牌是人们日常社交的必要要素吗？比如啤酒就是很多人必备的社交产品，依靠啤酒，人与人之间的互动比平时更频繁深入，实现了有价值的社交——所以啤酒品牌的广告都倾向于强调亲人朋友畅饮啤酒的聚会场景。
• 拥护性：品牌有多少拥护它的死忠粉？铁杆用户的典型特征就是不遗余力地向他人推荐品牌，可以通过 NPS（前文章节有专门介绍）来衡量。
• 信息知识：有多少人感觉能与其他消费者有效交流？用户对品牌或产品了解的信息越多、越有见识，就越愿意分享知识见解，换来对方的好印象、显得自己更博学。例如餐馆上完菜后，服务员对每道菜的食材起源、演化故事、烹饪手法都做深入专业的介绍，顾客就获得了信息知识型社交货币，可以用它购买其他人的关注、评论和赞。
• 身份识别：品牌有多少用户能识别出其他用户？品牌不仅需要给用户身份象征，还要思考用户能否在日常生活中识别出其他用户。比如苹果手机的用户很容易识别出其他用苹果的人，穿 Under Armour 紧身衣的用户也很容易识别出穿同品牌衣服的人。

星巴克的例子。 曾经一度，大家都觉得星巴克是"逼格"很高的代表：很多人抱着苹果电脑到星巴克点一杯咖啡，假装不经意拍两张自拍发朋友圈，显得小资、有格调。这种逼格是如何慢慢塑造的？作者曾看到一句话很认同，虽然有粗鄙的字眼，还是原样引在这里：

失败的产品都是自己在装逼，而成功的产品能帮用户装逼。

所谓"装逼"，就是在铸造一种社交货币、一种身份认同。看两个细节。第一，星巴克的杯型 Tall、Grande、Venti，即中杯、大杯、超大杯。如果点单时能熟练地用这三个词，其实就一脚踏进了星巴克创造的语境，成了它的代言人——顾客不无炫耀地完成点单，自我感觉逼格气场就比排在后面只会说中文"中杯小杯"的哥们高出一截；如果谁指着中杯说"我要来个小杯"，就更贻笑大方、很可能被认为是土老帽，而点单者的优越感也就自然而然被塑造了起来。第二，星巴克有一种配料叫覆盆子糖浆，不写在任何菜单或店招上，但顾客仍然可以去点。跟店员说"来一杯卡布奇诺，不加冰，再加点覆盆子糖浆"，店员会非常熟练地拿出糖浆加上，再若无其事地放回去，就好像它压根不存在——知道就有，不知道就没有。这个隐藏菜单的设计也像一种社交货币：顾客可以跟朋友喝咖啡时假装不经意地点出来，别人可能会惊讶"我也经常来喝星巴克，都不知道还有覆盆子糖浆"，于是自然形成传播，完成一次社交货币的铸造，构筑起身份认同。

再看一个反面例子。深圳一家叫 Vinci 的耳机厂商出了一款耳机，却不管它叫耳机，叫"头机"。它跟一般耳机唯一的不同，是有两块对着外面的屏幕，实时显示佩戴者正在听什么歌。想想这个设计是为什么？自己戴耳机听什么歌自己还不知道吗？那这两块屏幕是显示给谁看的呢？它可能是社交货币的体现，只不过设计太过刻意、显露得不够自然，于是丧失了存在的意义——这款耳机最后卖得并不好。

回到互联网产品，有大量产品在用巧妙的方式帮用户铸造社交货币，帮用户说出平时不会主动开口表达、但特别希望别人都能知道的事实：

• 靠颜值：上传自拍、比拼明星脸、全民 Cos 武则天、漫画角色滤镜，包括国外很火的、号称用神经网络技术的 Prisma，都是让用户上传一张自拍，再用各种手段强化其心理，使其有动力晒出去。晒自我、求关注、求点赞，本身就是寻求自我认同、喜欢在社交场合以自我为话题点的心理；朋友在朋友圈看到晒出的图会问"用了什么好玩的 App 或滤镜"，一组新的交流就此开启。
• 靠财富：每年年终岁末支付宝的年度账单设计得非常炫目，又屏蔽了私密信息，完全可以分享；它会根据消费情况说用户是经济节省还是土豪大款——不管什么消费状况都用褒义词说得很舒服，让用户愿意转发。
• 靠品味：网易云音乐每年拿用户听过最多的歌曲的专辑封面拼一张图，诱导其转发以彰显音乐品味；微信读书则通过每周读书时长排行榜，让人炫耀阅读素养。
• 靠运动：有句话说"外国人跑步是跑给自己看的，中国人跑步是跑给别人看的"。运动 App 悦跑圈利用这种心理搞了线上马拉松：所有用户都可以在自己城市找一块适合的场地跑马拉松，跑步数据上传到平台，平台就知道谁快谁慢、谁先跑完一个全马半马，然后颁发奖杯奖牌。这成功吸引到很多马拉松爱好者——无需专门买机票飞到北京、上海，在家乡就可以体会跟众人同场竞技的感觉。
• 靠义气或契约精神：罗辑思维的"得到"曾做过一个很有意思的案例：声称从作家马伯庸那边花十万块钱买了一篇"神作"文章，愿意免费给所有得到用户阅读。得到不强制分享才能看，而是先让用户签订一个"仗义证"：只要承诺读完愿意转发给别人，就能立即解锁这篇文章。读完是否转发完全凭个人自觉，完全可以免费蹭、读完拍屁股走人。但结果很令人满意：一大半读完的读者都遵守承诺、转发推荐了这篇文章，用自己的契约精神铸造了社交货币。

有人如果抬杠说"既没颜值又没钱，也没音乐品味和读书素养，还不爱运动，也不懂契约精神，那还有什么可晒的呢"？没关系，中国的产品经理很聪明，于是有了这么个东西——“您的开机速度击败了全国 99% 的电脑”，这也是一种让人晒的理由。知乎上网友"洋葱瓣刘主任"还总结了网络热门转发的帖子如何套到社交货币概念里、衍生出具体的"币种"，比如装逼币、奇趣币、卖萌币等，每个都给出了很有识别性的标题或做法举例，很有意思。不妨翻翻自己的朋友圈，看看有什么热门转发可以对号入座，深化对社交货币的理解。

原则二：诱因（Triggers）

在没有任何金钱刺激的情况下，每个人每天大概会谈到六十个品牌。但为什么会谈论一些品牌，而不谈论另外一些？如何用一些刺激瞬间激活人们的记忆，让他们想到品牌相关的内容？这种刺激就是诱因——诱因刺激了口碑传播的行为，并在刺激之后引发后续行为。只要身边的人谈论到的事情能触及朋友的内心，朋友就会快速回想起相关的产品和思想，并大加谈论宣传。应设计出一种在特定环境下、能激活顾客内心的产品与思想的线索：一旦人们在某种环境下碰到这个流行的线索，就会联想到相关的产品和思想，而伟大的思想也一定会引起伟大的传播。一句话总结：诱因就是"你给我个线索，让我可以经常想起你的产品"。

如何创造更有吸引力、更容易触发用户传播行为的诱因？乔纳·伯杰给出了一些指导性的意见：

• 口碑传播和趣味程度没有直接关系。有趣的产品不一定比乏味的产品被更多人谈及，再新奇刺激的产品也未必引起疯传；兴趣大小、新奇性、刺激性与谈论次数没有直接关系。
• 区分临时性和持续性的口碑传播。临时的口碑传播发生在刚接触事物时，人们只简单宣传对此事物的细节体验；研究证明，电影以及有趣新奇的产品只能引起临时的口碑传播（新奇有趣的产品会比乏味产品得到更多临时传播）。而持续性的口碑传播会持续很长一段时间，至少几周，有时几个月甚至更久。
• 产品的使用频率是非常大的诱因。诱因只需少量的环境暗示，就能引发更多的相关概念和思想。实验中，播放法国音乐时大部分人都购买了法国红酒，播放德国音乐时大部分人又都购买德国红酒。越经常使用的产品越容易引起讨论，所以让产品和人们经常提及的事物发生联系是不错的策略——比如产品和地沟油、雾霾、高考有关，就可能经常刷屏。
• 直接的指导性标语比科普教育式的标语效果好。“每天你餐桌上都要有五种水果和蔬菜”，就比"健康生活从每天吃五种水果和蔬菜做起"效果更好。
• 与其寻找引人注目的话题，不如考虑话题流传的情境。要仔细思考产品或思想是否每天都能被目标顾客所处的情境诱发出来，而不是只考虑产品的趣味。比如把吃蔬菜的倡议印在餐盘上，比在食堂外打横幅效果好得多——因为在打饭那一刻，诱因非常直接。网上流行过一首很难听的歌，仅仅因为名字叫《星期五》，人们在星期五那天的点播率就特别高。
• 不要与太多事情相连接。把一种产品或思想与太多的事情相连接，会导致人们的记忆不清晰。比如红色代表了太多东西，所以现在不能再诱发出任何其他的东西了。

举一些互联网产品常用的诱因例子：

• 时间诱因：到了特定时间就可能触发。最直观的例子是外卖软件：每天一到午饭或晚饭时间，最痛苦的问题就是"吃什么"，这时用户会下意识地掏出外卖软件；在户外、旅游或出差时，则可能求助于大众点评。周末与工作日的区别也是很多产品推送的分水岭——一些周末休闲类产品（如电影、旅游类 App）会在周末发送提醒。
• 空间诱因：与时间并列，到了特定地理位置后可能触发。早年 Foursquare 带起过一股签到（check-in）游戏热潮，玩家到达特定地点就可以签到"抢地主"，但 LBS 应用作为独立游戏没有探索到很好的商业模式，手动签到也显得冗余；更进一步的做法是 App 直接监测用户到了什么地理位置，然后推送相应信息。比如作者经常飞来飞去出差，到一个新城市打开大众点评找餐馆、或打开格瓦拉买电影票时，系统会自动监测到到了哪座城市，切换成对应城市版本并推荐周边信息，让人觉得很贴心、无法拒绝。
• 声音诱因：很多做得好的应用把推送消息的提示音换成自己定制的声音，而不是系统默认的。比如陌陌一直用很有特色的提示音作为新消息提醒——在一堆手机推送里，陌陌一来消息马上就能分辨出来，忍不住想打开看看又是谁发的。还有很多产品喜欢拿鬼畜或洗脑的旋律跟产品绑定做诱因。作者之前很喜欢看综艺节目《极限挑战》，2017 年下半年这一季里，拼多多把选秀出身歌手的一首热门歌曲《好想你》改成"拼多多"，全程很有磁性也很魔性地"拼多多拼多多哒哒哒哒"唱出来，至今魔音绕耳；再加上当时颇受喜欢的罗志祥那神经质的舞步，这个品牌简直像一根楔子一样被牢牢打进了心里。
• 需求诱因：有些产品会根据用户上一个动作或阅读的页面内容，猜测其下一步的行动，直接给出行动建议，就像 Google、百度这类搜索引擎的上下文广告，或视频网站根据观看内容推送符合画像的产品广告——基于需求的广告会非常精准。还有一种，是在发现用户就要开始无聊、要找事情做的时候，立马给他点事情，这种把无聊转化为意义的做法也是在利用诱因。比如手机杀毒软件、电池医生类工具软件，原本在系统检测清理完成后，用户完成任务就可以走了，但工具软件很聪明地在界面后面加上了类似今日头条的可刷新闻内容（news feed）。用户干完事正好没事做就被吸引了，以至于建立起条件反射——只要杀完毒就开始看广告，最多可以刷六到七屏。

原则三：情绪（Emotion）

有感染力的内容经常能引发及时的情绪，能触动情绪的事物经常被大家谈论，所以需要通过情绪事件激发人们分享的欲望。乔纳·伯杰通过对网络最热门邮件链接的分析得出：更加有趣的文章比无趣的文章多出 25% 的流行点，相对有用的文章比无用的文章多出 30% 的流行点。

但事实并非仅仅如此：有些情绪能增加分享欲望，有些情绪则会破坏分享欲望，所以需要选择那些能激励人们积极共享的情绪事件进行传播。向朋友分享某个信息，他们很可能产生同样的触动和情绪，这会加强彼此的社交联系——这些信息放大了彼此的共同点，时刻提醒人们本来就是一类人。情绪共享和流行感冒一样具备很强的社会传播性，能帮助人们维持并加强自己的社会关系：即使物理距离遥不可及，情绪的感知却近在咫尺。

情绪可以在两个维度上划分：消极—积极的程度，和生理唤醒的程度，组合出四种：积极高唤醒、积极低唤醒、消极高唤醒、消极低唤醒。积极和消极很好理解；生理唤醒指身体的生理反应，比如手心冒汗、脉搏加速、心跳加快、惴惴不安、肌肉紧张、敏感警惕等。任何事情只要能激活这种生理唤醒状态，行为就会被触动——它帮助大脑激活生理功能、调动器官，在遇到危险时及时反应；让人跃跃欲试、想要做些什么，这就是"唤醒"。但并非所有情绪都有唤醒效果，有些甚至有抑制行为的反效果：比如满足的情绪容易麻痹行动能力，失去宠物后人什么也不想做，这就是低唤醒。能引起生理唤醒的情绪会促进分享，反之则抑制分享意愿：敬畏、消遣、兴奋、幽默、生气、担忧会引起分享，而满足、悲伤则不会。

一般来说，健康、运动、教育或政治这些领域很容易成为谈论话题。调查显示，教育类文章比运动类文章受到更多转载和关注，健康类新闻比政治类新闻更流行、适合茶余饭后讨论。有时候科学文章也能得到广泛分享——并不是因为分享的人真读得懂，而是这样的文章唤起了人们的敬畏之心。敬畏是一种很复杂的情绪：当人们领略了伟大的知识、瑰丽的风景、庄严的盛况或雄壮的力量之后，会产生发自内心的惊奇与震撼，体现为自我超越的伟大体验；敬畏开阔了人们的视野并让人实现自我超越，常包含惊讶、出乎意料或神秘的意识。让人敬畏的文章，转载率一般比别的文章高出 30%。将枯燥的东西变得能引起情感共鸣，是很有帮助的事情。

这里有个 Google 早年宣传产品的案例。当时 Google 有两套宣传视频方案：一是用一段相关视频演示新的搜索功能；二是做一个在线小游戏，帮助玩家用搜索功能解决复杂难题。但这两种方法都缺少一种情绪——Google 的确有庞大的搜索界面，也能提供很多有趣的搜索结果，但不能让观众开怀大笑，更不能让观众嚎啕大哭；演示视频可以展示搜索功能，却无法触动人心。怎么办？后来 Google 启用了方案三，一支叫《巴黎之恋》的视频：

这段视频讲述了一个正在发生的爱情故事，只要使用 Google 的搜索引擎，就能一步一步看到这个爱情故事发展的历程。视频一开始，一个小伙子在搜索栏中搜索"在法国巴黎留学"，点击首个链接了解更多留学知识；随后他搜索"卢浮宫附近的咖啡馆"，搜索到一家他喜欢的咖啡馆；他搜索"你真可爱"，又搜索"怎样吸引法国女孩"；然后视频显示他在巴黎找工作，看到他搜索飞机着陆的时间、搜索巴黎教堂，背景音乐出现了教堂的乐声；最后还看到"如何组装婴儿床"这样的搜索内容。视频的最后，一个简短的词语出现了——“搜索”。

这个故事从头到尾没有人物、甚至没有声音，仅凭搜索栏的搜索就能把想知道的一切脑补呈现出来。如果没有内心的共鸣，观众不太可能被它吸引——它同时具备了浪漫、愉悦和鼓舞人心的情感元素。这段视频不到一分钟，非常值得一看。

原则四：公共性（Public）

当人们看见别人使用某个产品时，会考虑它是否符合自己的需要，有样学样；反过来，人们只要没有看到相关的事物，就不会轻易模仿，更不可能让它们流行起来。

乔布斯发现，以前的苹果标志仅考虑使用者的视觉感受——笔记本打开时，坐在对面的人看到的苹果 Logo 是反过来的，这是乔布斯不能忍受的。因为他最重视公共的可视性：他知道人们会随时随地观察他人的所作所为并随之模仿，让某些事物更具可视性，就可以让它们更好地被模仿。在公共场合是否具有可视性，对产品和思想能否流行至关重要。为什么大部分人并不喜欢喝酒，却经常在饭局上喝酒？因为"喝酒热闹"这个行为是可视的，而"反对喝酒"这个思想是不可视的。人们不知道邻居用什么牌子的牙膏，却能清楚看到邻居开的车是什么牌子——邻居的购车行为实际上也影响了自己的购买决策。乔纳·伯杰调查了一千五百万辆轿车的销售记录后给出结论：近八分之一的轿车销售，会受到像邻居这样的社会影响。

如何更好地制造公共性？这里有几个注意点：

• 利用从众心理（羊群效应）：这是一种普遍的社会现象，心理学家称之为"社会证明"，《影响力》里也介绍过。这种效应强大到甚至可以产生很多"多元无知"的怪象——童话《皇帝的新装》里就有从众和多元无知的功劳。避免多元无知最好的办法就是打破它，鼓励人们把未知的事情说出来。
• 强化差异：如果产品没有足以和其他产品区分开的明显特点，强化差异就非常必要，常见方法有特色的配色、大大的 Logo、不同的造型等。
• 让使用行为自带宣传：人们在使用产品、思想或行为的时候，自身就可以为其宣传。线上最常见的做法，是在产品某处标明"来自"或"发送自"哪里，用户传播时就会自然带上这种类似签名的小尾巴，大大提高曝光度；线下常见做法是行为剩余——人们在行为过后残留在身体里的一种生理体验。正如社交货币一样，黄腕带、手办之类的事物可以让人们了解自我、洞悉自己究竟喜欢什么。当企业给用户发放印有产品 Logo 的纪念品、手提袋、塑料扇子时，其实就已经把他们当做广告媒介、给他们装备上了行为剩余。
• 用肯定的方式宣传，不要用否定的方式：否则很可能引起反面作用。比如"在美国消费者播放的音乐中，仅仅 37% 是付费的，并且过去几年内就有几乎三百亿首歌被非法下载"——这么长的句子只想让用户停止侵权，结果却很可能传递出错误信号：只有一小半的人愿意为音乐付费？那为音乐付费岂不象征着付费者是大傻瓜？这起到了反作用。正确做法是突出强调人们应该做的事情，来代替禁止的行为。再举一对例子：错误说法是"曾经有太多的人从公园偷木化石，导致化石林国家公园的自然生态严重被破坏"；正确示范是"为了保证化石林国家公园的生态平衡，请大家不要搬走公园里的木化石"。

最后是一个作者听到的实际案例。以前一听说人工智能，就觉得很高大上，背后一定是复杂的数据分析和智能算法，一副高精尖的样子；相关的形象也是科幻电影里的经典角色，比如终结者、机器战警，跟实际生活有点远。离生活稍近的终端，是越来越流行的智能音箱，比如亚马逊的 Echo、Google Home、苹果的 HomePod，或国内的小爱音箱、天猫精灵，但它们始终还是一个音箱的形象，静静地放在那边。有一家做在线音频的公司跟智能音箱厂商合作，做了一个可以点播的机器人，一开始也局限在问天气、听首歌、听个相声这类老一套。但这家公司觉得这样没有差异性，用户使用类似功能只是图个新鲜，新鲜劲过去就还是习惯用手机操作。后来怎么办？他们瞄准了一个市场人群：那些家里吃斋念佛、经常进出庙宇拜拜还愿的人，推出了一款专门的智能音箱，定制了独特的外形，有观音菩萨版的，也有小和尚版的，主打的就是——不需要再专门抽出时间前往外地拜佛求神，在家听着这个智能音箱诵经，还可以跟它问答、交流佛法，显示出用户的虔诚。产品上市后销量非常好，因为目标人群更有针对性：他们每天看到的是菩萨的形象而不是冷冰冰的塑料外壳，就会想到"我今天得诵经修行一下"；朋友到家里做客时也会一下子被吸引，询问"这是干什么的"，接着就开始传播。可见，原本抽象的音频产品和背后的人工智能，在更加公开可视化的"佛祖外壳"之下，变得更生动直观地融入了生活场景，取得了很好的市场反响。

原则五：使用价值与原则六：故事

原则五：使用价值（Practical Value）

人与人之间本来就有互相帮助的倾向。只要向顾客证明产品或思想能给他们节省时间或钱财，他们就会大力宣传；应搞清楚什么东西会让顾客觉得更优质、更值得信赖，尽可能提供更有性价比的商品，并运用知识和专业思想，让人们方便快捷地使用产品。

如果说社交货币是信息发送者利用共享行为改变自己形象的途径、以利己为主，那么使用价值主要针对信息的接收者、以利他为主。共享有用的信息，对共享者也很有好处——可以就此获得社交货币——但关键在于为信息接收者提供有用的帮助。只要让事物具备某种实用价值，就足以带来传播效应。

在日常实操中，可以善用行为经济学来强化向用户传达的使用价值：

• 心理参照点：使用价值很多时候不是理性地按绝对值计算，而是相对值。1000 块钱的物品降价 10 元卖 990，消费者可能没兴趣；15 块钱的物品降价 10 元卖 5 元，可能就非常感兴趣。都是降价 10 元，理性看没什么区别，但后者的比例更大——人都是非理性的。这个现象在心理学上就叫"参照点"，不同的人、不同的事物参照点不同，可以善用它偶尔"欺骗"一下用户，《影响力》和《怪诞行为学》都描述过。
• 人为制造稀缺性：可以限时购买，比如每周二中午 12 点到 13 点，或者双十一、黑色星期五这些时段才允许购买；可以限量购买，比如每人限购一份、每位顾客限购三个；还可以限制购买人群，比如某商品 VIP 专享。
• “一百规则”：商品折扣是直接显示降了多少钱，还是显示打几折更好？乔纳·伯杰研究出的这个最简单的判断规则是——看商品原价的高低，把 100 元作为临界点：商品价值低于 100 元时，用折扣比例显示更好；超过 100 元时，应用绝对金额的减少来显示优惠，因为这时节省金额的绝对数值更有吸引力。
• 把使用价值最大化地直接呈现出来：比如把优惠金额张贴在结账清单上，显示这次购物总共节省了多少钱；或者像某些商店一样，顾客达到某个优惠金额时响起悦耳的铃声，让在场每个人都能听见。这可以促成两件事：一是人们更清楚地意识到这位顾客通过优惠卡享受了多少优惠，对没办卡的人是一种无形的诱惑；二是让某些人看到其他消费者在购物时享受了大量优惠，从而激发他们传播这家店铺和优惠卡的事情。

乐纯酸奶的例子。 乐纯是北京一家比较网红的酸奶公司，作者以前在三里屯附近溜达时，也经常去他们店面买点看电影时喝，还专门拜访过创始人之一"奶牛 Denny"。早期乐纯在微信上营销的策略很有意思：不是直接鼓励用户下单，而是鼓励用户一环套一环地转发领取优惠——最后不管单有没有下，反正在领优惠的过程中，用户已经帮乐纯做了好几轮广告。具体玩法是这样：

你在微信群或刷朋友圈时，看到小伙伴转发了乐纯的广告链接，给你推荐一款好吃还不胖的酸奶，并扔给你一个专属大礼包。你好奇点开一看，系统告诉你：可以用 5 元抢购一个价值 60 元的优惠礼包——只需要 5 块钱哦。反正不贵，那就付吧。付完这 5 块钱，本以为可以拿到 60 元的礼包了（其实就是 60 元的优惠券），这时系统又突然蹦出来：可以转发以下抢红包，一起瓜分一百万，仅限 24 小时有效；如果你转发的十一个红包都被抢光，你就有额外 12 元红包入账。好吧，12 块钱也是钱，那就转一下、帮他打个广告得了。结果好不容易到了可以领 12 元红包的时候，你还要扫码关注他们的公众号才能领到——简直是防不胜防。

在这个过程中，对乐纯来说，它通过实实在在的物质利益（红包或代金券）引发用户的转发传播，获客成本都在预算控制范围内；对用户来说，因为一开始已经付出了 5 块钱的沉没成本，被"骗上了贼船"，后续再有优惠时都会觉得"反正钱都花了，酸奶肯定也是要买的，不妨再多做几个动作换一点优惠"。产品从一个小动作开始，慢慢对用户予取予求，用户又很难拒绝——这其实就是破窗原理：一旦开了口子，就再也欲罢不能了。这个设计非常精妙。

原则六：故事（Stories）

故事是一种最原始的娱乐形式。今天即便有数千种娱乐形式可选，喜欢听故事的传统还是没有改变。相对于广告，人们很少排斥故事；推销给顾客的"事实"很难让人信服，但顾客往往对其他顾客的故事深信不疑。人们不仅分享信息，更可能讲述其中相关的故事，信息经过闲散聊天的包装逐渐重新传播。需要建立像特洛伊木马一样的传奇故事，用来注入产品和思想——当人们津津有味地讨论这些故事时，其实也传播了其中的产品和思想。

当然，目的绝不仅仅是讲述一个伟大的故事，而是要使故事更有传播价值。为此，需要将一些重要的信息注入到情节当中，让人们在讨论故事的时候，也能谈到需要宣传的信息情节。这里有一个非常重要的误区：如果故事当中想插入的广告，只是一些无关主线的细节，那么在故事传播的过程中，这些细节会不断损失，只有主线当中的核心要素才会被保留下来。如果精心编了一个很有趣的故事，却没有把自己的广告插入到主线当中，就会上演"买椟还珠"的后果。当品牌或者产品利益与故事相结合的时候，故事的活力才最具有价值。

讲一个近两年令人印象比较深的 App 创业故事，来自快看漫画创始人陈安妮。快看漫画上线之初，陈安妮在漫画《对不起，我只过 1% 的生活》中详细讲述了自己的创作历程和创业经历：

一个家庭不好但从小就喜欢画画的小姑娘，被所有人打击——别人都说，你成为漫画家的几率大概只有百分之一。于是她埋头学习，很少再画画，后来考上了广东外语外贸大学。大学时有人找她兼职画一幅漫画能得到三十块钱，于是她跟同学借了五百块钱买了块电脑作画的数位板，开始大量画兼职稿，同时在网上连载原创漫画，包括《安妮和王晓明》《尼玛！这就是大学》等。然后，百分之一的奇迹发生了：她的微博账号"伟大的安妮"粉丝疯涨，漫画被成千上万地转载，还获得了中国动漫金龙奖，前景一片光明。她决定开创一家漫画公司，大学刚毕业就从广州飞到北京，创建了"梦当然"工作室。这个全由九零后组成的团队一度濒临破产，交不起房租、发不起工资，百分之九十九的时间都在煎熬，万幸坚持了下来。这时陈安妮有了新的想法：做一个好玩的 App，名字就叫快看漫画——不做海量乱七八糟的内容，而是推荐少而精的最好看的手机漫画。她带着这个 idea 到处找投资，却到处碰壁。最后她做了一个把自己也吓到的决定：把自己和朋友的积蓄全都拿出来——反正都赌了这么多时间了，再赌一把又怎么样？之后的三个月，他们投入了百分之九十九的时间、精力和金钱，终于做出了快看漫画。产品上线后，投资人最终也被吸引了过来。

这个故事跌宕起伏，把生活和创业的艰辛都体现了出来，非常打动人。这篇漫画贴出来当天，快看漫画就增加了三十万用户；以后几天，App 一直以每天二十万用户的速度激增，并连续三天冲到免费榜榜单第一位。这就是故事的威力。

总结一下病毒感染力的六个原则：社交货币、诱因、情绪、公共性、使用价值、故事。可以结合自身经验强化认知，也可以找乔纳·伯杰的《疯传》一书延伸阅读，多看看书里有意思的其他案例。

5.5 - 【实战】新世相病毒营销的复盘

案例背景、玩法与数据表现

新世相曾策划一堂"新世相营销课"，当时很多人的朋友圈都被刷屏。这种看起来老套的微课，实际上完美切中了广大运营人群的需求，又依靠新世相的品牌背书，获得了很大成效。

基本玩法：每个购买课程的人获得一张带有自己专属二维码的图片，通过微信群、朋友圈、公众号等渠道发布；其他人扫码后即可参与购买，同时获得自己的二维码图片，如此不断病毒式扩散。

活动数据与被封经过：

• 活动从早上 7:30 开始，第一波引爆朋友圈：起售价 9.9 元，两小时后涨到 39.9 元，最终停在 54.9 元。
• 五小时内报名人数接近 10 万，销售流水接近 400 万。
• 早上 11 点，公众号因违规无法关注，活动页面无法进入。
• 下午 1 点左右，微信官方公开发文，严厉表达打击多级分销的态度——这是微信官方首次对分销这种营销方式表态，被新京报、财新等多家知名媒体转发。
• 被封后，裂变群内陷入混乱不可控的状态，大量不良体验的传闻、各种段子和 P 图纷纷涌现。

裂变机制的设计

• 阶梯定价：从 9.9 元起，每一万人购买上涨 5 元，上限 199 元。溢价不高，却足以激发紧迫感；低价是制造刷屏效应的必备元素——价格越高转化率越低。据专业裂变团队"运营深度精选"公布的数据，课程定价 39 元时转化率约 25%，同等环境下 9.9 元的转化率自然更高。着陆页上不断跳动的数字也在提示"即将涨价"，进一步提高紧迫感。
• 两级分销：一级分销获得 40%，二级获得 10%，收益让分销者动力十足。

  特别提醒：不管线上还是线下，三级分销在我国被明令禁止，策划活动千万不要逾越这条红线。

• 启动资源：邀请很多有影响力的自媒体作为启动资源；分销赏金第一名可免费获得新世相头条广告推送一次，价值 50 万元，给分销方充足的动力。
• 实时分销排行榜：在 App 内设置，促进分销方之间的竞争，让他们拼命去分销。
• 引导下载 App：这是新世相裂变最特殊的地方。常见的微课裂变是"入群免费听课"：扫码直接进裂变群，机器人提示转发海报，发送转发成功截图后保留听课资格，再在固定时间点推送课程——荔枝微课等平台都是如此。而这次新世相的课程，用户购买入群后，机器人会引导去 App Store 下载"新世相读书会"App。课程早已录好、并非直播，可直接在 App 内全部收听。也就是说，新世相的目的不是一般的吸粉或卖课，而是吸引 App 下载量、为 App 导流。

活动达成的四个目的

1. 公众号增粉：为规避风险，新世相没有用大号，而是用"新世相读书会"这个账号举办活动；生成海报需要关注公众号，变相为新号增粉。购买人数高达 10 万，关注人数至少在 20 万以上。
2. 社群流量：把付费用户引导到微信群里，留存这批有消费能力的潜在顾客，随后可推送其他产品。
3. App 导流：这是主要目的——购买者必须下载 App 才能听课，App 下载量也不会少。
4. 品牌曝光：刷屏效应的直接收益就是品牌曝光，保守估计达到千万级别，再次奠定了新世相"制造流行"的领军地位，树立了行业标杆。

增长黑盒的分销数据

公众号"增长黑盒"是这次活动的合作方和第一批分销者，从分销者角度收集了数据：

• 渠道一：朋友圈，曝光约 2500 人，早上 8:20 左右开始推送，当时价格已涨到 14.9 元。
• 渠道二：公众号文章推送，1500 阅读，早上 10 点推送。
• 渠道三：微信群，所有群合计约 2500 人，早上 8:20 左右推送。
• 三小时统计结果：总计 160 人购买，获得佣金 1775.3 元；其中 90 人是一级分销用户，70 人是二级分销用户。
• 90 个一级用户中：约 30 人来自个人号转化（转化率约 1.2%），30 人来自公众号（阅读转化率 2%），约 30 人来自微信群（转化率约 1.2%）。
• 粗略估计，病毒系数 K 在 7 左右。

复盘结论

1. 裂变高度依赖一级传播。任何想达到病毒式传播的裂变活动，必须有足够强大的一级分销方，包括分销能力和人数。从数据看，一级传播的 K 值非常高，肯定远大于 7；到二级传播就衰减为 70/90，约 0.8。也就是说，这次活动靠的是联合一批高势能媒体 All in 第一波——从新世相的榜单看，第一级媒体可能贡献了约三分之一的销量。
2. 知识付费在公众号的转化率最高。对增长黑盒这个公众号，多次验证微课转化率能稳定在 2%；据调查走访这属于中等水平，可作为日后卖课定 KPI 的参考。
3. 要健康持续不留污点，必须控制 K 值。增长黑盒经过两次实验验证：K 值接近 7 时，就有可能被微信封杀。新世相事先应该已知道可能被封，准备了几个备选地址，做的更多是"开源"动作，但这次没做好"节流"，没有在增长中引入很好的控制杆。
   • 在系统思考里，可以在某个节点把增强回路变成调节回路：一开始都是指数型增长，若不控制，指数越拉越高；当付费用户刷屏到一定程度、被相应规则注意到，就会被直接封杀，用户增长降到零。
   • 一种方法是在较好的时间点主动做动作使增长放缓，“闷声发大财”。可按分钟统计进入速度，拟合增长曲线做初步预测，超过预定人数就及时调节。
   • 调节方法举例：用户扫码进入公众号时需手动回复关键词才弹出海报；或扫码后引导关注另一个公众号再继续。这些应急预备方案能降低超过特定阈值、被系统注意到的可能性。
   • 微信官方负责人的朋友圈可以佐证：阈值确实存在，微信一直在控制刷屏，只是具体数值无从得知。
4. 涨价类分销的博弈：最早推广的人最终排名不一定领先——分销排行榜按金额而非人数计算，越后发课程越贵、佣金越多，没有时间上的先发优势。增长黑盒的 Allen 发得较早，当时课程只有 19.9 元，没有明显优势；中午 10 点增长黑盒公众号推送时，课程已超过 40 元（用的是 Allen 的分享码），他的排名上升不少，原来排在前面的人纷纷掉队。所以涨价类分销尽量不要第一个发，选中等的时间点。这种玩法下头部玩家会疯狂厮杀，甚至号召别人用自己的邀请链接买课、自己发红包补贴——但必须把 ROI 算清楚，否则很可能赔了夫人又折兵。

启示与小结

有批评者说"光学这一堂课，怎么可能学会做 10 万+ 文章"，但新世相刷屏确实揭示了一个制造 10 万+ 的真理：勤奋。课程上线短短两三个小时内，多篇公众号就发布了拆解套路的文章，获得不错的阅读量和评价——运营人员连早餐都没吃就在赶稿。到了下午文章越来越多、题材越来越丰富，有人开始煽动公众情绪，比如"被新世相踢掉"一文达到 10 万+ 目标，还成功建立了所谓"韭菜群"，汇集了一波流量。

不要只看表面现象。有人背地里抱怨的时候，有人在赚钱，有人在学习，还有人边赚钱边学习，默默收割着流量——而这一切都不是靠对着屏幕看别人贩卖、整理好的经验就能轻易掌握的。

小结：打造具有病毒性质的互联网产品，既是一门技术，需要通过大量测试与优化来提升病毒传播系数 K；又是一门艺术，可以通过铸造社交货币、诱因、情绪、公共性、使用价值和故事来增幅传播效果。

6 - 第六章 · 数据分析

增长黑客与传统营销最大的区别在于「可衡量」。本章讲如何用数据驱动增长决策：从指标体系搭建，到用户体验度量，再到 A/B 测试的实验方法。

本章要点

• 了解数据和数据分析的价值：从流量思维到数据思维
• 搭建公司的业务指标体系和四个层级（北极星指标 → 一级指标 → 二级指标 → 行动指标）
• 衡量产品用户体验的 HEART 模型（愉悦度、参与度、接受度、留存度、任务完成度）
• 数据分析的五个步骤
• 了解什么是 A/B 测试及其正确使用姿势

6.1 - 了解数据和数据分析的价值

数据为王：从测量历史到大数据时代

增长黑客在实践中最重要的原则之一就是数据为王——不断去测量和实验，通过数据结论指导行动。整个人类的发展历史，就是人类不断尝试记录、测量自身和外在世界的过程：从古时候发明算盘、阿拉伯数字，到近代发明二进制计算器，都是这一现象的体现。但人类对自己和世界的认知目前仍很粗浅——描述一个人只能说性别、年龄、身高体重，提到环境只能说天气、温度如何。尽管如此，人类对数据测量的需求一直没有减弱。

大约从 2014 年前后开始，网上谈论大数据的人越来越多，人类仿佛一下子进入大数据时代：行业峰会、互联网转型战略的制定、政府政策风向的扶持引导，都开始重视数据的价值，数据好像一下子变成了一座金矿。关于每天产生的数据量，这里给出几个数字：

• 谷歌的 Eric Schmidt 曾推算，互联网上每天产生的数据量约为 2.5 EB；
• 思科估算，2015 到 2020 年之间数据的年复合增长率约为 66%；
• IDC 预测，到 2020 年数据量将达到 40 ZB。

换算公式：1 ZB = 1024 EB，1 EB = 1024 PB，1 PB = 1024 TB，1 TB = 1024 GB，依此类推；传统数据库支持的体量一般在 10-100 TB 之间。更直观地理解 40 ZB：相当于世界人口全年每天观看 14.5 小时高清视频流所产生的数据量；如果把中国每天产生的数据量装进常规容量的硬盘平铺在地面，中国 960 万平方公里的广袤面积都不够放。

数据量的快速增长已远远超过单个计算机所能存储和处理的能力，数据处理变得越来越重要，也驱动数据中心网络不断向大带宽、低延时方向演进。

海量数据从哪里来

• 人与人之间的连接：以 Facebook 为例，从注册账号开始，添加了哪些好友、产生了哪些互动——小到一个评论点赞，大到发起一场线上演唱会直播，每一次有意义的鼠标点击或网页跳转，都会成为 Facebook 数据服务器内的一条新增记录，直到指导 Facebook 改进自己的产品。
• 设备与设备之间的连接：作者上大学时"云"的概念刚被提出，业内很推崇云端战略。作者那时做了一个个人博客"同步控"，专门研究哪些软件支持云同步——要么用一个账号跨平台，要么把数据导到 Dropbox、iCloud 等第三方云存储平台，从而无论在哪里都能随时存取自己的数据。作者当时的设想是：未来数据应该在网上自由流动，硬件本身变得不值钱，像现在的共享单车、共享雨伞、充电宝一样随处廉价取用，通过指纹或虹膜登录就能立即取回数据开始使用——满大街都可以看作是有你的手机和 Pad。现在整个互联网的演进方向看来的确有这个趋势：上台面一点的移动产品都必须同时推出跨平台版本，不支持云同步或账号互通简直贻笑大方；再如区块链这个很火的概念，解决的也是同一份数据如何在网络上同时分发给多个节点、多个设备并保持一致性，本质就是设备之间如何产生数据连接。
• 工具与服务之间的连接：一连串工具之间互导互通的自动化流程（营销自动化一章有专门介绍）——在服务管道之间像血液一样流通的，就是各种各样的用户信息和行为数据，通过不同工具服务重新打散、整理、整合、加工，最后产生新的商业价值。

这两年不仅大数据企业增多，围绕大数据的培训、数据交易、数据竞赛及相关媒体也大量涌现，不少学校开设了大数据专业专门培养人才，相关立法逐渐完善，政府也开始重视数据建设。但必须提醒：不要张口闭口对着一行 Excel 统计报表就说"这是我们产品用户行为的大数据"——日常生活中大部分谈论大数据的人，根本没搞清楚什么是大数据，大数据被完全过度神话了。杜克大学教授 Dan Ariely 打过一个很妙的比方：

大数据就像青少年的性：每个人都在谈论它，但没有人真正知道怎么做；每个人都觉得别人都在做，于是也声称自己在做。

到底多大的数据量才能谈大数据？这要看数据的信息量。几种常见定义：

• 百度百科的定义：大数据（或称巨量资料）指所涉及的资料规模巨大到无法透过目前主流软件工具，在合理时间内获取、管理、处理，并整理成为帮助企业经营决策的资讯。
• 国际知名统计机构 Gartner 的定义：大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
• 从应用角度看，当数据量大到传统技术难以处理时，就可以称作大数据——例如传统数据库已不能高效处理 1 PB 的数据，仅向磁盘写入 1 PB 就要耗费两百多天。此外还要看数据的复杂性以及产生数据的速度。也有说法认为，大数据不在于数据量有多大，而在于通过对相对全量的繁杂数据进行分析、找出相关规律，从而实现对未来的预测或改善原先的方案。

对什么是大数据，说法本就众说纷纭，没有谁给出明确界定，很多人只是人云亦云。我个人比较接受的界定方式，是大数据应具备 5V 特征：

1. Volume（数据量大）：正常计算机处理 4 GB 数据需要 4 分钟，处理 1 TB 需要 3 小时，达到 1 PB 则需要约 100 天——只有达到 PB 以上的数据才可能被称为大数据。
2. Velocity（高速）：接上例，处理 1 PB 数据如果不到一秒就能实现，就是高速。要高速是因为数据有时效性，超过时间就失去原有价值了。
3. Variety（多样性）：最简单的数据分类是结构化与非结构化，随着互联网和物联网的发展，逐渐扩展到网页、社交媒体、感知数据，涵盖音频、图片、视频、模拟信号等，真正诠释了数据的广度和多样性。
4. Value（价值）：获取有价值的数据。以股市为例，真正有价值的数据只会在很小的范围内传播，极少流落到整个互联网上——如果只看股民评论来预测股市，就要非常小心。因此要设法从各种维度挖掘真实、有价值的信息。
5. Veracity（真实性）：大数据中很多内容与真实世界关联，大数据就是从庞大的网络数据中提取出能够解释和预测现实世界的过程。

5V 在网上版本很多，图中另一个版本还提出了不同的 V 特征，甚至还有 6V、7V 等说法，没有明确界定。但通过这些特征可以大概有个感觉：不是任何数据、任何数字报表都能称为大数据。以后再看到有人动不动拿"大数据"来忽悠，就要警觉了——同事邮件里发来的一组数据不叫大数据，那不过是一个统计数字罢了。

数据与数据分析的本质

究竟什么是数据？区分三个概念：“100"是数——单纯的阿拉伯数字，脱离具体语境，是抽象概念，不知道有什么现实表达和应用；“100 个"是数量——数词后加量词，含义更进一步，但仍缺乏上下文语境；“今天新增用户 100 个"才是数据——它反映了对某件事状态的量化和评估，可以被衡量、被比较。

简单来说，数据是一种量化事物的手段，就像身高、体重、三围一样，是代表事物现实存在客观情况的数字指标。数据最大的特征是客观性：无论是否触碰，它就在那里；人们可以衡量它，也可以通过外在努力去改进、优化它，但不能凭意念肆意改变一个客观存在的数据。

未来随着数据量增多，数据分析将成为一种常态。它既是一门科学，与商业智能、数据挖掘、人机分析处理、机器学习等行业概念密不可分；也是一门艺术，需要在技术、想象力、经验和意愿的综合因素中寻求平衡与融合。它的最终目的是解决业务问题，帮助人从数据中获得智慧，在寻根溯源、节约资源、提高效率等方面发挥巨大价值，未来会像日常寻常技术一样深入各行各业。

数据分析的四大价值

数据分析在增长黑客的产品开发运营中发挥哪些作用？根据作者的经验总结为四点，以下分别结合案例展开。

一、不靠感觉，有据可依

Facebook 内部一直贯彻数据为王的理念，流传着很多经典案例。曾经有一位产品 VP 级的人物，在解读产品日常数据时发现一个趋势：很多用户在图片功能上花了大量时间——发图片、看别人的照片、发表评论，图片成为高频使用的功能。而他对现有版本（左图）不够满意：页面上密密麻麻都是各种小字，发图和消费图片的功能不清晰，用户体验不好。于是他专门组建了一个 30 人的临时项目小组，花了九个月时间研究如何对首页进行大改版，目标是做出更适合发图和浏览图片的新版本。迭代打磨将近一年后，团队发布了右图的新版本：图片够大够清晰，刷起来很爽，侧边栏隐藏了不重要的文字信息、全部用图标表示，整个页面现代大气。

对这个全新版本，Facebook 内部一开始很支持，很多员工表示喜欢，扎克伯格也非常赞同。但走正常发布流程要遵循灰度发布规则，于是先对全网 0.5% 的用户开放。上线后这位产品 VP 惊讶地发现，整体数据不但没有变好看，反而出现异常抖动；团队以为是用户不熟悉新版本，继续发布到 1%、2%，用户在线时长出现小幅下降；他不信邪，继续发布到 3%、5%、7%，该版本对在线时长的下降产生了显著影响。要知道在 Facebook，用户使用时长是非常重要的指标，它直接与广告曝光时长挂钩——使用时间越短，广告营收越少，这是无法被容忍的。发到 10%、12% 时，数据彻底断崖式下跌，在线时长减少了三分之一，扎克伯格终于坐不住，勒令退回原版本。所以 Facebook 至今仍沿用类似左图的版本，只是新版本中的一些闪光点被吸收沿用，整个大改版计划被彻底废弃。这就是 Facebook 通过数据、而不是靠感觉来决定产品是否上线的决策流程。

反例是当时一家"没有灵魂的公司"人人网，很会东施效颦。Facebook 还在做灰度发布时，人人网别的不行，执行力和山寨速度很快，迅速抄出了一版几乎一样的界面：图片很大、菜单缩到最左边、文字隐藏只用图标。Facebook 发现数据不好看后很快回滚，人人网却最终停留在这个版本上，数据不断下滑，加上后来不断作死，才导致了今天的局面。这就是数据驱动与不靠数据、光靠感觉跟在别人后面亦步亦趋的抄袭效仿，导致的两种不同结果。

二、量化标准，驱动产品持续改进

讲一个作者以前做产品的案例。大概 2011-2012 年，作者在上海跟别人一起创业，做了很多产品，其中有一款模仿美国产品 Tinder 的社交应用（类似今天的探探）：屏幕上出现附近异性的头像，右边按钮代表喜欢、左边代表不喜欢，凭第一印象决定；如果双方互相点击喜欢，就配对成功。这类社交平台上女性用户很重要，团队非常注重女性用户体验。有段时间增加私信功能后，发现女性用户的使用度、活跃度开始下降，一些人气较高的优质女性慢慢渐行渐远。团队大概猜到了原因：平台上很多不会玩的男性用户（内部管他们叫"男屌丝”）打招呼不友善、不礼貌，上来就说"美女，约吗”，吓走了很多优质女性用户。

为此团队做了调研，询问一些女用户：像大部分邮箱系统一样做一个"一键标为已读”，点一下就把所有未读私信的红气泡去掉，好不好？女生们都说好。接到正面反馈后团队就开发上线了，结果数据一看与反馈大相径庭——根本没人用。一开始以为是统计埋点出了问题，反复排查没有任何问题。后来团队又做了一次"小黑屋"用户访谈，邀请 6 位女性（其中 3 个是闺蜜）到办公室面对面访谈，了解她们为什么不用这个功能。这一访谈发现了真实场景：周末闺蜜们相约吃 Brunch 或喝下午茶时闲聊，第一个女生会说"我最近在用叉叉叉（这款产品），很有意思，可以配对附近的人，你们一起来玩"，掏出手机——屏幕上有五六个人发来仰慕之情的私信；第二个女生也掏出手机——十几条私信；第三个女生说"我都快卸载了，太烦了"，一掏手机——四五十条陌生人私信。

团队恍然大悟：比起减少骚扰，通过未读数字气泡展示自己人气的需求更加强烈——她们宁可留着未读气泡不去点掉，也要随时在不经意的场合展示自己在社交平台上的人气有多高。如果不进行这样反复的追踪、不量化产品使用效果，作为一群直男，团队恐怕永远无法知道还有这样一个很实际的使用场景。这也驱使团队不断改进产品、持续迭代：把这个功能藏得深了一点，并做了别的功能来减少女性被骚扰的可能性。

三、挖掘隐藏需求

春秋航空是国内最大、也是最早的低成本航空公司，收入利润做得比较好，主要因为他们抓住了两波红利：移动互联网的人口流量红利，以及粉丝经济的红利。截至成文时，春秋航空微信服务号粉丝已突破 890 万，App 下载量 4800 万，注册会员 2800 万，线上产生的收入利润在国内位居前列，其中自家 App 直销占比达到 66.9%，这还不含携程等各大 OTA 平台带来的销售额。

春秋航空做产品时，一直通过线上产品的细节打磨来提升精细化运营水平。比如在 App 上订票时需要选择出发城市和到达城市，原本只有出发城市有"当前位置、历史记录、热门城市"，到达城市则完全没有。负责人参考热力图和用户反馈后发现，用户选择到达城市费时费力、转化率较低，于是在到达城市也加上了这三项。结果是：从选择城市到机票搜索页，整体转化率提升了 14.4%，订票整体转化比较上一版本提升了 2.68%。后续还做了很多优化：国际城市展示机场代码、规范控件导航目录、针对游客增加城市推荐及理由、搜索展示全部城市、空铁/空巴联运用标签分类等，都极大提升了产品每个环节的转化效果——这正是对用户需求的深层次挖掘和更好的理解。

四、提升精细化能力，降低运营成本

2017 年的某一个工作日早上，作者团队抓取了上海这座城市摩拜单车停放的位置，图上星散的蓝点就代表摩拜单车。可以看到这些点在地铁口、公交站比较聚集——共享单车解决的就是出行第一公里或最后一公里的需求：早上上班从家到地铁站，晚上下班从公司到地铁站。因此车辆停放位置有些区域相对聚集，有些区域使用较少。以前摩拜、ofo 会租赁搬家公司的卡车在马路上开来开去，把停放稀疏区域的单车搬上车，驱车十几二十公里开到用车密集的区域再放下来——本质上靠租赁搬厂公司重新调配共享单车的位置，让车尽可能出现在更多被使用的地方。在车辆产量有限的情况下，这是一种调配手段，但会占据一定的运营成本。

2017 年年中，摩拜新版本推出了一个很有意思的功能——红包车。乍一听跟滴滴、快的早期做红包有点像：打开 App 搜索附近共享单车时，会发现有些车带红包图标，点击解锁这辆车就可以获得一个红包，可能是几毛钱或一两块钱；骑上红包车到达特定地点、或骑行特定里程数时，就能得到几毛到几块钱的红包奖励。表面看它是在提升获客能力、拉动使用以提升活跃度和留存度，但仔细想，红包车更精妙之处在于提升了共享单车厂商的精细化能力、帮助降低运营成本：以前每天在很多城市雇搬厂公司或物流公司用卡车搬车，成本比较高；用了红包车之后，用户会为几毛几分钱的蝇头小利，主动把一辆车从 A 地骑到 B 地。最巧妙的是，红包车一定不会出现在热门商圈，而是在比较偏僻冷门的地方偶尔停着的车上——这些车很容易刷出红包。官方的意图很明显：把"搬车"这件事众包掉了，不再需要每天花几百万上千万的预算雇人搬车，只靠几毛几块钱的小恩小惠，自然有用户愿意把车从冷门的地方骑到热门的地方。这个一举多得的设计，成为摩拜 2017 年很成功的增长黑客策略之一。

以上这些案例，很好地体现了数据价值在一款产品的设计、运营和增长过程中起到的重要性。

6.2 - 搭建公司的业务指标体系和四个层级

为什么需要指标体系

管理大师彼得·德鲁克说过：“If you can’t measure it, you can’t improve it”——如果你不能衡量，就无法管理。互联网产品的增长建立在对过往版本不断循环迭代的基础之上，因此量化的对比衡量是其应有之义，而很重要的一点，就是为产品构建一套数据指标体系。

指标是用于衡量事物发展程度的单位或方法，是一种度量标准，用于追踪和评估商业进程的状态，比如人口数、GDP、收入、用户数、留存率、利润率、覆盖率等。很多公司都有自己的 KPI 指标体系，通过关键指标衡量业务运营的好坏。指标需要经过加和、平均等汇总计算得到，且必须在时间、地点、范围等前提下进行汇总——即常说的统计口径与范围。

常见的指标根据分类维度的不同，可以分出很多种：

• 基础指标：新增用户、活跃用户、启动次数等，是很多产品都会统计的通用指标。
• 流量指标：多在网页端体现，如 UV、PV、跳出率等。
• 使用数据：衡量用户实际使用产品时产生的行为，如使用时长、使用频率、两次访问的间隔等，体现用户使用产品的频繁程度。
• 业务指标：订单量、客单价、复购率、扫码率等，传统电商网站常统计。
• 垂直领域的细化指标：如女性用户在双十一大促的客单价，就是非常细分的指标。
• 成本类指标：CAC（Customer Acquisition Cost，客户获取成本）、LTV（Lifetime Value，用户生命周期价值）、Payback Period（成本回收周期）等。

老板开会常问"今天的 UV、PV、注册转化率、购买率是多少"。普通员工会说"老板等一下，我看下报表"；优秀的增长黑客能立即接茬：“老板，昨天转化率是 80%，今天只有 70%，可能是昨天上线的新流程造成数据波动，解决思路是重新优化登录流程设计。“这就是普通员工与增长黑客的差距。做数据分析除了统计、编程、算法等能力，还必须非常熟悉公司业务；提升业务熟悉度和数据指标敏感度最直接有效的办法没有别的，就是多看多记。不妨自查：不查资料、不看报表，能否说出公司每天/每周/每月的营业额、活跃量、流量？周末和周中差别如何？早、中、晚用户有何关键差别？在北京、上海及其他主要地区，产品的市场份额和消费能力怎么样？这些指标很多互联网公司都有，但能不能记住，是区分增长黑客数据分析能力的重要方面，应烂熟于心，几乎成为第二本能。有工程师诉苦：“产品经理每天找我要一堆指标，根本不知道有什么用”——因此要学会选择好的指标，这才说明真正掌握了衡量业务表现的方法。

什么是好的指标

脱离业务单谈一个指标的好坏，或者拼凑很多指标，都是没有意义的。好指标具有以下特征：

1. 可比性：能拿来被比较。首先要求指标衡量的事物是可以对比的，比如拿两个页面的 PV 比较、拿登录人数和注册人数比较，是有意义的，因为它们是性质相同的数据指标；但拿 App 下载量和网页端营业额做比较，就很难得出有意义的结论。
2. 简单：正因为简单，使用者不会轻易犯错，也能轻松把指标背后的意义和故事展示给老板、同事。搞一个很复杂的指标，别人光理解就需要深厚的背景知识或很长时间，指标就很有迷惑性。市面上很多经济学家和权威机构爱搞耸人听闻的复杂指标——真正有本事的人完全可以用简单的语言解释，他们偏要复杂化，就是不让受众多思考、顺着想、受蛊惑即可。这也是经济学家利用公开渠道发言影响大众舆论、私底下操盘"收韭菜"的一种手法。
3. 通常是一个比率：绝对数值的指标有局限性。比如当日成交量，一周内不同时间、一天内不同时段、一年之内同比环比，都可能因天气、节庆、政策、习惯等出现波动，直接比较受限较多；而交易额比上成交量反映平均客单价，在一段时间内不会产生出乎意料的剧烈波动，拿来做横向、纵向比较都比较放心。

五组指标维度与虚荣指标

指标分类的维度很多，这里列举五种分析维度，各自给出一组对比概念：

1. 定性指标 vs 定量指标：定量指标是可以被量化的指标，如数字或可比较的等级（A/B/C/D）；不能定量的即定性指标，无法直接通过数据计算分析评价，需要对评价对象进行客观描述和分析来反映结果，如主观评定的及格、良好、优异。
2. 探索性指标 vs 报告性指标：报告性指标让人时刻了解当前运营状况和管理活动，像日常看报告一样；探索性指标帮助团队了解"那些你不知道自己不知道的事实”，提供原本不为人知的洞见。比如发现产品活跃度很差是报告性指标；进一步拆解数据，发现为数不多的活跃人群中年轻妈妈群体撑起了主要活跃度，于是调整重心、专门开发了一款母婴社区并大受好评——发现年轻妈妈占比高就是探索性指标，帮助发现隐含的有价值信息。
3. 先见性指标 vs 后见性指标：先见性指标用来预测未来，如通过现有产品的日常增量和漏斗转化情况预测第二天大概有多少成交客户，或通过异常预警做到未雨绸缪；后见性指标用来解释过去，如季度订单量、流失率等，通常是亡羊补牢的行为，虽可通过一些做法弥补，但很多时候为时已晚。
4. 相关性指标 vs 因果性指标：有时两组数据彼此相关、同受第三者因素影响，如网站卡顿不稳定时，UV 和 PV 会同时下降；有的指标之间存在因果关系，即 A 指标变化引发 B 波动，如用户在线时长减少，靠展示曝光获得的广告营收也就减少，前者是导致后者的直接原因。
5. 虚荣指标 vs 可付诸行动指标：虚荣指标让人自我感觉很良好，但实际上没什么业务价值，会让人沉溺其中、忽略真正重要的事——比如今天网站 PV 很高，有人为此沾沾自喜，但实际成交转化率很低，依然赚不到钱，PV 高只能让人自嗨一小会儿。可付诸行动（可实施）指标能指导最佳行动方案、提供商业行动建议，只要思路正确、照着正确的方法调整，就能实实在在获得增长。

关于虚荣指标，有两个案例：

MySpace：曾是 Facebook 之前美国社交网络的老大哥——Facebook 只有区区六七千万用户的时候，MySpace 的用户就早已突破 3 亿。但 MySpace 最后还是陨落了，原因很多，其中一点值得玩味：当年管理团队非常注重注册用户数这个虚荣指标。这 3 亿用户里，有多少是五年前注册的？多少注册后从未二次访问？多少试用几次就成了僵尸用户？注册用户数在投资人那里好看、员工说起来好听，实际却让 MySpace 错误估计形势、走偏方向、抓错重点。相比之下，Facebook 的扎克伯格从来不看重注册用户数，只看月活跃用户数，这确保 Facebook 内部任何决策都指向真实、持续活跃的用户增长，甚至向投资人汇报也只报月活。在互联网浪潮刚兴起时做到这点很不容易——注水的注册量好看，但真正做产品、做业务的，绝不能只追求报表漂亮，那是自己忽悠自己。

SocialCam：定位与朋友即时分享视频的短视频社交应用，2011 年 3 月上线后曾在世界范围内迅速火爆：一个月时间获得 25 万下载量，四个月内达到 100 万，一度成为 App Store 排名第一的免费应用，被认为是"视频版的 Instagram”。但 SocialCam 追求的是网站流量和下载量——今天看来都是虚荣指标，无法锚定产品的核心价值。早期漂亮的增长完全仰赖一个叫 FreeAppADay 的在线广告推广服务，以及与 Facebook 生态的深度整合（利用开放图谱带来很大流量）。后来成功融资并被收购，SocialCam 开始减少使用该推广服务，排名迅速下降；随着 Facebook 改变开放图谱的参数，流量降低，活跃用户下滑更惊人：2012 年 6 月（被收购前）每月连接到 Facebook 的活跃用户有 8360 万，到 11 月只剩 430 万，短短五个月减少了 95%。只观测虚荣指标、盲目扩张，往往导致企业浪费资源，甚至最终死亡。

指标的四个层级

在产品实际运营中，有时需要根据指标的重要程度设定层级或优先级，以合理分配管理成本。一般可将指标分成四个等级：优先度最高的叫北极星指标（核心指标）；其次是一级指标，用来衡量公司的战略和目标；再往后是二级指标，针对一级指标做路径分析拆解，以此更高效地定位一级指标波动的原因；最后是三级指标，是对二级指标路径的分析拆解，用来定位二级指标中波动的原因。

北极星指标

为什么叫北极星指标？因为这个指标一旦确立，就应该像夜晚高悬天上的北极星，不管走到哪儿都指引方向，牵引公司上上下下向同一个方向迈进。北极星指标是二十年前丰田提出来的，旨在用最精简的方式去掉冗余部分、服务公司的终极目标——公司日常运作的各项指标，最后累加的反应都应该能增加北极星指标。它的作用有四：

1. 集中火力抓重点：增长涉及方方面面，没有明确指引，日常很容易眉毛胡子一把抓，无法有效集中火力。
2. 优化团队资源配置：公司到达一定规模后，共同目标可以帮助把团队调整到同一个方向、同一个步调，明确任务优先级，效率更高。
3. 大幅提高行动力：Y Combinator 联合创始人 Paul Graham 说过，一旦选择了指标，就只有一件事可做——努力达到那个目标。可以通过目标了解公司状况，有针对性地上线各种项目和试验，观察有没有具体成效。
4. 提升公司的文化和价值观：明确公司长期优先级、凝聚团队。比如衡量今天中国的发展程度，北极星指标是 GDP，政治考核都以 GDP 为指标，所以像达康书记这样的官员很知道努力的方向在哪边。

再看硅谷科技公司的案例：许多优秀的硅谷公司都将体验过 Aha Moment（啊哈时刻）的用户数量作为北极星指标——Aha Moment 指的就是用户体会到产品价值的那个节点，经历过它的用户带来的增长才是真正健康的增长。当然这也不是绝对的，取决于企业处在什么时期。

2017 年年底作者团队在北京办了一场增长大会，见到了 LinkedIn 国际化增长部门的负责人。他在闭门分享中表示：LinkedIn 做产品的核心价值是让用户建立自己的社交网络。他们发现，添加认识的人为好友的用户长期留存率很高；留存率更高的，是那些一注册就马上被认识的人添加为好友的用户——刚注册就收到好友申请，是非常有价值、友好的体验。意识到这一点后，他们尽可能引导新用户尽早在 LinkedIn 上建立社交网络，对新用户留存非常有效。同时也要关注老用户留存，确保他们持续在产品中获得价值；留存率较好时就可以开始增长了。LinkedIn 判断一个新注册用户是否是高质量用户的依据是：完善个人资料的程度（至少罗列一个职位信息）、建立至少一个连接、开放社交权限可以被其他用户搜索到。据说 LinkedIn 内部的数据指标有几千组，基本由产品和数据分析成员通过数据分析和机器学习手段定义，以此衡量长期用户的活跃度。

如何找到一个合适的北极星指标？首先要说明，这不是一蹴而就的事，可能需要很多次尝试和改版。开始之前，把脑袋里有的指标写下来，逐条追问下面几个问题：

1. 产品的核心价值是什么？这个指标可以让人知道用户体验到这种价值了吗？比如做投资 App，用户核心价值就是投资，北极星指标应该和投资有关。
2. 这个指标能反映用户的活跃程度吗？比如前面例子里 MySpace 的注册用户数，就没有反映用户的活跃程度。
3. 如果这个指标变好了，能不能说明整个公司在向好的方向发展？比如对 Uber 来说，只把注册司机数作为北极星指标，显然忽略了乘客端；它的北极星指标应该能反映司机和乘客的供需平衡，用总乘车数是更合适的指标。
4. 这个指标是不是容易被团队理解和交流？一般建议北极星指标选一个绝对数比较好，而不是比例或百分比，比如总订单数就比"超过 100 元的订单比例"更好理解。
5. 它是先导性指标还是滞后性指标？比如 SaaS 公司喜欢用收入作北极星指标，这不是坏指标，但确实是较滞后的指标——有的用户可能已经停止使用几个月，却还在默默信用卡扣款付月费，这种情况下活跃用户数可能是更好的先导指标。
6. 它是不是可操作（可付诸行动）的指标？简单说，如果对一个指标什么都做不了，那它就相当于不存在。

列举五种常见互联网商业模式常用的核心指标：

• 双边市场（如淘宝、打车应用）：商品数量、用户规模、买家数量、卖家数量、成交金额、交易达成率等。
• UGC 产品：优质内容产生数量、可生产内容用户数、消费内容用户数、广告收入等。
• 媒体型产品：优质内容数量、用户访问量、广告收入。
• 互联网金融产品：资金规模、利润、绑卡用户数、对外投资优质资产的数量、活跃投资用户数。
• 工具类应用：使用用户数、付费用户或付费企业数、商业化收入等。

这些要针对产品所处的周期和具体业务目标来制定。

一、二、三级指标

• 一级指标（Tier 1）：顺承北极星指标，用来衡量公司的战略和目标；是管理层认可、能够对公司所有层级员工提出核心指导意义的指标。一般建议定 5-8 个比较好，如 GMV、订单数、日活/周活用户数、商城活跃用户量等，具体要结合自身业务，从公司或用户两个角度出发找到合适的一级指标。
• 二级指标：用来更高效地定位一级指标中波动的原因。比如每日 GMV 和订单数上升，潜在路径拆分下来可能是货品单价上升、活跃用户数量增多，或某个站内推广渠道产生了效果，可通过二级指标来定位。很多公司的二级指标有上百个甚至上千个，多是流程中的指标，而非最终结果的汇报、被老板关注上报的指标。
• 三级指标：顾名思义，帮人定位二级指标中的波动，通常以子流程或个体的方式定义，由一线作战的市场、产品、运营团队关注；看到结果后往往采取相应行动，比如用产品或运营的手段来提升或降低它。

用 OSM 模型搭建指标体系

数据指标的分层很复杂、分类方法也很多样，日常工作中如何搭建数据指标体系？需要用体系化来思考业务度量和指标的选择。这里介绍一个 OSM 模型：Objective（业务目标）、Strategy（业务策略）、Measurement（度量）三个层级。作者曾拿这个模型帮助很多客户思考数据监控和分析的体系，进行有针对性的优化。

• O = Objective，业务目标：要衡量某个业务的表现，首先要理解业务目标——公司、业务、产品存在的目的是什么。
• S = Strategy，业务策略：为达成上述业务目标应该采取什么策略。一个目标可以对应多个策略，但不要太多。
• M = Measurement，度量：选择合适的度量指标来衡量策略是否有效，反映目标最终有没有达成。

实战案例：非标住宿产品的搜索功能

非标住宿不同于传统的酒店标准住宿提供商，特点是 SKU 比较少、业务差异比较大，像 Airbnb、小猪短租、途家网都属于非标住宿。假设这款产品搜索和预定的流程是：发起搜索 → 进入搜索结果列表 → 点击列表中某个项目进入详情展示 → 感兴趣的话从详情展示转到填写订单 → 订单支付完成预定成功。如果是负责这款产品搜索功能的增长黑客，会如何搭建指标体系？以下用 OSM 模型逐一分析。

O，业务目标：定义公司、产品、业务存在的目的，直白说就是为什么要做这件事。比如做一次线上营销，真正目的是引导用户注册账户成为销售线索，还是促进直接下单？回到案例，预定功能存在的目的分两方面：从用户体验出发，让用户高效找到心仪的住所；从公司运营出发，通过搜索提高下单转化率。第一条显而易见——信息量大的网站都少不了搜索功能；第二条是根据经验和数据推理——搜索提高需求匹配效率，让用户第一时间看到想要的东西，转化率自然高。目标怎样确定？可从三个角度：其一，公司是一个整体，要与上级确认、考虑全局、看资源如何分配——决定开发预定功能，领导是否认可、能否安排工程师配合？其二，目标应有长期短期之分，不同业务阶段有不同目标——短期想提高盈利就提高下单转化率，长期改进产品体验就要在搜索上下功夫。其三，综合考虑 AARRR 各业务环节，这里的目标就处于 Revenue（收入）阶段。

目标的选择还应遵循一些原则。《Web Analytics 2.0》的作者在书中提出了目标制定的原则：Doable（切实可执行，目标可以被达成，不要设定不可能完成的任务）、Understandable（简单易懂、容易被记住，促进顺利推进和执行）、Manageable（可干预、可管理，能够流程化、系统性地被管理执行）、Beneficial（有实际的业务价值）。从反面讲，要设法避免两个误区：一是过于模糊，目标没办法被执行；二是过于保守，太保守的目标有时无法有效激励团队，得不到想要的正向增长结果。

S，业务策略：为完成目标采取的针对性策略。这个例子里怎么提升搜索的价值？其一，提供精准的匹配结果——匹配不准，用户需求难以满足、体验大打折扣，下单转化率自然被拉低。其二，提供有效的搜索结果排序——既降低用户选择焦虑，也把同类型下最优秀的住宿结果呈现给用户、提高产品体验。其三，无结果或结果过少时进行有效推荐——搜索为空时用户自然离开、转化率为零；若能根据用户的兴趣偏好推荐相似关键词或近似公寓，就有很大机会抓住即将流失的用户。注意两点：第一，策略由结果驱动、靠最终结果考量——再天马行空、五花八门的策略，最后无法在结果上验证，都属于"花活"；第二，同时考虑宏观和微观层面的转化——比如微观上下单到支付流程的转化率提升 1%，宏观上可能是整个集团今年整体营收因此提升 1%，二者有相关性。

M，度量：对策略和最终目标的衡量，是反映业务目标和策略有效性的非常重要的指标，换句话说就是反映业务目标有没有达成。抛开业务目标和业务策略，直接谈衡量指标，这种行为通常被称作"耍流氓"。最常见的衡量指标就是 KPI，用它直接度量策略的有效性、直接反映目标达成情况。在这个案例里，为了提高下单量，最终确定的策略是提高返回结果与用户搜索词的匹配度，据此设定了两个度量指标：一是搜索页到详情页的转化率能否因此达到 30%；二是详情页到下单的转化率能否达到 20%。

OSM 确定之后，就可以搭建监控体系来追踪转化率的变化，比如 GrowingIO 提供的案例演示截图，可以看到每一步转化率的变化，以及围绕转化率上下波动、进行调整的情况。

AARRR 各环节的常见指标

最后介绍 AARRR 各个环节常见的指标举例，有些很简单，有些比较少见，可以根据自身的具体业务和目标策略来设定 KPI 集合：

• 获客阶段：重点关注渠道的表现，包括渠道规模（能拉来多少用户、访问量、访问用户）；渠道的拉新能力（渠道带来的流量中多少是新访客）；渠道质量指标（基础的如访问时长、每次会话浏览的页面数、跳出率等）；以及业务和目标转化相关指标（注册转化率，或购买、预定转化率等）。
• 激活阶段和留存阶段：关注产品整体使用规模的指标（日/周/月的活跃用户数、留存率）；重点关注新用户的引导激活情况（如果产品有新手任务，可以拿它来监控完成率和时长）；还关注产品使用情况的指标（产品活跃度、各个模块的活跃度、产品的核心转化流程、产品的整体留存率和功能留存率）。
• 其余环节的常见指标已汇总在表格中。可对照检查自己对 AARRR 各环节哪些概念比较熟悉、哪些还没怎么接触过，有针对性地补充学习。

6.3 - 6.3衡量产品用户体验的HEART模型

用户体验为何难以量化

大约十二年前，“用户体验"这一概念在业界逐渐兴起，许多产品设计领域的知名博主纷纷开始从用户体验的视角讨论产品如何设计与优化。但当时存在一个明显的问题：谈用户体验的人很多，能拿出被公众认可的、可衡量的客观标准的人却很少，多数讨论停留在产品带给自己的主观感受上——而主观感受是靠不住的。

更棘手的是遇到不懂产品的老板，动辄以"用户体验差"这类笼统反馈要求团队照其意图修改：结果越改越糟，老板本人却觉得颇为受用、很有掌控感，产品上线后很快被用户的负面评价淹没。此外，申请企业内部资源或制定 KPI 时，有些指标（如成交转化率）很容易量化，用户体验却看起来无从衡量。于是产品设计师只能被迫向这种"黑恶势力"低头：为了提升转化率，堆砌又大又丑的按钮、自动跳转，甚至误导性设计乃至黑暗模式，全然不顾用户在页面上被折腾得难以忍受。

用户体验是否可以被量化、被数据指标衡量？是有办法的——这就是 HEART 模型。

HEART 模型：Google 的衡量框架

HEART 模型由 Google 发明，是其用户体验研究团队设计的框架。起因是内部团队发现用户体验没有被有效衡量：当时虽有不少有效的测量方法，如完成任务所用的时间、任务完成率等，但都偏重微观层面；Google 的 UX 设计师缺乏宏观层面的商业指标，而这些指标更直接影响公司策略。因此 Google 最终研发出这套 HEART 指标体系，作为新的用户体验衡量框架。

HEART 是五个单词首字母的缩写，同时包含宏观和微观的方面，可用于确定产品用户体验的实际影响：

• H——Happiness（愉悦度）：衡量产品使用过程中的愉悦度或满意度。
• E——Engagement（参与度）：用户专注投入到产品中的程度。
• A——Adoption（接受度）：用户对产品新版本或新功能的接受情况。
• R——Retention（留存率）：用户愿意回访的比例。
• T——Task Success（任务成功率）：用户完成任务的程度与效率。

五个元素分述如下。

H——愉悦度（Happiness）

愉悦度是一种情绪的衡量，可以通过 NPS（净推荐值） 或用户问卷来衡量，从而了解产品的发展方向是否符合用户心意。

NPS 最早由贝恩咨询公司于 2003 年在《哈佛商业评论》上首次提出，计算方式为：推荐者数量 ÷ 样本总数 × 100%，减去贬损者数量 ÷ 样本总数 × 100%。具体做法是问客户一个问题——是否愿意将这个产品推荐给他的朋友或同事——并让客户在 0 到 10 分之间打分：

• 9~10 分：对产品具有狂热忠诚度的人，愿意继续购买或把它引荐给其他人（推荐者）。
• 7~8 分：总体满意但并不狂热，仍会考虑其他竞争对手的产品。
• 0~6 分：批评者，使用并不满意，对公司或产品没有忠诚度（贬损者）。

得分解读：NPS 在 50% 以上可以被认为还不错；在 70%~80% 之间，则证明公司拥有一批高忠诚度的好客户。调查显示，大部分公司的 NPS 还在 5%~10% 之间徘徊；而像特斯拉这样的公司，每年做 NPS 调查时，对新款车型的满意度都能达到 90% 以上，这一数字相当惊人。

除 NPS 外，另一个调查用户满意度的方法是用户调研：

Dropbox 早期做过一次调研，问用户：如果以下某个功能不再提供，你是否会感到失望？候选功能包括备份、存储同步、分享、编辑，并允许用户自己提出其他功能。最终排序为：用户最喜欢存储同步，其次是分享，紧接着是编辑，最后是备份；用户提到的其他希望的功能是管理照片。

Dropbox 根据调研结果进行了相关优化：增加了照片管理的新功能；优化了官网的新手引导流程，根据不同情境强调产品对应的功能来促进拉新转化；还根据反馈重新设计了官网。

此外还有一些其他评判用户满意度的指标，比如看用户对产品的评价或投诉——许多产品都提供反馈入口，请用户给产品打好评或给某个功能评分，这也是直观且可量化的用户满意度衡量方法。

E 与 A——参与度与接受度

E——Engagement（参与度）：即用户专注到一个产品中的程度。在这个容易分心的世界里，培养和增强用户使用一个产品的习惯非常困难，因此它在某种程度上与产品活跃度略有重合。Google 经常衡量的参与度指标包括：每天或每周每个用户的平均访问量、每天或每周平均每个用户上传照片的数量、每天发生的分享数等。一款产品的活跃度或某个功能的激活情况，可以间接视作参与度的衡量指标——具体衡量方法见前文介绍活跃度的章节。

A——Adoption（接受度）：指用户对一个功能或一组功能的接受情况，或新用户接受一个产品的情况。两种场景并不相同，但在如何向用户介绍新功能、如何引导用户使用产品上有共同点。Google 会利用一些技巧提高产品接受度，例如用不同的弹窗告诉老用户有了新功能——有的是居中式、有的是侧滑式，哪一种对用户转化率更好、最可接受，都通过数据来衡量。常用的接受度衡量指标有：

• 升级速率：用堆积图显示不同版本用户的占比，衡量新版本的普及速度，比如从发布到该版本占比 60% 所花费的时间。显然，新版本体验更好的话，更多用户就愿意升级，升级的时间周期也更短。这类堆积图反映了一个版本从上线到逐步扩散的用户规模变化周期，可以拿来对各版本做横向比较。
• 新功能使用比例：一种视角是看新功能上线后的浏览量占整个产品其他核心功能浏览量的比例——例如约 2%，就意味着 100 个用户里大概有 2 个会看到、使用这个功能；另一种是看使用该功能的用户量占总登录用户的规模。无论看浏览量还是实际使用量，都能体现一个新功能究竟有多受欢迎。
• 新用户购买转化率：更侧重交易类产品，可以判断一个新用户在购买的各个流程之间一步步如何转化。如果能成功完成购买流程、转化率维持在一个可观甚至较高的水平，就说明用户买账、认可产品，并会因此完成交易。

R 与 T——留存率与任务成功率

R——Retention（留存率）：这一维度较为常见，衡量用户愿意回访的比例——良好的用户体验能让用户持续产生回访。如何拆分不同用户分群来研究留存率、如何提升产品功能模块的留存率、以及如何通过内容运营等手段提升留存，见前文留存相关章节。

T——Task Success（任务成功率）：衡量用户能否通过产品解决问题、完成任务，以及是否高效，例如搜索结果的成功率、上传照片的平均时长、个人资料创建的完成率等用户具体任务的成功情况。好的交互设计师通常有一些方法来提高任务的成功完成率：通过突出核心流程、强化界面元素、简化操作步骤，帮助用户更快速地完成给定任务。

Google Photos 分享优化：某一版 Google Photos 的界面中，蓝色指示气泡指向一种新的分享方式，点击分享按钮会打开新的分享界面。Google 应当是注意到许多用户通过链接或 Gmail 附件发送照片，认为这个体验可以做得更流畅，因此优化了 Photos 中照片发送和分享的方式：使用极简式的发送窗口，有效减少分享照片过程中的无用步骤——打开之后只需点一下，就可以直接分享给某个常用的邮件联系人，完全不需要填写邮件正文、输入邮件联系人名称，甚至想个标题。这体现了 Google 为帮助用户更好地完成"分享"这个任务所做的贴心优化。

小结

回顾 HEART 五要素：H 是 Happiness（愉悦度），E 是 Engagement（参与度），A 是 Adoption（接受度），R 是 Retention（留存率），T 是 Task Success（任务成功率）。

有了这样一个模型，再面对固执的老板或合作伙伴时，就可以对精心设计的产品据理力争：拿出上面一种或几种量化指标作为论据，有理、有据、有节地展开观点，把好的设计理念传达给对方。愿产品世界里多一些好的用户体验设计，少一些令人崩溃的糟糕设计。

6.4 - 6.4数据分析的五个步骤

前提：明确目的，建立预期

数据分析的价值与指标体系的搭建见前文，本篇笔记梳理数据分析的一般流程。在正式开始之前，必须明确两个前提：

• 明确目的：不要为了数据分析而进行数据分析。特别是面对满屏幕的统计指标和数据反馈时，往往越看越乱，这时更要明确目标、抽丝剥茧，从一堆数字里准确找出真正用得着的。说到底，数据分析只是手段，手段服务于目的；不知道分析目的是什么就掏出计算器对着 Excel 忙一下午，到最后也不知道自己在做什么，那就是浪费时间。
• 建立预期：哪怕没有明确的预期，也得毛估出一个大概——估不出数字区间，起码能估个量级。这个能力要通过大量的练习和实践来训练。有了预期，等结果出来才能进行对比：是令人满意，还是差强人意、有优化提升的空间。

确立好前提，就进入数据分析的一般流程。整个流程分成五个环节：数据获取、数据清洗、数据分析、验证发现、数据可视化。

第一步：数据获取

数据分析的起点是起码先得有数据。常用来源有五种：

1. 文件下载：最常见、用得最多的方式。可下载的文件既有公司内部服务器上提供的，也有网上公开的免费报告、统计报表，还包括花钱从咨询公司采购的。
2. 服务器访问日志：每次请求服务器，都会给服务器的请求日志增加一条记录。可以向服务器管理员申请索要这个记录，其中一堆指标可以作为参考。
3. 交互界面访问：比如编程时后端用 MySQL 这样的数据库，既可以用命令行方式访问，也有前端的交互界面工具——例如 PHP 的管理工具 phpMyAdmin，提供了 MySQL 的图形化访问界面。
4. 应用程序接口（API）：比如接了新浪微博，开发程序时就可以通过微博提供的数据接口 API 获取返回的数据，如收发微博的消息等。
5. 技术手段采集：有些数据并非为外部获取而存在，如果懂一些抓取手段，也可以巧妙获得。比如前两年 O2O 创业很火、人人都去做 O2O 的时候，很多团队倾向于去抓大众点评的数据；做股票财经分析的，则很喜欢抓取雅虎财经的数据。

当然可能还有其他来源，方法很多，主要取决于手头有哪些途径、掌握哪些技术。

第二步：数据清洗

数据清洗顾名思义，就是把脏数据洗掉——各种整理、检查、修复，是正式开始分析前的准备工作。只有干净的数据，接下来分析时才能确保结果准确。打个比方：如果数据分析是下厨房做菜，数据清洗就相当于提前准备食材——去皮、去籽、洗干净，该焯水的焯水、该预热的预热，准备工作都完成了，才能真正煎炸烹煮出一道美味佳肴。

常见的清洗对象有六种：

• 缺失值：比如抓取来一组一百个随机路人的年龄，想统计平均年龄时发现其中一人漏统计、数据是空的。再找个路人替补已经来不及，这时要么去掉空值、统计剩下 99 人的平均年龄，要么想办法补齐——填一个比较合理的、最能减少最终结果误差的数字，比如补上其余 99 人的平均年龄再算均值，误差会小一些。除平均值外，根据实际情况也可以补充中位数、众数等来代替缺失值；这类办法简单，但没有充分考虑数据中已有的信息，误差可能较大。另一种办法是根据调查对象其他问题的答案，通过变量之间的相关分析或逻辑结论来推理预估——比如某产品的拥有情况可能与家庭收入有关，就可以根据家庭收入推算拥有该产品的可能性，再填充缺失值。
• 垃圾信息：收上来的数据可能包含无效项目。比如发问卷统计一百个小朋友的年龄，有人调皮填了 500 岁，显然是垃圾信息，需要剔除。有时还可以反向利用这一点，故意在调查中设置陷阱：某人在第三题选了 A，第八题换种说法重复问同样的问题他却选了 B，前后矛盾，说明他没有认真客观地答题、可能只是囫囵吞枣乱填，这份调查表就视作无效，从样本数据中剔除。
• 规范化：比如样本数据里有个字段叫日期，有人填阿拉伯数字 2018.10.10，有人汉字数字混写"二零一八年十月十日"，有人提交的是英文 October tenth, two thousand eighteen。这时就要人工或借助工具，把不同的格式统一规范转换成一样的格式，后续才能统一处理。
• 重复记录：很好理解，样本里有多的，就酌情删除或合并归类。
• 特殊值：比如想统计某大学一届毕业生毕业三年的平均月薪，大部分人的收入服从正态分布、大概在一两万上下波动；但假如有一个有能力有背景的小伙子毕业不久就平步青云，工资加奖金月入一百万，他的收入就属于比较极端、特殊的值。直接放进统计会拉高全体毕业生的月薪均值，让结果偏高不准确。对这种特殊值应采取特殊手段取舍，比如直接不纳入统计。
• 合并数据集：比如做电商产品，手头有两份 Excel 表，一份是一百款产品的销量、另一份是它们的单价，需要根据这两份数据计算总销售额。与其在两个表之间来回跳转、狂按计算器拿销量乘以单价再挨个加总，不如熟练运用 Excel，通过函数把两个数据集合并在一张表上——一列销量、一列单价——直接算出总销售额。合并数据集的价值，是让分散在不同数据表里的数据集中到一起，方便统一处理。

实操中可能还有其他特殊数据，要酌情处理。常用的清洗工具有两类：

• Excel：天生为数据而生，有很多现成的函数；如果熟悉 VBA，还可以写脚本和自动化工具，实现一键处理。曾有一位在美国咨询公司工作的分析师，Excel 用得非常熟练：一些其他分析师要花三四个下午才能完成的常用流程，他用 VBA 写了一个函数，每次点一下启动按钮只要二十几秒就全部完成。他很幸运，离开那家咨询公司时，公司还花 20 万美金把他的脚本收购了。
• 编程语言：常用的有 Python、PHP、R 语言。Python 和 PHP 比较轻量级，第三方开源的库和工具非常多，写起来快；R 语言是专门为数据分析而生的语言，语法很简单，数据分析相关的工具和函数非常强大，可以完成非常复杂的数据分析工作。

第三步：数据分析的七种手段

数据清洗完成、原材料准备就绪，接下来就可以运用各种方法进行数据分析。方法手段很多，根据不同场合、不同目的选择最合适的。以下介绍七种常用手段：画像分群、趋势维度分析、漏斗洞察、行为轨迹分析、留存分析、A/B 测试、优化建模。

1. 画像分群

精细化运营中，常常需要对有某个特定行为的用户组进行分析和比对——比如男女在电商平台上的行为表现完全不一样，游戏里付费氪金的土豪玩家和免费玩家也不一样。这就需要剥离开不同群体单独查看，与分层运营的思路基本一致。增长黑客可以将多维度、多指标作为分群条件，有针对性地优化产品、提升用户体验。

例如想优化注册环节，就必须找出某个特定人群在注册环节每一步的表现，以便对特定环节重点优化。维度选择上：选地理位置，筛出北京、上海、深圳、广州等一线城市的主要用户来源；选设备，通过浏览器 Mobile Safari 筛出 iPhone 用户——他们是移动端主力。指标选择上：想看第三步未注册成功的用户行为，就筛选"第二步浏览页面数大于 0"（在第二步产生了浏览行为），同时"第三步页面浏览数等于 0"（第三步没有浏览），即从第二步没能成功转化到第三步。在这个条件设定下，就能准确筛出北上广深 iPhone 浏览器用户中第三步注册未成功的人群，随后深度研究他们的行为来优化第三步。

2. 趋势维度分析

如果说画像分群是相对静态的，趋势分析就是动态的。它能迅速呈现市场、用户或产品功能（feature）的基本表现，甚至可用于对未来表现做预测。日常工作中对这种趋势维度的数据分析接触较多，比如经常看的新增用户趋势图，都属于统计一段周期内的变化。观察趋势有助于抓住优化的关键点、提升决策的有效性，给出一个很明确的方向。

例如一幅趋势图：从 9 月 30 日到 10 月 6 日，注册和完成注册的用户比例明显下滑——观察到这个信号，就可以检查这段时间网站是否出现了 bug，还是推广渠道错误导致，据此排查原因。再如环比上个周期，注册用户量和登录用户量都大幅上升——就应该总结到底哪些事做对了、能否复制成功经验：是活动做得特别成功，还是选到了很精准的流量渠道。这些异常的数据变化都能直观地从趋势分析图上看出来、引起注意。

3. 漏斗洞察

转化漏斗是用户行为的数据化体现，比单纯的数字更直观；对转化率进行优化是增长黑客的核心工作，漏斗分析是最常见的分析手段之一。它按由先到后的顺序还原某一个用户的使用路径，分析每一个转化节点的转化数据——前文谈到的 AARRR 流量漏斗模型，就是一个经典的转化漏斗模型。

例如某注册流程整体转化率只有 33.8%，比较低。进一步展开细分漏斗可以发现，是第一步到第二步的转化率过低——7000 多人进来只转化了 3000 多——导致整体表现很不理想。接下来就要在第一步转化的页面花更多精力，研究阻碍用户转化的因素并加以改进。另外从设备维度分析，移动端转化率只有 17.1%，明显低于桌面端，很可能意味着移动端适配做得不够好，于是可以逐层优化移动端的转化漏斗，目测应该从第一页往第二页的优化做起。

4. 行为轨迹分析

画像、分群或趋势分析针对的是一群人的群像，是结果数据；针对单独用户的行为轨迹分析，看到的则是一个很细节的过程数据。借助一些分析工具，可以很清晰地看到一个用户究竟在网站上做了什么：先点了哪个按钮、再点了哪个标签、接下来进了哪个页面、观看了多久的视频等。通过他们的行为，可以找到用户最感兴趣的点，或阻力最大的点。根据当前国家相关法律法规，能做的用户轨迹分析大部分是匿名的、保证用户隐私的，各种分析工具平台一般用一个随机 ID 作为用户的身份识别。有了行为轨迹，就可以根据用户的使用习惯来设计产品、投放内容。

例如某幅使用网站分析服务 GrowingIO 的用户轨迹图中，可以看到该用户对留存数据特别感兴趣。这是个个例还是用户的共性？需要多去寻找用户轨迹来分析。如果是共性，就证明 GrowingIO 需要强化留存分析的产品功能——因为它最契合用户的兴趣，这就成为指导改进迭代产品的依据。

5. 留存分析

留存分析是增长黑客方法论中贯穿始终的分析方法，值得再次单独强调：留存老用户的成本要远远低于获取新用户。做留存分析最常见的还是用户分群，拆分出某个具体渠道或特定着陆页的用户来分析。典型的用户留存数据图中，下方是某个访问日期内用户群体在此后不同间隔对应的留存数字，上方是过去 14 天所有用户次日留存平均值画成的曲线。

从图上可以看到，新用户在首次访问后的第二天留存率就大幅降低——是否需要考虑一些办法刻意触发用户的留存行为？比如推送、邮件召回等。而一周之后，用户留存率开始上升直至平稳——可以初步判断：如果能设法让用户使用一周以上，那时还没有失去兴趣的用户，更倾向于留下来长期使用。于是要做的事，就是想办法帮用户度过这段危险期，例如设计一个连续七天签到的奖励，鼓励用户使用一周以上。

6. A/B 测试

A/B 测试比较适用于高密度数据的场合，简单说就是数据量要足够大；如果网站每天只有区区三五十个 PV，就提出要做 A/B 测试看怎么优化，其实没什么意义、也不准确。做法是把要测试的对象拆分成 A、B 两组，分别看结果对比，选择最后用哪个。它还有个衍生版本叫多变量测试——不是只测试一组变量的两个版本，而是可以一次测试好几个。后续章节会专门展开，此处先看案例：

图中是两组 A/B 测试的实际执行数据截图，上面三张是一组、下面三张是另一组，每组最右边一张是对照组（即产品原版本的数据），对应行里的 A 和 B 是进行两种不同试验后的结果。第一行里，A 组结果并没有比对照组更好，而 B 组提升明显——就可以想想 B 组究竟做对了什么，把方案的闪光点应用在原先的产品里。而下面一组实验的 A、B 结果均不太理想、没有比原本的产品数据更好——这种情况下可以继续测试；在没得出比较好的结论之前，先按兵不动，不要乱改。

7. 优化建模

这是数据分析中比较高阶、比较有难度的分析手段，放在最后简单介绍。顾名思义，建模就是根据过往数据建立一个模型，模型的价值在于：在特定的适用条件下，它可以用来预测未来——向模型输入什么，它就输出对应的结果。当优化建模与其他数据分析手段结合时，能在商业上产生更多有价值的应用。

例如一家按年付费的 SaaS 企业，需要通过一些数据指标加上一套判断依据（即一个分析模型）来评估：哪些客户来年很可能继续续费，哪些逐渐显出疲态、可能会流失。可以根据他们的行为、公司信息、用户画像、使用轨迹等，做一个付费用户的"温度模型"。图例是一款 SaaS 产品基于分析模型算出的客户温度（客户名称用字母代替，右边是对应的温度指数）：所谓温度，就是通过使用情况、反馈情况、活跃率、留存率、拜访时产生的统计数据和采访反馈等，判断哪些是平台优质用户，再通过加权计算得出——越优质的客户温度值越高，几乎无需额外操心，时间到了他们自然很容易续费；而表里越靠后、温度越低的客户，越需要主动建立关联、去关怀和"温暖"他们，把温度值提上来。整个表的生成，靠的就是一套严密的优化建模。每家公司会设置自己的指标体系，也有专门的数据分析师负责构建模型并监测结果。

第四步：验证发现——警惕三类谬误

进行一系列数据分析后会得到一些初步结论，但这些结论是否正确靠谱，需要想办法用科学的方法进行验证，检验当初的数据是否准确无误地反映了客观事实、是否存在思维漏洞或考虑不完善的情况——这对分析者的逻辑思维要求相当高。数据虽然不会说谎，但人在对数据进行分析和验证时，会因为主观原因对数据产生误读、发生各种谬误。有三个流传甚广的"一句话笑话"：

• 自 1930 年至今近一个世纪的世界杯历史中，还没有任何一支亚洲球队能在世界杯上战胜中国队；即使是巴西队这样的世界强队，也仅战胜过中国队一次。
• 经过统计，美女配丑男的概率远大于美女配帅哥，所以要追女神的话，先把自己弄成丑男，成功率会大一些。
• 研究表明，过生日的次数越多，人的寿命越长。

会心一笑之余不难发现，它们的共同之处是：对看似客观真实的统计数据进行了误读，导致啼笑皆非的结论。曾两度出任英国首相的本杰明·迪斯雷利有句名言：“世界上有三种谎言：谎言、该死的谎言，还有统计数据。“实际生活中，大量统计数据由于主客观原因被有意或无意地滥用误读，不仅无法清晰描述和传递信息，反而阻碍信息传递、误导接收者。如果拿到正确的数据，却因分析验证方法有问题导出完全相反的结论、最终误了事，那就很糟糕了。以下是三个很有代表性的谬误。

1. 虚假相关

有人做过一张图：1999 年到 2009 年期间，美国掉进游泳池里淹死的人数，与同一周期内美国影星尼古拉斯·凯奇出演电影的数量，两条曲线的趋势惊人相似。由此能否得出"凯奇是恶魔的使者，一拍电影就有人淹死，所以防止泳池溺水的方法就是彻底封杀凯奇"的结论？显然很荒谬——二者本来没什么联系，这只是一个很偶然的巧合。

另一个案例：统计研究发现，冰激凌销量最高的时候，正是公共游泳池溺水事故发生频率最高的时候。如果由此推断"溺水的发生促进了冰激凌的销售”，显然是错误的——导致这一情况的直接原因是：冰激凌的销售和公共泳池的开放都在夏天，是"夏天的到来"这一个因素引发了二者共同发生，而不是这二者之间谁引发了谁。类似的还有"棍棒底下出孝子"“天天打游戏人就会变笨"“每天上网六小时的人是因为得了网瘾要接受电击治疗"等原本并不存在必然因果关系的叙述。不仔细斟酌，很容易受这种虚假相关的蒙蔽。

2. 因果倒置

任何两件事情形成因果关系，需同时满足两个条件：一方必然引起另一方的发生；二者在时间上有先行后续的关系。“拥有自己独立办公大楼的公司更容易成功"就是典型的因果倒置——不是拥有独立办公大楼的公司容易获得成功，而是成功的公司才买得起自己的办公大楼。再如"坐轮椅很危险，因为大部分坐轮椅的人都遭遇过车祸"也是奇谈怪论——究其原因，是出了车祸的人大多数需要坐轮椅。这类逻辑漏洞在于错把原因说成结果、忽略了事情发生的先后顺序。

3. 沉默数据

经典案例：二战的时候，英国为降低战斗机的损失，要给机身增加装甲，但预算有限，于是决定把装甲安装在最容易受到攻击的部位。对受损战斗机的统计分析发现，大多数弹孔分布在机翼上，占 26%，于是他们在机翼上加装装甲，结果并没有收获预想的理想效果。后来有人重新研究发现：真正应该加固的不是机翼，而是驾驶舱——因为那些真正被射中驾驶舱的飞机，几乎都没能飞回来、没能加入统计队列；而驾驶舱中弹却侥幸返航的飞机，只占当初统计中弹部位飞机的 7%，远低于机翼的 26%。这就是所谓的"死人不会说话”。网上有人智慧地总结：统计数据就像比基尼——暴露出的那部分固然重要，但没暴露出的那部分才更加致命。

分析数据时，人们容易把注意力集中在可见的数字或事物本身（因为它们相对容易获取），而忽略了那些"不会发出声音"的部分，尽管它们很可能同样对结果造成重要影响。再如：实验显示"连续抛硬币获得正面的可能性是 66.6%"——得出这样与常识相违的结论，是因为省略了"总共只抛了三次硬币"这一限定条件；某地区从五年前起，每年为约 500 名新生儿接种新研发的小儿麻痹疫苗，此后该地区未见一例小儿麻痹发病纪录，看上去新疫苗很有成效、值得推广——却忽略了前提：小儿麻痹症的发病率本身就不到十万分之一。有时数据提供者为了误导读者，会刻意隐藏一些信息，需要仔细甄别、防止上当。

归根到底，数据本身不会说谎，而是人们在收集、整理、归纳、解读数据的过程中产生了各种问题。只有善用正确的思维方式去使用数据，才能让数据为决策服务，而不至于跌入陷阱。

第五步：数据可视化与延伸阅读

为什么进行数据可视化？因为人都是爱读图的动物，人们对图像的接受反应速度是文字的 60 万倍——这主要与人脑的构造有关：右脑图像脑比左脑逻辑脑的信息流入速度更快。数据可视化就是利用人脑这一机制，把枯燥晦涩的数字转换成更加清晰易读的图像，帮助理解、分析，以及向他人汇报传达。为了有效传达思想概念，美学形式与功能需要齐头并进，通过直观的传达，实现对相当稀疏而复杂的数据集的深入洞察。

可视化不能为了看上去绚丽多彩而做得很复杂。现在有些数据分析师本末倒置，不能很好地把握设计与功能之间的平衡，创造出华而不实的可视化形式，无法达到传达信息的主要目的，反而让人无法聚焦、关注点偏移。另外，科技在进步、社会在发展，数据可视化也应适应时代的需求：除了在数据和数据展示上下足功夫，还要强调应用性和操作的人性化，不要有太高的学习门槛，让技术人员之外更多的业务人员也能了解数据平台和数据可视化。

常见的形式有：

• Excel 统计图：日常工作中最常接触，操作成本较低；但问题是相对单调，输出的统计图也不够美观。想制作精美的汇报材料，用 Excel 要花点功夫，所以很多人用 Excel 做数据分析，再用其他第三方工具绘图。
• 信息图：更进一步是绘制更有设计感的信息图，目的在于用图像的形式表现需要传达的数据信息和知识。图形可能由信息所代表的事物或相关事物的抽象图标、图像组成，也可能是点线面等基本图形，或手动绘制几个 icon。信息图中的元素未必与所表达的信息在语义上一致，但必须达到向受众清晰传达正确信息的标准。把历史或日常生活中常见现象做统计分析再输出图片，配上鲜艳的色彩，能让人更好地摄入信息——人对颜色很敏感，彩色鲜亮的信息容易让人印象深刻。
• 思维导图：将信息、数据图像化的常见手段。日本有位叫七田真的研究者专门研究过思维导图，还写过一些著作，感兴趣者可以查阅。
• 实时报告图：比如天猫双十一全球狂欢节时阿里巴巴内部的数据统计大屏——每年双十一全体员工镇守阿里总部，对着大屏幕实时显示今天多少人参与购物、实时成交额是多少，数字每年还在攀升；数据统计维度更多、数据量更大、图也做得更精美。又如腾讯 QQ 的同时在线人数，官网提供了入口可以点进去看：全中国星罗棋布、多点开花，风靡大江南北。
• 交互数据图：在网页里用前端手段实现丰富的操作——拖拽拉伸、隐藏浮层、判断鼠标悬停的位置等，通过各种鼠标操作和交互来窥探想查看的数据细节。百度地图其实就是一个交互数据图：缩放某个城市、聚焦某条街道、点击某个建筑就能看到地址、电话等数据，还可以切换图层查看不同的地图模式（如旅游地图），点选两个地方测试距离。
• 视频：2011 年旧金山一个共享单车开放数据公开赛的获奖作品里就有这样的例子：一位获奖者把骑共享单车的各种数据（时间、距离、速度等）拍成一个生活化的短片，展示他一天当中怎么骑共享单车，用视频字幕与画面的配合让数据更生动，也得了创意奖。

说到底，数据可视化的手段丰富多样，但归根到底形式要服务于目的，也得考虑性价比：具体呈现时要综合考虑信息传达的效率、美观度和制作成本，选择最合适的方式。

最后推荐几本数据分析的书，可以根据自己的能力阶段和兴趣选择——数据分析本身是一门精深的学问，不可能靠几个小时速成，修行还是要靠个人：

• 《精益数据分析》：笔者很喜欢的一本书，讲一个产品该怎么进行数据分析、应该怎么设立指标、应该看哪些数据；不同类型的产品（比如移动游戏、SaaS 产品）可以监控哪些指标，有哪些比较好的行业参照。
• 《统计数字会撒谎》：针对上面讲的那些谬误——怎么识别、怎么判断，有哪些常见经典的"数字撒谎"谬误。这本书用很多丰富的案例，帮读者用科学的逻辑武装头脑，避免在看数据、分析数据的过程中产生失误。
• 《深入浅出数据分析》：Head First（深入浅出）系列。这本书挺厚，但每页信息量不大、图文并茂以图片为主，很多概念其实很简单，可以翻得很快；寓教于乐，算是数据分析很好的入门书。
• 《数据化管理：洞悉零售及电子商务运营》：从副标题可以看出，从事零售或电子商务相关工作的读者能从中获得很垂直的指导。
• 《利用 Python 进行数据分析》：适合有些编程功底、熟练使用 Python、想通过它进行数据分析的读者，这本书在一些函数及相关库的推荐上有很多有意思的启发，可以看一看。

6.5 - 6.5了解什么是A/B测试

为什么需要 A/B 测试

在互联网产品开发中，经常面临多种方案的选择。有些选择轻而易举：面向大众的产品，主色调定成蓝色，最权威、最稳重而且广为接受；强调安全的服务，绿色是不二之选。但还有些时候，备选方案是模棱两可的，甚至看起来完全无关紧要：某个按钮用橙色还是红色？位置是偏左还是偏右？

面对这种情况，传统解决方式要么根据设计师的审美来定，要么一群人共同表决，要么由某位领导拍板决定。无论哪种方式都免不了受个人主观因素的制约，未必代表广大真实用户在实际使用场景中的认知——正所谓"不识庐山真面目，只缘身在此山中"。

还有一种情况：一个改动背后利益方的诉求不同、想法很多很分散。比如一个电商网站的购买转化率很低，团队内部就会出现各种不同的声音：产品经理认为是市场推广人员广告投放不精准，而不是购物车流程复杂冗长导致的交互问题；设计师抱怨程序员擅自修改了酷炫的视觉特效；程序员却觉得优先确保兼容性才是提升转化率的方法；老板要求页面文案充分体现技术的首创性；销售团队则认为顾客只关心给自己带去什么利益，根本不管技术是怎么个首创法。这时到底谁更对——产品负责人的感觉、老板的意见，还是刚好路过的扫地阿姨看了一眼屏幕后发表的看法？怎样进行科学的判断？答案是：直接做一次 A/B 测试。

什么是 A/B 测试

A/B 测试也叫做随机实验或对照实验，是一种比较流行的产品优化方法，一般在 Web 网页版产品里用得较多，可以用来提升转化率、注册率等指标。简单说，就是为同一个目标制定两个方案，将产品的用户流量分割成 A、B 两组（一组实验组、一组对照组），两组用户特点类似且同时跑实验；实验运行一段时间后，分别统计两组用户的表现，再将数据结果进行对比，就可以科学地帮助决策。

比如让 50% 的用户看到 A 页面、50% 的用户看到 B 页面，结果 A 版本带来 50 个注册，B 版本带来 75 个注册，相当于 B 版本比 A 高出 50%。在试验流量足够大的情况下，就可以判定 B 版本最终胜出，然后把 B 版本推送给所有用户。A/B 测试是一种先验的实验体系，属于预测型的结论，与一些后验型的归纳性结论差别比较大。

这个方法曾在很多领域产生过深远影响，包括医药、农业、制造业和广告等。其中西医算是比较早引入 A/B 测试来验证新药疗效的：

新药验证一般是这样一个流程：有一百名患者参与测试，医生悄悄分成 A、B 两组——注意患者自己并不知道被分了组，且两组患者的健康情况比较接近一致。A 组患者将得到试验的新药，B 组患者得到长得和新药一模一样的安慰剂，也就是没什么效果的药。如果最终 A 组患者比 B 组疗效更好，就能证明这个新药的疗效是有用的。

可见，A/B 测试的目的在于：通过科学的实验设计（采样样本要有代表性）、流量分割与小流量测试等方法，获得具有代表性的实验结论，并且确信这个结论推广到全部流量时是可信的——这又涉及到数据化驱动决策与确定性的优化提升等概念。

自然界中也存在类似 A/B 测试的事件。达尔文在《物种起源》的编定过程中，发现了一类体型很小、羽毛颜色很暗淡的雀鸟：其中一支大约有十三个种，分布在加拉帕戈斯群岛；另一种则生活在科科斯群岛。这些鸟几乎有同样的体型（差不多都在十到二十厘米），但生活环境的细微不同，让它们进化出了尺寸和形状差别很大的嘴型，以此适应不同的食物。这一发现对达尔文推导出大自然物竞天择的演化理论起到了贡献。这种通过环境影响个体形态、从而筛选出最适合存活下来的物种的例子，其实就包含了 A/B 测试的基本思想：提供多个方案并行测试，不同方案之间只存在一个变量，并以某种标准来判定结果、筛选出最优的方案。

其中"只存在一个变量"这个单变量原则需要重点关注：

• 某种方案的优劣不光与方案本身有关，也可能与方案所适配的环境密不可分。比如同样一段文案涂成黑色，在浅色底上清楚醒目，在深色底上看起来就很费眼力；涂成白色，在深浅不同的底色上视觉效果恰恰相反。不能简单得出黑色和白色哪种绝对好，只能说在深色或浅色底的确定条件下，使用白色或黑色的配色方案，才能取得最佳视觉效果、最大程度上吸引眼球。
• 被比较的两个变量本身也不能是复杂变量，而应该是单一变量。比如拿红烧茄子跟干拌土豆拼个高下，哪种美味只能靠评判者主观的味蕾偏好。解决办法是：要么都改成红烧，要么都换成土豆，确保基于单一的烹制方法或单一的食材，最终做出的评价才更客观。

硅谷基石与成功案例

硅谷的明星科技公司都将 A/B 测试看作稳步增长的基石。Google 从 2004 年到 2007 年历时三年，逐步构建并打磨出一套很强大的内部 A/B 测试系统，每个月会跑几百次实验（有一张 2007 年到 2010 年期间 Google 进行 A/B 测试数量的统计图）。Facebook 也是高频测试的笃行者：据一位名叫卡斯卡特的项目经理介绍，每当工程师对某个算法进行一次微调，Facebook 都会单独针对这次调整筛选出一组用户来进行测试，且每次的测试对象不相同；他还透露，最多的时候甚至有差不多一千种不同版本的 Facebook 面向不同的用户群运行。Facebook 从所有测试对象中提取信息，了解哪些优化算法真正改善了情况、哪些没有产生效果。此外，Facebook 移动版在每次上线时，都会提前把未来六个月想要测试的实验集成到代码里。

再看几个现实中的成功应用：

• 微软 Bing——页面配色：Bing 曾通过 A/B 测试反复调整页面的配色方案。两个测试版本肉眼只能看出细微的差别：右边的蓝色稍微深一点，黑色稍微淡一点（中间三个色块的对比比较明显）。不要小看这简单的配色——对 Bing 这样流量很大的搜索引擎，最右边获胜的方案最终每年带来一千万美金的营收增长。
• 亚马逊——信用卡广告位：亚马逊最早试着销售自己推出的信用卡服务时，曾把信用卡广告放在商品页面的侧边栏广告位，结果无人问津，还浪费了宝贵的广告展示空间。后来运营人员提出把推销信用卡的广告放到购物车结算时，A/B 测试对比下来佐证了这个想法：改动大幅提升了信用卡的申请率，给亚马逊带来了上亿美元的营收增长。
• Netflix——海报测试：Netflix 是笃行 A/B 测试、靠海量测试成就伟大产品的公司。早在 2013 年，它就尝试通过 A/B 测试验证不同版本的海报风格对观看点击的影响。
  • 电影《Short Game》（中文名译作《人小志气高》，讲述几个小朋友如何在高尔夫运动中击败其他竞争者的励志故事）：在默认海报（default artwork）之外，又测试了另两种不同设计的海报。结果发现，有一张小朋友打球剪影的海报，点击转化率比原海报提升了 6%；效果更好的版本是小朋友的背影、同时家长陪伴在后——既能体现打高尔夫球的电影主题，又体现出父子关系——这样的海报更吸引注意力，转化率比原海报提升了 14%。
  • 《驯龙高手：飞跃边界》：Netflix 测试了六个版本的海报，结果很有意思：画绿色箭头的方案二和方案三最终胜出，而这两个方案放的都是反派人物（坏人或邪龙），反而比放主人公的海报更容易吸引人。仔细想想也有道理：看动漫作品时，高大全的正派主角固然讨喜，但混进一些亦正亦邪、有点坏坏的角色，观众反而会很喜欢——就像《七龙珠》里的贝吉塔、《名侦探柯南》里的怪盗基德，有些反派角色比主角更吸引人。
  • 美剧《我本坚强》：也尝试放不同版本的海报，实验证明最后一组效果最好。其他几组放一个美女、放一个标题或放一些物件，第五组稍微诙谐，但都太平庸了；获胜的一组不但放了两个人物，还用很夸张的造型、很有戏剧冲突的面部表情演绎，体现了这部剧荒诞诙谐的特征，更容易引发网友点击。
  • 《超感猎杀》：通过 A/B 测试甚至发现，不同国家点击效果最好的海报也不一样。第一张在德国点击率最高——很符合德国人四平八稳、严谨古板的感觉：前面一个标题、后面的一个"8"体现了四张人脸；第二张人物剪影在巴西效果更好；第三张在美国点击转化率表现最好——可能美国人对华裔的功夫元素天生感兴趣，背景上呈现了华裔女性和很有亚洲特点的建筑，容易吸引美国用户注意；第四张在英国点击转化率最好——很像英国人最喜欢的传统 007 式特工角色：一个硬派男士拿着一把枪，在英国深入人心。剩下两张测试下来效果反馈就很一般。可见 A/B 测试不但能测同一个国家地区不同海报的效果，还能测出世界上不同地方、不同人群的口味。

一个失败案例：Sam 的"点赞给钱"

前两年有个很火的小众社交应用 Sam，有点像轻量级的百度贴吧，有很多小而美的频道供匿名社交，一度成为资本追捧的宠儿，曾拿到知名投资机构两千万美金的投资。大约 2015 年，Sam 上线了一个"点赞给钱"的功能：每次收到他人点赞（在 Sam 里叫"同感"），用户就能从对方那边收到一毛钱；换句话说，给别人点赞就要付一毛钱。

功能上线后，Sam 的点赞数量急剧下降，后来只在一些很少的福利向频道（比如轻性感频道）里保留，再后来连这些频道也都去掉了，功能被彻底关闭。“点赞给钱"最终成了 Sam 由盛转衰的滑铁卢：活跃用户数量大幅下降，日活大概在二十万上下就再也上不去了，如今这款产品在市场上也没什么声音了。

归根到底：点赞对用户来说是一个比较随性的互动方式，跟打赏有着本质区别——随手点赞可能只是觉得有点意思，并不代表认同感强烈到愿意花钱；原本 Sam 上用户的互动没有太多维护关系的负担，一旦点赞给钱，这种社交关系就不再那么单纯。何况 Sam 的用户很单纯而且低龄化，对这种赤裸裸、充满铜臭的商业变现很抵触，Sam 团队当时遭到大量用户批评。如果 Sam 先通过 A/B 测试，找两个差不多量级和活跃度的频道小规模测试一番，等验证成功后再上全站，可能就不会出现这种问题了。说到底还是盲目决策拍脑袋、不听信数据，把一手好牌打烂了。

A/B 测试的价值与置信区间

通过这几个例子，可以说 A/B 测试具有下面这些价值：

• 帮助建立数据驱动、持续不断优化的闭环过程。
• 消除用户体验设计中不同意见的纷争，根据实际效果确定最佳方案。
• 通过对比实验找到问题的真正原因，提高产品设计和运营的水平。
• 降低新产品或新特性发布的风险，为产品创新提供保障。

进行 A/B 测试时，有时会看到一个词语叫置信区间。比如在 Google Play 应用商店发布一款安卓应用时，Google 允许针对产品文案和营收做不同版本的 A/B 测试，但这个测试看起来不太一样：通常会说 B 版本相比 A 版本提高了多少个百分点，而谷歌后台的这项测试并不能直接从图中得到版本 C 的转化率比原版本提高了多少，而是给出一段区间，同时提供一个有点陌生的指标，叫做"90% 置信区间”。维基百科上有一段不带任何字母公式的纯文字定义：

在统计学中，一个概率样本的置信区间，是对这个样本的某个总体参数的区间估计。置信区间展现的是：这个总体参数的真实值，有一定概率落在与该测量结果有关的某对应区间。举例来说，如果在一次大选中，某人的支持率为 55%，而置信水平 0.95 上的置信区间是从 50% 到 60%，那么他的真实支持率有 95% 的几率落在 50% 和 60% 之间。

初次接触容易越听越糊涂，梳理一下置信区间这个概念的由来，可能就相对容易理解：

二十世纪二十年代，剑桥有位统计学家叫 Ronald Fisher，正悠闲地和朋友一起喝下午茶。英国人喝的是奶茶（牛奶和茶的混合物），但先倒奶还是先倒茶，基本没什么讲究。喝茶过程中，有一位女士突然说自己可以分辨一杯奶茶究竟是先倒的奶还是先倒的茶。Fisher 和其他人都不相信，就让她分辨自己杯子里的奶茶，结果那位女士居然说对了。但 Fisher 还是不相信——她随口一说，都有 50% 的正确率。于是他们做了一个实验：冲了八杯配方完全一致的奶茶，其中四杯先倒奶、四杯先倒茶，请女士分辨，结果她依然完全正确。这种情况下，她仍有可能碰巧蒙对，但八杯茶比一杯茶有说服力得多。八杯茶的说服力有多少？Fisher 算了一下：八杯全蒙对的概率是 0.5 的 8 次方，即 0.00390625，差不多是 0.39%；也就是说，有 100% 减去 0.39%、即差不多 96.1% 的概率她真的能分辨，而不是瞎蒙。这个 96.1% 的概率就是传说中的置信度。若是 90% 的置信度，就表示有九成把握相信她真的能分辨一杯奶茶，而她碰巧蒙对的概率只有 10%。

所以，前述案例中第三行"从 -6.2% 到 +11%“处在 90% 置信区间，就可以说：采用这个方案有 90% 的可行性，数据会在下降 6.2% 到提升 11% 之间不等，平均值落在提升 2.4%。

再看一个留存率实验的例子。假设做了一个产品，想测试以下三种情况对留存率的影响：某功能 X 有可能降低留存率——第一种情况，功能 X 默认打开开关，允许所有用户都看到并使用；第二种情况，还是功能 X，只是默认关闭开关，用户感兴趣可以到设置里手动打开；第三种情况，功能 X 默认关闭，且设置里不提供开关入口，相当于永久隐藏。对次日留存率的影响，用 90% 置信区间图可以读出三个结论：

1. 关闭并隐藏开关，至少有 90% 的概率，最后的留存率在 69.97% 以上，而且有比较大的概率落在区间均值 77.17% 上，甚至有一定的小概率最高提升到 84.19%。
2. 默认开启功能 X 对留存的影响很大：拿它 90% 置信区间里最好的结果 57.86%，与"关闭并隐藏开关"最差的结果 69.97% 比较，留存率至少降低 12%，最多甚至可以降到 38%。
3. 默认关闭功能 X 时，X 的设置开关是否可见，对留存的影响并没有很大：虽然均值的差距在 10% 左右，但两组留存区间有将近一半重叠。所以如果只是说"关闭并隐藏 X 功能，会比仅关闭 X 功能的留存率高 10%"，是不太准确的。

置信区间要足够窄，才能说明得出了一个比较好的结论。如果得出一个置信区间说"95% 的可能性，最后的结果在降低 100% 到提升 100% 之间”，那就等于什么都没说。

样本量、实验周期与业务权衡

积攒多少样本才能得出结论，这件事和置信区间也是相关的，主要取决于几个方面：一个是试验的流量本身，一个是转化率本身。比如通过 A/B 测试看到的某个转化率，变化值很低、只有百分之零点零几，无法判断是 A/B 测试带来的影响，还是数据本身正常波动的范围，这时可能需要非常多的样本才能做出有效的测试、看出比较明显的变化；但如果目标是转化率提升 50%，那么可能一千个样本做完就达到了目标——这么明显的提升足以说明问题，一千个样本就够了。

A/B 测试该选多大的样本？这里提供一个现成的线上工具（网址见配图）。用法：先设置一个 Baseline Conversion Rate（基准转化率），即要测试的某个指标原本的基准转化率或对照组的值，比如原本的留存率是 20%；再写一个最小可侦测的结果（百分数），意思是实验后如果基准转化率上下波动达到或超过这个百分数，实验才被视作有效、确实是因为改动对产品产生了实际影响。比如填 5%，那么上线实验后，留存率从 20% 提升到 25% 以上或降到 15% 以下，实验就算达到了能得出结论的阶段。这个工具会用统计概率的算法结合置信区间，给出一个比较合适的实验样本量，比如 1030——也就是说至少要针对 1030 人进行 A/B 测试，得出的结果才比较可靠；样本少于这个数字，试验的置信度就比较低。

A/B 测试要持续多少天？一般要持续 7 天或 14 天。因为在其他条件都不变的情况下，试验时间需要覆盖用户周中（周一到周五）和周末（周六、周日）的行为——两者可能不一样，所以 7 天是比较理想的时间；想更准确最好跑 14 天；如果流量比较少，可能要跑更长时间。怎么得出结论？等置信区间收窄到一定程度，就可以决定上线或下线了。

Airbnb 的教训：Airbnb 的工程师曾尝试改进价格过滤器功能，允许用户筛选房源价格时，把过滤器的上限从原本的 300 美金提升到 1000 美金。实验跑了 7 天，对产品转化率的影响幅度一开始还比较明显，但 Airbnb 的测试工程师比较有经验，没有就此下定结论，而是继续把实验跑了 30 天以上。最后发现大概从两周之后开始，变化幅度就没那么明显了；到一个月整个实验跑完，新设计的价格过滤器跟老版本相比，对转化率的影响基本上没有任何区别。于是 Airbnb 最后果断放弃了这个多余的方案。

另外，做 A/B 测试不要只盲目看测试的数据结论，有时还要跟具体的业务结合，最后敲定选择什么方案。

百姓网的权衡：百姓网是上海的一家公司，业务很像五八同城，或有点像大众点评里的二手频道，允许用户在上面买卖二手车、租赁房屋等。有一次，百姓网广告部的同事提出需求：希望把付费购买增值服务的广告主信息，在列表页面置顶。产品团队就此展开两派很激烈的讨论：一派认为，增值服务的信息在为期一个月的展示期内会始终存在，而手机屏幕空间就这么大，用户每次进来看到的置顶都是同一批信息，就会觉得没有新鲜感——为什么这里的信息总是不更新？另一方认为，用户一定会往下滚屏，滚下去就能看到更多信息，操作很简单。双方各自都很有道理，一时间谁也说服不了谁。如果大动干戈直接改交互——比如按免费与付费的区别改成标签分栏，或提供很强大但很复杂的高级筛选工具——开发起来很复杂，而且广告销售部等不起，希望尽快上线，因为这是对广告主的捆绑销售，丝毫不能怠慢。经过一番权衡，团队决定跑一次 A/B 测试：通过服务器控制下发信息，将用户按 UDID 分成两组，一组下发带固定付费信息的列表（右边方案），另一组下发付费信息不固定的列表（左边方案）。考核两个指标：一个是从列表页到付费信息详情页的转化率，另一个是下拉获取下一屏列表的事件数。测试跑了几天，结果让产品同事大跌眼镜：固定展示付费信息的改动，虽然对用户体验有些影响、不如左边方案，但对核心数据的影响差值只在千分位之后（百分之零点几），对整个产品而言完全可接受；而从商业角度考量，右边方案虽然 A/B 测试数据稍微差了一点，却能为广告主带来更多增值服务的收入，从而提高营收。最终百姓网拍板敲定了右边这个方案。

由此可见，进行 A/B 测试时，除了用高效的手段进行验证，也要结合现有的业务，探究哪种方案最终能取得一个平衡。

数据分析本身是一门精深的学问，需要在实践中不断摸索、总结。既要充分相信数据，用事实和逻辑打败主观臆断；同时也要保持一颗清醒的头脑，不被数据蒙蔽，更不盲目偏信数据而忘记具体问题具体分析。最后用一句话概括：敬畏数据，但时刻保持怀疑精神。

7 - 第七章 · 区块链与 Token 增长

本章是带有时代印记的一讲：在区块链概念最热的年代，探讨 tokenization（token 化）能否成为产品增长的新杠杆。

本章要点

• token 的五重境界
• 利用 token 实现产品增长的五个玩法

7.1 - token的五重境界

什么是 token：从 Apple Pay 说起

本篇笔记讨论在所谓的区块链时代，有哪些新技术手段可以帮助增长黑客。先介绍一个概念——tokenization（token 化）。

在区块链技术出现之前去网上搜 token 或 tokenization，会发现它在现实中的应用场景主要在线下的金融体系。以 Apple Pay 为例：没有 token 化技术时，用户拿着苹果手机或手表到商家的支付终端扫一下，商家为了核验身份，可能要求提交 Apple ID、姓名、email 地址、联系方式甚至密码，传给商家后再由其背后的银行金融机构校验，机构再与苹果校验，确认用户确实是 Apple Pay 用户，然后完成后续扣款。这里存在两个问题：

• 苹果没有意愿传输：每拓展一个商家，就要把自家辛辛苦苦积累的用户数据（Apple ID、密码、信用卡号、手机号等）传给对方，对苹果这个主体来说不可接受。
• 用户也不买单：用户本来只是信任苹果、授权给苹果，用了 Apple Pay 之后，苹果却背着用户把个人信息授权给其他商家、银行，隐私无从保证。

这时就需要一个变通的解决方案，也就是 token。苹果完全可以在用户数据库里新建一个字段，名叫 token，对应的值是随机发放给用户的一串字符。比如某位用户范冰，苹果在其账号、密码、信用卡、手机号等字段之外，分配的 token 值叫"刘二狗"。他在线下结算时，只需把"刘二狗"传给麦当劳，麦当劳拿它去银行验证，银行再传给苹果的服务器；苹果在数据库里查找谁的 token 是"刘二狗"，一查是范冰，就在后端直接从其账号上扣除费用，全程没有泄露任何隐私。

说白了，token 就是用一个可被替换的中间媒介来实现原本主体的功能、提供替代的价值，在不暴露主体信息的前提下，起到与原本主体相同的作用（例如身份校验核实）。

生活中的 token：虎符、卡牌与 Q 币

把 token 的概念推演开，历史上和当下生活中还有哪些 token 手段？举三个例子：

• 虎符：中国古代调兵打仗，皇帝亲发圣旨或口谕自然可以调动百万雄兵，但"将在外，君命有所不受"，怎么确定一千公里外的皇上真的下令调兵了？将领只要把符拼在一起能够成功重合，就说明这真是皇上的一道圣旨，皇帝的兵权通过虎符在将领手上得到体现，下面的人看到虎符就如同听到圣旨，就得出去打仗。虎符本身不是圣旨，却实现了同样的结果——像圣旨一样起到调兵的作用。对比前面的 Apple Pay，它本质上就是一个 token。
• 卡牌游戏：像三国杀、炉石传说、游戏王、万智牌等。每一张实体卡牌本质上只是一张卡片，只不过纸上印的字决定了这张卡能实现什么效果、行使什么权利（比如"我可以杀当闪"）。而线上的三国杀游戏，可以理解为线下实体版三国杀的一个 token：在二进制世界里，方寸之间几百像素的一个色块，产生的是与线下打牌同样的效果——遵循一样的规则，可以进行同样的游戏交互，线上是线下的替代。
• Q 币等虚拟货币：Q 币本质上能不能算 token？本质上是同一个东西，唯一不同的是国家法律限制——可以用人民币买 Q 币，但 Q 币不能等值兑换回人民币，否则就有洗钱风险。Q 币本身看不见摸不着，但用户对它有共同认知：相信它能兑换 QQ 的权益、开通更好的皮肤，或在游戏里获得精良的道具。正是这种共同认知，让人们愿意拿现实生活中的真金白银、拿法币，去换腾讯服务器上的那一两个字节。这也是 token 在当下社会近似的玩法、本质相通的东西。

区块链 3.0：人人都能发币

token 还有很多叫法，比如代币、通证等——所谓代币，就是人们觉得 token 像 Q 币一样，可以拿真金白银的法币购买，有些 token 还承诺能在线上世界兑换一些权利：兑换回法币、买虚拟道具装备，或作为个人权威地位的象征。如果说区块链 1.0 的标志是比特币的出现，区块链 2.0 主要是以太坊（有了它，任何人都可以发类似比特币的虚拟货币，统称 token），那么到了所谓的区块链 3.0 时代，一大重要标志就是过去那些繁杂的基础设施建设工作，有了各垂直领域的分工和对应的工具。

放在以前，自己发币、自己创建 token 是很复杂的：要部署智能合约、要烧 gas、要构建一套代码。而现在，任何人都不需要自己从头构建底层的基础代码，可以直接开发应用层面的东西、专注于自己的核心业务。这就像博客和微信公众号的发明：在此之前，个体想做媒体、想在线上产出内容，门槛还是很高的；有了公众号，人人都可以开号当自媒体，一下子把写作产出内容给公众阅读的门槛拉低了很多。区块链 3.0 之后，人人都有可能发币，不需要技术背景，花费也几乎可以忽略不计。

笔者在网上看到一个叫"一键发币"的工具，直接把发币过程自动化了：只需填几个字段，就可以在以太坊主链上形成自己的代币。笔者没有任何目的，纯粹是好玩和尝试新技术，用这套工具发了很多代币、取了各种名字，其中一个叫 GHO，另一个叫 FAN（因为笔者姓范）。这两个币各发行了十亿个，不拿去 ICO，也没有以此敛财、割韭菜的任何想法，只是单纯觉得好玩，把它们分发给认可笔者、关系最好的朋友，他们也很乐意收——当初收着也只是觉得好玩，以太币钱包里一下子有了几十万个币，看起来很有面子。

发币实践：用 FAN 币分配权益

币发了，还能怎么玩？笔者做"增长官研究院"这个媒体时，跟很多线下机构是联合主办或协办方，经常能拿到免费的赠票、现场 VIP 席位和奖品，还有出版社或 SaaS 产品的供应商提供资源与优惠，用来交换企业对他们的支持。这些都是边际成本很低的小恩小惠，笔者手头攒了很多，就看愿意给谁。

如果只是随便贴一个群二维码，或在朋友圈喊一句"谁点赞、谁看到就给谁"，其实是很不公平的行为：天下熙熙皆为利来，天下攘攘皆为利往——平时发生活日常或晒状态的朋友圈，有些人不点赞、不评论互动；一发有好处的内容，就探出头来把这些东西抢走。这对那些经常与笔者频繁互动、私交很好或帮过笔者的朋友，是一种权益剥夺。

于是笔者的做法是：谁之前拿过 FAN 币，就拉一个群，以后再有好处就分发给这些持币者。笔者曾发朋友圈：领过范币的朋友注意，手上有免费的活动门票了，北京、上海、杭州都有活动，请客免费参加；包括笔者咨询公司的一些服务，以及商家赠品，都优先给这样的朋友。这无形中提升了这个币的价值，因为笔者赋予了它实实在在的权益。当币有了权益，朋友们就更愿意持有，可能与发行者走得更亲近，甚至成为盟友或合作伙伴，最不济也是线下好友关系；发行者也可以借此区分出哪些是真正的朋友、可以走得更亲近，哪些人则不太愿意优先给。

token 的五重境界

由此可以引申一个话题：token 能达到什么样的境界？根据它的使用场景、发展阶段和未来愿景，笔者与朋友讨论后，把它描绘成五个阶段：

1. 信任关系的分配工具：发行者自己发一个 FAN 币，看谁顺眼就发给谁——认识时间长的、之前帮过自己的、有过合作的，哪怕只是私下见过面、请吃过饭的。此时发币本身没有任何承诺，也没有其他权利，只是觉得好玩：我信任你、你愿意接受，token 就是信任关系的分配工具。
2. 价值激励和记录的账本：币发出去、人人都持有（比如都有十万个 FAN 币）之后，组织线下活动时，有些持币者很积极，会作为志愿者主动帮忙组织活动、线上线下维持秩序，付出了努力。付出努力的人和单纯来参会的人，权益应当不同，于是给帮忙组织会议的人再增发十万、二十万个币。这时 token 就承担了价值激励和记录的属性。
3. 流通凭证：假设某门课程的付费用户每人获发十万个 FAN 币，并宣布：以后持有五万个以上 FAN 币的，可以来笔者的咨询公司免费做一次咨询，或与笔者单独一对一交流两个小时。有些人不需要这个咨询、又不想浪费机会，就会把它转给别人；转手时若不想免费送、想卖给别人，就得有第三方出来估价，或发行者本人站出来说愿意花多少钱回购，给这个币锚定一个人民币价格。此时它就具备了在一小撮人之外流通的可能性，变成一种普通的流通凭证。
4. 结算母币：课程用户拿到十万个币，又用前述发币工具觉得好玩，每人自己发了币。每人都有一套币之后，谁的币说了算、谁最有价值？短期内可能还是最早发行的 FAN 币更有价值——它发得早，且被赋予了实实在在可以兑现的权益。于是其他持币者愿意拿自己的币跟 FAN 币挂钩、互相结算，发行者再拿 FAN 币跟别人的币挂钩。这就像美元和金条挂钩一样，FAN 币就变成类似金条的、可以用来结算的母币。
5. 数字货币：这就是今天比特币的样子。比特币自己已不算 token 了，但在 token 概念出现之前、人们还只认知法币的年代，比特币横空出世，本质上就是法币在虚拟世界的一个等价物，也就是一个 token。今天比特币所在的地位、它在世界上的结算流通功能，就是数字货币所承载的功能。

当然，这里越讲越远——本篇笔记本身并不探讨炒币，或区块链如何对原有经济社会体系造成影响，这些内容可自行上网学习。

7.2 - 7.2利用token实现产品增长的五个玩法

本篇笔记进入第七章的重点：token 如何帮助产品做运营和增长——特别是在用户获取、内容分发、社交激励以及营收变现上的探索，配五个实际案例。

一、空投领取：给产品导流

案例：网易星球的"黑钻"。 区块链刚爆火时，网易推出了"网易星球"：用户在上面像矿工一样"挖钻"，根据贡献程度——芝麻信用授权、人脸识别、购物行为、金融行为等——换取其 token"黑钻"。本质上是用个人隐私换取 token：多数用户连黑钻是什么都没搞清楚，就一窝蜂下载、提交信息，换回几个微不足道的 token，而黑钻后续并没有什么实际价值。这里利用的正是人们对 token 趋之若鹜的心理。

变体：跨产品引流式空投。 更常见的空投方式是"不当场发放 token"：用户在网页留下 email，三天后收到群发邮件，被告知要关注某个公众号输入兑换码，或加入某个 Telegram 群组输入指令码，才能真正领取。在 A 产品留联系信息、去 B 产品留领取方式、到 C 产品实际领取——整个产品矩阵的流量都被带了起来。笔者有不少朋友前两年做 App 做得一般，最近发了自己的 token 并各种空投，App 下载量一下子就起来了，连他们自己都震惊。背后是市场基础：人性的贪婪与损失厌恶。

衍生：空投聚合与评级。 没有权益背书的 token 只是空头支票，几个亿和几十亿个没有区别。于是出现了聚合推荐：一个叫"糖果事务所"的公众号，用裂变营销把人拉进群，在指定日期丢出石墨文档，告诉大家"这三十几种币是优质资产，建议获取"。再往后发展，必然产生基于价值的推荐、基于个性的推荐，以及评级机构——这与金融市场一步步发展的轨迹是同构的。现实中的金融机构如何演进，tokenization 落地后就会有类似的商业主体映射。

二、应援众筹：缩短变现周期

Spotify 的困境。 这家美国最大的音频流媒体公司之一上市时数据很漂亮：招股书显示 MAU 1.5 亿、付费用户 7100 万——接近一半用户付费（对比 QQ 音乐：两亿多 MAU，付费用户仅约 1700 万，且很多来自一元体验充值）。但 2017 年财报显示：会员收入 45 亿美金 + 广告收入 5 亿美金 ≈ 50 亿美金营收，而全年付给音乐机构的版权费高达 98 亿美金——巨亏。而且越上市越可能急功近利追求短期变现，赶走用户与音乐人；版权机构也不会轻易放过它，长期趋势笔者并不看好。

CastBox 的 ContentBox。 海外播客产品 CastBox（2016 年起步，不针对中国市场，全球 1500 万用户，英国等地榜单前三；创始人北大毕业，团队含硅谷研发力量，2017 年获 Google Play 最佳产品荣誉）针对行业痛点做了 ContentBox：传统播客/音乐平台上，主播和音乐人的变现周期长达四到六个月——养号、平台结算周期、提现标准都会拖长回款，内容生产者得不到及时激励，不利于持续产出优质内容。

ContentBox 是为内容消费与生产平台提供激励机制的区块链服务：创作者在刚刚有一个 idea 的阶段就可以把消息公布出去，支持者直接把平台 token（BOX 币）投给你——类似 A 站 B 站投香蕉、投硬币。创作者收到粉丝支持、获得 BOX 币，相当于提前获得营收，更有动力和督促地把内容做出来。本质上这就是打赏激励 + 众筹，只是当年用钱众筹，现在用 token 众筹。

三、行为激励：让用户"疯狂刷牙"的 token

传统线上产品的激励手段——勋章、积分、游戏化的经验等级——都很常规了。token 能带来什么新东西？

• ofo 的 GSE 币。 ofo 在新加坡市场推出了绿色骑行的版本：骑 ofo 单车即可获得 token “GSE”。官方没有声明它有什么权益、如何兑现、是否上交易所，完全含糊——但就是这样一个概念性的东西，让很多人第一时间专门去多骑 ofo 赚 GSE。
• 智能牙刷发币。 一位在深圳做智能牙刷的朋友，其 App 原本根据刷牙、刷牙后同步数据、分享记录等行为给积分；“拥抱区块链"之后改为根据不同行为发不同数量的 token。真上线的话，估计很多人会为赚 token 疯狂刷牙，刷到牙龈出血。

四、社群激励：Steemit 的三币体系与币乎的教训

Steemit。 区块链大神 BM 在 2016 年开发的社区，目标是鼓励用户形成良好互动氛围、产出并消费高质量内容。其精妙之处在于设计了三套 token：

• STEEM（主 token）：根据常规活跃行为奖励，如发文、发高质量评论。
• STEEM Dollar：可由 STEEM 兑换，官方承诺 1:1 兑换美金。这是给短期套利者留的出口——赚了币不想长期陪伴社区，随时兑换走人。
• STEEM Power：兑换后一段时间内锁仓、不能转回 STEEM 或 STEEM Dollar。这代表认可社区价值、追求长期利益；转换为 STEEM Power 后会被赋予更高权重——一票抵别人 1.5 票、发文优先推送等特权。持币者用这些权限反过来影响平台，帮助建立更优质的生态。

用短期、中期、长期三套激励机制分层运营用户，这套设计让 Steemit 的社区口碑至今不错。

币乎的教训。 国内很多模仿 Steemit 的社区只抄到表面：比如币乎，从界面到风格都在模仿，但因为目的性太强，来的人基本都是为赚 token，评论区清一色"赞赞赞、好好好、太棒了”——与"通过充分激励让社区长久有生命力、有高质量内容"的初衷背道而驰，变成了哄抢空气币的社区，乌烟瘴气。抄到了皮，没抄到神髓。

五、生态共赢：通用积分模式的区块链革命

通用积分的经典案例

• 茑屋书店的 T 积分。 这家 1983 年创立、唯一入选"全球十大最美书店"的日本书店，如今有三千多家连锁店。转折点在 2003 年：推出 T 积分，与日本其他商超、零售、大集团及线下服务机构打通，积分跨主体共享、互兑产品与服务权益——前提是彼此少有直接竞争、合作共赢。
• 恋与制作人 × 屈臣氏。 屈臣氏门店出现白起、李泽言的角色海报和屏幕投放，游戏里则出现屈臣氏的场景；在屈臣氏消费可获兑换码，在游戏里兑换虚拟道具。两个没有直接竞争、却瞄准同一人群的品牌互相导流、核心会员互相融合吸粉。
• 喜达屋 SPG / 平安万里通。 喜达屋的 SPG 会员积分可兑换免费住宿、浦东丽思卡尔顿的音乐会等权益；平安集团的万里通则是打通集团内外权益的通用积分，但这两年发展并不好，已并入壹钱包。

通用积分为什么难成气候：四个原因

1. 数据封闭，很难打通。 越大的集团数据越敏感，都希望拿到别人的数据、把自己的封起来。就像这些集团采购企业服务时一定要私有化部署，而不肯把数据放云端。
2. 商务谈判成本高、周期长。 大公司 BD 流程复杂、利益方多；跨国沟通还有时差，最简单的信息来往要跨越一天，变成"回合制游戏"。
3. 奖励权益的成本高。 通用积分能兑换的应是边际成本很低的东西——酒店空房、飞机空座（一百个座位坐八十个和坐满一百个成本差不多），这也是它被称作"忠诚度奖励计划"的原因。若权益需要额外采购，对企业就不经济。
4. 通兑规则难统一。 两家互通简单；十个游戏和十个品牌同时打通，积分的产生与消耗规则如何设计、彼此如何挂钩，就像国际外汇市场一样复杂。规则无法调和，就会出现套利的蝗虫党钻空子，用最少成本攫取体系内最大利益，最终所有主体受损、体系崩溃。

区块链的解法

• 数据封闭 → 机会在中小主体：他们没有多少数据可守，愿意牺牲一点数据控制权换取商业机会，抱团取暖形成生态、对抗大公司挤压——这正是区块链"去中心化"的本义，蚂蚁雄兵撼动象群。
• 谈判周期长 → 基于区块链的线上撮合系统：线上签约 + 智能合约约束权责与利益兑现，跨越国籍与时差，省去线下 BD 流程。
• 权益成本高 → 最适合的积分出口是边际成本趋近于零的东西，而互联网产品首当其冲：软件的复制成本几乎为零，比酒店空房（还要打扫）更低。App 开发者把虚拟权益接入通用积分体系，想亏都难。
• 通兑规则难统一 → 主体增多时复杂度是指数级增长，人脑难以应付；智能合约作为带强制力的约束手段，配合机器学习自动学习分析、维持积分规则与生态平衡。

案例：Merculet 的 UAT 体系

一家叫 Merculet 的公司，自我定位是"全球创业者的首席增长官"，做的事简单说就是基于区块链打造通用积分运营体系：

1. 接入方在网页或 App 中集成 Merculet 的 SDK；
2. SDK 基于其行为分析识别技术，识别用户有价值的行为并量化——随便翻几页价值低；注册留手机号、电商下单、完整看完一段视频价值高，分别对应不同积分。这个积分叫 UAT（User Active Token）；
3. 用户在某个接入的 App 赚到 UAT 后，可以在本 App 兑换边际成本低的奖励（虚拟头衔、一个月免费会员），也可以跨到平台内其他 App 消费：视频网站看视频赚的积分，拿到共享单车 App 兑换骑行储值；骑车赚的积分，去电子书 App 免费换书；买书得的积分，再回视频网站换会员。

这就是用区块链积分运营把众多小商业主体连接成矩阵，共同服务一批用户、利益共享——一种基于通证的第三方通用积分平台促成产品增长的应用方向。

总结

1. 不要曲解和妖魔化区块链与 token，token 在生活中的应用比比皆是；
2. token 化（tokenization）并不等同于集资或 ICO，完全可以在合法合规的前提下帮助产品实现黑客式增长；
3. 实体经济中一些难成气候的商业模式，若与区块链技术结合，或将绽放异彩，值得期待。

8 - 答疑

课程直播答疑（第一期）的文字整理，原分三讲，现按主题重排合并为一篇，共 20 问，适合通读或按问题检索。

本篇要点

• 增长黑客没有标准化套路：真假 hacking 之辨、裂变营销的适用人群
• 学习与信息获取：聪明提问、海外信息源、选书的利益分析法
• 职业成长与公司选择：光环与街头智慧、杠杆率思维、面试的三圈能力模型
• 区块链代币与通用积分的增长玩法
• 案例问答：传统企业借鉴增长、瑞幸咖啡的裂变与激活数据

8.1 - 第一期

开篇要点

• 参照 Coursera、Udacity 邀请 Google 等硅谷知名公司从业者做一对一访谈的做法，把从业者访谈剪辑进课程、持续更新给已购用户——这本身就是一个用内容增补做用户留存的思路。
• 近几年做增长，最难的不是工具（市面上好工具很多），一是高层决策层的认知与观念转变，二是人才——基层增长人才的培养是三五年、七八年的长期工程。类比产品经理：十年前没人知道这个职位该怎么做，苏杰的《人人都是产品经理》等于在中国把整个行业的方法梳理出了一条路径。

增长黑客没有标准化套路

问题：为什么增长黑客无法被总结成标准化套路？

• growth hacking 的本质是用聪明的手段做增长，与标准化天然矛盾：一件事一旦能被标准化，就能被推广、人人都能学会，也就失去了比较优势；今天发现的好渠道一旦普及，红利必然流失、效果必然衰减。
• 课程能沉淀的是长期不变的东西：人性不变，基于人性总结的传播模型、激活模型就能长期通用。这些模型在运营课、产品课里也会出现，因为它们本就是最底层、最互通的内容。
• 做增长的基本功是用户行为学（consumer behavior）、行为经济学等基础学科。
• 增长黑客的三重素质：广告人（懂消费者心理与营销）+ coder（不要求亲手写代码，至少会用现成工具搭建）+ 数据分析。
• 课程的作用是"师傅领进门"：讲清这个职位怎么来、有哪些久经验证的东西，但没有标准化套路——一切都要靠创意思考与实验去认知，直接照搬别家成功案例而成功的概率非常小。

问题：哪些做法算 growth hacking，哪些不算？

• 《增长黑客》走红后，大量跟风者蹭概念卖课、出书，做的却不是 growth hacking，对这个概念要有明确判断。
• 不是 hacking：
  • 拉两百个微信群、每个群丢一张海报让群成员转发并发红包——只是手握流量池，没有技术含量，也没有数据分析成分；
  • 照搬别人已公开验证的渠道（如裂变），也不再是 hacking，只是常规营销/运营。
• 是 hacking：
  • 海报一次设计六个版本，小流量投放试出转化率最高的那个再全量上线——转化率优化；
  • 通过数据分析发现两百万用户中有四十万适合传播的人，定向 push 到公众号领奖转发——动用了数据分析与精细化运营，还降低了筛选顾客的运维成本。

问题：裂变营销适合什么样的产品和人群？

• 裂变营销并不适合所有产品，最适合有知识付费习惯的偏年轻人群：90 分钟学 Python、英语培训、职场技能课等品类。
• 对价格敏感：收入阶段决定了"裂变减 5 块"是有效激励；行业大神买一万元的课眼睛都不眨，裂变激励对其无效。
• 有展示需求：职场新人乐于发朋友圈展示自己在学习——给老板看、给同辈看，证明上进心；走到瓶颈期的资深人士则不愿分享，既不想让人知道自己遇到困境，中高层突然学习别的领域还可能传达"要跳槽"的信号。
• 方法论：任何增长动作，明面上能看到的东西都要深究它为什么恰好对这个人群有效。

问题：竞争对手的增长团队之间是什么关系？

• 案例：在三里屯组局，请来当时打得最火的滴滴、美团、摩拜、ofo 的增长团队，不刻意制造对抗，反而安排这些团队互相点评竞品做过哪些让自己印象深刻、获得启发的案例。从官方客套到敞开心扉：有人真心认可对方案例有启发，也有人直言"你们那个案例哪里不完善，我们基于它改进后做得比你们好"。
• 结论：商场上打得最凶的对手，反而是线下酒桌上最了解彼此的人。
• 做增长最好的人里很多有海外背景：国外教育鼓励开放思维与自信，鼓励每个人按自己认为正确的方式获得成功，成功的定义是多元的；国内增长 KPI 恒定，达成手段却千变万化，“运用之妙，存乎一心”。
• ofo 请鹿晗代言、走 PR 路线，摩拜依托资本的强势运作——不同公司按最适合自己的路径做增长。
• 指望看一两本书、学一两门课就掌握一套标准化手段做增长，这个想法本身就与增长黑客的素质模型冲突。

学习与信息获取

问题：怎样才算一个聪明的提问？

• 聪明的提问体现提问者是否真正思考过。“举几个增长案例"“除了现有渠道还有什么稳定流量方法"这类笼统问题，往往暴露没有先做过功课。
• 听到好案例，先搞清楚对方的人群、需求、环境背景与自己是否相同。
• 提问要给足背景信息：“微信上怎么做增长"是差问题；“我们是互金公司，公众号有 X 粉丝，用户画像如何、有哪些社群，增长目标是营收"才是好问题。
• 提问者花五秒抛出问题，回答者却要花两分钟追问背景——好问题要为对方着想。
• 延伸阅读：《学会提问》《提问的艺术》，布鲁克·摩尔（Brooke Noel Moore）的《批判性思维》（Critical Thinking，原书第 10 版）——讲怎么提问、怎么审视一条信息。

问题：如何有效寻找和利用海外信息源？

• 第一层：广泛涉猎没错，量变迟早引发质变。不知道看什么时，先锁定几家信噪比高的信息源：
  • growthhackers.com：像 Digg 一样的信息聚合站，每天发布各家公司的增长实践，可以顺藤摸瓜找到很多增长主题的博客、公司官网和官方博客；
  • Airbnb、Netflix 这些硅谷增长做得最好的公司的官方博客——讲如何用技术、数据手段做增长，很有价值；
  • 在 Medium 上搜 growth hacking，找到一批持续写这个主题的人。
  • 先根据自己的英文能力和职业领域广泛看一遍，分辨哪些有价值、哪些在扯淡，筛出一批适合自己的信息源，然后每天大量涉猎。
• 第二层：带着问题或项目去看。不知道哪些信息对自己有价值，说明没有带着问题、带着项目去看。比如想知道社群怎么做，就去 Google 搜 community growth，能找到做社区很好的公司的经验。非常推崇项目制的方式驱动成长：哪怕公司的项目已经没有成长空间，也可以业余做一个自己的项目、自己的盘子，以此吸收知识，比泛泛地看效果好得多。
• 学 Python 是同样的道理：没有目标，就是买一本书从头看到尾、敲几段代码；有目标则完全不同——“我的产品需要抓取微博上十万条信息”，带着这个目标去买抓取的书、有针对性地写脚本尝试，很快就学会了。学习不能空学，一定要带着目标，效果才最好。
• 一句重话：不要再问"某个领域的经典读物是什么"这种问题——百度一下、豆瓣看一下关联推荐和评分，一两分钟就能解决。连这一步都要伸手的人，不适合做增长。

问题：如何判断一本书、一条信息的价值？（选书标准与利益分析法）

• 刻意读老书。亘古不变的普世真理，前人早已写在纸上；营销的智慧、人性的洞察这类经典话题，不买当下流行的畅销书——一本书十年、二十年后还很火，才是有生命力的。例如《批判性思维》已出到第 10 版，《乌合之众》已沉淀很多年；如今很多知识付费产品和新畅销书（包括《怪诞行为学》这类）背后的原理，都在最经典的书里。热门新书刻意放三个月"凉一凉”，等有"小白鼠"读完、评论出来了再决定看不看。
• 关注领域的新书第一时间必看。与增长有关的书都立刻搞来看。当然价值因人而异：例如曲卉的《硅谷增长黑客实战笔记》，二十分钟翻完，95%～98% 的内容不需要看，因为其中很多案例课程里都有；完整学完课程再翻它，会发现大量重复，只能帮着加深印象。
• 利益分析法：看谁在推这本书、为什么要推。抓住不变的东西——利益是不变的。范冰直言自己推曲卉这本书的两个原因：一是书本身质量过关，看完确实能受益；二是他在国内增长黑客领域有些知名度，持续推荐增长相关内容，有助于在业界树立权威身份、保持曝光，等于用推荐换取自己在这个领域的信用和影响力。反之，三节课出了书或课程他会推；但如果是三节课的竞争对手找来路不明的人录增长黑客课程，哪怕质量再顶尖也不会推——只要判断它与三节课利益冲突，或会影响增长观研究院的流量。
• 更重要的启示：背后的利益方决定了你能看到什么。不要觉得自己在朋友圈、社交网络上看见的世界就是完整的世界——一个人能接触到什么，早已有信息的守门人（gatekeeper）帮你过滤了一道。Facebook 的剑桥分析（Cambridge Analytica）事件已经演示过：可以轻松通过媒体、数据和社群的影响力影响大众认知、轻易洗脑。所以每个人都要做独立的个体，有独立的思维：不追热点，不被信息把关人限制人生，不被轻易洗脑、不当韭菜。
• 也不要盲目崇拜：不要觉得范冰做的就是最好的、课程里讲的都是最佳实践；反过来，也不要觉得别人讲过的经典就过时、不值得看。课程里放什么、不放什么是有讲究的：那些经典案例确实过时了，那是为了让人意识到增长永远是"当下"的学问——现在学的东西会过时，正如现在用的手段十年后也不能用；而经典背后的共性不会变：把 Hotmail 的案例、ASO 的案例、区块链发币的案例串起来看，它们背后做的都是同一件事——杠杆率最高的事情。这些思维方式和做事方式是不变的。仍用《批判性思维》那本书收尾：每个人形成独立判断，不要当韭菜。

延伸阅读与增长境界

问题：《硅谷增长黑客实战笔记》是一本什么样的书？

• 推荐曲卉的**《硅谷增长黑客实战笔记》**。她曾在增长黑客网（GrowthHackers.com，《增长黑客》作者肖恩·艾利斯创办的网站）担任增长产品经理，后离职加入美国互联网金融公司 Acorns。这本书写了一年，既有她自己的增长心得，也梳理了国外优秀增长从业者的案例与方法论。
• 案例只占约 20%，其余 80% 在讲一个增长团队负责人应该如何操盘全局。写作动机与《增长黑客》一致：让读者从"道、术、器"中的"器”（具体工具和技巧），上升到"术"乃至"道"的层面。
• 2016 年 GrowingIO 在北京合作办增长大会时，曲卉曾受邀做过分享。

问题：增长的三重境界是什么？

曲卉在书的前言里用武侠小说中的三种武功作比，把做增长分成三个阶段：

• 玉女剑法：最初级的增长，是一套具体招式的集合，对应各种具体的实操手法；
• 降龙十八掌：第二层次，在具体招式之外更强调"内力”——十八掌之间的融会贯通，以及在不同掌法之间游刃有余的能力；
• 武穆遗书：最高层次。相传是岳飞留下的兵法神作，得之便可统领天下、带兵打仗。对应到增长，最高层的能力不是一招一式，而是从整体层面统领全局——带团队、建立文化、招人。走到增长负责人或首席增长官的阶段，不再需要亲自写代码、做数据分析，而是别人向你汇报，这时真正稀缺的正是这种"武穆遗书"式的能力。

问题：为什么优质的增长复盘文章可遇不可求？

• 现阶段市场上做增长，最缺的不是钱，不是工具，而是人才。范冰创办媒体"增长观研究院”（刻意不叫"增长研究院"，强调"增长观"这个概念）的初衷，就是广泛采访业内做增长最出色的个人，把他们好的理念和实操案例复盘出来，脱敏之后向业界公开输出。
• 优质增长文章稀缺的原因：作者平时在公司很忙，很多增长细节又是商业机密，只有要跳槽、为新公司做 PR 或准备融资时，才有动机把多年干货写成一篇爆款文章——例如刷屏的《我在摩拜、Uber 做增长的经验》。
• 增长人本身也有"出来说"的诉求：
  • 公司内部试错是一个漫长曲折的过程，可能花三到六个月做的大多数事情都是错的；一旦终于做成一件成功的事，很愿意出来分享这种喜悦；
  • 墙外开花墙内香：把成功放大到业界之后，整个行业认可你，公司内部的人也更容易信服——不像之前做增长尝试时，身边的产品经理和技术人员嗤之以鼻，觉得还有优先级更高的事；成功被放大，便于之后推动更多事情；
  • 很多做增长的人要跳槽，有自我 PR 的需要。

职业成长与公司选择

问题：什么背景的人做增长最有优势？零基础如何学技术？

• 产品、市场、运营、数据、技术出身的都有，做得最好的往往是技术或数据分析背景——硬技能能拿出 solid 的东西证明观点：
  • 数据出身：可以直接指出老板判断的错误——“数据显示我们的用户不是中老年妇女，而是二三十岁的年轻人”，有理有据有节，令人信服；
  • 技术出身：天马行空的创意别人不买账时，私下写个脚本、小程序自己发布，起了量就证明了观点。
• Talk is cheap, show me the code. 动嘴点评别人的案例人人都会，能用硬技能证明出来才重要。
• 课程中六成也是软性技能（思维方式、时代背景下的素质要求），强烈建议有余力者补足数据与技术的硬技能；技术没有想象中难，浙江、福建的中小学生都已开始上编程课。
• 零基础学习路径：HTML（买本书照着练，最慢两周做出一个网页上线，浏览器里看到效果很有成就感）→ H5 → 语法相近的 PHP → Python（有基础后两小时能上手）。像练武功：前期积累慢，越往后越融会贯通，精通一门核心语言如同练成内功，看别的语言扫一眼就会。
• 推荐网站：learnxinyminutes.com，把一门技术最核心的知识点提炼成大纲。例如已有 PHP 基础学 Python，只看它列出的差异点（数组之外还有元组等），很快上手。

问题：为什么不能把公司的光环当成自己的光环？

• 很多做增长的人的误区：把公司的光环当成自己的光环。在一家厉害的公司、占着一个位置，出去分享演讲邀约不断，就以为整片芬芳都属于自己。其实离职之后有谁记得你？最多顶着"前某某公司"的身份再卖两三年，这期间若没有新的建树，那些光环是公司赋予的，不是个人的。
• 要聪明地给自己的人生积攒资产。
• 线下聚集中的观察：增长做得最好的人有一个共同点——视野早已脱离整天对着屏幕看数据、写代码。在中国做增长，除了在二进制世界里游刃有余，线下人脉的渗透、对中国式生意潜规则的了解、街头智慧的掌握同样必不可少。
• 例子：在公司内部花六个月封闭开发、打磨一个小实验，上线后验证成败还要花很长时间；而圈子里一句话请教，或线下请顿两三百块钱的饭，做过的朋友可能直接告诉你"这个手段不 work"“裂变最容易在年轻的知识付费人群里启动”——原本针对六十岁以上老年人的裂变 campaign 就可以直接砍掉，省下大量时间。
• 这不算增长黑客那套技术手段，但非常符合增长思维：永远做杠杆率最高的事，四两拨千斤。

问题：什么是杠杆率思维？

• 做一件事同时满足多种需求，是杠杆率最高的。例：准备一篇演讲内容，可以在自己的媒体发稿，又可作为演讲内容，还能放进正在研发、尚未上线的课程第七节里，作为案例和独家的一手洞察——第七节做不做本要看反馈，发现"发币"这个话题大部分人都不了解且很感兴趣，放进去就是高需求内容。
• 又如：把从学员中收集的大量增长问题筛选一遍，挑出关心的、新的、尖锐的问题，直接用作两天后采访增长从业者的提纲——一次投入，多处产出。
• 这类"一石多鸟"的前提是不伤害各方、各家都获益。说白了，商业的本质是互通有无、资源互换、供需平衡：别人要什么我给什么，别人给的东西再拿去跟另一家换，在不伤害各方利益的情况下，对整个生态都有好处。

问题：如何判断一个火爆的新东西是真有料还是被 PR 出来的？

• 看到火爆的新东西，要能判断它是真有料，还是甚嚣尘上、被 PR 出来的言论；评判的前提是你了解它。
• 一句话：一流的人做事，二流的人评论别人做的事，三流的人评论别人的评论。摩拜被收购就是现成的例子：
  • 一流：创始人胡玮炜把一家成功公司做出来、被收购、实现财富自由、行业地位得到认可——她自己出来发过言论吗？没有。一流的人做事；
  • 二流：投资人和幕后金主基于这个套现案例出来做 PR，显示自己的投资决策多么英明——这是评论别人做的事；
  • 三流：自媒体写"胡玮炜套现 15 亿，你的同龄人正在抛弃你"，又有人反驳"溥仪三岁就登基了"——这是评论别人的评论，有点像流量寄生虫（当然这是他们自己的生存方式和盈利模式）。
• “溥仪三岁登基"那篇爆款短期十万加、甚至一百万加，但三个月之后谁还记得？两年之后这个公众号还在不在、能不能抓住下一个风口都未可知。而做事的人通过做成一家公司，从技能到认知、眼界、格局、财富全都得到了提升。
• 范冰的自我反思：《增长黑客》刚写的时候业界没有参考案例，很多东西靠自己的采访和从国外同行那里搬运——那其实也是在"评论别人的评论”，是把一线增长者基于硅谷方法论写出的东西搬到国内布道。真正要有话语权，还是得在一线亲身实操，所以后来成立咨询公司跑了大量项目。

问题：有志于做增长，该去什么样的公司？

• 两类典型客户的对比：
  • A 轮前后的中小公司业务变动很大：增长策划今天碰上对方放弃一条业务线、明天产品转型，方案很难沉淀成长期成功案例，这类公司更侧重产品咨询；
  • 较大的公司（新三板上市的媒体公司、东风汽车、华为等都是范冰的客户）：到了那种体量，真正阻碍增长的往往不是产品——找几个产品人才、花点钱就能把用户体验打磨优秀；卡住他们的是老板的认知、企业的格局、组织架构的设置、内部的利益纷争。
• 公司选择的判断标准：
  • 两种公司要小心：一是业务太早期、朝令夕改，动不动大改版、产品方向反复变化；二是太后期、太传统，体量庞大、掉头慢、思维方式转变慢；
  • 最青睐的是工程师文化重的公司：比如硅谷回来的创始人创办的公司，以及头条、早期的摩拜、后期在工程上投入很大的滴滴。这种公司用数据说话，“到底行不行”（Does it work）直接看产品、看代码、看技术能不能实现，认知在同一层面，沟通损耗最低；
  • 进了公说公有理、婆说婆有理、拿不出硬东西证明自己的公司，做增长会非常难受、很难立足，最后变成比谁的背景强、谁的话语权高。
• 警惕：背景雄厚、话语权高，与增长成功与否没有直接关系，有时甚至是减分项——越容易固步自封，仗着在某个风口、某个时代做成过一波增长，到新公司就指手画脚，不再做实验、不看数据，失败概率很大。
• 时代的车轮滚滚向前，今天有用的东西明天就没用了，流量红利和窗口期越来越短，唯一不变的就是变。能让人不被时代抛弃的，是足够强的学习能力、足够的谦虚、足够广泛的信息来源和足够强的创意思考能力——这些才会跟你一辈子；而一个具体的小方法、小技巧、小渠道，可能两个月之后就没了。无论做增长还是整个职业生涯和人生，永远记住：去做那些能跟着你一辈子走的事情。

问题：面试增长黑客候选人最看重什么？

在中国做增长，看三点：

1. 逻辑思维。它涉及数据分析，可以看对方数据分析的成果，但逻辑思维是更大的概念——有点像 Google 面试爱问"纽约需要多少位钢琴调音师"这类问题：首先自己定义问题，然后用自己的方法去推演。
2. 学习能力——不是"看书"的学习能力，而是带点随机应变、人情处事的学习能力。刚走出象牙塔的毕业生，往往认不清商业社会的认识、背后利益格局的复杂程度。现实的例子：Uber 中国被滴滴收购后，很多自命清高的年轻员工很忧伤——熬夜加班、有人分娩前一小时还在公司加班，公司就这样被收了。这在情感上难接受，在商业上再正常不过：如果对自己定位不清、又做得不好，公司发展得越快，越容易成为炮灰。公司为了上市、腾出股权期权、控制成本，上市之前一定会淘汰一批人；这两年很多公司为了报表好看、为了 IPO 讲好概念，会裁掉不必要的人、砍掉不重要的业务、让一部分人"自愿"离职。没有核心竞争力、没有给自己找到牢靠的位置、一个靠山或一个不会被砍的项目组，很可能就是炮灰。这里说的学习能力，是指认清现实、搞清楚利益关系、摆正自己的位置，以及在社交、待人处事、判断行业、找机会方面的学习能力。
3. 专业能力。看具体岗位：增长黑客是个很大的框，可分数据分析方向、市场/流量运营方向、SEO 或投放方向、用户体验优化/线上转化率优化方向。以流量运营为例：做过三年投放，往上走就要跟技术结合——原来人工投放渠道、逐个看效果，现在可以通过脚本在设定时段自动投放、自动生成报表、自动控制哪些渠道该投哪些不该投，有点像智能投顾。能带团队或自己写出这样一套东西，就能控制成本、用性价比最高、最省时间的方式做投放，比纯人工高一个层级。

可总结为三个圈：advertiser（营销）、coder（技术）、data（数据）。先看自己现在哪个领域最强，剩下的领域自己去补课；当三个领域全部串起来，会有恍然大悟的顿悟感——原来这个领域用这种方式做的事，在另一个领域可以用那种方式做。甚至可以做一个自评打分的小工具，帮人更清晰地认识自己该在哪个领域寻求突破。

区块链与积分的增长玩法

问题：区块链代币如何成为一种近零成本的增长玩法？

• 对区块链的态度：不主动捧，也不因为这三个字就避而远之，关键看它对自己有什么价值。
• 代币是什么：Q 币可以用人民币购买，但国家不允许它换回人民币；代币则可以用比特币、以太币购买，大部分代币的愿景是将来还能重新兑换成比特币或美金——相当于花钱买一个将来还能换回钱的积分。
• 发币几乎零成本：在以太坊上发一个代币，成本不超过几十块人民币；发十亿个代币，折合人民币也就二十多块钱。甚至已有一键发币工具，没有任何技术背景，填几个字段、充点以太币就能发。
• 案例：发过一个叫 FAN（范）的、没有任何实际价值的空气币——像在以太坊上抢注了几个域名却不指向任何网站。总量十亿个，随手送朋友每人十万个：它像友谊的见证，且说不好未来有什么用——哪天宣布"凡持有五万个 FAN 币的朋友可享受某种权益"，这张空头支票就有了线下价值。
• 真实的增长玩法：应用自己发一个代币，承诺半年、一年之后上交易所时按某个价格回收；用户只要关注公众号、下载 APP 注册、去网站填资料、在 Telegram 群里回复特定消息，就能获得两百个代币。很多人为了这两百个代币（一张可能兑现的空头支票）就去下载 APP、加群、关注公众号。大白话总结：承诺一张空头支票，然后海量派发——一百张里哪怕有一张能兑现就有人抢，反正门槛足够低，先攒一堆再说。
• 权益化：先给每个用户发十万个币，两个月后再组织活动时不再公开招募，而是"持有五万个币以上才有资格参加"——这个币就有了实际权益。电商类产品特别适合这种玩法，积分直接变成通证。就所见所及，区块链领域真正在做事的项目里，做积分体系是最靠谱的方向之一。

问题：通用积分（区块链积分互通）有什么想象空间？

• 网易星球这类产品做的还只是自家积分，更值得看好的方向是通用积分。
• 以前的品牌联合积分——屈臣氏门店与《恋与制作人》合作、喝水送英雄联盟点数、买奇多换腾讯 Q 币——都要靠两家公司逐一 BD 才能实现。未来会有机构基于区块链技术做通用积分平台，所有公司接入后，把自家积分与通用积分打通。
• 举例：腾讯 Q 币接入某通用积分平台后，100 个 Q 币可换 100 个平台积分；用户在网易攒了 100 个网易币却没有想兑换的东西，可以先换成平台积分，再换成 Q 币——他在网易平台上的活跃和权益，就能在腾讯兑现。看似用户会在平台间导流、流失，但对加入生态的所有公司来说，是可以一起把蛋糕做大的。
• 生态再扩展：接入做教育的三节课、做增长招聘的公司、做增长咨询的公司、线下办会的公司、办黑客马拉松的公司。三节课会员学完课程获得 100 个积分，可以作为向招聘公司投递简历的门槛，或消费 10 个让简历优先投递，又或成为参加黑客马拉松的额外加分——整个生态系统就被打通了。彼此之间不存在竞争、甚至处在产业链上下游的公司，会愿意把用户分享出来。

案例问答

问题：传统企业如何借鉴增长方法论？

• 这类问题没法直接回答：“传统公司"的定义太宽泛——快消、电商、制造业、农林牧渔，不同体量、不同领域的公司做增长完全不一样，是典型的非标问题。
• 如果有谁能一句话给建议就让一家停滞的传统公司快速增长，那这个人要么握有独门秘方，要么企业该花大价钱买他的方案，要么直接请他去当 CEO。
• 可以借鉴互联网方法论，但具体用什么，得根据自己的情况去找适合自己的东西。

问题：瑞幸咖啡（Luckin）的裂变与激活数据说明了什么？

• 瑞幸咖啡半年时间发展起来，裂变每天带来约 70% 的新增用户。
• 此前用户领券后约 30% 会激活消费；通过在领券两三天后发短信提醒"券还没用”，把激活率提高到了 40% 多——一条定向提醒短信即可撬动两位数的激活率提升。