增长黑客课程笔记

增长黑客的起源及必备能力

Tue, 01 Sep 2026 00:00:00 +0800

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。

用户心理

📣认知

❓好奇

🤝信任

🛒说服

👀期望

😊满足

🔥激情

增长环节

曝光

获客渠道

转化

提供价值

口碑传播

增长动作

营销曝光

广泛布局信息传播渠道，营销信息唤起用户痛点

线上/线下销售转化

产品功能满足用户需求，产品体验超出用户预期

维系用户，引导分享

为什么买了智能音箱

看到了朋友圈广告

语音控制？有意思

能控制家电，想要！

双 11 有优惠，买！

我要让它讲笑话

哇，还能交话费

发个朋友圈，嘚瑟~

为什么下载了抖音

同事在用

抖音有什么好玩的？

大家好像都在聊抖音

去下载一个

我也要当网红

哇，赚了 100 个赞

发到朋友圈，嘚瑟~

用户行为

看到产品广告信息

产生兴趣，搜索了解

了解产品，感觉有用

咨询客服，下单购买

想象产品应用场景

使用产品，满足需求

用得很爽，推荐分享

图：用户转化流程中的增长环节（依据课程原图重绘，可横向滚动）

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。

增长思维一：不同市场和企业发展阶段的增长策略

Tue, 01 Sep 2026 00:00:00 +0800

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。

增长思维二：正确理解AARRR模型

Tue, 01 Sep 2026 00:00:00 +0800

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：

Acquisition：获取用户
Activation：激发活跃
Retention：提高留存
Revenue：增加收入
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。

增长团队的2种形式及7步协作流程

Tue, 01 Sep 2026 00:00:00 +0800

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。

[案例]7大核心环节实现用户增长

Tue, 01 Sep 2026 00:00:00 +0800

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。

为什么需要验证市场可行性（PMF）

Tue, 01 Sep 2026 00:00:00 +0800

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：

第一步：圈定产品的目标用户

Tue, 01 Sep 2026 00:00:00 +0800

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。

第二步：通过6个渠道挖掘潜在用户需求

Tue, 01 Sep 2026 00:00:00 +0800

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。

第三步：用一张模板找到产品的核心定位

Tue, 01 Sep 2026 00:00:00 +0800

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）：

自检项	打分
这个问题是不是让人很苦恼	1 / 2 / 3 / 4 / 5
这个问题是不是必须要解决	1 / 2 / 3 / 4 / 5
这个问题是不是很紧急	1 / 2 / 3 / 4 / 5
是否已经有了很好的解决方案	1 / 2 / 3 / 4 / 5

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：

第四步：通过5个步骤设计产品的MVP

Tue, 01 Sep 2026 00:00:00 +0800

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：

定义产品的首要目标
定义产品的用户流
根据用户流的每个阶段罗列产品功能
对功能进行优先级排序
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。

第五步：开发并验证MVP的基本方法

Tue, 01 Sep 2026 00:00:00 +0800

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

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）：

彩蛋：快速验证商业想法的2个工具

Tue, 01 Sep 2026 00:00:00 +0800

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。

精益画布模板：九个模块的布局与建议填写顺序（数字 1–9）

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。

导读：实现千倍爆发式增长的2个限制因素

Tue, 01 Sep 2026 00:00:00 +0800

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。

产品爆发2维度

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。

制定增长方案：七步构建获客增长计划

Tue, 01 Sep 2026 00:00:00 +0800

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。

三节课-增长目标示例

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。

excel-渠道增长框架

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：

降低增长成本：筛选优质获客渠道的四象限矩阵

Tue, 01 Sep 2026 00:00:00 +0800

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。

增长内驱力：了解用户增长的七大驱动因素

Tue, 01 Sep 2026 00:00:00 +0800

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。

增长外驱力：十一种常见拉新获客手段

Tue, 01 Sep 2026 00:00:00 +0800

本篇盘点十一种常见拉新获客手段。增长手段非常多，这里提炼出日常做增长时最常用的十一种：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、生成式引擎优化（GEO）。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。

十一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 十一种常见拉新获客手段
 desc 从直接买量到生成式引擎优化，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
 - label 生成式引擎优化（GEO）
 desc 提升品牌被 AI 回答提及、引用和跳转访问的机会

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。

机制化增长：自动化营销实践及工具

Tue, 01 Sep 2026 00:00:00 +0800

营销自动化：把重复工作交给系统，而不是放弃判断

Antibody Plus 的案例说明了一个仍然成立的原则：把获客、培育、转化、销售跟进中的重复操作串成系统，小团队也能覆盖更长的客户旅程。不过，案例中的产品组合和数据环境已有明显年代感。本篇保留它的六套系统思路，并更新为 2026 年的可执行版本。

先处理合规，再谈自动化

原案例中“抓取公开邮箱后批量陌拜”的做法不应作为默认方案。公开展示的联系方式不等于可以用于任意营销用途。开始触达前，应核对数据来源的网站条款与 robots 规则，以及适用的隐私、反垃圾邮件和广告平台政策；保存来源和同意/合法依据，提供清晰、有效的退出渠道。

AI 可以协助研究、归类、写初稿和路由线索，但不应替代营销许可、数据质量、人工审批或财务内控。

2026 工具更新速览

原文工具	2026 状态与推荐动作
火车采集器	仍在维护，已支持多种 AI 模型；仅用于获授权的数据采集、清洗和归类。
Benchmark Email	仍可用，已提供自动化和 AI 辅助创作；小团队可继续使用。
Google Analytics	使用 GA4；Universal Analytics 已退役。
Zendesk Chat	遗留产品，处于淘汰迁移路径；新项目采用 Zendesk Messaging + AI agents。
WooCommerce + Mailchimp	仍是可行组合；Mailchimp 的 Intuit Assist 可辅助内容和旅程编排。
Google AdWords / GDN	名称改为 Google Ads；按当前 Display / Demand Gen（含 GDN）能力规划。
Bannersnack	不再以此名称采购；按 The Brief 评估，或使用 Google Ads Asset Studio。
Autopilot	已更名为 Ortto。
OneSaaS	旧连接器路线；会计/订单连接优先改用 QuickBooks Online 新电商连接器。
Zoho CRM、QuickBooks、Zapier、Slack	均仍在运营，并已分别提供 CRM、财务、编排、协作方面的 AI 能力。

系统一：许可型获客、邮件触达与效果衡量

历史案例把“采集邮箱—群发邮件—落地页—追踪”串成了第一个增长闭环。2026 年，闭环仍然有效，但入口应从可证明的许可或合理业务联系开始，而不是从“能否抓到邮箱”开始。

病毒式增长：打造产品病毒循环的5个步骤

Tue, 01 Sep 2026 00:00:00 +0800

病毒循环五步法

flowchart LR
 S[① 制定策略<br/>Strategize] --> I[② 应用实施<br/>Implement]
 I --> L[③ 发布<br/>Launch]
 L --> O[④ 优化<br/>Optimize]
 O ==>|达标| R[⑤ 精炼<br/>Refine]
 O -.->|未达标：重审策略| S
 O -.->|未达标：调整实现| I

 classDef strategy fill:#e7f5ff,stroke:#1971c2,color:#0b3d70,stroke-width:2px;
 classDef execution fill:#e5dbff,stroke:#5f3dc4,color:#321f75,stroke-width:2px;
 classDef launch fill:#fff4e6,stroke:#e67700,color:#7a3b00,stroke-width:2px;
 classDef optimize fill:#f3d9fa,stroke:#862e9c,color:#571c66,stroke-width:2px;
 classDef refine fill:#d3f9d8,stroke:#2f9e44,color:#1d5c2a,stroke-width:2px;

 class S strategy;
 class I execution;
 class L launch;
 class O optimize;
 class R refine;

迭代原则： 优化阶段若未达到目标，应回到策略或实施阶段重新调整；达标后再进入精炼，将验证有效的 MVP 打磨为可长期运行的产品机制。

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。

用户激活和留存的必要性

Tue, 01 Sep 2026 00:00:00 +0800

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。

4.2 解密让用户上瘾的【Hook】模型

Tue, 01 Sep 2026 00:00:00 +0800

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。

4.3 为用户创造【惊喜时刻】的秘诀

Tue, 01 Sep 2026 00:00:00 +0800

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。

4.4 产品的功能留存分析举隅

Tue, 01 Sep 2026 00:00:00 +0800

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：

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；
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：

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；
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。

4.5 如何通过内容运营提升用户的留存

Tue, 01 Sep 2026 00:00:00 +0800

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。

4.6 搭建用户流失预警机制

Tue, 01 Sep 2026 00:00:00 +0800

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：

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；
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；
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：

1 病毒传播的分类

Tue, 01 Sep 2026 00:00:00 +0800

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。

衡量病毒传播效果的K因子

Tue, 01 Sep 2026 00:00:00 +0800

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。

打造产品病毒循环的五个步骤

Tue, 01 Sep 2026 00:00:00 +0800

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：

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？
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。
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。

让你的产品注入疯传基因的六大秘诀

Tue, 01 Sep 2026 00:00:00 +0800

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。

【实战】新世相病毒营销的复盘

Tue, 01 Sep 2026 00:00:00 +0800

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

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。
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。
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。
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：

了解数据和数据分析的价值

Tue, 01 Sep 2026 00:00:00 +0800

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：

搭建公司的业务指标体系和四个层级

Tue, 01 Sep 2026 00:00:00 +0800

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：

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。
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。
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：

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。
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。
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。
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。
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：

6.3衡量产品用户体验的HEART模型

Tue, 01 Sep 2026 00:00:00 +0800

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。

6.4数据分析的五个步骤

Tue, 01 Sep 2026 00:00:00 +0800

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：

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。
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。
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。
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。
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。

6.5了解什么是A/B测试

Tue, 01 Sep 2026 00:00:00 +0800

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。

token的五重境界

Tue, 01 Sep 2026 00:00:00 +0800

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。

7.2利用token实现产品增长的五个玩法

Tue, 01 Sep 2026 00:00:00 +0800

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。

第一期

Tue, 01 Sep 2026 00:00:00 +0800

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：