本文作者从增长黑客的相关概念出发，结合自身项目增长实战案例，与大家分享了产品从0到1完整的实战步骤，并对过程中存在的问题展开了分析，供大家一同参考和学习。

没接触增长黑客工作方法之前，一直觉得很增长黑客非常玄学，修改个按钮文案，调个页面背景色都能带来巨大营收的增幅。

在江湖上也经常能看一些硅谷增长奇案，也有很多声音说“硅谷那一套”并不合适我们，与本土的增长水土不服。直到当下整个产品生涯中，我认为以增长黑客团队的工作方法是一种比较科学有效的增长方法。

这里不神话“增长黑客”，也不是推崇大家也去修改文案，调调背景色坐等千万营收，而是增长黑客这种工作流程和解决问题的思维模式个人认为非常值得学习，下面我们一起聊聊一款内容资讯类产品从0到1完整的增长实战情况归纳为五步和大家分享，涉及相关业务隐私敏感，相关指标会模糊处理。

第一步：确定北极星指标

既然是围绕增长，我们不是今天改改A模块，明天改改B模块单纯的瞎碰运气，而是有一个相对聚焦方向，团队成员都能往一处地方使劲。

不要以为一步一个脚印，扎扎实实的走就能达到增长，有时路选错，方向错了，每多走一步，都是挨揍的理由。

所以毫无疑问第一步是找到产品的“北极星指标”，“北极星指标”这个词相关接触过增长的童鞋一点都不陌生，这是做增长的第一步也是极其重要的一步，有很多书籍和相关文章会比较详细的讲解北极星指标。

我个人推崇的做法是，先列举出产品商业目标和用户价值，最后通过内部征集得出一系列指标，再从中进行筛选出一个合适的北极星指标，而筛选因素可以借鉴以下六大因素进行筛选得出。

1. 能让用户体验到核心价值
2. 能否反映用户活跃程度
3. 指标提高，公司是否就变好
4. 团队及跨部门之间是否容易理解
5. 是否先导指标，而不是滞后指标
6. 该指标是否容易拆解后续且容易执行

最后通过产品商业目标和用户价值，列举出周活跃用户数、付费用户数以及每周资讯查看数，再结合北极星指标6大要素进行筛选，找到“每周资讯查看总数”是最合适当下的北极星指标。

第二步：得出增长公式

确定北极星指标“周资讯查看总数”后，第二步就是要把北极星指标进行拆解，拆解之后得到一个结构化公式，即影响北极星指标主要由哪几个变量组成，变量之间如何运算才等于北极星指标。

周资讯查看总数 = X * Y

拆解增长公式有很多思路，始终都是围绕北极星指标来模拟用户角色流程，从初始点一个新用户到终点达到北极星指标这整个流程，就能拆解出属于该产品业务北极星指标的增长公式。

模拟角色跑完流程后，最终得出以下增长公式，得出增长公式，每个变量均可持续拆解，拆解到不能再拆为止时，该产品所有的北极星指标增长点，均在公式里。

回到自身情况，根据当前业务及北极星指标得出增长公式，并对公式变量进行拆解，此时所有增长点一目了然，哪个指标的上涨会带来哪些变化？哪个指标依赖哪些因子，整个团队甚至公司对此都会非常清晰。

第三步：找到增长杠杆

当得出增长公式后，得知了非常多的增长点，此时不要想着“逐个击破”，这样导致团队无法聚焦，而且无法得到效率产出最大化。

也有可能正因为能做的事情很多，所以很可能导致不知道该从哪个地方进行下手，那么这时候发挥出增长公式的力量。

达到有效的增长的核心不在于同时做很多事，而是在于找到目前影响增长率最关键的一两件事。增长公式就很好的解决了这个问题，增长杠杆可以让我们专注于提高空间最大的一部分，从而实现效果最大化。

“给我一个合适的杠杆我可以撬动整个地球.”，增长公式里面的增长杠杆就是“支点”。

增长杠杆的来源是根据增长公式各个变量下的拆解，搜查出各变量下数据指标，其中影响最大并且成长空间大的就可以定义为增长杠杆。所以找到增长杠杆非常依赖搜查数据，搭建起来可能需要耗费一些时间。

回到自身情况，根据增长公式各变量下的数据可以得出，当下北极星指标及变量的表现情况。

初步查看下可了解到付费会员的查看资讯表现还不错，所以当下问题可以定位在“试用会员查看次数”下，根据试用会员查看情况发现，“查看比例”以及“人均查看次数”的表现情况成长空间比较大，并且可操作性强，因此短时间内可以聚焦于试用会员的资讯查看来进行相关增长实验。

第四步：建立点子库

第一步得到北极星指标后方向有了，第二步拆解北极星指标得到增长公式后，增长框架也有了，第三步根据增长公式挖掘出增长杠杆后，当下聚焦点也有了，此时增长团队就可以提出针对增长杠杆的假设，建立实验点子库进行快速验证。

因为实验点子是由整个增长团队所有成员提出汇总，成员除了需要围绕核心指标以及对增长公式有明确的认识外，如何让点子库里面的点子更“科学”，围绕以下3个维度来进行筛选排序。

1. 影响力：做这件事能为当下或未来带来多大影响，预计能提升10%还是80%；
2. 难易度：做这件事需要花费多少资源，能在几个小时内完成并测试还是需要数周的努力；
3. 信心值：做这件事实现目标有多大信心，有数据支撑还只是灵光一现。

最后加权平均，高信心高影响低成本优先级无疑是最高的。

回到自身情况，挖掘出增长杠杆是试用会员查看资讯数，聚焦于“查看比例”以及“人均”2个因子建立点子库，提出实验方案并按“影响力”、“难易度”、“信心值”进行筛选。

点子名称：

• 提高注册用户当天查看比例
• 提高试用会员查看次数
• 试用会员无次数促活
• 过期试用会员召回
• …..等等

实验想法：

优化注册成功落地页，推荐相关资讯和引导订阅。因为落地页是一种简单易行的匹配需求的方式，提高核心内容与用户需求的匹配度，缩短体验路径，提高核心动作转化率。

….

第五步：持续实验及监控

常规实验过程中，拟定好实验对象以及需要AB测试的实验组，实验对象可以先从小部分用户进行实验再持续慢慢扩大实验范围，实验方案只要满足单一变量可以同时多组进行对比，根据对比结果得到更快得出最优的实验方案。但不建议同时进行多个试验以免造成相互影响。

实验对象：

华为用户手机终端，Android版本为3.3.1

实验版本：

原始版本：用户在查看资讯详情时保持原有产品流程和交互，订阅入口按钮无变化

实验组A：用户在查看资讯详情时停留时长超过5S时，订阅入口按钮循环3S缩放效果

验证用户对订阅按钮曝光获取是否会提高用户的订阅按钮点击情况。

实验组B：用户在查看资讯详情时停留时长超过10S时，订阅入口按钮循环3S缩放效果

验证用户对资讯的阅读时长的长短是否影响用户的订阅。

实验结束通过AB测试第三方工具，可以得到实验结论：

在常规试验上产品各个模块应该多灵活配置化，尽可能多配置化可以减少研发投入维护成本，也可以更加快速的进行实验，如果都要以“发版本”来进行一个创意实验，那就拉胯了。接入和搭建AB平台也能更加迅速的进行实验。

提到搭建和研发资源，增长团队工作方式对某类企业不友好，正因为增长团队的工作方式对速度和效率有一定要求，如果获取数据非常繁琐的情况，不合适增长团队的工作流程，因为增长初始点是数据分析，而增长的终点也是数据的验证和结论，如果连数据看板都还没搭建的不建议用增长团队流程来进行工作，因为看个数据都费劲效率实在是慢。

搭建数据仪表盘是增长团队的基石，AB测试工具是武器。

最后

优秀增长团队必备的特质是成长型心态，不害怕失败勇于尝试，实践并不能出真知，但能从每一次实验中总结反馈到下一次实验中，不断发现问题、解决问题。这不仅仅是产品数据上的增长，也是个人产品生涯中的成长。

作者：首席吹牛官

来源：首席吹牛官

增长黑客（Growth Haker）已经不是个陌生的词汇，最初定义是“一群以数据驱动营销、以市场指导产品方向，通过技术化手段贯彻增长目标的人”，核心是依靠技术和数据的力量来达成各种营销目标，而非传统意义上靠砸钱来获取用户的市场推广角色。

随着国内增长黑客发展，它也代表一种“以最快方法、最低成本、最高效手段实现用户获取、留存大量增长，最终增加收入”的运营方式。但直到现在，大家耳熟能详的更多还是流量增长，比如：

• Airbnb巧用API让房主一键将租房信息分享到已有成熟用户群的Craiglist上，基本零成本获得了大量用户；
• Instagram通过数据分析指导，对复杂的APP删繁就简，砍掉其他功能，只留下照片、评论、点赞功能，并增加了滤镜，仅上线一天就增长了20倍的用户；
• 脉脉（国内职场社交软件）会获取用户通讯录，并给他的朋友发送短信，如“张小凡评价你非常负责，赶快来脉脉看下更多人对你的评价”，吸（pian）引（dao）了很多人下载包括我，虽然这样有点不道德。

诸如此类案例不胜枚举，但更多都是应用于流量增长方面，而增长黑客是个AARRR全方位增长过程。随着互联网进入下半场，留存和变现能力愈加凸显，所以本文将分析之前做过的案例，教你如何进行第四个R（Revenue）的增长。

1 绘制关键转化路径

首先你要绘制出用户从打开你的产品，到最后达成购买的主要路径，并通过数据分析找出其中的一条关键路径先开始提升转化。这就要求你：

• 熟悉业务-对成交订单的来源渠道有个明确的认识，比如自然转化、运营活动转化、销售转化、渠道商转化等；
• 熟悉产品-无论何种渠道，最终绝大部分都是落实到产品中完成最后支付，但无论哪种转化方式，可能都会有不同路径，所以要非常熟悉产品；
• 熟悉数据-如果团队内没有专门的数据分析师的话，你还得对所需数据的埋点、获取、清洗、分析等都有一定了解。

话不多少，上硬（shi）菜（li），作者公司产品里有一项很重要的业务线是网校，由于客单价不低，所以推出1元试听体验，可先体验后购买。基于网校核心特色就是两队分组PK答题，所以体验课也需要先报名凑够班级学员，然后在同一个时间一起上课，最后主动完成购买或者CC（课程顾问）介入下完成购买。

从购买成交学员分析来看，付费用户主要来自于自然转化和CC转化，行为路径上主要是产详页直接购买和试听体验后购买，故绘制其中关键路线图如下。

2 产详页优化及缩短路径

结合关键路径，为了提升购买量，我主要从产详页优化、缩短核心路径和提升各步骤转化率三部分进行操作。

STEP1：产详页优化

由于两个路径都必须经过产详页，所以优先对产详页框架层进行了重构：

• 信息分层，减少单纯的平级信息罗列；
• 去掉无用的课程封面，将点击率较高的介绍视频上移；
• 增加核心服务内容说明。

最终数据取得了提升但不明显，本质上只是对信息进行了重新排列，信息获取和视觉体验更好，但并没有解决用户的核心需求。

STEP2：缩短试听路径

① 问题及策略

除了进入产详页直接购买，用户更多是通过试听体验后达成购买，但试听体验需要经过4个步骤，过程不断流失，特别是从购买完试听课再等待一两天后才上课，这个过程流失严重。

所以问题是：如果直接试听，就只能进行视频试听，无法还原多人分组PK答题的真实上课体验；如果组班上试听课，就需要固定上课时间等待上课，流失较大。

为了解决这个问题，我后面考虑了一种策略，既可以直接上试听课，又可以多人分组PK答题（具体策略非本次重点，按下不表），将试听流程简化成一步，如下图所示。

② A/B test 及全面放开

为了验证可行性，我们选取了三个课程先进行改造，验证试听情况及转化情况。验证期间需要实时观测数据，不断调整，如有较好的数据表现也可以及时同步项目组，增强团队信心，这样相关人员也更有动力去配合不断调整验证。

全面放开：经过变量可控的验证下，三个新版试听课程开通量同比增长明显，而其他课程未改造课程基本没变化，所以三天后，我们即将全部课程改为新版试听（星期三上线），运行四天后增长数据如下：试听量呈n倍增长，网校开通量提升40%左右。

3 提升转化率

除了缩短路径，同期上线的产品方案里还应用了一些技巧去提升各步骤转化率。

① 限定试听次数：

每个月每课只有三次的免费试听机会，利用稀缺性增加试听价值，也避免过多小孩乱试听造成的无用数据（机会越少见，价值似乎就越高）；

② 试听可获得优惠券

• 试听5分钟以上退出后，即可获得一张优惠券，趁热打铁促转化；
• 七天有效：赠送的优惠券针对该门课程且7天内有效，因为实验表明，用户对失去某种东西的恐惧，似乎要比对获得同一物品的情感更强烈。所以对优惠券设置一个明确可见的期限，不仅可以增加用户担心失去的紧迫感，而且有了更好的理由后续去好心提醒用户-“避免优惠券过期”；
• xxx人已使用：社会认同原理。

4 跟进数据持续迭代

① 通过数据验证流程稳定：

新上线项目一个很重要的跟进就是通过各项数据验证整个流程是否稳定正常。我们项目在上线后一周内通过数据跟进，发现了两个严重问题：

问题一：弹框次数小于试听满5分钟次数较多（正常两者应该差不多），推测可能存在部分情况没有弹框，正好也有收到同事反馈未弹框情况，所以进行追本溯源发现当前实现方案存在弹框出现不稳定情况，开发及时改正后，“立即使用”点击量有了明显提升；

问题二：有一天发现“立即使用”点击量骤降到个位数，紧急排查后发现是开发改了代码导致。

② 不同用户不同转化策略

当用户试听出来后，根据用户性质不同提供不同的转化弹窗，比如会员用户则无需赠送优惠券，建议直接去开通网校等等，转化数据又得到一些提升。

③ 扩大试听用户量

• 增强试听入口引导：通过分组PK外化和邀请加入队伍，提高产详页的试听转化率。
• 试听赢积分：通过运营手段，参与试听即可赢的一定数量的积分，提升进入APP到试听的转化率；
• 部分用户定向邀请试听：对具有某些特性的用户，进行大图推送定向邀请试听，提升进入APP到试听的转化率；

从数据表现来看，这些策略都对试听量的增加起到一定作用。

总结

通过这个项目，我发现增长永无止境，如果有时间继续往下迭代，无论试听量还是转化率都还有提升空间。如果产品层面提升到极限，还可以通过运营、市场渠道等进行提升。

其实“增长黑客”一直存在，只是为什么从18年开始突然火爆，我觉得主要是因为：

①认知普及：

随着《增长黑客》一书引入国内以及范冰老师的《增长黑客》进行不断普及（就像《人人都是产品经理》一定程度上普及了产品经理），国内对增长黑客的概念认知有所提升；

②环境需要：

国内早期互联网基本是粗狂式增长（烧钱），没有什么比钱更直接更暴力，所以一定程度会减少对“技术性”增长的重视。但在资本寒冬及用户“免疫力”增强情况下，获客成本高昂和变现难形成压力，大家都需要沉下来更耐心和更有技术含量地增长。

总而言之，增长是一个企业生存永恒的话题。

作者：三文鱼的梦呓

来源：三文鱼的梦呓（hongruzd）

相信每一位运营同学对“增长黑客”这个名词都不会感到陌生。增长黑客是指通过数据收集与研究，发掘市场潜力，制定核心指标，并通过拉新、促活、裂变等方式实现用户爆发式增长的一种体系。

一、什么是增长黑客

1.1 简要描述

增长黑客简单来说就是通过数据收集与研究，发掘市场潜力，制定核心指标，并通过拉新、粗活、裂变等方式实现用户爆发式增长的一种体系。

数据收集与研究并不是潦草的问卷调研与描述性统计分析，因此数据是否真实、数据间的相关性、数据研究的题项与市场间的联系才是数据分析团队应该要做的。通过专业的数据分析往往帮助产品经理在产品设计的开始之际避开大部分的错误方向选择。因此增长黑客的体系前提需要优秀的增长团队，用于用户调研，研究数据，挖掘数据背后的市场机会。

因此想要获得一段完美的恋爱，就得在一开始就研究透目标用户的行为习惯，合理分析目标对象是否具备恋爱的可行性。

1.2 北极星指标

此外，为判断增长的实施情况，还需要制定指标进行度量，但由于产品设计与恋爱都是多个维度的整合体。因此，度量的指标有很多个，这里就要引出一个概率—北极星指标：唯一核心度量指标。

如社交型软件制定的北极星指标可能就是用户的日均发表的分享内容数，恋爱开始前为测定恋爱是否甜蜜，将指标设为情侣双方每日的聊天数量或者时间等。而由于市场、消费者需求及产品的生命周期等因素影响，北极星指标往往是会随之改变的。

恋爱前期双方间还存在了解程度不深的情况，因此以聊天的频率作为北极星指标较为合适，热恋期过后恋爱的状态往往归为平静，因此恋爱的频率自然降低，但并不一定恋爱的甜蜜度趋于下降。此时可以讲北极星指数设为每日想念对方的次数。

尽管设定了北极星指数可以度量发展的指数，但难以分析表现背后的真相，具体是哪一个环节使得用户每日都会发送几条推文？哪一个环节导致了用户每日发推文数量降低？所以，我们需要对北极星指数进行拆解，将其拆解为多个核心指标，也可以根据具体的情况接续将核心指标再拆解。

1.3 产品

前面说到，增长团队需要对数据进行分析，判断市场的可行性—有无市场、有无用户、有无商业。当我们确定了市场的可行性后，就得设计产品，想要实现客户的爆发式增长，前提是要有一个好的产品。当你通过分析后，确定自己在恋爱市场上有一定的目标对象群后，就得分析对象群的喜好，以此作为升级自己的方向，用户喜欢爱干净、爱运动的男生，你便迎合她们的喜好即可。因此产品设计需要遵循良好的用户使用体验，还得依据目标用户的使用习惯作为产品设计的关键参数。

二、增长黑客模型

2.1 获客/拉新，寻找恋爱对象

增长用户的前提是需要一定量的基础用户数，恋爱中也需要有能够获取可恋爱的对象为前提。互联网为产品提供了获取用户的便利性，但也因此造成了信息传递的无效信过多，企业难以获取核心目标用户。

恋爱中，为了打造人设快速获取目标对象，也需要优化自己的交际环境，提升自己在异性心里的第一印象，用户需要优化自己的线上社交信息，线下寻找合适的场景，扩充自己的社交关系链。

总结下列拉新方式：

• 设计打动人心的广告语（朋友圈内容）
• 营销活动，让用户尝试产品并上瘾（主动出击，让用户感受到自己的优点）
• 寻找最优渠道：百度推广、抖音推广、线下广告、口碑推广（扩充自己的渠道：线上社交软件、线下邻里大妈推荐、主动出击线下社交场所）
• 社交关系链：微信病毒传播

2.2 激活/转化，成为恋人

获客之后就得将其转变为产品的真实用户—激活。具有关数据统计可知：有相当一部分APP的新用户80%以上都不会被激活。这里需要再引入一个概念：啊哈时刻，即用户使用完产品后是否会发出啊哈般的感叹，“啊哈时刻”代表用户的“高潮时刻”。简而言之产品使用户感到爽了。首先你需要明确你产品的核心价值，这个价值是否能够戳到用户的爽点或者痛点。在恋爱中，你是否有让目标用户有心动的感觉？

我们可以通过下列方式让用户感到爽：

• 好的功能设计、交互设计、注意细节 (注重与她在一起的细节表现)
• 让用户感到自己的特别的 (让她觉得你对她就是对其他人不一样)
• 获取会员特权的门槛不宜太高 （让目标用户知道她很容易在你这里获取某种价值）
• 降低障碍，减少摩擦 （不要为难她，让她容易获取你的核心价值）

2.3 留存，维持你们的恋爱，持续加温

激活用户后并不意味着恋爱就此结束了，相处的过程中避免不了矛盾，你无法继续提供新的内容，用户则很难对你保持忠诚。具相关统计：一项产品激活了10个新用户的同时，有5个甚至更多的老用户离开了。

如何增强你们的粘性？最好的办法就是养成她对你的习惯（依赖），增加她的逃离成本。当你的产品提供了一定程度的独特性功能后，她打算放弃你转向其他产品时，就不得不考虑其他人提供的独特性能否对等于你所提供的。此外，你需要不停的提醒她使用你，但用户往往挑剔，情绪往往多变。在合适的时候适当提醒才最具效率。

你还得不断的学习，更新。倘若你的目标用户所处的维度高于了你，她还需要你吗？只有你持续的提升自己的能力扩充自己的维度，你才能让她陷于你的才华。产品需要实时的微迭代，让用户体会到你正持续的为他提供更多的价值。

当用户决议要离去时，你还可以通过唤醒他曾经为你付出过的努力挽留她。例如提示用户还差一天的登录签到即可获得无门槛优惠券，提示他包年的会员还有一个月份才过期。

罗列：

• 养成用户的使用习惯
• 产品的迭代创新
• 唤醒他曾经为此付出过的努力

2.4 收益/变现，不再是你一个人付出

增长黑客的核心目的是低成本获取用户，将其转化为核心用户后盈利。在恋爱中你一味的付出终究会导致双方的分道扬镳。你得试图让用户也学着付出，让她明白她的付出是值得的，你会因为她的付出给予她更大的价值。即：低成本换取超额回馈，如：用户通过开通10元的VIP就能享受一个月的免费的阅读体验，用户通过2元的付费就能享受到专业的内容知识等，当用户购买了价值180元的商品时，提示他凑满200可以享受减五十的折扣等。

此外，由于你已经足够的了解了你对象的喜好，你可以带给她于她而言真正有价值的信息。由此形成盈利，例如电商产业通过个性化推荐，让用户时不时的就收取到自己感兴趣的商品信息，在一定程度上就造成了用户的再消费。

作者：曼巴PM

来源：曼巴PM

什么是增长黑客？

这个概念起源于美国的互联网行业，其核心就是指以数据分析为基础，利用产品或者技术手段来驱动用户增长。用户增长对于初创公司来说是至关重要的，所以低成本的获客是营销人员一直都在探寻的。

而裂变，正是低成本高增长的典型获客手段，通过裂变活动去实现用户的指数级增长，从而产生大量的新客户，是所有公司都梦寐以求的事情。但是实际上能够做到这一点的公司可以说是少之又少，即便是有的公司偶然做到了这一点，那也只是凑齐了天时地利人和，难以复制。

当然了，今天我们不聊裂变手段，主要来说是裂变背后的一个核心公式——病毒增长公式，以及其核心指标——病毒系数K-Factor。

这个病毒系数模型是出自亚当·潘恩伯格的《病毒循环》（浙江人民出版社·第1版），在《病毒循环》第三章病毒营销模式的建立当中，对病毒系数做了数据化的诠释，在第十章调整病毒系数当中，以Bebo社交网站为例，用病毒系数作为网站用户增长的指标，对Bebo的发展产生的影响。

我们通常用K值去表示病毒系数，简单的去表述的话，K值所代表的就是每个现在的用户能够带来多少个新用户。而用最直接的计算公式去表示的话，就是K=I*Conv。

I：Invitation，代表的是每个用户发送的邀请数量（分享率）；Conv：Conversion rate，指的是每个邀请的成功概率（转化率）。

以一场简单的裂变活动为例，假设这场活动在发布以后，一位用户给10个好友发送了活动邀请，那么I=10，而最后有5位好友接受了活动邀请，那么最后的Conv=5/10=50%，而K值=I*Conv=10*50%=5。

当然了，现在比较多可能不是单对单的发送邀请，可能是通过社群或者朋友圈去分享邀请链接。

假设用户的朋友圈覆盖了1000位用户，最后有7位用户通过朋友圈的邀请进入了活动没那么I=1000，Conv=7/1000=0.7%，K值=1000*0.7%=7。一般来说，我们只有当K值＞1的时候，这个裂变活动才能进行下去。

然后我们进一步，去了解一下病毒传播模型：

• Custs(t)：customers after time 代表的是一段时间后的总用户数；
• Custs(0)：initial customers 代表的是活动开始时的总用户数（初始用户数）；
• K：viral coefficient 也就是所谓的病毒系数；
• T：time 指的是病毒传播的总共时间；
• CT：cycle time 每一轮感染周期所要花费的时间。

我们还是以一场裂变活动为例，大概在2018年的时候，课程分销出现了一种新的玩法，大概理解就是众包分销，将KOL们拉到同一个群里，让他们低费用或者0费用购买课程，同时许诺更多的利润分层，让他们去推广课程。

一方面KOL有更大的影响力，能够带动更多的购买者；另一个方面，一堆的KOL发同一个课程的海报，本身就是一个很好的品牌课程宣传机会（嗯，很多就是集体割韭菜了……）。

我们假设第一批KOL有100人，那么公式当中的Custs(0)，初始用户数就是100。

假设一名KOL能够带来5个购买者，那么K值就等于5，而传播总时长一般来说要么是活动方自己停止，要么是因为传播衰退到停止，要么是被封杀而停止。

一般来说，那种朋友圈刷屏式的活动大多数都是被微信官方封杀的。所以我们假设T的数值为50分钟，差不多25分钟可以有一轮新的传播，也就是第二批人从KOL的朋友圈转发分销海报，那么CT=25，我们要的公式的数值就出来了。

理论状态下，25分钟一轮传播，50分钟可以带三轮来传播（加上第一轮），而每个人可以带来五个用户，那么一个人在50分钟后就可以带来31人，而100人在50分钟后就可以带来3100人。

假设每个人可以带来7个用户的话，那一个人在50分钟后就可以带来57人，100人在502分钟后就可以带来5700人。而假设时间延长到100分钟，那就可以带来五轮传播，那么一个人在100分钟后就可以带来781元，100人就可以带来78100人。

持续时间每增加一轮，都会带来指数级的爆发（同理，循环的时间缩减也能达到相应的效果）。当然了，这个只是理论估值，在实际情况下会因为种种因素，实际上很难达到这样的数据，这个我们稍后再说。

由上面的公示和数据我们可以判断出K值、CT的值、还有T值三个因素对于一场裂变活动的影响，Custs(0)的值这边先不去说，因为初始用户数如何去扩大没有太多的技巧可言。

主要还是考虑K值，每轮感染时间和总时长这三个值，因为他们的可操作性更强，包含的技巧性也更多，作为裂变活动的运营，最重要的就是针对这三个因素进行优化——而这篇内容重点说的也就是K值。

我们用更具体的数字对比来看一下，K值变化的影响。

假设一场活动中初始用户数为10，传播周期为25分钟，总时长设置为六个时长，然后将不同的K值代入公式，然后再绘制一张趋势图；因为K值过大导致结果数值也过大，所以K＞2以上的数值就不在趋势图中显示了，否则前期的趋势图看不出波动来。

Custs(t) 变化表

Custs(t) 变化图

病毒系数K的含义是一个初始用户能够带来多少的用户，而从以上数值和图表我们大致可以看出来。

当0＜K＜1的时候，如K值0.5和0.9所示：虽然用户数值还是有增长的，但是这种增长是非常无力的，属于亚线性增长，一个用户都难以完整的带来另一个用户；如果这种一场裂变增长活动的话，无疑是一场失败的活动。

当K=1时，用户是处于一个线性增长的趋势，不温不火，岁月静好……一个用户能够带来一个新的用户，这样的增长算不上是失败，但是也不能说是一场病毒裂变。

坦白说一个公司的常态增长应该就是线性增长，只有少数公司能够实现指数增长，但是对于裂变活动来说，这样的增长还是失败的。

当K＞1时，这个增长就会呈现爆发性的增长，我们一般称为超线性增长或者指数增长，这才是成功的病毒裂变，一个用户能够带来多位用户。

不过在这种情况下，也就更考验运营人员的能力了，如何让这场成功的裂变可控的，持续的进行下去。

我们再用几个数值去推导一下理论数据：一个K值等于10的活动，初始用户数100人，感染周期20分钟。

由上表我们可以看出，如果在理论状况下，这场活动在第141分钟的时候，用户数就会达到12亿人，这个数值是现在微信用户总数的数值。

倘若这场活动不受传播途径的限制的话，在156分钟的时候，用户数就会达到70亿人，这个数值是现在地球人口的数值；也就是说，两半个小时再加六分钟，不到三个小时的时候，就感染全人类了。

当然了，我们也一直在强调，这是在完美条件下的理论数值，实际上做活动可能达到吗？

我们可以很无脑的去说，这个是不可能达到的。不用说传播全球了，就是传播整个微信也是不可能的。微信封杀这种疯狂裂变的活动，不是怕这个裂变活动会攻陷整个微信，只是为了保证微信的用户体验不受过多的影响。

在现实传播当中，往往会受到许多因素的制约，最主要的就是以下这几个：

一个是并非所有的用户的K值都能达到初始的用户的K值，实际上每个裂变活动都会寻找有一定影响力的KOL或者KOC。但是大多数的用户，无论是辐射的用户数还是能够转化的用户数，都远远达不到第一批用户数的水平。

一个KOC的好友基本上在两三千甚至于五千人以上，而一个普通用户的好友可能还不超过500人，这就注定了他们的影响的人群的基数，而且KOC好友更多为行业、职业相关，普通用户的好友更多的是亲戚朋友和同事，受众的精确度是不如前者的。

与此同时KOC长期都是在发布一些专业化的内容，更容易得到普通用户的认同，而普通用户一般就在朋友圈里发一些吃喝玩乐的动态，突然间发布一些裂变活动的话，难以得到其他用户的认同。

另一个就是，并非所有的用户都会对这个裂变活动感兴趣。所有的活动都有其受众的，就像我们营销学的老师说的，如果有人跟你说他的产品的目标客户是所有人的，可以直接给他挂科了。

实际上现在大部分的刷屏活动都没有出圈，刚出圈就消亡了。活动时间越长，接触到的对这个不感兴趣的用户就越多，感染周期也就会随着变长。K值也会越来越小，最后增长趋近于停止，一场裂变活动就差不多随之结束了。

去年国庆的时候，微信朋友圈被【给我一面国旗@微信官方】刷屏了，这场活动大概有超过两亿的微信用户参与进来，最后为活动方APP带去了数百万的用户增量。

而这场活动的成本，据说就是200块钱，团队在某个群里发了个红包让大家帮忙转发（结果都领了没转发……）；但是即便是这样参与门槛非常低的活动，到最后参与用户也不到三个亿，就停止了。

一个就是不感兴趣的人群就是对这个不感兴趣，又或者是因为高龄人群行动力的缺失无法参与。那么既然有这样的种种限制，病毒增长模型的应用价值在哪儿呢？

病毒增长模型的最大价值，我想应该是应用在活动的策划、监控和复盘。

在病毒增长模型当中，我们可以看到几个数据，初始用户数Custs(0)、病毒系数K、感染周期CT，还有病毒传播总时长T；而我们对裂变活动的运营也就是从增加初始用户数、提高他们的拉新个数、精简缩短用户的传播周期，想办法延长活动的存活周期这四个方面去着手。

Custs(0)初始用户数就相当于是一个初始流量池，这个流量池越大，那么起量也就越快。

但是除了初始用户的数量以外，其实更重要的还是初始用户的一个属性问题。初始用户是我们精挑细选的人群，但是针对不同的裂变方案，我们也需要挑选不同的初始用户，并非说KOC/KOL就一定要比普通的用户强。

诚然，像上面所说的KOC/KOL覆盖用户广，信任背书强。

但是与此同时他们的好友更多的都是强相关的，人群的重叠度更高，在一些更需求突破圈层去扩散的，参与门槛低的活动，借助那些弱链接的用户更多的人群会更容易渗透到其他圈层。因此在做裂变活动之前，要做好初始用户的一个规划工作。

病毒系数K刚才也说明了，是至关重要的一个因素，从这个系数高低，我们基本上就可以判断活动的成败了。对于系数过低的时候就要想办法拉高这个数值了，例如换钩子之类的。

但是对于系数多高，也不要太过得意了，可能封杀离你已经不远了，要合理的控制这个数值。

从去年到现在都比较流行的任务宝，拉好友送课程/送书活动来看，三位好友会是一个比较安全的数值，是一个用户参与门槛比较低，容易形成裂变，与此同时又不会超过官方的警戒线的数值。

而五位以上的话，一个是参与门槛高容易导致扩散难度加大，还有就是可能活动会被封杀，有一定的风险性。

感染周期CT的话，其实也是官方监控的一个重要因素，如果感染周期过短导致一个活动在一定时间内参与的人群超过某一个阈值，也是容易被封杀的。

但是其实更多的时候，运营可能要考虑的还是怎么去缩短这个周期。主要方法还是想办法去精简活动的一个转化路径，转化路径太复杂会延长整个CT的周期，同时会将一部分用户阻拦在活动外面。

路径越简单，用户的参与门槛越低，用户参与的积极性也就越高。

活动总时长的把控，主要是从上面三个因素去实现的。

如果裂变不成功，那活动自然就消亡了，总时长自然就短；如果裂变太成功，引起了官方的封杀，那活动也立马就结束了，总时长也长不了。

因此，只有将上面的三个因素都控制在合理的范围，让整个活动合理有秩序，才能保证活动的总时长。

如果活动过于火热的话，可以降低自封一些裂变路径，换弱一些的钩子来降低k值，增加一些路径（比如填写个人信息，排队机制等等）提高CT时间来控制；如果真的不可控，就暂停活动，这样至少可以保证活动不被封杀或者已经成功转化的粉丝（到公众号的粉丝）不被官方清空。

当然了，如果说是活动太冷了的话，自己逐个环节去优化吧。

最后想要说的就是，如果一场活动下来，最后病毒系数K＞1，带来的Custs(t)总用户数量很大，那这个只能够说明这一场活动是成功的，不能够保证说这些用户就一定能够给你创造多大的价值。

特别是在这个红海市场的时代里，很大程度上用户的留存，是要大于用户的获取。

当然了，要保证用户的留存，这个主要也跟裂变时所用的钩子有很大的关系。一场活动要从全盘去考虑，比如说在裂变时所用到的钩子影响到不仅仅会引起K值的变化，与此同时也影响到裂变来的用户的属性。

所以说钩子的选择本身就是一个用户筛选的过程，如果你用现金去做钩子，那筛选出来的就是属性不一的泛用户。而如果你用运营课程去做钩子，那筛选出来的至少都是对运营感兴趣的用户。

钩子的选择影响到用户属性，而用户属性则影响到后期转化和变现的难度。

关于这一点的话，对To B企业来说更是如此，因为对To B企业而言，用户获取的数量向来都不是最重要的，因为To B企业的产品一般都是不适用于个人的，开发难度大，筛选转化难度会更大。

而同时To B企业一个客户的利润也许能够抵得上几千上万个To C企业客户所产生的利润，因此用户质量会远远高于用户数量。

所以对于ToB来说，用户属性决定了用户可能产生的价值，如果用户属性不对的话，这个用户可能一辈子都不会接触到To B企业的产品，即便裂变的再多也不能产生价值。

因此如果To B企业想要做裂变活动的话，一定要细心的挑选钩子，即便是最后导致K值＜1，如果能够获取目标客户的话，也是绝对划算的。

建立病毒裂变模型的意义，在于通过模型去计算判断，从而调整自己的运营行为，完善自己的活动，从而降低试错成本，提高产出效果。

但是用户增长从来都不是独立于用户运营的存在，用户留存，用户生命周期这些都应该是在做用户增长的时候就要考虑到的事情。用户最后的付费，最后所创造的价值，才是影响企业生存的东西。

作者：布衣

来源：布衣

AARRR模型，连我带的应届生都倒背如流，却少有执行过程中的应用价值，归根到底，无非是这套理论太通用，不在具体产品的应用解决层面。

今天我就借着11个增长黑客的案例，来给大家重构下实践中的4个增长黑客要点，以及增长工作团队的业务流程。

一、增长黑客的4个要点

（1）、提供优质产品服务：增长核心，往往短期内解决1个问题就能带来增量

（2）、快速组建关系网：常见于社交产品，或者社交化的产品

（3）、结合外部热点：制造、捕捉、或者承接热点，独家比割裂效果要好

（4）、制造外部诱因：可以独立于产品外重复使用的利诱功能

二、11个案例分析

   1、提供优质产品服务

案例1：Airbnb–优质照片

Airbnb的市场份额能快速崛起，在早期完全依托于视觉战略。

在P图软件没有盛行，很多民宿业主的拍摄器材还停留在200万像素的年代，你很难想象一位要出行的旅客会去订Airbnb上的房间。平台的量级更是不具备筛选优质照片的民宿业主的能力，怎么办？

Airbnb的创始人和专业的摄像师跑去为这些民宿，免费拍摄精美的图片。当年平台业务量因此获得了指数级的增长。这样的策略同样今天被“Keep“、“悦会”、“eye”这样的美食或者小众垂直人群平台沿用。

案例2：美团–可退款

美团能在千团大战中脱颖而出，原因有很多，但是其中一个增长点却干死了不少竞品。最早的团购网站是不支持退款的，原因有很多：财务结算，利润损失，行业惯例等等。

一方面，对于当时购买团购的用户来说，不支持退款意味着必须在某一个时段进行消费，延期产生的损失厌恶感会叠加在团购平台上，造成不可逆的流失。

另一方面，对于团队平台来说，或者是业务负责人而言，到手的钱退款了，这种直接影响收益的事，没有人敢拍板改变。

在这样矛盾不可调和的情况下，最早美团的决策层还是以用户为中心，率先打开了团购可退款的口，当年不仅没有损失利润，还为美团赢得了大量的长期用户留存。等到其他平台反映过来的时候，用户早已被美团教育带跑了。

案例3：淘宝–智能推荐

在没有千人千面这套系统前，大部分电商平台的Banner位都是依靠资深的运营人工推荐，由人把持的推荐位转换率波动因数较多，即便有时候会有爆款，但长期以来一直维持在一个瓶颈值。尤其是遇到双11这样的大战，一点点人工推荐的失误，都可能产生惊人的业务损失。

当时甚至产生了人工推荐、智能推荐2派，认为机器算法不可能达到资深运营推荐的效果。但第一次智能推荐应用在双11之后，直观的转化率打破了长久以来人工推荐的瓶颈，为平台带来了直观的增量收入。

 案例4：觅食蜂–延时折价

觅食蜂第一次把钱大妈的延时折价战术应用到了线上。按理说，美食团购的市场份额已经是美团一家独大了，任何新兴的团购平台的机会都十分渺茫。但是觅食蜂却在今年迅速崛起，大量用户开始转移。

这一切都基于一套产品玩法：延时折价。以1款100元的火锅团购为例，凌晨1点查看是100元，中午12点查看是80元，晚上7点查看是60元，深夜23点查看是40元。越晚后查看价格越低，但是每份团购数量有限，有可能当用户进入时，团购已经被抢购一空，这样让不少用户会时不时的点击觅食蜂app，去查看团购产品的价格，不得不说，这个玩法短期内迅速收割了一大波高活跃的用户。

案例5：膜拜单车–缩短流程

对于高频刚需类的产品，越轻量越精简，越容易在早期开拓市场。让我们来对比下膜拜是怎么缩短流程的

①早期膜拜新用户的使用流程：

扫码→落地页点击跳转→跳转确认→Appstore点击下载→注册

②接入小程序后的使用流程：

扫码→授权

考虑到用户的网络加载、等待时间，精简的流程无疑挽回了大量意向用户，据说膜拜+微信小程序的推行当月，小程序5成以上的使用用户都来自膜拜，也算强强联手做增量了。

案例6：燃兔–搜索优化

这是我经手的一个孵化项目，对标Taptap，你可以理解为一款手游应用商店，解决用户找到好游戏的市场需求。

当时新用户的流失率极高，为了找到原因，对用户路径做了大量的数据处理分析，发现很多用户流失的最后节点在：“游戏搜索框”。经过反复的讨论，这里就得出了一个猜想，用户对搜索结果不满足，因为搜索不到自己想要的游戏。

后续运营在为期1个月的过程中，对app内的seo做了关键字优化，匹配高频下载游戏，新用户次留获得了稳定的数个点的提升。

2、快速组建关系网

案例7：脉脉–强行互动

社交类产品做强行互动的有很多，譬如微博，但是基于微博更强的是新闻机构属性，而非定位社交，所以不属于组建关系网一列。脉脉是聚焦职场社交的平台，对于职场人来说，口碑属于其中比较看重的一环，毕竟圈子可能就那么大。

脉脉会通过通讯录或关联好友，强行让一个你熟悉的人给你打上1个正向的标签，比如：领导力强。这种小范围的测试确实起到了一定的效果，和Facebook只要有3个相互关注的好友，强行给你一排推荐名单，获得留存最高的道理一样。让职场人士开始在平台上经营自己的标签。我就曾经遇到过这样的情况，在多次找人论证后发现他们并没有做出打标签这样的操作，因为是正向，所以也没有产生太多体验上的反弹。

案例8：开黑玩–虚拟互动

这是一款手游用户的社区类小程序，在我这从0经手，一度冲到阿拉丁社交排行榜Top3。

不言而喻，内容对流量的影响占据了很大的一环。为此，专门开发了一套社区互动工具，解决用户发帖、评论、点赞、私聊等等互动环节。通过算法默认配置程序给予虚拟的互动，达到真实的体验，甚至考虑动用AI语音来实现真实性。

方案一经应用，人均停留时长、真实互动量、活跃时长都不同程度上成倍增长，直到后期真实的互动氛围起来后，这套系统才开始淡出。

3、结合外部热点

案例9：人人视频–独家结合热点

能结合热点公司不少，但是能独家结合热点的，却不常见，而且是在完全无意识的情况下做到1个月完成1年增长目标的情况，更是难得一见，而人人视频就撞上了一次。

2018年抖音里北极星小姐姐大火，全平台充斥着相关的BGM，也带火了美剧《天赋异禀》，而当时仅人人视频可以看这部美剧，绝对的独家，一个月内大量的抖音用户涌入人人视频，弹幕都可以看到”来自抖音“相关内容。

人人视频也借东风强推这部美剧，实现了热度的顺畅衔接。

案例10：Taptap–SEO整合

独立游戏在16年前，还是比较分散的用户群体，没有一个相对集中的交流阵地，很多独立用户玩家会通过百度搜索相应的贴吧或者讨论群，去滋养自己。越是垂直领域的用户，其活跃度越强，具体到某个独立游戏上表现也是如此。

当时Taptap就做了一个大胆的决定，买下了大部分独立游戏的搜索广告位，只要你搜索某个独立游戏的名字，第一个一定是游戏名带taptap的后缀，点击就会进入tap相关的游戏专区。不到1年的时间，把零散的高活跃独立游戏用户，全部聚集到了平台上，后来像游品味、燃兔、汽水团等竞品想再分一杯羹，都举步维艰。

4、制造外部诱因

案例11：百万英雄–独立引流功能

如果不是强制叫停，答题这种模式应该会成为引流的一种标配。作为一款完整的产品，答题功能是割裂于核心功能之外的，它的最大的价值是给产品导量。

通过高额的奖金，高频的场次吸引用户的关注度，每个用户均摊下来的引流单价其实是很低的，把这种独立的产品功能作为引流方式，也延伸出挺多玩法的。比如：

“毒“app每日球鞋抽奖，就是吸引你每天登陆1次。

“开黑玩”小程序每天抽游戏皮肤，活跃用户次留稳定30%以上

三、增长工作流程

优秀的增长团队，其实就是一批优秀的实验团队，是在不断失败→校验→失败→校验的过程中达成目标的。以某平台的增长规划为例，让我们来看看是怎么做的。

准备期

1、设定增长目标：2018年订房数1000万

2、确认聚焦领域：提高新用户首次订房成功率

3、确定增长策略：优化订房流程

4、提供假设：

（1）、新用户觉得过几天会降价，想过几天再来；

（2）、新用户觉得注册麻烦，不想下单；

（3）、可选的太多了，难难以决定。

5、实验假设

（1）新用户觉得过几天会降价，想过几天再来

①写上“全网最低价”

②标明“已售空”增加用户紧迫感

③贴上“限时特惠中”提供低价感

执行期

1、开发、测试、上线：配合各个部门优化产品功能

2、得出结果：根据数据指标的波动校验结果

 反推期

1、分析数据：对数据指标进行处理，找出成功/不成功的原因

2、校验假设：重新校验假设，循环往复

四、《关于北极星指标》

像黑客增长里的关键增长因素“北极星指标”，其实近年越来越多的增长团队实践的结论告诉我们，不靠谱！

1、社交平台：留过个人信息的，相互关注3个人的；

2、互金平台：购买理财的；

3、电商平台：领过优惠券的；

4、资讯平台：留过评论的；

这些行为增长本身，不过是沉默成本达到一定程度后的表现。要是真把这种模式应用到黑客增长里，最终无非是遇到转换行为的瓶颈，发现总有很大一部分人永远都不去做你的北极星指标，无论你做了什么操作。

产品是来解决问题的，不是来做算法的，理解这个，才能做好增长。

作者：运营教授

来源：运营教授（ESxiaowang）

近年来增长的概念层出不穷，随着市场的水涨船高，增长黑客也是成为了产品经理众多岗位中的新宠。不过，增长并非易事，与其跟随市面上的所谓的理论，不如深耕理论，精进实践，在实践中不断寻找适合自己，也适合项目的方法论。

怎样才能实现增长？

增长是一个不断发现的过程，努力在不确定的世界里，不断成长，敢于切割，直至找到核心的策略，建立某种确定性，然后不断重复，如滚雪球般越滚越大。

滚雪球的特点是什么？就是开始很小，越滚越大。

这也是第一流公司的核心心法。

2005年，Facebook刚成立没多久，有人提出了一个能够为公司创收的想法，这样就能向投资者证明公司是可以盈利的。但公司创始人扎克伯格并不同意，他走到白板前写下了大大的一个词：增长。扎克伯格认为，公司当时的战略焦点是用户增长，这一点比收入更重要。回头看来，这是Facebook成功的关键。我们可以想想看，投资人为什么要投Facebook？他们要的就是未来的想象空间。他们更愿意投资一台印钞机，而不是一台收银机。

那怎样才能实现增长呢？有效的增长，分为三个阶段：

1.增长假设；

2.增长验证；

3.大规模增长。

打个比方，首先你要有种子，才有增长的可能。因为没法确认种子一定能发芽，所以叫“增长假设”，这是第一阶段。然后，我们要开始做“育苗实验”，看看哪些种子真的可以发芽，对前面的假设进行验证，这是第二个阶段“增长验证”。只有完成了前两个阶段，才可以进行大规模种植。这是第三个阶段，真正的“大规模增长”。

在现实中，在这三个阶段的过程中容易陷入两个误区：

误区一：有内核，没增长。

产品好，服务好，但没法做大。结果，要么维持着手工作坊的状态，要么就慢慢地消失了。

误区二：没内核，乱增长。

种子不对，也没进行育苗实验，就开始大规模种植。前段时间有家公司叫星空琴行，地推能力很厉害，迅速开了很多家连锁店，但是因为商业模式根本行不通，很快就倒闭了。

概括而言，增长思维有一个清晰的主线，分为三个阶段。 在输得起的时候快速试错，积极探索，目的是找到可持续的、可规模化的增长公式。

“增长黑客”的实战三步骤

那实现增长，具体要怎么做呢？笔者总结“增长黑客”的三个实战步骤：

1.假设；

2.验证；

3.执行。

第一步，假设：建立最小化闭环。

在增长这个大要求下，率先要建立业务闭环，而这个动作要先完成最小化的闭环。一起来看看下面这个例子。

有一大批信件，必须装入信封、封上封口、写上地址、贴好邮票。你会怎么做？

第一种办法是：拆分动作，把所有的邮件全部装好，全部封好，全部写上地址，再全部贴上邮票；第二种办法是：每次把一个信封的动作全部完成，然后再完成下一个。

你可能觉得当然是第一种更快，但实际上，第二种才能更快地完成工作。为什么？

万一信件塞不进信封，要是采用大批量的方式，我们一直要到接近流程终点才会发现问题。而用小批量的话，我们马上就能发现问题。一次装一个信封的做法在精益生产中被称为“单件流”，就是我们说的“最小化闭环”，它的价值在于能快速试错。

从笨办法开始，不怕犯错，代价并不高，可以勇敢去尝试。想知道杯子是冷是热，就伸手去摸。

不行动，就没有办法获取反馈，每一次失败都会为最终的成功，采集数据，就不会那么害怕失败。

第二步，验证：单一指标的关键要素。

首先，我们可以建立一个反馈回路，获取验证结果。

验证，其实是确认两件事：第一，获取一个正向反馈；第二，找到单一指标的关键要素，其中关键因素是验证的核心，可以看个例子。

Instagram早期的社交功能和现在不一样，后来他们发现用户对分享照片需求很大，于是只留下了照片、评论和点赞功能，并增加了滤镜。因为市面上已经有了Facebook，多功能的社交产品很难再突出重围。而Instagram团队找到了最关键的要素，也就是分享照片，再以照片为核心去设计产品。改变几个月后，专注于图片社交分享的Instagram正式推出，上线一天获得25000个用户，三个月后这个数字达到100万。

单一指标的关键要素是你的关键增长点。我们要致力于找到这样的关键要素，才有可能有效实施增长战略。

第三步，执行：设计增长策略。

优秀的创业公司，往往采用分阶段发布产品的策略。例如Facebook，他们开始只在哈佛大学推出，然后是常春藤大学，随后是别的大学，最后才对社会开放。

分阶段增长有诸多好处，在验证技术风险之前先验证客户风险，产品再好如果推荐给了不合适的人，可能也无法获得正向的反馈。验证一个商业模式并不需要大量的用户，控制好节奏，将一场马拉松拆成很多个400米比赛，团队更能聚焦。

在这样的策略下，Facebook后来居上，战胜了MySpace等一系列的竞争对手。对于团队来说，把不切实际的任务分割成合理的小任务，只要每天都完成小任务，你就会越来越接近那个大目标了。

从力学的角度来说，一辆车从静止到启动的时候最费劲。这时候雪球越小，越容易滚动，随后，雪球越大，速度越快。

《精益创业》的作者埃里克·莱斯说：“魔力与天才并非成功创业所必需，运用可学习和可复制的科学的创业程序才是最重要的。”

经过假设、验证和执行这三个步骤，才能迎来真正的爆发式增长，实现全面的扩张。只有找到可学习可复制的增长模式，努力才有可能转化为收获，就像滚雪球一样，越滚越大。

作者： pete

来源： pete

相关阅读：

增长黑客 | 来自谷歌的用户增长技巧！

增长黑客的5个成功案例与4个增长阶段！

增长黑客的概念一直很火，文章作者从自身工作经验出发，总结了关于用户增长的5个要点，希望内容对你有所启发。

在硅谷，增长黑客（Growth Hacking）不仅仅是一个流行词，它更是领先的科技公司系统化扩大客户群的核心竞争力。在过去7年里，我曾在谷歌几个全球增长岗位上工作过。那段时间里，我意识到硅谷那些成功的科技公司在应对增长挑战方面所采用的策略与其他地区的公司有根本性的区别。我总结了5堂优秀的增长黑客课程，你可以向硅谷领先的增长专家们学习经验。

01 让增长黑客成为你企业文化的一部分

硅谷的大多数营销和产品团队都了解增长黑客这项能力的重要性，通常他们简称为“增长（Growth）”。增长是最核心的部分，它是最成功科技公司的DNA。

在欧洲，大多数互联网公司都不知道什么是增长黑客，更别说有多少公司使用过。我们最近做了一项有关增长方面的调查，结果显示，74%的数字专家没有听说过“增长黑客”一词，或者没有这方面的经验。

许多人推崇“增长黑客”为“银弹”、“一系列秘密增长的黑客工具”或“快速解决方案”。这种观点太短视了。那么，增长黑客到底是什么意思呢？最适用的定义来自增长专家安德鲁·陈(Andrew Chen)：

增长黑客是一门多学科的技能组合，整合了营销、产品管理、数据分析和开发等要素，用以回答“如何获得和留住客户？”这一问题。它可以通过优化整个客户生命周期或将你的产品与嵌入大型平台，从而使产品具有自我推销的能力。此外，大多数增长策略都是免费的，或者不需要大量预算。

以下是一些增长黑客应用的典型案例：

• 从客户终身价值（customer lifetime value）和留存的角度，优化整个用户转化漏斗中的交互体验。相反，传统的优化做法往往集中在获取成本和数量上。
• 对齐产品和营销渠道，以创造强大和创新的用户获取和留存机会，如“增长螺旋”(Growth Loops)(更多信息请参见第4堂课)。
• 将产品整合到Facebook或YouTube等大型平台，使之能够得到这些平台的支持。
• 通过实验和行为经济学原理的实践，不断优化客户体验。

02 不断试验

硅谷那些最成功企业认识到，坚持不懈的试验是增长的关键。一位来自谷歌的增长专家总结如下：

无助于试验的流量都是我们错失的学习机会。要不断尝试，做实验。

这说明了增长黑客就是在不断学习，并始终与实验交织在一起。然而，一个真实的增长实验是什么样的呢？增长实验中一个关键部分是数据驱动的假设。你可以基于数据观点思考产品或营销的哪些调整可以提升绩效。你可以试着用一个简洁的句子来表述这个想法：

如果___，那么___，因为___。

接着，尝试将这个调整“翻译”成一个当前产品体验中的可调变量。例如，将不同的登录页面或app流程作为变量。最后，通过A/B测试把不同的实验组随机分配给真实用户，对比变量组与控制组（通常是回滚版本或当前版本）的表现。实验的目的是发现足够显著的差异，可以进一步拒绝或接受该假设。

提出假设是增长实验进程中的核心一环

你可以通过学习，掌握“增长实验”方法，并避免一些常见的陷阱。以下是你需要了解的2个实验陷阱：

1. 设应在测试前提出，并以数据为基础

你可能会问自己：“如果我有市场调查或客户分析的数据，为什么还需要做实验呢？”误用这些数据获得因果性结论确实很有诱惑力：要么是找到支持你猜想的数据观点；要么找不到确证的数据，就简单修正你的猜想。

但我们还是要从更系统的角度运用这些数据，在寻找证据之前，以假设的形式建立一个基准。当然，这些来源对于增长实验还是至关重要的，但更重要的是产生猜想，而不是得出因果关系的结论，这是第一个好处。还有一个好处是用它们来预先验证你的假设，这将极大地提高你的成功率。

2. 一次实验中，不要进行多变量测试

在增长黑客实验中，最常见的陷阱是一次实验测试太多的变量。理想情况下，每次测试只设定一个变量。例如，仅更改定价，并保持其他所有变量不变。这样做，价格的变化就可以很好解释数据表现的差异。

如果你同时更改了价值定义和价格，则很可能无法解释为什么在数据表现上有差异。而且，在一个实验中测试多个变量也需要更多的流量和更长的时间，才能得到显著性的结果。为了避免这两个问题，流量较少的大多数公司都采用分阶段测试计划，系统地进行测试，并逐个优化。

03 建立行为经济学应用能力

硅谷的另一个新趋势是将行为经济学的见解注入到增长黑客中，以创造对顾客需求有价值的产品。一旦你理解了增长黑客是如何植根于增长实验和数据分析的，这就是一个顺其自然、合乎逻辑的扩展。

行为经济学处于心理学和经济学的交叉点，在一些有影响力的研究学者（如诺贝尔奖得主Daniel Kahneman和“华尔街日报”专栏作家Dan Ariely等人）支持下得到越来越多的关注。与经典经济学相比，这一学派抛弃了理性人的观点，解释了人们是如何做出诸如购买决策这样的行为选择。

从行为科学获取的洞察让我们有机会以一个完全不同的角度，改进用户体验以应对增长挑战。这对于增长中的创造性工作尤其有用，比如假设的生成或登录页面的优化。一些经典效应（如社会认同效应（Social Proof）、进程赋予效应（Endowment Progress Effect））所带来的产品洞察为用户提供额外价值的同时，也成功加速了众多科技公司的增长。

下面介绍一个以“社会认同效应”为策略促进增长的优秀案例。在LinkedIn（领英）的新用户注册页面上，新用户可以看到跟ta相似人群的照片，并鼓励他们“寻找同事”。看到其他志同道合的专业人士已经加入，会提高新用户的注册转化率，因为从业者都深受同行的影响。个人资料页面上展示的技能模块也是基于社会认同效应构建的——它利用了这样一种认知：同行的认可，可以增强你专业性的可信度。

LinkedIn还利用“进程赋予效应”来激励用户填写个人资料。用户越可能接近目标或越接近目标，就越有可能坚持朝目标前进。因此，展示进度而不仅仅提醒填写，可以提高简历填写的完成度。

驾驭这些行为经济学效果的细微差别，需要一整套特定技能，不仅要具有专业知识，还要有很强的道德判断力。从长远来看，要扩大商业增长，就必须从系统和道德的角度来思考如何使用行为经济学的产出。因此，初创企业和富有创造力的老牌企业已经开始组建专门的行为经济学团队，或者寻求行为专家咨询服务，比如丹·阿里利(Dan Ariely)参与创立的BEWorks。

Growth Akademie（传授增长黑客课程的组织） 有来自心理学和行为经济学领域的行业专家，并将针对领先技术公司如何应用心理学和行为经济学这一话题，提供扎实完整的讲解。

04 增长是环状跳跃的，而非线性死胡同

硅谷的科技企业认识到，大格局与宏大的目标设定是同时存在的。为了实现这些目标，产品和营销团队必须彻底重新思考他们的增长策略。这就是为什么增长专家开始设计基于增长跳跃（growth loops）的可预测增长模型，而非那些在实施之后就迅速蒸发的传统线性活动。来让我们进一步了解，为什么增长跳跃是增长黑客的重要组成部分：

• 增长跳跃通常会被嵌入到某一个产品中，旨在通过新用户与产品的交互撬动更多的新用户加入 (参见获客循环示例：Instagram的新用户注册旨在邀请你的朋友加入)。
• 此外，针对现有用户，增长跳跃会利用有用且重复的产品交互作为通知触发器。他们最终会通过吸引回头客并增强产品价值来帮助你的产品成为用户首选。  (参见留存循环示例：一旦联系的潜在客户更改状态HubSpot就会通过Chrome Extension发送通知)。这种增长跳跃策略会产生强大且可预测的复合效果，并适用于所有新用户。

增长跳跃 vs 线性策略

大多数欧洲的科技公司尚未采用这种创新方法，而倾向于专注线性漏斗活动。与增长跳跃相反，线性策略可以被定义为 “死胡同”的活动——它不会有成倍的循环效果(例如，广告展示通常每次点击只带来一次访问，并且不会产生额外的访问)。这并不是错的，因为你需要强大的线性通路来养成和启动增长跳跃。但是，如果将大部分精力放在线性通路中，而不是考虑增长跳跃，那么你就无法释放巨大的增长潜力。

05 关注速度，而非完美

硅谷企业发布产品的速度之快很令我吃惊。有几次，我亲眼目睹了一些产品虽然没有100%成型，但已经推出发布了。起初，这似乎有违直觉，让像我这样的欧洲人十分困惑——我们好像天然更关心质量和卓越。但是，当你了解大多数科技和互联网产品的三个主要特征，这就说得通了：

（1）科技产品的一个重要优势是快速轻松地收集真实用户数据，这有助于产品在发布后快速优化产品体验，甚至优化需匹配的市场。

这同样意味着如果你没有推出产品，就无法进行优化。发布之前，你尽可以疯狂地开展市场调查，尽可能完善所有的产品细节，但是没有什么比用户数据更真实的市场反馈了。

（2）与传统产品相比，数字产品通常具有内在的网络效应，即用户的个体价值随着使用而增加。

一个例子就是支付解决方案或数字钱包，因为你需要把你的钱转账给其他人，一旦这些网络效应发挥作用，它们就会成倍地吸引客户，因此经常会形成类似垄断的局面，这也意味着一旦玩家人数增加，进入门槛就会很高。

这并不意味着你不能再进入这个市场，但更应该专注与主流市场略有不同的细分市场。例如，Snapchat成功地专注于阅后即焚的消息和故事，而区别于Facebook的订阅源、状态更新与常规消息。

对于分发问题，增长黑客是一个系统解决方案

（3）这让你明白了为什么在当今竞争激烈的科技世界里，最好的产品并不能无往不利地赢得胜利。

这并不意味着硅谷企业的领导者舍弃了技术解决方案或产品设计。恰恰相反，解决用户真正的问题和优秀的产品设计变成了基本要求，而决定产品是否成功的差别就在于是否有聪明的分发和营销策略。用PayPal联合创始人、Facebook早期投资者彼得·泰尔(Peter Thiel)的话说：

即使产品没有差异，卓越的销售和分发本身也能形成垄断。反过来则不行。无论你的产品多么强大，即使它很容易与用户已有习惯相匹配，并且任何第一次尝试它的人都会爱上它，但你仍必须用一个强有力的分销计划来支持它。

作者：好多草

来源：好多草

增长黑客（Growth Hacker）这一概念，最先由Sean Ellis提出，之后因Uber（优步）增长负责人Andrew Chen的一篇文章被大众所熟知。随后这一概念便风靡硅谷，其理念被一大批硅谷的互联网企业所践行，对硅谷乃至整个互联网领域都产生了深远的影响。

今天就和大家分享一下，国外那些经典的增长黑客案例。希望国内的增长爱好者们能从中受到启发，结合国内实际情况，更好地运用增长黑客这一理念。

1. Hotmail

Hotmail于1995年由杰克·史密斯和印度企业家沙比尔·巴蒂亚创建，并于1996年7月4日（美国独立日）开始商业运作，是互联网上最早的webmail服务之一。

用户在使用Hotmail账户发送邮件时，Hotmail会在结尾签章的部分加一行“PS. I love You”，但这其实是一个Hotmail官网的超链接。也就是这一极其简单的增长方法，通过用户一传十十传百，形成了病毒式的传播，帮助Hotmail早期免费获取了大量的用户。

2. Buffer

Buffer是一款企业级服务产品，帮助客户在社交媒体上树立品牌并发展业务。截至目前，Buffer已经覆盖15个国家，服务超过75000家客户。

Buffer诞生之初，只是数以百计的社交媒体工具中的一个，行业竞争激烈。为此，Buffer开启了内容营销，通过“内容生产-投放-数据分析-优化-内容再生产”的流程，不断生产多种多样的研究报告、行业干货等对用户有价值的内容，以及图片、文章、视频等多种内容展现形式。

优质的内容通过社交媒体得到持续的传播，与此同时，也沉淀在Buffer的官网博客上增强搜索引擎优化。随着Buffer的内容影响力越来越大，这家创业公司快速的实现了从0到1的增长，并且开启全球化扩张。

3. Hubspot

Hubspot是一款为营销人员提供社交媒体营销、内容管理、网站分析和搜索引擎优化等服务的综合性产品。于2006 年创立，2014年在纽交所上市，现市值已达62亿美元。

在企业增长的过程中，Hubspot有一个非常成功的增长策略，那就是提供了一个免费站内评分的工具——Website Grader，能让营销人员很直观地看到他们网站哪些部分表现良好，哪些部分表现不行、需要优化。通过直观的数据呈现，指导营销人员做出更正确的营销行为。

这款深受营销人员喜爱的免费站内评分工具，给Hubspot的网站带来了大量的流量，帮助Hubspot实现了快速增长。

4. Groupon

Groupon为全球最大的团购网站，每天都有折扣购物、低价购物等活动，并提供丰富的优惠券供客户集体选购；于2008年成立，2010年就已经覆盖了49个国家、500多个城市，拥有了1亿1570万名会员。

Groupon的增长策略很简单，用户在Groupon完成了任何一个购买动作，都可以选择分享到推特（Twitter）等社交平台，获得点赞或者分享即可得到折扣。这一个小小的分享增长策略，帮助Groupon在一年内增长了228%。

5. Gmail

2004年Google创建了Gmail，当时Google还算不上一个超级大的独角兽，没有人敢 Google创建的Gmail可以和Hotmail和Yahoo并肩。

为了推广自家新品，Google用稀缺性制造哄抢，选择在愚人节上线，并且注册只能是邀请制，且仅有1000个意见领袖有邀请名额，可以邀请朋友注册并使用Gmail。

这就在用户心目中制造了一种意识，注册Gmail就象征着一种身份，类似意见领袖的地位、高级俱乐部成员的名头等等。这种稀缺性的制造，让Google刚创立的Gmail在短时间内迅速获得了大批用户。

6. Instagram

Instagram于2010年成立，是一款免费提供在线图片及视频分享的社交应用软件。截止2018年6月20日，火爆全球的Instagram月活跃用户已经超过10亿。

而Instagram最初成立的时候，是一款连创始人都解释不清是什么的产品，它包含了社交、拍照、签到、游戏等等很多应用，发布几周后才勉强达到1000多用户。

通过数据分析发现，用户似乎很喜欢照片分享功能，生死存亡之际，两位创始人做了一个决定：砍掉其他功能，只留下照片、评论、点赞功能，并增加了滤镜。专注于图片社交的Instagram一经推出，上线第一天就获得了25000个用户，三个月后达到了100W。

7. Paypal

Paypal于1998年成立，用户可以通过电子邮箱地址将钱从一个账户转移到另外一个账户。

在当时，这个想法很超前，很难向用户描述其功能。加之广告费又很高昂，对于一个初创公司来说，初期用户的寻找非常困难。为了解决这一难题，在低成本的同时实现用户增长，Paypal开创了返现优惠的模式。新用户注册返现10美元，推荐新用户注册额外获得10美元返现。

最终，Paypal总共支付了600万美元的返现，通过用户与用户之间的邀请激励，带来了平均每天7%-10%的用户增长率。

8. Dropbox

Dropbox是一家在线存储服务公司，通过云计算实现互联网上的文件同步，用户可以存储并共享文件和文件夹。

通过五年的时间，Dropbox不仅把广告成本降到最低，用户也实现了从0到100万的增长。Dropbox通过一些用户问卷、A/B测试、以及一系列的流程优化实验和数据分析，开发出了一套用户推荐系统（“双边奖励系统”，以产品自身的储存空间作为奖励），用户邀请好友后，邀请者和被邀请者都可以获得额外500MB的空间。

这套系统投入使用后，用户在30天内发出了300万个邀请，使得Dropbox在15个月内出现了3900%的用户增长。现在，Dropbox基本上是云存储的代名词。

9. Hotel Tonight

Hotel Tonight是一个在线旅行应用程序，给用户提供遍布美洲、欧洲和澳大利亚的打折酒店信息。在2013年就拥有了1500万的用户，于2019年3月被Airbnb收购。

在当时，酒店预订应用程序并不是独一无二的。由于行业限制，也不能让用户在短时间内获得更便宜的酒店预订。究竟是什么原因导致Hotel Tonight越来越受欢迎的呢？

Hotel Tonight的增长得益于优秀的用户体验。游客刚到达一个小镇时，都会习惯于用智能手机寻找酒店，Hotel Tonight通过A/B测试、数据分析，不断进行产品迭代和优化，保证用户能够在最短的时间内完成注册、搜索、预定、付费等一系列流程。

凭借不断优化的流畅用户体验，帮助Hotel Tonight在早期的市场争夺中，赢得了用户口碑。

10. Tinder

Tinder是一款手机社交应用程序，常用于同性约会。

作为“滑动匹配”的鼻祖，2014年，该App的下载量就达到了1个亿，用户在应用中的日滑动总次数更是达到了10 亿。

Tinder为什么能如此成功？

通过与Facebook的整合，用户不用进行冗长的注册流程：根据用户在Facebook的基本信息，Tinder会通过数据，把潜在的约会对象按照个人兴趣和地理位置进行过滤。在过滤后的基础上，用户可以通过“滑动匹配”功能，选择喜欢或者不喜欢。右滑建立对话，左滑则不再出现。

正是基于数据的推荐与简单易用的交友功能，Tinder获得了突飞猛进的增长。

11. Slack

Slack是一款企业协作应用。自2014年2月产品上线以来，估值从0到70亿美元，仅用了不到5年时间，成为了硅谷乃至世界上增长最快的SaaS公司。

Slack如此亮眼的成绩，得益于其“由基层向上的口碑”策略、只需三次点击即可开始使用的极致上手体验、停止使用即退款的公平定价等等。Slack会和用户签订试用版本，通过极致的产品体验，一旦用上了Slack的用户都会向更多人推荐Slack。就这样口口相传，在整个企业内传播开来，Slack实现了成幂次倍的增长。

12. LinkedIn

LinkedIn于2003年5月启动运营，作为全球最大的职业社交网站，截止2018年，LinkedIn在全球的月度活跃用户已经达到了5.9亿，并一直保持着稳健的增长势头。

早期，LinkedIn为了实现低成本的快速增长，通过数据分析发现，有很多用户是通过搜索同事或者他人的姓名来到LinkedIn的，而且其用户活跃度是电子邮件渠道用户的3倍。

所以，当时 LinkedIn 做的第一件事情就是：开发一个简历编辑功能，再通过优化简历和谷歌搜索引擎的匹配度提升SEO。做完这件事情后，LinkedIn的自然流量开始慢慢增长，第二个月就提升了60%，用户也开始实现大幅增长。

13. Airbnb

Airbnb于2008年成立， 目前已覆盖191个国家、65000个城市，拥有超过三百万笔房源，成为全球最大的共享住宿平台。

很早之前，Airbnb就通过数据发现，图片品质好的房源预订率是品质差的两倍。房源照片的品质对预订率有着非常大的影响，但房东不知道，拍摄的照片普遍灯光差、不整洁、像素低，这极大地降低了用户的预定欲望。

从2010年开始，Airbnb开始雇佣专业摄影师，协助房东拍摄房源照片，上传至自己的房源介绍。受益于专业摄影师拍摄的具有吸引力的照片，Airbnb当时的订单获得了两到三倍的增长。

14. Uber

2019年5月10日，作为全球打车软件鼻祖的Uber在纽交所上市。

十年前，Uber还只是一个只能满足本地供需和支付的出租车服务平台。十年后，Uber以网约车服务为核心，相继增加外卖配送、货运服务、共享电动自行车等业务。现在，它已经覆盖63个国家，700多个城市，成为了全球快速扩张的典型。

如此快速的扩张速度，基于Uber开发的复杂数据模型，这套模型能够让Uber从新市场的第一批种子用户身上学习，并预测他们是否会变成Uber的忠实用户，这有助于Uber快速了解和适应新市场。

数据+技术的驱动是Uber快速增长的关键，帮助Uber进入新市场后快速打开局面、迅速找到市场契合点。

15. Pinterest

Pinterest于2010年成立，是一个主题内容分享工具。2018年9月10日，Pinterest宣布月活跃用户数超过2.5亿，和去年秋季相比增长了5000万用户。

相比Twitter、Facebook逐渐放缓的增长速度，Pinterest的增长速度令人惊喜。

早期，Pinterest官网新用户的注册转化率不到1%，经过一些测试和数据分析之后，做了相应的调整：访客在进入官网时，从以前的可以浏览无限张图片，调整为只能浏览25张图片，继续下滑后会给用户提示注册。这个小小的改动，让Pinterest的官网注册转化率提高了50%。

此外，Pinterest于2017年推出了Pinterest镜头，能以Pinteres 相机所拍摄的照片为灵感来源找到创意（比如：拍摄食材即可发现喜爱的食谱）。推出第一年后，Pinterest镜头的用户参与度每月增加到6亿次搜索，同比增长140％——技术为Pinterest的增长做出了新贡献。

16. Twitter

Twitter由杰克·多西在2006年3月创办，风行于全世界多个国家，是互联网上访问量最大的十个网站之一。截止2018年Twitter的日活人数已经达到了1.26亿。

早期，为了提高用户的留存率，增长黑客Andy Johns做了一系列的数据分析，他发现：当用户关注到7个用户左右，会有相对稳定的活跃度、一定的产品粘性，该用户流失的可能性就会变小。

通过这一发现，Twitter在新用户注册结束时，引入“10个新人关注”功能，让新用户也可以看到Twitter对他们的影响。这一黑客打法，最终成为Twitter强有力的增长引擎。

17. YouTube

YouTube于2005年成立，主打视频分享，用户可以上传、观看、分享及评论视频。截止2015年，YouTube已有超过10亿用户，是目前仅次于Google的第二大网站。

YouTube早期的快速增长，得益于其开发的分享功能。用户上传至YouTube的视频支持分享到Facebook、Instagram、Twitter等十多个平台，借助其他平台的流量，YouTube的月浏览量提升了数十亿。

一个分享视频的小网站，如今变成了最大的在线视频网站。

18. Facebook

Facebook于2004年由马克·扎克伯格与他的哈佛大学室友们创立，截至2015年6月底，每月至少浏览Facebook 一次的登陆用户已达14亿9千万，约占全球30亿网民的一半，如此惊人的成绩令人叹为观止。

早期，Facebook通过海量的用户行为研究，找到了一个增长的突破口：给用户提供带有个人基本资料的Facebook博客小挂件。用户可以将小挂件放置到自己的公共主页或者其他博客上，对外进行展示。

正是这个小小的挂件，为Facebook每月带来数十亿次展示量、千万次点击量和百万级注册量；并且，随着群众效应，越来越多的人将小挂件对外展示。

此外，小挂件不仅是好看的摆设，还能建立反向链接、提升Facebook在搜索引擎的权重。

增长黑客是介于技术和市场之间的新型团队角色，其重要能力是：低成本甚至零成本地通过“技术驱动”和“数据驱动”，达到营销目标，让产品获得大幅度增长。

以上18个国外增长黑客案例，其中有不少已经被国内广泛借鉴，并且取得了显著的成绩。希望大家也能从中获得启发，寻找到属于自己的增长爆发点。

作者：GrowingIO

来源：GrowingIO

此文为《硅谷增长黑客实战手册》 第一章 细分市场1.1 识别最有价值客户群

如果你在一家处在增长阶段的公司，你一定被以下问题拷问过：

谁是我最能盈利的客户？

如何更多的获得像XYZ那样的客户？

市场上有多少像XYZ一样的客户？

我正在为合理的市场份额努力吗？

整体市场机会如何？

我们已经获取了多少市场份额？

虽然这些问题老生常谈，但是大多数公司一开始并不会聚焦于此。随着公司的发展，团队需要在开发哪些特性和获客成本之间做出取舍，能在哪口井挖出水，对公司至关重要。

回答这个分四步：市场细分、市场规模、竞争分析、市场容量和选择目标市场。这一章，我们将带你理解为什么梳理这些十分重要，并且教你如何梳理。

为什么识别客户群关系重大？

创业者从个人经验中积累经验，但应用可能更广泛

创业者常常被个人解决问题的经验所激励而创业。笔者现在的公司：Frame.io的创始人Emery Wells,在经营他的后期影视工作室过程中，常常在视频剪辑过程中的团队合作感到痛苦。

为了解决这个问题，他和他的团队一员（John Traver）决定开发一个产品，让视频编辑上的团队合作和Google Docs产品（美国在线文档协作产品，与国内石墨文档、腾讯文档类似）一样愉快。

于是他们创建了Frame.io，产品聚焦在满足自由剪辑师和小企业的需求上。

意外的是，不久以后Netflix（美国付费在线影视巨头：奈飞）登门拜访，寻求更好地为公司数千人的团队提供视频编辑协作服务。为了支撑这些企业级客户，Frame.io从产品和公司层面都要做出根本性的改变。

随着时间的推移，客户将开始以你意想不到的方式使用你的产品

在Frame.io第一版中，甚至没有呈现已完成的客户工作概念。但仅仅用了一个周末，CTOJohn Traver就开发出了一个展示页面给早期测试用户。没过几年，相当数量的广告公司和创意机构使用Frame.io展示自家的作品集，创意广告和客户视频。

这个事实鲜明地展示了客户会歪曲使用你的产品，以解决自身问题。而且这些你最初创业时从未想过要解决的。

开拓（潜在）市场是持续增长的关键

一旦你通过最初的产品或服务建立了忠实客户群，就可以通过给现有客户提供更多产品或服务的方式，低成本获取更大收益了。理解谁是你最有利可图的客户，以及他们的需求如何变化，对驱动开拓（潜在）市场至关重要。

没有付费意愿的客户耗费了你太多时间

Frame.io起初产品的核心用户之一——自由剪辑师，没有预算和工作稳定性验证产品的订阅收费模式。

然而这部分用户（自由剪辑师）占了总用户量的80%，却只贡献了不到25%的收益。

与此相反，5人以上的视频编辑团队带来了75%以上的收益。为了扩大营收规模，Frame.io聚焦到更小的客户群上。这导致了公司战略重心转移。

综上所述，我们可以开始进入识别客户的四步流程。

识别客户的流程

第1步：细分市场

为了更好理解当前和未来客户，你首先需要对客户分区，把相似属性的客户划分到一组：

• 他们（客户）可能对产品反应一致
• 他们可能给公司带来的收入差不多
• 他们可能有同样的需求或一样的表现

做出清晰的市场划分需要一点艺术，也需要一点科学。但最终两者殊途同归：客户群是相互独立且完整的。每个客户或潜在客户都被划分到每个细分市场下，没有客户不属于任何细分市场。

为了简化，最好把整体市场划分为6类或更少的客户群。

建一个模型

开始市场细分前，建一个模型十分有用。模型聚焦在2个最重要但独立的需求：价值和当他们寻找解决方案时的态度。

设置较大的类别差异，通过不断试错保证客户属于且仅属于其中1个细分市场。在Frame.io，我们重点考虑如下2点：

• 视频是他的主要收入来源吗（以视频为生计吗）？（是，否）
• 当下团队协作（编辑）的痛苦程度强烈吗？（高,中,低）

这些坐标建立了一个6分市场的矩阵模型，如下图所示：

定义细分市场客户群特征

接下来就是找出每个细分市场客户群特征。对Frame.io来说，有如下特征：

• #视频团队规模
• #不同的团队
• #当前视频工程量
• 视频内容敏感性
• 所在行业
• 关键决策者
• 创意软件预算
• 平均月度常规收入

把以上特征填入6分市场矩阵模型：

把现有客户填入已经定义好的矩阵模型

用你的客户代替123

通过细分市场进行客户行为分析

一旦对现有客户细分完成，我们就可以做出启发性的分析，或者发现不同细分客群对业务指标的不同贡献情况。在Frame.io,我们深入分析以下特征：

• 免费计划账户数
• 付费计划账户数
• 年度收入贡献度
• 流失率
• 最多选择的计划
• 账户使用人数
• 功能使用深度

我们发现了出乎意料的结果。如前文所述，我们发现个体创意者占了总用户的8成，却只贡献了25%的收益，但流失率却是其他客群的4倍。

第2步：确定市场规模

现在，您已经开发了一种方法来吸引客户和潜在客户，您可以利用这些经验来确定全部商机。定义商机的方式很多，但在Frame.io所在的SaaS领域，通常使用潜在年度经常性收入定义商机。评估潜在收入，你需要知道多少客户使用你的产品或服务，每年的平均付费金额多少。

确定潜在客户数

可以使用现有客户特征判断未来前景。这个过程B2B公司区别于B2C公司。在Frame.io，我们使用北美工业分类系统和SIC行业分类，从中寻找潜在使用产品的公司员工规模。

还可以通过第三方数据源，例如Zoominfo，但Dun & Bradstreet是不二之选。

如果你是B2C公司，需要更多的行业和趋势研究报告来确定具有相同特征和行为的潜在市场规模。

一旦确定了潜在客户的数量，将它们布置在下面的图表中进行比较将很有帮助。

计算潜在价值

在确定存在多少潜在客户之后，下一步就是确定在给定年份中每个客户平均可以向您付款的金额。您可以将现有的客户支出用作代理，但是您可能会低估他们的支出潜力。作为成长阶段的公司，您可能会吸引现有客户的更多参与，并引入可以随时间交叉销售的附加组件，从而增加潜在收入。

在Frame.io，我们使用以下指标的组合来确定潜在的ARR （年度经常性收入）

• 员工人数
• 视频中所涉及的员工百分比
• 平均席位价格

计算市场机会

计算市场机会只是潜在实体及其产品的乘积之和。潜在价值。

完成此步骤后，在下面的图表中按段划分相对机会也很有帮助。

明显的事实是，按细分市场的市场机会与按细分市场的实体的数量完全不同。

确定您的市场渗透率

要回答最初的问题， “我们已经占领了多少市场？”，您可以将当前的ARR（年度经常性收入）与潜在的ARR进行比较。对于处于成长阶段的公司来说，看到很少的市场已经被抓住，还有剩余的机会存在，通常是令人惊喜的。

本文引用增长黑客方法论，遵循数据驱动运营思维准则，对一款家居后APP做整体复盘分析。笔者旨在利用数据分析工具对一款互联网+产品进行解剖，通过数据层的表现，找出背后内核层、表现层及业务层的驱动逻辑。让这款具备了从0到1特质的产品以一种理性、科学、严谨的案例拆解形式来帮我们寻找创业产品的爆发式增长共性，强化和提醒数据驱动运营的思维准则。

一、 产品及用户概况

1. 产品概况

产品形态：师傅端（安卓版、IOS版）、商户/个人端（安卓版、IOS版，以下均简称商户端），其他产品形态不在本次分析范围内。

时间周期：2017年7月1日-2019年4月1日

周期内数据趋势：累计用户0-420,000，活跃用户0-15,000

产品流程图：

2. 用户画像

了解你的用户属性，包括基本属性和设备属性，便于我们基于用户数据，制定产品和运营的策略。

系统自带的用户画像属性不谈，我只提自己从数据层看到的一些有价值的信息：

（1）师傅端APP安卓和IOS的累计用户比例是7:3，而商户端则是3:5结论。

由此判断，家居后市场从业的师傅大部分使用安卓手机，收入不高。针对师傅端在产品迭代版本顺序选择和Push推送、渠道分发及推广、运营活动设计上，都要优先选择安卓。

在此产品一次运营裂变活动中就遇到过ios下h5的长图片二维码可直接长按识别完成分享裂变，而安卓系统则必须重新做匹配的图才能直接识别。商户端则相反。

（2）地域分布：作为一款O2O的家居后产品，了解用户的地域分布无论是对于整体运营决策还是精细化运营，都非常重要。

这次做复盘比较意外的无论是师傅端还是商户端，湖北都没有进入到前五，也从侧面说明了目前平台的北极星指标（后文讲解）主要还是依靠线上完成。

3. 用户行为

使用频率、页面访问、页面路径及来源等，这些都是最基本了解用户行为的维度。

因为这里是概况，所以只对平均单次使用时长和日启动次数结合一起做了分析：

师傅端平均单次使用时长

商户端平均单次使用时长

师傅端平均日启动次数

商户端平均日启动次数

结论：师傅端平均单次使用时长两级分化严重，到行业旺季单量大或有运营活动时暴涨，整体呈缓慢下降趋势，但日启动次数明显上升。这和产品迭代加入了师傅签到打卡、每日抽奖、积分商城等运营方式有关，但如何通过师傅社区及其他内容运营提升总使用时长完成从工具转向平台产品是下一步需要阶段的问题。

商户端则平均单次使用时长较稳定，对常规运营活动敏感度较低（后续会介绍商户端运营的爽点在哪里），整体呈下滑趋势，说明商户使用产品目的性很强，产品UE在逐步优化，发单流程更简化，缩短了用户操作时间。日启动次数也呈箱体波动，下一步如何提升商户日启动次数，提升品牌忠诚度是下一步需要阶段的问题。

需要注意的：在拉平均日使用时长的时候，师傅端并没有按照原定周期从2017年7月1日开始拉取，是因为开始我按照这个时间周期拉数据的时候，发现全周期的历史峰值是在2017年的9月19到9月30之间，远远高于其他时间段。而且，无论从平均日使用时长还是日启动次数都很异常。

对于这段不正常的数据，我做了重点分析，后来对照累计用户数的变化和询问当时的运营情况，终于揭开了谜底：

从累计用户数上告诉了我们真相：原来在2017年9月期间，当时APP产品刚上线不久，从之前的H5形态切换过来，初期师傅用户很少，只有几十个，来源于运营人员的地推。同时，为了吸引种子用户的参与，对师傅报价采用了补贴活动刺激。所以，就导致了当时仅有的几十个师傅为了争抢报价补贴，产生了大量使用时长和打开数。

而9月30日的回归均值，则是因为首先从累计用户数上看，师傅总数的大幅提升，后面几天都是几倍甚至十倍的日增，所以就拉低了使用时长及各项指标的均值。同时，平台停止了报价补贴活动。

所以，我们在平时做数据分析时，应该对异常点做专项细致分析和处理，不然就会导致整体数据分析偏差。

二、 增长黑客方法之爽点、北极星指标与增长等式

首先说明下，此篇只是沿用增长黑客方法论的思维模型做系统复盘，之所以选用增长黑客，是因为这款非大厂非豪门的创业产品一路走来都是力求低成本实现爆发式增长；并且增长黑客主要方法是基于数据收集和分析，快速设计实验和验证结论的过程；用超强的技术实现能力，高效的把运营想法落地到实践，快速试错和迭代，这也是此篇强化和提醒数据驱动运营思维准则的目的。

我认为，增长黑客不仅仅是一种方法论，更多在于指导产品运营的思维模式、行为准则、管理模式及人员配置。在流量红利期已结束的今天，增长黑客思维应该是产品运营人必备的核心思维之一。

作为适用增长黑客方法论的前提是产品足够好——即P/MF产品与市场匹配度足够，用户群体足够大且能快速获取用户。在这一块，这款家居后产品是能满足基本条件的。

下面，我就用增长黑客方法论结合数据驱动运营思维来对这款产品做复盘：

1. 用户爽点（啊哈时刻）

（1）商户端

我认为，客户端的爽点在2个不同时刻都有，而主要的爽点是：在开始阶段，发单3分钟内，有多个师傅报价且费用比线下找更低（算上平台给的补贴）。

另一个小的爽点是：通过平台雇佣师傅后，安心无忧不用操心售后问题——即在安装阶段出现问题时，平台会介入协助解决售后问题。

（2）师傅端

我认为就一个爽点：用上这个APP后，每天都能接到新单子或者多赚钱的那一刻。

这样的体验，就跟打车软件类似，冰天雪地里叫车的我们，爽点就是发单出去马上有安全价格合理的司机过来接。而司机师傅的那一句提示音——“您有新的订单啦~”就足够让他到爽点。

2. 北极星指标

数据层：活跃用户，即活跃。

业务层：订单完成量，即转化。当然，在不同产品周期，北极星指标比重有变化。在2017年-2018年4月导入期，北极星指标主要为活跃用户量，进入发展期后，则主要为发单量及完成情况。每个阶段的团队KPI指标及人员考核也是围绕这个核心北极星指标进行指导拆分的。

3. 增长等式

活跃商户数 X 平均发单量 X 活跃师傅数 X 平均接单量 X 平均单价 X 订单完成率 =订单完成量增长

4. AARRR模型

这个也是增长黑客中主要工作流模型，其实就是我们常说的“拉新（Acquisition）”、“促活（Activation）”、“留存（Retention）”、“传播（Referral）”、“转（Revenue）”。

这些以前我的文章写了很多，这里不展开，整个步骤如图所示：

三、 AARRR模型之拉新

周期内拉新情况

1. 最高点

首先看师傅端的拉新，如上图所示：拉新除去春节、淡季放假几个低点外，一共有几个值得注意的拉新高点。

当时最引起我注意，也是花了大量时间去做问研的就是2018年的4月18日，在这天，安卓和ios都达到了历史最高。通过查看渠道来源和时段详情，可得知安卓几乎都是来自默认渠道，而且时间集中在12点左右的一个小时内（苹果只有AppStore）。

由此可见，让我对那天的“暴涨”几乎排除了是由于投放或某个线上平台流量爆棚导致的可能。

同时，我也专门询问了产品经理，让她给我调出了当天的后台订单情况，即全平台最后的转化目标，当天也无异常：

由此可见，当天的可能更多是进行了某种将默认产品包直递到用户的运营操作。

开始我本以为是集中的一次大规模地推，当时询问到某位运营人员时也这么提过。后来想想，地推的用户场景下，时间不太可能这么集中增长。

比较遗憾的是当时没有开通各渠道包，全部来自默认渠道，所以就没法对APP的流量渠道做区分。

从搜集到的4月及当天发生了所有可能性中，我判断是因为对集中采集到的一批大数据进行了群发短信激活（SMS）这一动作，导致了这个拉新的特殊时刻。（商户端的图形和原因也一致，这一就不赘述。）

2. 次高点

次高点是在2018年的11月-12月底期间，这段时间也是周年庆和双11活动促使日均订单大幅提升和产品领劵中心和金币商城上线。

双12活动开展的期间，亦是北极星指标，完成订单数的历史峰值，所以这个次高点的拉新原因就不用展开了，各种线上活动的开展，流量来源的叠加和产品功能的更新导致了这个次高点的发生。

3. 第三高点

第三高点是从2018年的5月-6月期间，这个阶段很有意思，因为按历史数据来看，这应该是个淡季，不过我们看看产品版本更新记录就大概明白是怎么回事了：

原来5月和6月陆续推出了“金牌师傅”、“邀请有礼”、“任务系统”以及每日抽奖重磅功能，这些对于运营的重要性，之前我的文章有写。

所以，可以判断的是：第三拉新次高点和产品的更新有着强关系。

而且，在后面的促活部分我也会说到，在师傅端的IOS活跃用户最高峰值上，竟然不是刚才提到的最高和次高点，而是5月11日。所以也验证了“用户是否活跃，主要得看产品”这句话。

4. 拉新方式分析

我除了对周期内的三大高点的细化分析外，还结合增长黑客方法论、产品生命周期理论和图形上几个大的增长区间做分析。

本案例能整体保持向上较高增长趋势，我认为如下几个拉新方式是值得学习的：

（1） 整体文案的市场匹配度

这条也是增长黑客关于能扩大获客规模，首先要实现的两种匹配之一，也就是能对产品优势的描述打动目标客户的程度。

这个最有代表性的就是乔帮主的那句“将1000首歌放在你的口袋里”。异曲同工的是，在18年4月之前的增长区间里，本案例对商户端提出了“3分钟5个报价”、“找师傅，就上***”；对师傅端提出了“平台奖励多，师傅赚钱多”、“收入翻倍计划”等等，直观明了，获得了导入期宝贵的种子用户增长。

（2）渠道和产品的匹配度

即你所选择的营销渠道在向目标用户推广产品时的有效程度，要分析用户的行为类型进行对应的获客渠道选择并监控渠道来源结果做筛选。在本案例进入发展期后，也是对各渠道的有效监控，从而发现了例如SEO/SEM，第三方电商等后期成为完成北极星指标的核心渠道。

在这个过程中，也是不断进行新的尝试，并做优化试验。

（3）设计用户邀请及病毒循环

首先圈定了在某个阶段的活跃种子用户，用户属性通过不同维度的筛选后，对于不同时期的潜在“超级用户”，放到了用户运营最优先级，使用了包括：首单减免、充值优惠券、诱导分享、积分兑奖、邀请朋友得红包、定向活动推送、活动邀请、游戏裂变等。

传播学中，K=每个用户向他的朋友们发出的邀请的数量*接收到邀请的人转化为新用户的转化率。

通过营销方式结合，当k>1时，用户群就会象滚雪球一样增大。想象Dropbox当时怎么实现几十倍增长的？就是因为用了邀请好友享受更大容量这招，包括hotmial的尾部签名邀请使用、paypal的注册就送10美金的案例皆如此。

（4）试验试验再试验，找到一招用到极致

正如上文中提到的4.18高点的主要原因，是对集采数据进行了批量短信激活一样，在本案例过程中，有无数个类似的看上去不起眼甚至觉得很low的运营动作，也包括类似Airbnb的发家之路，在不断优化试验中，发挥到了极致。

不要觉得有些手段过时了，airbnb的案例已充分将为了低成本实现高增长而无所不用其极展现的淋漓尽致。

四、 AARRR模型之促活

周期内师傅端活跃情况

周期内商户端活跃情况

1. 师傅端

和拉新分析类似就不再重复，有意思的是上文提到的5月11日这个爆发峰值点，在活跃处等到了强化验证。

因为5月和6月陆续推出的“金牌师傅”、“邀请有礼”、“任务系统”以及每日抽奖重磅功能，让师傅端的IOS活跃用户到达了阶段最高峰值上。而整个师傅端的活跃也是经历了从导入期的小平台A，到过渡期的小平台B，再到现在的发展期小平台C和D。

2. 商户端

这次要把前文中用户行为处提到的做定向分析，上文提到商户端的平均单次使用时长较稳定，对常规运营活动敏感度较低，那么从日活上看商户端运营的爽点在哪里呢？

原来商户端的日活图形和师傅端差异很大，峰值在11月底-12月出现了爆发式增长，究其原因是因为推出了领券中心、双11 、双12活动等。

所以，从这里的数据分析，可以再次印证了开头提到的商户爽点：发单3分钟内有多个师傅报价且费用比线下找更低（算上平台给的补贴）。

到这个阶段，师傅活跃度已经足够多，加上产品发单流程的简化，剩下的就是利用一年一度的双11，双12作为引爆点，对商家进行优惠券、促销等降低发单费用即可造成活跃的爆发式增长。

3. 促活转化和流失漏斗

这里我专门从最源头，渠道的下载量统计开始到最后活跃做了一个转化和流失漏斗，里面很值得运营和推广人员研究：

各版本产品渠道下载数据与友盟累计激活用户比例示意图：

促活转化和流失漏斗，（友盟统计2017年07月01日~2019年04月01日）

五、 AARRR模型之留存

师傅安卓端用户生命周期表

商户IOS端用户生命周期表

这里用友盟+的用户增长功能中的用户生命周期图表更直观一些，同时我也用7/14/30日留存率做了同步对比，基本上和这个图形展现出的结论一致。

目前整体产品还是偏向工具型，虽然一致在通过社区、积分商城、学院、答题等功能来提升粘性，慢慢过渡到平台型，但是目前的沉默用户和流失用户比例较高。

（1）师傅端

对师傅端来说，拉新是把双刃剑，既可以从新手转化为高成长潜力用户，也有一半比例可能成为高流失风险用户。且即使到了成长阶段，也大比例会视情况转为沉默用户，同时一旦流失，具备高召回潜力用户比例很少，甚至会直接卸载产品。

可以理解是师傅对此类产品比较随性，没什么忠诚度，主要看平台是否能满足其爽点，一旦没满足，再次回流的可能性很小。

（2）商户端

拉新比较稳定的可以转化为成长阶段用户，且用户质量较高，只要用习惯了本产品，都具备高价值潜力用户特性。另外，在流失阶段，如果应用得当，高召回潜力用户也比例很高。

可以理解是商户对此类产品比较理性，目的性很强，主要看平台前期是否能满足其爽点，对其有价值，要么好好用，要么暂时不用等时机成熟再回来，流失再次回流的运营召回动作很重要。

（3）建议

对商户端沉默和流失用户做分群推送，采用能满足商户爽点的文案；而师傅端，分群推送效果不好，应该重点在前期拉新渠道和方式的建设和产品用户体验上做好功夫。

友盟+的用户生命周期表结合分群推送实现定向召回

六、 AARRR模型之转化

本案例2018年订单增长曲线及对应事件

运营最终目的就是为了转化（Revenue），一般用的比较多的就是漏斗分析法。

利用漏斗模型分析每一步的流失与转化，用来分析不同用户群从事件开始到结束过程中用户数量的变化趋势和比例，从而寻找到优化方案。漏斗显示最终转化率与每步之间转化率，同时通过趋势、对比、下钻分析进行分析，这个方法被普遍用于产品各个关键流程得分析中。

如图所示：

师傅端服务事件漏斗Demo分析演示

从第一次报价→开工→上传完工图和最终完成服务的转化率，我们通过这样的漏斗模型就可以找出哪个环节的转化率最低。同时，和行内标准值进行对比，没有达到的，要去分析具体原因在哪里，再去针对性的优化和改善。

同时，还可以对页面的关键事件做漏斗分析，例如：如果从首页到订单中心的转化率有80%，但是从订单中心到最终下单竟然只有5%。那么就应该通过给订单中心做分步骤埋点，从而发现问题——例如进入订单中心后，缺乏当前步骤的提醒，落地页的UI设计和在线传图的UE也有问题，对比竞品和做A/B测试后，最终转化率提升几倍。

另外，转化没有神丹妙药，只能根据各自项目的特性，多进行用研工作，调查用户的需求，优化服务定价。同时，逐步提升ARUP值，还要分用户群体采取不同的策略。在了解用户需求的基础上，进行转化产品和服务的创新和升级。

除主要转化方式外的其他转化方式

总结

通过此次对这款家居后APP的复盘，也让我本人重新温习了增长黑客方法论的精髓以及让我对数据驱动运营有了敬畏之心。

所有优秀的产品表现层的内部一定有着精心设计的内核层、业务层的驱动逻辑，同时一款优秀的数据分析工具给了我们这双发现的眼睛，让我们能够以一种理性、科学、严谨的方式来一窥真相，洞察奥秘。

在流量红利消失的互联网下半场，我们需要增长黑客方法论的指导，和遵循数据驱动运营思维准则，来实现从0到1的低成本爆发式增长。

独学而无友，则孤陋而寡闻。

 

相关阅读：

1.运营推广：一次从0到1低成本的增长黑客实验！

2.产品运营：一次从0到1低成本的增长黑客实验！

3.增长黑客实战：一个完整案例详解运营核心方法！

4.增长黑客这么火，能从他们身上薅羊毛么？

5.增长黑客指南：如何提高用户留存

6.趣头条的增长黑客：IPO前解密4大用户增长策略