高阶用户增长黑客思维导图模板_ProcessOn思维导图、流程图

建立增长大局观

评估增长可行性（PMF分析）

PMF分析：Product MarketFit，即有用户需要你的产品，且在较长时间内重复使用它，验证产品是否满足市场需求且从中获利

如何判断产品是否达到PMF

直观表现

无需付费推广，产品有天然的增长

核心用户留存率和使用率高

客服和服务器开始不够用

数据表现

定量

有数据积累，绘制留存曲线，留存曲线逐渐变平，说明部分新用户一段时间后仍持续使用产品

定性

对使用产品一段时间的用户进行调研，发现40%的用户对不能继续使用产品感到失望

如何寻找PMF

1.通过用户访谈，确认是否找到值得被解决的问题，应该被如何解决

问题足够大

问题足够紧急

解决问题能够为用户创造价值

2.构建MVP，通过MVP用户调研和数据反馈，验证产品是否被用户所需要

3.通过用户反馈和数据反馈不断优化产品，直到达到PMF

评估增长重点

AARRR模型

获取用户

激活用户

用户留存

自传播

获取收入

通过四个问题，找到增长重点

1.你的市场处于哪个阶段

增量市场（市场不断扩大）

AARRR重点：获客，抢占流量红利

存量市场（市场有限）

AARRR重点：留存和变现，优化产品和服务，提高单体用户价值

精细化运营，提高留存率和复购率

添加增值服务，提高客单价和ARPU

增加新的使用和付费场景

寻找新的增量市场

2.产品处于生命周期的哪个阶段

生命周期不同阶段的增长重点

探索期

PMF：留存

成长期

获客

成熟期

留存+获客+变现

衰退期

留存+变现+迁移

判断产品生命周期方法

1.市场渗透度曲线，产品在市场份额的变化

2.净增长+留存矩阵

正净增长+留存率强：可持续增长，成长期

负净增长+留存强：生命末期，成熟期

负净增长+留存弱：死亡漩涡，衰退期

正净增长+留存弱：流水的桶，探索期

3.产品属于哪个品类

产品类别

工具类

内容类

社交类

游戏类

电商类

SaaS类

平台类

1.用户是否会直接付费

不会，AARRR重点在留存

会，AARRR重点在变现

2.不会直接付费+社交属性弱：形成使用习惯，抢占用户时间，如工具类、内容类

3.不会直接付费+社交属性强：形成高频互动，通过老带新自传播获客，为长期变现打基础，如社交类、网游类

4.会直接付费+社交属性弱：优化付费转化路径，提高复购率，如电商、SaaS

5.会直接付费+社交属性强：留存+变现两手抓，如平台、杂交类

4.商业模式里有哪些独特的重要因素

增长的载体不仅仅是产品和运营，而是要从”商业模式“考虑

如电商：供应链、货物

金融：合规、政策、法律

平台：供给方选择、商务、销售

借鉴其他产品的增长思路

1.找到可借鉴的产品

可借鉴的竞品

市场份额领先的头部竞品

有特色的差异化竞品

线上产品的线下体验

可借鉴的非竞品

针对类似目标用户的产品

处于同一大类别，品牌调性类似的产品

2.收集产品信息

综合数据

渠道工具：APP Annie、七麦数据、艾瑞、阿拉丁

获取信息：竞品下载量、活跃度、趋势、竞品应用商店历史

信息流广告

渠道工具：信息流雷达、AppGrowing、Adbug、Adinsight

获取信息：竞品的信息流广告素材和类型

SEO

渠道工具：5118、金花站长

获取信息：竞品关键词、落地页、文案

微信生态

渠道工具：公号软文、小程序

获取信息：竞品的公众号软文投放和小程序换量

产品体验

渠道工具：自己使用体验、加入精品社群、关注公众号等

获取信息：竞品功能体验、CRM渠道（推送短信）、社群和内容运营

增长策略+盈利

渠道工具：搜索、交流

获取信息：增长战略和策略、商业模式、盈利状况

3.通过AARRR模型快速还原增长要素，寻找可借鉴方向

获取用户：搜索、社交、广告平台、论坛、群组、公关、活动、合作等

激活用户：产品介绍、新用户体验、着陆页、视频

提高留存：产品功能、社区、邮件、推送、会员奖励、内容

自传播：产品设计、口碑、推广、奖励

获取收入：广告、会员、电商

找到增长方向标：北极星指标

北极星指标：唯一重要指标

不同的北极星指标，导致不同的产品决策，决定不同的团队细分目标，带来不同的公司命运

如何制定北极星指标

1.明确长期商业目标和用户价值

找到两者交集

用户价值

通过产品实现

描述要具体

2.列出备选指标

1.能否反映用户从产品中获得核心价值

2.能否为产品达到长期商业目标奠定基础

3.能否反映用户活跃度

4.指标变好，能否提示公司在往好的方向发展

5.是否简单，直观，容易获得，可拆解

6.是否先导指标，而非滞后指标

3.确认最终北极星指标

北极星指标并非绝对唯一，许多指标之间存在相关性，在公司一定阶段，都可作为北极星指标，如月活、周活、日活

北极星指标代表公司战略方向，变动周期应以“年”为单位，可能随着公司不同阶段的战略重点而变化

单一指标不能全面体现公司经营情况，考虑加入重要的反向指标作为“制衡指标”，如电商的退货率

没有绝对正确的指标，只有当下最重要的指标，对产品适合对北极星指标，也可能不止一个

有C端和B端的产品，如何制定北极星指标

1.把相对不重要的一端放到增长模型里衡量

2.拆到各个业务线里单独制定指标

3.不是重点发力的业务，不放在北极星指标和增长模型里

构建4种增长模型

增长模型：找到所有对北极星指标有影响的细分指标，并用一个简单的公式把这些细分指标联系起来的过程

从北极星指标到细分指标的拆解过程

把不可操作的北极星指标拆解成可操作的细分指标，通过改变细分指标影响北极星指标

如何构建增长模型

1.定义北极星指标

代表产品价值被用户体验到的理想状态

2.绘制用户核心转化路径

记录用户从对产品一无所知，到体验到产品核心价值所经历对主要步骤

3.组装增长模型

给用户核心转化路径对每一步，都找到一个对应的细分指标

根据增长模型框架，把细分指标放进去，并填入具体数值

增长模型类型

AARRR模型

获取用户、用户激活、提高留存、自传播、获取收入这五步骤

优点：容易搭建，可以快速显示影响北极星指标的所有因素

缺点：定性模型，比较粗略，没有说明每个因素对北极星指标增长在数值上的影响，也没有标注每个因素之间的相互关系

全链漏斗型

北极星指标=A×B×C×D

优点：把影响北极星指标的主要细分指标都显示出来，找到机会点，容易搭建

缺点：不能直接计算北极星指标

因子分解型

北极星指标=A+B，A=A1×A2，B=B1×B2

先通过用户群组，通过“加法”分解

再按照用户漏斗，通过“乘法”分解

优点：不仅可以显示所有细分指标，还可以计算细分指标对北极星指标对影响

缺点：搭建起来较为复杂，需要的数据多

全定量模型

全定量模型，分解出影响增长的因素和对应的细分指标，并把所有指标组合在Excel里计算北极星指标

主要应用：可以进行假设分析

优点：可观测历史趋势，预测未来北极星指标数值，并进行假设分析，量化不同指标变化对北极星指标的影响

缺点：组装和维持起来费时费力

增长模型应用

1.找到聚焦领域，决定先做什么，后做什么

2.寻找具体的增长思路

3.指导指标拆分和团队协作

拆分细分指标需遵循MECE原则

ME：相互独立，每个细分指标完全独立，避免后续分配给团队时互相打架

CE：完全穷尽，细分指标需涵盖影响增长重要因素，避免增长中盲点

五步上线【增长实验】

1.产生实验想法

如何产生高质量实验想法

1.明确实验目标

提升单点转化率

文案测试

设计测试

单页面测试等

提升全漏斗转化

路径测试

对比新旧版本指标

新功能或版本上线

新功能探索，提升留存率，个人化等

复杂实验：MVP、功能、算法等

2.从数据中寻找洞察

实验假设+实验想法库

实验想法库：记录所有实验想法和假设，对所有想法初步排序，便于后续使用

两种方法

1.从3类数据中寻找证据来支持假设

定量数据

问题是什么

定性数据

为什么发生

最佳实践

怎么改更好

参考市面上的最佳实践

转化率优化的Lift模型

价值主张

明确有力的营销口号，用户可以精准感知自己能得到什么好处

相关性

落地页、转化页符合用户预期，与价值主张相关联

清晰度

体验流程清晰流畅，用户清晰知道下一步该做什么

焦虑感

做减法，不给用户过多选择

注意力分散

减少视觉干扰，只为一个核心目的服务

紧迫感

营销饥饿感促使用户决策，善于利用禀赋效应、损失厌恶等心理

2.通过N轮数据分析提升假设质量

分析数据，发现问题——形成初步假设——进一步分析数据，提升假设质量

3形成实验假设

输出模版：如果（具体等改动），预计（某指标可以提升**%），因为（深层原因—有数据支持等假设）

如：如果Canva可以设计个人化等海报新用户引导流程，预计海报功能新用户激活率可以提升10%，因为当人们通过海报功能找到canva，他们想很快完成设计，如果没有马上找到合适的模版，很容易流失

2.想法优先级排序

ICE模型打分表排列优先级

预期影响Impact

覆盖多少用户

实验成功能把指标提升多少

成功概率Confidence

能否从数据中找到强有力对洞察支持

容易程度Ease

需要花多少成本验证假设，研发、设计、运营等

不要追求绝对的精准排序，而要提高实验频率和数量

3.实验设计

1.选择实验指标

确定哪些指标能衡量实验成功或失败

3类实验指标

核心指标

决定实验成败的关键指标

后期进行统计显著计算

简单实验有核心指标就够

数量：1个

如何寻找

实验最终目标是什么

最想要影响的指标是什么

哪个指标可以告诉你实验组的改动是成功的

辅助指标

其他实验可能影响到，因而需要监测的重要指标

数量：＜10个

如何寻找

漏斗细分步骤转化率

重要的下游指标

其他用户关键指标

反向指标

实验可能负面影响的指标，如退款率、退订率、页面退出率等

数量：1—2个

如何寻找

提示实验可能的负面影响

没有负面影响或者负面影响可以接受，宣告实验成功

负面影响太高，可以否决实验结果

2.确定实验受众

提前估算所需样本量和实验要跑的时间

回答两个问题

1.哪些人会被包含在实验里?

针对特定用户群组进行实验，帮助生成更加精细化的产品优化方案

2.实验大概需要多少样本量？

对增长实验结果进行统计显著性检验

从结果可靠性出发

样本量大，实验时间越长，结果越可靠

从实际工作出发

样本量越少，实验时间越短，迭代速度越快，试错成本越低

统计显著性

对照组和实验组之间的转化率差异有多大可能是真实存在的，而不是随机误差引起的

统计显著性≧95%

统计显著性越高，结果越可靠

如何预估实验所需样本数

影响实验所需样本量因素

1.原版本转化率

原版本的转化率越低，意味信号更弱，需要的样本量越多

2.新版主转化率

预期和原版本的转化率差别越小，要求检测的敏感度更高，需要的样本量更多

3.统计性显著要求

一般建议至少要求95%的统计显著

工具

A/B 测试样本数量计算器

https://www.eyeofcloud.com/124.html

计算每个实验版本的样本量，如计算样本总量，需要吧所有版本的样本量相加

A/B测试工具

云眼

测试结果分析：https://www.eyeofcloud.com/126.html

吆喝科技

实验时长

所需总样本量大小/实验页面每天访问数=预估实验所需时间

3.设计实验版本

实验所做的改动在哪里

设计几个版本？区别是什么

1.版本数量取决于实验假设的数量，只选择高质量的实验假设

2.明确是优化实验，还是探索实验

优化实验：每个版本只改动单一变量，明确改动影响

探索实验：可以同时改变多个变量，设计全新版本

3.版本越多，所需样本数越多

如流量不够，建议减少版本数

流量在版本间如何分配

样本分流是否均匀，会极大影响实验结果的可信性

科学分流：A/B测试工具的最重要功能

均匀性

确保分流人群各维度分配比例均匀，且分布随机

唯一性

确保单个用户每次登陆时被分到的实验版本是唯一的

定向性

根据用户标签实现精准定向分流

分层分流

满足并进行大量A/B测试需求

4.开发上线

开发试验

开发实验版本

进行数据埋点

A/B测试工具

确定实验指标

找到对应的用户行为

定义需求：行为事件埋点

开发完成埋点，数据返回A/B测试工具

A/B 测试工具自动计算实验指标

手动分析实验结果

确定实验指标

定义需求：记录实验中包含哪些用户？看到的实验版本是什么？扥

开发完成埋点，数据返回数据库

手动分析试验指标

完成增长实验开发PRD文档

实验QA和UAT

检查实验版本和数据埋点

上线实验

上线代码

开始实验

5.分析和应用结果

评估结果可信性

判断结果是否达到统计显著

主要考虑

1.实验时间是否足够

2.实验核心目标是否统计显著

3.实验设置是否有问题

4.实验结果是否可以分析

分析实验结果

核心指标

辅助指标

反向指标

观测周期

短期：实验结果达到统计显著后，即可停止实验，分析试验指标，得出结论

长期：如实验针对的是长期指标，实验停止后，需长期监测对核心指标的影响，最终确认结果

决定实验下一步

数据驱动增长

五步通过数据驱动用户增长

1.梳理用户路径

理解数据：业务、用户、产品

如何梳理用户路径

1.梳理核心路径

从北极星指标出发，构建转化漏斗

转化漏斗一般是设定的用户主路径

2.细化核心路径

将核心路径中加入更多的漏斗步骤，理想形态是拆到不能再细化为止

3.加入其他重要路径

描绘主漏斗之外的重要行为路径

梳理重要的产品功能和业务逻辑

找到路径之间的关系

2.制定数据采集方案

收集数据：追踪用户行为路径

如何埋点

1.记录哪些信息

埋哪些点

已有基本埋点，查漏补缺：只需埋点缺失的数据

需从头埋点采集用户行为数据：分级分步，有主到次

核心路径主干埋点—核心路径细节埋点—其他重要路径埋点

每个点记录哪些信息

1.行为本身event

用户进行了什么操作

2.行为的属性property

谁：谁参与了这个事件，设备ID、用户ID等

在什么时间：事件发生的时间

什么地点：事件发生的地点，IP、城市、国家等

用什么方式：用户参与这个事件的方式，设备类型、版本号、来源等

做了什么事情：根据事件类型，加入更多细节，商品名称、价位、error等

如：行为=浏览页面，属性=用户ID、时间、IP、应用版本、页面名称等

2.怎么提需求

制定事件埋点计划

所有要埋的点：事件

每个点要记录的信息：属性

客户端（前端）VS服务器端（后端）埋点

前端埋点

记录用户前端操作行为，如点击、页面打开

方法：代码埋点

优点：真实记录用户行为和路径，不需要请求服务器数据

缺点：不能记录业务结果，网络慢可能导致数据不完整或延迟；改变版本时需要更新版本，界面改变时需要更新

后端埋点

记录用户特征变化及前端操作导致的业务结果，如付款成功

方法：从接口调用后端数据

优点：实时性好；界面改动，不需要改变埋点，改变成本低；能够收集不在APP内发生的行为，记录最终结果，数据更准确可信

缺点：不能收集不需要请求服务器的数据，如用户的某个点击

常见坑

1.思路不清晰，事无巨细

从重点出发：从北极星指标，增长模型和重要问题出发，规划事件埋点计划

从问题出发：带着分析目标和数据解读思路去埋点

2.事件命名格式不统一

统一规定事件结构和命名范式，记录在埋点计划里，和其他团队共享并定期更新

3.错过重要的事件或属性

埋点前从问题出发

发现错错漏后，逐渐补齐

每次上线新功能或改变，务必把埋点作为上线任务之一

3.搭建指标仪表盘

监测数据：监测用户行为和关键指标

增长仪表盘：可以用数字指标来代表产品的业务漏斗，并实时检测产品状况

两类增长仪表盘

1.净增用户仪表盘

显示用户流入、流出和净增情况

怎么用：用来评估用户增长的总体态势和健康度

目前用户数是净增长还是净流失

是因为新增太少，还是流失太严重

接下来一段时间内用户增长的后劲如何

用新增和月活监测增长的问题

片面性：只是一方面，无法全面监测

不可操作性：月活仅是一个结果，并不能清晰显示新增多少，多少老用户留存，有多少用户流失

如何全面监测、真实的增长情况

1.净增用户

计算真正净增加的活跃用户数

月净增活跃用户=本月活跃用户-上月活跃用户

本月活跃用户=本月新增用户+本月留存用户+本月流失回流用户

上月活跃用户=本月留存用户+本月流失用户

2.增长指数

衡量公司增长是否健康

增长指数=（新增用户+流失回流用户）/流失用户

增长指数＞1，活跃用户正净增长

增长指数=1，活跃用户达到峰值

增长指数＜1，活跃用户负净增长，及净流失

监测净增用户和增长指数

自建净增用户仪表盘

增长指数

新增活跃用户

流失回流用户

流失用户等

分析第三方软件自带净增仪表盘，如Growing IO

应用

1.分析产品的总体增长趋势

2.比较多个产品的增长健康度

2.细分指标仪表盘

显示增长模型里所有关键细分指标

怎么用：用来监测所有对增长有影响对细分指标

有哪些事件对北极星指标有影响

它们目前的数值是多少

对增长的影响有多大

之间是否会相互影响等

两个组成部分

1.指标

北极星指标

增长模型指标

关键细分指标和漏斗等

2.维度

渠道来源

新老用户

设备类型等

搭建步骤

1.梳理用户路径

2，制定关键指标

3.加上分解维度

4.组装增长仪表盘

应用场景

发现和解释指标异动

提升业务认知和推动增长

针对核心业务进行下钻

4.多维度数据分析

分析数据：通过数据分析找到增长线索

5.制定增长策略

应用数据：根据增长线索制定策略

多维度数据分析

1.提纲挈领，找到增长发力点

目标：从整体业务数据和增长模型入手，找到大的聚焦领域

方法

1.全链漏斗增长模型

全链漏斗增长模型（业务基础数据）

历史趋势分析

看时间趋势

看异常点

看拐点

获客渠道分解

各渠道数据分解分析

2.简单用户数据分析

用户属性分析

年龄、性别、城市、手机型号等

用户活跃度分析

每月登陆频次分布等

场景：适用于只有基础数据或用户基数小的公司，或者作为数据分析第一步，找到大的机会点

方案：火上浇油、修补漏洞

在已经显示出成功信号的方向上继续加强

好渠道

好内容

好用户等

找到整个业务漏斗中流失问题最严重的地方，想办法降低流失

2.抽丝剥茧，用户数据分析

目标：针对用户数据进行多维度和方式分析，挖掘增长线索

方法

1.用户分群

通过属性和行为数据将类似的用户归为一个群组，并有针对性的进行精细化运营

主要问题

用户可以分成哪些主要群组

分群维度

1.属性分群

2.行为分群

如何寻找最初的分群维度

1.属性：重要的人口学属性

获客渠道

可推测用户兴趣属性，年龄、性别等

可推测用户收入的属性，设备类型、型号等

自汇报属性，兴趣爱好、使用目的等

第三方，是否使用其他app

2.行为：生命周期的关键行为

新老用户

活跃程度RFM

付费情况

功能使用

3.增长模型：增长模型中的某个变量在不同人群中差异大

选择几个维度进行分群

千人前面

需要技术和算法支持

应用分群需要足够的运营和产品资源

对绝大多数公司不适用

简单分群

对绝大多数公司，可从实际业务问题出发，从1—2个维度进行简单分群

针对具体问题，分了直接用，效果立竿见影

针对不同分群，文案、产品、促销、内容需具有针对性

组合分群

用户量达到一定数量级之后，可以选择3—5个维度，进行多元组合分群

保证分群足够大，并具有操作性

可以采用定量的聚类分析等方式

结合定性的用户调研和使用场景分析

应用

针对不同群组的用户，寻找区别对待和精细化运营的机会

1.精准拉新

对现有用户进行分群，找到高质量用户，从而进一步定位高质量用户的获客渠道和广告

2.精细化运营和产品个性化体验

针对不同群组，进行不同的运营动作，如推送文案、促销活动等

2.用户行为分析

用行为数据描绘出用户使用产品的情况，从而发现问题，产生假设，并提出改善的策略

主要问题：用户是如何使用产品的？

主要步骤

1.明确分析对象

一次性或低频行为vs周期性行为

如何寻找关键用户行为

1.从业务出发

关键转化路径上的行为

发生频次高的周期性行为

2.在数据中验证

在实际数据中，确认哪些路径是关键路径，哪些行为是高频行为，并发行任何遗漏的行为

关键转化路径：通过路径分析

高频行为：通过比较行为计数

2.选择分析方法

转化问题vs留存问题

转化问题

用户行为路径

目标：让更多的用户做某件事，走上正确的路径

分析方法

漏斗分析

同一群用户在事先规定的转化路径上，哪些步骤流失最严重

方法

1.从全链漏斗找用户流失和增长机会

2.从AARRR各环节的细分漏斗寻找用户流失和增长机会

路径分析

大多数用户的实际行为路径是什么

问自己的问题

用户的实际路径，和产品期望的主流路径有何区别

用户的主流路径是什么

有哪些事先不为人知的路径

桑基图

用法

1.用户的实际路径，和产品期望的主流路径有何区别

2.以某个行为为终点的路径：到达某个功能的路径里，哪条最主流

3.以某个行为为起点的路径：用户离开预想的路径后，实际走向是什么

轨迹细查

单个用户的实际行为路径是怎么样的

从单个用户的行为轨迹中，是否能找到某些异常或规律

用法

1.某个用户流失了，想知道流失前做了什么事情，有没有异常

2.新版本的某个功能好像有bug，看看用户轨迹是否有异常

3.这些用户没有完成下单，想看看下单过程中的用户行为如何，具体卡在哪里

留存问题

周期性行为

目标：让用户更多更久的做某件事，养成习惯

分析方法

留存分析

用了一次某功能的用户，过一段时间有多少还会接着用

问自己

1.产品留存率现状如何

2.对比观察不同群组的留存，能否找到改善机会

用法

1.产品留住用户能力如何？日、周、月

2.留存率是否有差别

用户分群对比

3.衡量产品和运营活动是否成功的最终标准

频次分析

在一段时间里，用户会用一个功能多少次

问自己

活跃用户使用产品的总频次是否偏低，如何提升

是否某一个群体使用频次超过平均值

用法

洞察使用频次分布规律，优化产品和运营策略

甄别高价值用户，并调整资源分配和运营策略

对比不同渠道、地区等纬度的使用频次分布情况，实时调整运营策略

高阶用户数据分析

高阶用户数据分析=行为分析+用户分群

行为分析

针对问题点，应用多种分析方式继续深入分析，寻找原因

用户分群

通过不同用户分群把行为数据打细，在对比中找原因

应用

通过产品或运营的方式引导用户，改变用户行为轨迹和模式，让用户更好的从产品中获得价值

用户数据类型

用户基础数据，用户属性，即TA是谁？

分析方式：用户分群

用户行为数据，即TA做过什么事？

分析方式：行为分析

场景：公司数据比较丰富、体量较大时，可以先找到大的聚焦领域，然后深入用户数据寻找机会

方案：优化产品、精细化运营

新用户激活

新用户流失常见3种原因

1.产品功能问题

改进产品

2.渠道用户匹配问题

精准拉新

3.产品价值发现问题

新用户激活

新用户激活步骤

1.明确激活目标

达到Aha时刻

Aha时刻的本质，是用简化的行为数据模拟用户首次得到价值的时刻

1.方法：简化的行为

2.目标：模拟得到价值

Aha时刻就是用户首次确认产品对自己【有价值】的那一刻

用户是否经历这一时刻，决定了TA会成为留存用户还是流失用户

Aha时刻描述格式

【谁】在【多长时间】完成【多少次】【什么行为】

谁：行动单位，用户、团队

多长时间：时间窗口，前一天、3天等

多少次：魔法数字

什么行为：激活行为，最为关键

Aha时刻源于3个核心假设

什么行为：激活行为，最为关键

2.通过某些关键行为，新用户可以快速感受产品的（部分）长期价值

3.感受到长期价值的新用户有更大的可能性留下来

误区：机械化推动用户做动作

如何找到Aha时刻

1.提出备选行为

通过关键问题和用户调研，列出3—5个可能代表Aha时刻的新用户激活行为

目标

1.明确产品的长期价值

2.找到新用户在开始使用产品时能最快感受到长期价值的方式

3.根据上述方式，提出几个最有可能的备选行为

方法：定性分析

通过关键问题

Who用户是谁

What用户用这个产品解决的问题是什么

Why用户为什么要解决这个问题

Vs用户还有什么其他方法解决这个问题

通过用户调研

对比不同用户的回答，发现产品对用户最重要的价值，找到备选激活行为

长期最活跃的用户

为什么觉得产品有价值

注册后迅速离开的用户

为什么迅速离开

注册后活跃使用的用户

为什么留下来？新用户时期做了哪些动作，有哪些关键体验

2.找到激活行为

通过数据分析找到这些行为中，和用户留存正相关性最强的关键行为，也就是激活行为

方法：定量分析

1.找到新用户激活期

评估激活行为要多快发生

3原则

1.使用频次越高，激活需要越快

每天使用，理想激活期：前1天，最慢前3天，最早了留存曲线：前31天

每周使用：理想：前1—3天，最慢前7天，早期留存曲线：前60天

每月使用：理想：前7天，最慢前30天，早期留存曲线，前90天

2.产品生命周期越短，激活需要越快

SaaS：生命周期长，新用户激活期=前30天

游戏：生命周期短，新用户激活期=前1天

3.参考实际数据

分析新用户的实际数据，看绝大多数早期激活行为发生的时间窗口

拉出所有首次完成激活行为的时间分布

2.找到激活行为

对比早期留存曲线，找到该新用户激活期内，做了和没做对早期留存影响最大的1个行为

方法

1.收集所有新用户前**天留存数据

2.将用户按有无某个行为进行分组，收集留存数据

不考察行为的次数，只是有和没有这个行为

3.画出不同用户组的前** 天留存曲线

4.对比留存曲线，找到有无该行为对留存影响最大

3.计算魔法数字

通过数据分析找到这个关键行为的最佳次数，也就是魔法数字，非必须

方法

1.边际效用最大法

1.画出新用户首日激活行为次数的分布图

2.分析首日激活行为次数和次日留存率关系

3.找到留存边际效益最大的点对应的激活行为次数

留存率拐点，也就是边际效用最大的次数

2.韦恩图

目标：以有过一定次数该行为的用户和留存用户的交集最大化为准则

方法

1.针对第1天完成激活行为的行为次数，分析次日留存情况

总结3类用户

1.既有该行为，又留存的人数/总数

2，有该行为，但没有次日留存的人数/总数

3.次日留存，但没有该行为的人数/总数

4.测试验证因果性

通过A/B测试验证因果性，确认推动用户完成早期关键行为，确实可以提高留存

2.分析数据，发现激活线索

定量定性数据分析

定量：是什么

定性：为什么

方法

1.激活漏斗

新用户激活漏斗哪一步流失率最高

构建步骤

明确激活指标

激活率

激活率=新用户在一定时间内达到Aha时刻的比率

梳理新用户流程

梳理新用户激活全链漏斗，根据全链漏斗梳理最终激活漏斗

组建激活漏斗

支持行为：用户必须完成支持行为才能达到Aha时刻，但是这些行为不能让用户获得核心价值，如下载，注册等

如何处理支持行为

1.直奔主题

多一个步骤就可能导致用户流失，因此不必要的行为越少越好

2.权衡利弊

少数支持行为虽然推迟Aha时刻，但有长远好处，可以保留，需要优化找到最佳方式

分析数据，发现线索

新用户激活哪几步流失率最高

分析流失率高的原因

通过路径分析用户真实路径

通过激活漏斗分群，了解不同群体流失率是否相同

用户画像

获客渠道

产品线等

通过激活漏斗间隔分析，了解用户激活速度

转化时间间隔分析，用户完成这一步骤需要多久

通过用户调研了解背后原因

通过点击热图了解用户首先点击的元素是什么

2.激动指数

定性了解新用户体验，在新用户激活过程中，哪些因素让用户更兴奋，哪些因素让用户更郁闷

步骤

1.梳理新用户流程

从头到尾记录整个新用户体验

2.明确初始激动指数

不同渠道来源的初始激动指数不同

天然访问：高

朋友推荐：高

付费获客：中

搜索：高

付费广告：低

3.评估各元素/步骤对指数对影响

粗略估计

模拟用户走完整个激活流程，给用户的激动指数打分，每个元素可能加分，也可能减分

用户打分

招募目标用户，让用户自己走完整个新用户流程，并给每个步骤打分，记录评分相应的原因。汇总计算平均分，得到激动指数

4.找到提升激动指数的机会

去掉降低指数的元素

加入提升指数的元素

改变步骤顺序

确保体验前后一致

5.定期重新评估新用户激活流程

一般3个月重新走流程

3.参考最佳实践

用户行为公式

行为=【动力-阻力】×助推+奖励

动力：自身需求+助攻

影响动力的因素

自身需求

用户使用产品的需求有多强烈

有无其他替代

做决定的决策期多长

使用者和决策者是否否是同一个人

外部助攻

利用心理学提升用户动力

从众效应

稀缺性

紧急性等

增强动力的常见方法

1.利用社交关系，朋友背书

社交关系是提高新用户信任感和给新用户个人化体验的最好方式之一

2.新用户红包

红包和激励和产品核心业务相关，付出有回报，同时避免羊毛党

3.解释为什么

向用户提要求的时候，告诉用户为什么，对他有什么好处

4.模拟前置Aha时刻

如产品复杂，新用户体验到Aha时刻需要的时间较长，可以模拟Aha时刻，将其前置，提升动力

5.个性化，给用户它们想要的

新用户注册流程让用户选择感兴趣的内容

6.通过用户心理学进行助攻

紧迫感、稀缺感和游戏化方式等

阻力：自身能力+阻碍

影响因素

难度和能力

用户感受产品价值的难度有多大

产品功能是否容易理解和上手

用户到达Aha时刻的时间长短

用户本身的能力和素质

外部阻碍

新用户激活流程中的物理障碍

是否必须注册才能使用

激活流程步骤很多，有无干扰

是否需要很多信息，是否需要敏感信息

是否需要付费使用

新用户激活中的认知障碍

新用户上手流程和文案是否令人费解

是否给新用户太多选择或冷启动状态

是否前后信息不一致

降低阻力的常见方法

1.移除不必要的步骤和信息

多一个步骤就多一些流失

2.避免冷启动

给用户默认的选项和内容，不要一上来就一片空白

3.突出关键行为和路径

不要试图让新用户使用所有功能，应该明确突出关键功能

4.避免太多选择

太多选择可能导致一个都不选

5.推迟注册或免注册

先尝后买

助推：提示用户采取行为

在关键时间窗口内，采用多种手段帮助用户完成激活

考虑因素

用户决策速度有多快

可以挽回新用户的时间窗口是多久

如用户未激活，有无触达用户的渠道

常见方法

1.通过多种方式，在适当的时候给予新用户引导

用户进入某个页面的时候才开始新手引导，重点在适时

2.利用外部渠道推送

奖励：完成行为后，用户可以得到何种反馈

考虑因素

用户完成的行为越困难，越要奖励

如果行为是产品的关键行为，奖励可以助其形成习惯

如果流程较长，要在中间给用户奖励，重新“充电”

常见方法

用户完成关键行为后，庆祝以示鼓励

如用户发完邮件，展示high fives动画

即时反馈，有“获得”感

UI设计，如首页正在生成中等

根据用户需求强弱+用户感受到产品价值的高低评估用户激活难度

用户激活金字塔

产品—渠道—激励—人工

产品：基础，新用户上手流程，产品首次体验等

渠道：沟通，短信、推送、邮件等

激励：刺激，新用户红包，优惠等

人工：辅助，客服，社群等

根据用户需求差异化高低+用户LTV评估用户激活难度高低，然后选择上述对应的激活手段

4.提出方案，进行实验

改善用户留存

用户留存路线图

1.了解留存现状

如何衡量用户留存

留存率

流失率

留存曲线

持续追踪不同时期开始活跃的用户群的留存率，随时间变化

绘制留存曲线

步骤

1.选择关键行为

初始行为：完成何种初始行为的用户才谈的到留存

回访行为：用户回到产品中需要做什么才算得上留存

2.选择时间周期

日留存

周留存

月留存

根据产品天然使用周期而定

做法：分析月活用户的一个月内的活跃天数

1.将月活用户作为分母

2.进一步划分这个月里不同活跃天数的用户所占百分比

3.找到占比最大的活跃天数，即可确定为最主流的用户天然使用周期

3.收集数据，制作表格

1.记录每一周首次完成初识行为的用户数，一般也就是激活用户数

2.追踪这些用户在接下来的每一周里继续完成回访行为的数量，一般也就是有留存关键行为的用户数

3.通过1和2，计算每周有回访行为的用户占首周用户数的占比

4.绘制留存曲线

把百分比数据表画成曲线图，就是留存曲线

评估留存曲线

评估基本形态

1.下滑型：见于绝大多数产品，说明未达PMF

专注于改变产品以找到某种针对核心用户群的价值定位，然后在此用户群基础上拓展。此时不要盲目拉新

1.下滑型：见于绝大多数产品，说明未达PMF

表明尝试过该产品的用户中，有一定比例人群发现了其中的价值且在一段时间后持续使用它，可以开始拉新

趋平型曲线变平的位置越高，产品的长期留存率就越高，产品增长空间就越大

重点在于提高变平位置

3.微笑型：不仅达到PMF，还有大量回流用户，以至于出现“负流失”

理想的留存曲线

一般只存在于特定类型产品中，如有网络效应的产品，或某些SaaS产品

观察变化趋势

如何看留存是否改善

1.新的留存曲线，比旧的变平

2.新的留存曲线，向上提升

如何看留存率是否有异常

计算每个时间段的平均留存率

某一个时间点留存率是否有异常

某一个同期用户群留存率是否有异常

对比行业均值

社交网络第12个月留存率中值：55%

即时服务第12个月留存率中值：22%

旅游第12个月留存率中值：29%

电商第12个月留存率中值：16%

订阅第12个月留存率中值：33%

更长时间维度看，绝大多数产品的长期留存率最终趋于零，所有公司都会死掉

2.评估留存难度

留存前提：建立产品长期价值

没有长期价值的3种情况

1.伪需求，产品解决的问题价值不大，如互联网理发

通过MVP，快速迭代验证达到PMF

2.新鲜感，有短期价值，没有长期价值，如脸萌

新鲜感带来大量用户，需要找长期价值来进行流量承接

3.没实现，有价值，但目前的产品没能完整的提供解决方案，如早起的互联网外卖

通过内测，或逐步开放各个城市等形式，完善产品或服务能力

用户留存公式：感知价值+转换成本＞使用难度

感知价值不够

短期价值不明确

新手引导

解决方案不到位

持续改善产品

没满足多元需求

用户分层或精细化运营

没有持续给用户新的价值

产品新功能

使用难度大

没有养成习惯

定期用户召回

用户遗忘

产品体验不好

转换成本低

没有机制让用户投入时间、金钱、数据、人力等，因此用户离开损失小

产品本身特性

非刚需

功能单一和可拓展性差

低频需求

天然生命周期短

狭义、广义竞品多

产品可替代性高

转换成本低

评估留存难度的7个问题

用户需求有多强烈

止痛药VS维他命

产品功能有多复杂

单功能VS多功能，是否可拓展

产品的天然生命周期是多长

长命型VS短命型

产品的天然使用频次

可替代品有多少

转换成本高低

变现能力如何

3.寻找留存思路

找到留存的输入变量

用户生命周期分析

提升新用户激活率

用户参与度分析

提升新用户留存率

优先级2，影响力大，难度适中

提升长期用户留存率

优先级4，影响力大，难度高

提升流失用户召回率

优先级3，影响力中，难度中

用户参与度分析

提高使用频次

用户使用某个功能多少次

常见指标

每月活跃天数

活跃次数

日活/月活，周活/月活等

提高使用强度

每次使用某个功能或产品时，用户会花多少时间、多少钱等

常见指标

平均访问时长

平均访问页面数

平均订单金额

平均每个用户完成关键行为的次数

通过分析参与度寻找留存线索

1.确认产品适合度

参与度更适合社交、内容、游戏等高频次高参与度的产品

某些产品用户不需要高参与度也能获取价值，则不适合以提高参与度为目标，如SaaS产品、二手车交易等

2.计算参与程度

计算月活用户使用频次

将月活用户按不同频次分组

如低活用户：本月登录3天以下

中活用户

高活用户

计算强度

计算平均使用时长

3.制定理想指标

根据用户的天然需要和对这类产品的使用习惯，以及现状数据，制定理想指标

频次指标

强度指标

4.进一步分析，寻找线索

对比分析不同用户分群的频次和强度，找到线索

对比分析不同产品功能的使用频次和强度，找到线索

针对某个功能，找到阻碍用户提升使用度，频次和强度的因素

对比不同群组的留存

留存曲线分解

根据不同属性分解用户长期留存曲线，通过对比找到线索

获客渠道

用户属性

是否使用此功能等

功能留存矩阵

基本功能：分析多功能产品，不同功能有多少用户在用，每个功能的留存率如何

X轴：功能留存率；Y轴：功能活跃用户占比

问自己

产品里不同功能的留存率是否差别很大？哪些功能留存率更高

留存率高的功能是否活跃用户占比高

如果留存率高，但是活跃用户占比低，是否可以提升占比

常见用法

1.分析多功能产品，不同功能的留存能力，和使用人数占总用户比例，看是否符合预期

2.针对每个功能在矩阵上的位置，决定下一步策略

提升留存率

提升使用人数

不继续投入资源或放弃

3.对比不同功能的所处现状，决定工作重点和资源分配

使用步骤

1.列出主要功能

2.计算横纵坐标

针对每一个功能，计算如下变量

变量1-功能活跃用户占比：每个月使用某个功能的活跃用户数/总月活用户数

变量2-功能留存率：每个功能某个时间点的留存率，例如3个月留存率，用户使用某功能3个月之后知否依旧使用这个功能

3.完成功能留存矩阵

4.分析数据，找到线索

两个变种

1.新用户功能使用-留存矩阵

不同功能在新用户里的流行程度，以及留存情况

横轴：新用户使用某功能后**个月的留存率；纵轴：新用户注册**个月内使用过某功能占新用户的比例

2.功能活跃-参与度矩阵

不同功能的使用人数占比，以及每月使用的天数

横轴：功能活跃用户每月使用该功能的天数；纵轴：功能活跃用户占月活比例

用户调研发现线索

4.设计留存方案

提升新用户留存的方法

1.精准拉新

目标：观察不同渠道来源的新用户留存表现，调整或剔除掉留存差的渠道

方法：渠道分析

2.持续上手

目标：通过对新用户对持续引导，让他发现更多产品的功能，达到更多的Aha时刻

方法：用户引导

3.习惯养成

目标：让产品使用按照合理频率，成为用户生活习惯的一部分

方法：打造行为闭环，从而最终养成习惯

注意

养成习惯在整个留存阶段都需要，包括新用户和老用户留存

做这件事的理想时机是新用户留存期

用户流失可能性高

用户对产品还在兴奋期

如何养成用户习惯

1. Hoocked模型：习惯养成的理论基础

触发

外部触发

Push消息、大促活动、地铁广告等

内部触发

自身需要、正面情绪、负面情绪等

目标：外部触发引导用户完成几个环节后，让内部触发直接和产品关联，让用户一旦有了某种情绪和需求，直接想到并使用产品

行动

触发后希望用户完成的行为，打开产品等

关键：要求用户完成的行为分解的越小越好，尽可能降低用户的行为成本

降低用户行为成本

快速：通过用户路径分析，去除多余步骤，简化路径

清晰：通过清晰的文案和设计，去掉障碍和认知负担

多变的酬赏

对用户采取行为的反馈，看朋友圈动态、评论区等

关键：给用户的行为提供一个“”奖励“，并且每次都不一样，形成习惯

酬赏的三种类型

社交酬赏

猎物酬赏

自我酬赏

为什么需要“多变”

固定酬赏：边际效应降低

多变酬赏：不确定性带来刺激

投入

让用户投入时间、精力、金钱等，越来越离不开产品，自己发动态，给别人点赞等

内容输出、社交关系、个人声望、行为习惯等

2.打造用户行为闭环

步骤

触发

渠道

行为

奖励

四步培养用户行为习惯

1.确定理想频次

定性：从产品解决的问题出发大概估算

用户使用这个产品需要解决的问题是什么

用户需要解决这个问题的频率是什么

定量：分析长期留存用户的频次

找到长期留存用户，分析他们的使用频次

结合定性和定量方法，确定理想使用频次，理想频次一般高于大多数用户的使用频次

2.找到习惯用户

两个条件

1.至少使用产品一段时间的老用户

2.达到理想频次

3.习惯用户行为分析

分析习惯用户的相似行为，找出“习惯行为 ”和“习惯路径”

他们是谁

他们有哪些相似行为

完成这些行为需要什么路径

完成这些行为的使用场景是怎样的

4.设计行为闭环

针对习惯用户的共有行为，梳理用户完成这些动作的路径，找到路径上的所有关键节点

检查是否已经有了相应的行为闭环

如有，寻找每一个节点的优化空间

如没有，增加节点，从而形成闭环

通过行为闭环，重复刺激用户，让用户不断经历路劲，最终形成习惯

提升长期用户留存的方法

加深参与

1.提升频次

明确天然频次

高频产品：提升核心功能频次+巩固习惯

低频产品：开发相关的高频功能，提升频次

打造产品价值链上的高频功能

游戏化：建立情感联系，提升频次，养成习惯，如蚂蚁庄园

2.增加强度

强度定义

内容、社交类产品，让用户消磨时间，强度=时间

工具类产品，让用户提升效率，强度=操作量

交易类产品，让用户完成交易，强度=金钱

时间是最终的稀缺品，各类产品增加“消磨时间”类功能

是否用户使用时间越长越好

交易类和效率类产品：用户有明确目标，省时省力完成任务是最好的

游戏和社交类产品开始设立“防沉迷”机制

3.提升功能使用

1.正确使用核心功能

确保用户正确的使用产品核心功能，并养成使用习惯

这是新用户激活和新用户留存要完成的目标

2.使用更多重要功能

重要功能：找到对留存有帮助的其他重要功能，提示这些功能的使用率

多个功能：单个用户使用功能越多，通常对产品的依赖性就越高

高价值功能：按照功能留存活跃矩阵，让用户向高价值功能迁移

3.开发新功能

开发高频功能

开发高强度功能

支持新使用场景

解决新问题

4.增加使用场景

1.让用户在多个场景下使用产品

解决不同的问题，如亚马逊的买东西和卖二手货

不同情境下解决同样的问题，如喜马拉雅上班听音乐，睡前听音乐

2.让用户使用多个平台，建立多个触点

如APP、网页、微信端等

个性化体验

避免流失

提升用户留存的2个影响因子

1.不同产品类型

时间类

内容类：个性化体验+频次+强度+场景

社交类：社交关系+频次+强度

游戏：频次+强度

效率类

SaaS类：功能数+频次+强度（合适的水平

工具类：功能数+场景（百度云）

交易类

电商：频次+强度+场景

2.不同用户阶段

分支主题