增长的范畴很大，本文重点聚焦互联网及其相关行业，落脚在“”。以下会阐述用户增长的定义，以及用户增长的核心理念，具体介绍什么是用户增长，用户增长在做什么，以及你所处的角色，需要如何关注用户增长。

增长是事物的一般规律，城市变大、人口扩张、植物蔓延，病毒传播、企业壮大等等都是增长的范畴。然而，并不存在无条件的持续增长，到了一定阶段，就需要依赖于一些新的条件，或是需要突破一些桎梏，或是需要接受一些变革。

（1）城市生长

城市版图的增大，首先依赖的条件是市内交通的发展，公路、轻轨、地铁组成的网络将城市横向边界逐渐拓宽；此外，建筑行业的突破，使得城市的纵向拓展成为可能。最终，城市形成一个不断壮大的“体结构”，其中容纳了更多的人口，两两之间都有可能产生连接。这样的城市就像一个有机体，有呼吸，有排泄，也会有病痛，当规模触及它能承受的这些负向压力边界之时，城市也就停止了增长。

（2）人口扩张

20世纪初，医学界基本解决了全球性的致命疾病（如天花），以及提升婴儿存活率之后，世界人口出现高速增长。21世纪初，很多发达国家和城市已经普遍出现人口的负增长，例如西欧、北欧、日本、上海等等。大城市生活的快节奏、高收入岗位的强压力，使得生育成为部分年轻人的一个“可选项”，人口的增长出现了停滞。比如中国，即便解除了曾经的政策限制，依然没有看到明显的人口回升。长期保持较低的生育率，人口老龄化将会日趋严重，整个社会福利体系的也将承受巨大压力。

（3）植物蔓延

藤蔓是植物界的增长大师，它们依靠高效的光合作用，借助新的支点获得新的蔓延空间，在艰难的环境中，依然可以爬满一面又一面的墙。而当它们产生的养料再也不能供给再多爬一步时，边缘的叶子就会开始出现枯黄，蔓延的边界也就确定了。这个时候，需要多一些阳光，多一些养料，才可能打破当前的平衡，继续扩张领地。

（4）病毒传播

病毒的传播让人类闻风丧胆，他们首先侵入一个宿主，通过宿主传宿主形成恐怖的链式扩散，使得病毒数量呈指数级增长。史上最为让人恐惧的两次大规模病毒传播，20世纪初的西班牙大流感，造成了3000-5000万死亡，超过了一战的总死亡人数；而爆发在欧洲中世纪的黑死病，夺取了1500万条生命。只有在病毒传播被切断时，即传播系数R0小于1时，病毒无法扩散到更多的新宿主，其影响才能被控制，随机会被迅速瓦解。

（5）企业壮大

企业的增长，或是因为一个闪亮的点子，或是把握住一次技术的潮流，借助一两个龙头产品撬动市场，逐步占据市场份额，到最终形成行业寡头。

过去的五十年，商业世界不断重复这样的故事，单是信息技术和互联网这个细分领域，如吴军老师的《浪潮之巅》中所描述，已经有数十家公司经历过这样的冲上浪潮之巅，而大部分又随着退潮下落，甚至消失在沙滩之上。

当企业营收到达极限，缺少新的增长点，就已经非常危险。这时候甚至只是一个决策失当，就会葬送掉数十年搭建起来的商业帝国，例如我们都熟悉的诺基亚手机、雷曼兄弟等等。

增长无处不在，上面介绍的各种增长本质上有着联系：增长首先需要具备一些起步条件或是要把握一些时机；当规模逐渐变大时，持续增长又将面临巨大挑战和限制；如果不能解决积累的问题，突破当前的局限，增长将会停止甚至快速转向衰落。接下来聚焦到商业世界的增长：它很残酷，因为不再增长很可能就会快速消亡。

股市总市值，一定程度反映了某个时期商业公司的总体规模。长期看，股市市值一直在涨，这意味着商业总体规模在不断增大。

美股道琼斯指数，全称道琼斯综合平均数，计算了各时期具有代表性的多家公司的股价平均数（即成分股，最初为12家后来稳定在30家），并经过校准以确保和最初值可比。

道琼斯指数从1896年5月26日首次公布的40.94点，到2020年5月初的23800点左右，增加了580倍。我国的A股指数计算方式略有不同，从1990年12月19日上市的100点，至今不到30年，也已经翻了接近30倍。宏观规模在增长，而一家公司增长过慢，就会逐步失去生存优势，最终面临淘汰。

道琼斯指数最初的12家成分股，随着2018年6月通用电气被踢出，已经完全被替换。很多百年企业，也都经历过浮浮沉沉，留到今天颇为不易。

商业世界非常残酷，不增长就会消亡，市场一般以企业市值为最重要的增长指标，它综合体现了企业当前价值和未来预期。

市值受到很多因素影响，对于以提供大众产品和服务为主的企业，用户规模及其增长预期就显得尤为重要。绝大多数互联网公司都属于这一类企业。

由于属于规模经济的范畴，用户或者客户越多能够产生的边际收益越多，总体收益率越大（本书将产品或服务的受众统称为用户，后续均以用户代表用户或客户）；同一个细分领域中，用户规模和市值高度正相关。

对于重度依赖广告收入的公司，比如搜索、社交、信息流等，用户规模甚至是企业生存的生命线。因为这一类的产品或者服务是向用户免费的，海量的活跃用户消耗着极大的带宽成本，而只能通过广告收入获得收益。

广告收入 = 活跃用户数 * 平均每用户收入

一定时间内，平均每用户收入（Average revenue per user，ARPU）是一个较为稳定的值，通常它取决于广告主的竞价水平，受整体行情影响。

因此，总体广告收入主要由活跃用户数决定，这也解释了为何最近几年来互联网公司都格外重视用户增长。移动互联网普及所带来的用户红利已经逐步被瓜分完毕，自然增长已经接近停滞，已经不足以支撑互联网公司继续壮大的预期，需要专门的团队，聚焦到用户增长这件事情中来。

那么，用户增长究竟是什么？

本文中的“用户”指互联网产品和服务的受众（包含B端和C端）；用户增长指的就是用户相关指标的增长，包含用户规模及其产生的各种影响，主要包含以下三各方面：

• 用户规模，如月活跃用户数（MonthlyActive User，MAU），日活跃用户数（Daily ActiveUser，DAU）
• 用户时长，如总时长，人均时长
• 商业收入，如用户支付，广告收入

用户增长和增长黑客有什么区别？本质上二者目标是一致的，工作范畴也基本一致，最大的区别是思考的视角。

增长黑客，如图1，增长的前提是产品与市场的契合（Product Market Fit，PMF），崇尚AARRR或者RARRA模型，更多的站在企业的视角，以提升获客、激活、留存、推荐、推荐相关的指标为导向，最终获得用户增长，包含了用户规模和商业收入。

图1 增长黑客中的AARRR模型（图片来自网络）

用户增长，主要是站在用户视角思考，强调基于用户价值提升的增长，关注的指标除了用户规模和商业收入，还有用户时长。

用户增长同样强调以实验方法为核心，支撑科学高效的产品和运营决策，相对于增长黑客的偏技术范儿，用户增长更像是已有产品策划和产品运营工作一次目标导向的整合，是一系列思考方式和工作方法。

图2 用户增长相关岗位的需求和薪资水平（图片来自拉勾网，2020年5月截图）

对互联网企业而言，增长几乎就等于用户增长，所以用户增长的部门和岗位几乎成了标配。

出色的增长操盘手稀缺，因此能提供的职级较高、薪资不菲（图1.2可见一斑）。

近些年来，出现了越来越多的用户增长的岗位，2016年底滴滴出行就已经有“用户增长专家”“用户增长运营”等岗位，2019年下半年起腾讯的产品晋升通道也新增了增长策略方向。

用户增长岗位，是产品策划、产品运营的迭代版本，有很多好机会，也有新的广阔成长空间，后续也会继续讨论用户增长岗位应聘和招聘的相关内容。

接下来，首先讨论如何从用户视角来看增长，它强调用户价值为基础的全局视角。

用户为什么会持续使用一款产品，原因可能有很多，但是本质上都是产品给用户提供了某种价值，并且这种价值很可能是其他产品无法提供的。

用户使用产品获得了价值提升，包含但不限于获得好友、愉悦、知识、实惠、收入，才会继续使用甚至呼朋唤友一起使用。以下一些大家平时使用的APP，为用户提供了明确的价值，也就有用户会持续的使用，并且仍然有新用户不断加入。

（1）微信

微信拉近了人之间的距离，带来了免费通话和最低门槛的社交网络——朋友圈。朋友圈给大家提供了最为便捷的展示、表达的舞台；各种“相亲相爱一家人”“老同学”的群组给了初用互联网的中老年人表达关怀、维系友情的好地方；如今扫码完成一切，更是给所有人提供了极大的生活便利。微信特有的社交属性，形成了巨大的网状人际关系，用户会自发的加入而且难以离开。

以上这些都是微信提供给用户的主要价值，也是用户选择并持续使用微信的原因。

从2020年3月底QuestMobile的数据上看，微信活跃用户的180日留存率为95.5%，位居所有App的首位，且远远高于其他产品。而对于一般的App，次日留存60%都已经非常不错，如此高的长期留存，足见微信为用户带来的价值之大。

（2）抖音

时至今日，不管是对短视频的重度迷恋还是对其嗤之以鼻，你都已经无法置身于抖音和快手的影响之外。得益于我国已全面普及的低价、高速移动网络，公交车、地铁站、甚至高铁中，都有短视频和直播在流畅的播放。抖音作为其中的主要代表，以其极低的内容消费门槛，仅需单手上划、双击即可完成主要操作，让用户躺着就可以轻松消费大量的优质内容。

抖音已经成为消磨时间的最主要娱乐方式，数据显示其总体使用时长仅次于微信。另一端，抖音还有极低的内容生产门槛，只要有创意，一部手机可以拍出亿级别播放、百万级别点赞的作品。作为平台的抖音也在不断优化内容两端的规则，让优质的、热门的内容得到更多的曝光和播放，让优秀的内容生产者得到奖励，确保生态两端良性的增长。

2020年3月底的数据显示，抖音的周均活跃用户数突破5亿，而180日留存为79.5%，在所有App中仅次于微信。短视频已经成为一个不折不扣的国民级应用，它给用户带来的主要价值，就是愉悦。

（3）知乎和B站

如果说刷短视频在一些用户眼中存粹是在浪费时间，那么网络中的求知、学习就算是更为狭义的价值获取了。这方面，知乎作为一家老牌的问答社区，成功穿越了桌面互联网时代存活至今，并且随着其提升内容的多样性，包括知乎live、专业课程，同时拥抱热点，推出热榜，其用户在不断增加。

类似的还有Bilibili（B站），逐渐淡化了二次元内容，为更多年轻用户提供了优质内容消费场所，友善有趣的社区氛围，并且大量的知识类博主（B站称UP主）入住使得在B站学习成为新的潮流。知乎和B站都不再是小众，社区氛围的改变甚至破坏，不免会受到少数老用户的唾弃。

但从整体来看，服务于更大规模的用户，为他们提供了学习和娱乐的场所，是在为更多用户提供了价值，对于产品和企业而言，这才是其最理想的归属。

（4）拼多多

拼多多一路走来也是充满着争议，从最开始因为假货被戏称为“并夕夕”，到现阶段通过持续的百亿补贴，长期推出全网最低价的品牌数码产品，被改称为“拼爹爹”。

拼多多诠释了为用户提供价值所带来的用户增长，一方面是低价和补贴，另一方面是成本极低的购物体验。借助微信现成的账号和支付体系，拼多多在微信环境中通过社交裂变席卷了三~五线城市、以及各种城镇乡村的海量用户。很多中老年用户是通过拼多多开始了网络购物，很多农村商户也是通过拼多多开始了线上销售，这些都是实打实的用户价值。

2020年4月底，拼多多发布的2019年年报显示，其2019年实现了10066亿元的成交额，年活跃买家数量达到了5.85亿。

如此大的用户规模，活跃用户的180日留存为47.3%，在电商品类仅次于淘宝的51.6%，这些都构成了对阿里系电商帝国的有力冲击。拼多多为买家持续提供着优惠，为商家一直提供0佣金和0平台服务费，提供了更多收入，这些用户价值使得拼多多已经深入用户心智。

好的产品能持续为用户提供价值，用户才会选择留下来甚至主动去口碑传播，为产品带来更多有价值的用户，这是最为理想的、良性的用户增长。

互联网商用至今，用户增长的底层逻辑没有改变：用户价值提升带来持久、健康的用户规模和收入增长。那么，如何定义用户的价值提升？俞军老师多年前就提出：

用户价值 = 新体验 – 旧体验 – 替换成本

可以用这个公式定性的描述价值提升的途径：1）提升新旧体验差；2）降低替换成本。新旧体验差最终需要用户切身感知，除了新体验真的很好以外，还需要用营销手段说服用户愿意尝试新体验，比如“充电五分钟通话两小时”的快充体验，一旦尝试过就很难再回来用慢充。

而降低迁移成本，除了直观的降价，还有各种补贴，比如上一小节提到的深入人心的百亿补贴，使拼多多不知不觉已经成为学生党买电子产品的首选平台。

除了狭义的降低支付成本，还有降低信息获取成本和完成消费成本。比如划一下屏幕就能沉浸观看停不下来的抖音快手、比如省去货比三家只要“买它买它买它”的直播电商，不需要检索和对比极大的降低了信息获取成本；短视频和直播消费门槛几乎为零，相对图文信息，极大的降低了消费成本。

上述这些产品，无疑都是近一两年来用户增长的杰出代表。尽管不乏对用户下沉战略的的戏谑（“五环外”“农村包围城市”），但不得不说用户价值是主观的认知，有阳春白雪，也有下里巴人，并无高下之分。

用户的增长，离不开用户价值的提升，并且这里更多需要理解为大部分用户价值的提升；无视用户价值的增长，或者无法保证持续的价值提升，更多只是自嗨式的短暂狂欢。

明确了提升用户价值为用户增长的基础，还需要考虑如何将价值传递到需要它的用户手中。尤其是一些红海密布的细分市场，已经存在很多对手在抢夺用户。

图3 用户增长全局视野“冰山图”

上一节介绍了用户增长需要以用户价值为基础，而提到用户增长，更多被感知的是大众视野中的营销策略。例如，近些年来春节期间都会有春晚红包，微信红包、支付宝、百度、快手等等先后从中攫取了海量新用户；每年习以为常的6.18和双11，已经成为购物狂欢节；以及，最近刚开始的明星直播带货，罗永浩老师在抖音买起了汽车和手机。这些都是冰山顶层，最能被感知的营销策略。

从用户价值的基础，向上支撑对宏观机会、商业模式的洞察，再进一步通过数据驱动更科学有效的完成营销策略落地，这是一个用户增长的一个全局视野。

根据QuestMobile数据，截至2019年4月起国内互联网用户规模正式见顶，而2019年11月的年同比增长也几乎为0。同时我们可以看到，用户时长依然保持较高增速，并且随着抖音、快手为代表的国民级短视频App月活达到4~5亿级别，用户时长在下半年的年同比增长率还在持续增大。“流量池”在这一年完成了向“时长池”的转变，这里面蕴含着宏观机会。

图4 用户规模和时长趋势，数据来自QuestMobile《2019年流量增长盘点》

2019年11月，全网人均日时长已经来到6.2小时，这是什么概念？假设平均睡眠6个小时，用户每天依然有1/3的时间是在盯着手机屏幕。不夸张的说，手机已经变成了“器官”，而我们每一个人，都不可避免的被卷入到这个浩瀚的“时长池”中。

如果说用户规模的增长，得益于智能手机的普及，那么时长的增长，毫无疑问得益于低价、高速的移动网络普及（这一点，根据我近年走过几大洲10个左右发达国家对比看，中国算是独步天下）。但是单单是技术侧的革新和普及，就足以支撑时长暴涨吗？我们先来看看两个例子。

19世纪中叶蒸汽机就已经发明应用到工业，到20世纪初，美国基本上已经能够用蒸汽机替代马匹成为主要的运输动力，然而并没有。原因很残酷：蒸汽机自身太重，普通路面无法支撑。除了这个，另外一个重要原因是来自民众的抗拒，蒸汽机太吵并且伴随浓烈的黑烟，以至于人们宁可忍受道路边上无数的马屎和马尿。

同样是在美国，20世纪初，当大型家电已经生产出来，并且价格已经低到了可以民用，尽管老美很懒，但这些却还是无法带来购买的狂热。原因也很残酷：这些电器功耗过大，当时的线路无法承受，甚至还没有标准化的电流电压以及插头插座。

这两个例子告诉我们，宏观的增长需要很多条件，除了技术本身成熟，还需要考虑两个重要的因素：用户的意愿以及生态的成熟。用户的意愿，决定了技术应用是否被广泛接受，而成熟的生态及其规范，才能保证技术大规模的被应用起来。

回到时长的增长的原因：如果说增长都归因于移动网络的低价甚至免费，那为什么早就流量自由的一二线城市wifi环境下，用户时长依然在显著增长呢？原因来自另一个维度——内容消费成本急剧降低，人们更愿意去消费了。我们可以把内容消费成本定义为完成目标内容消费的总时长，而它可以进一步拆解：

内容消费成本 = 内容获取成本 + 完成消费成本

图5 不同内容形式的内容消费成本

短视频有着极低的内容获取成本——无需搜索只需要刷一下，停不下来；还有着极低的完成消费成本——沉浸式不易跳出，且仅有15秒到1分钟，不知不觉这一条都看了好几遍。所以抖音、快手的内容消费成本非常低。再来看看直播，如果是你关注的主播，内容获取成本也很低——通常打开App，直播入口就已经扑面而来；完成消费成本甚至低于短视频——那一刷都不再需要，只需放上手机架，一遍吃着外卖一边看，是不是抢个红包买点东西就好了。

而几乎同时，内容生态的规范正在不断完善，并且向继续降低内容消费成本的方向推波助澜：App更好用，推荐更精准；工具让内容更易创作，优质内容更易传播；优质生产者获得大量物质激励、甚至成为收入不菲的行业，创作变得可持续。

所以，在低价、高速移动网络的普及前提下，极低的内容消费成本，让内容消费的时长暴涨。2020年初，它已经完成对长视频、手游等的超越，并且内容消费正在与电商深度结合，为“时长主”们提供了广告收入之外更大的获利空间。对于宏观机会的把握，能够让用户增长是在一个上升的“面”上进行，能够借助势能（或者前两年流行的“风口”）获得效果的加成，而反之则可能会事倍功半，并且无法保证中长期收益。

商业模式的创新非常难，对于多数从业者来说，是可遇不可求的事情。更多时候，是在优化现有商业模式的不足之处，或者具体说是修补其中某些环节的断点，找到新的机会。

如图6，内容消费领域目前呈现出一个完整的生态，而在几年前里面的很多角色是不存在的。例如多渠道网络服务（Multi-Channel Network，mcn），它连接着草根内容生产者和内容平台，为普通内容创造者提供了专业化的包装能力，更好的打通其内容消费通道，和生产者的影响力。MCN让内容消费的生态更加顺畅，同时也为它自身谋求到高额的收入分成。它的原型就是经纪公司，但是在一个新的领域引入，就很好的弥补了商业模式中的空缺。

图6 内容消费的全局生态

再比如，近期异常火爆的直播带货，原本内容平台也存在着电商的通道（短视频下方的购物链接）。但是，这还不够直接，货品和内容的结合质量也还良莠不齐。而电视购物已经存在了数十年，现在它被改良并绊倒了互联网直播平台，主播用更加专业、更具煽动性的描述进行推销，商家更加高频替换货品，平台提供更加便捷的购买方式，这些举措都优化了内容带货的商业模式，为内容带货注入了新的动力。

广义的数据驱动，包含分析发现机会、实验验证认知、数据驱动决策等等。用户增长中，数据驱动的主要目的，首先是找到具体切入点。一方面通过现有数据的扫描，相关性分析等，发现问题或者机会；另一方面，现有策略通过实验方法评估效果，并基于策略效果进行下一步的迭代。

数据驱动首先要明确增长目标，最好是企业从上到下都要认同的一个核心指标，所有的增长工作围绕这个指标进行拆解，最常见的方法就是确定好北极星指标，然后按照杜邦分析法进行拆解，找到切入点，这部分内容将在第2章展开。

用户增长中，实验的方法是数据驱动中至关重要的一环。既然是做增长，就需要关注策略带来的指标增量，而实验方法是全球一线互联网公司公认的黄金法则。尽管实验面临很多挑战，也有很多场景无法进行理想的实验，但它依然是满足条件时候的首选。实验设计、分析两部分内容已经在之前文章中介绍了一些，欢迎翻阅。

一些传统运营的的策略，主要依赖于人力来完成配置和迭代，而在算法主导的内容推荐、动态定价、分单策略等领域，算法模型已经智能的完成个性化、全局最优的策略下发，并且通过强化学习不断完成效果的优化。这些算法策略中的代表有

• 抖音、腾讯新闻的内容分发策略
• 滴滴、美团的派单策略
• 淘宝、滴滴的动态调价策略

其中的一些，将在后续展开介绍。

总体上，数据驱动帮助评估营销策略的效果，并提供反馈，为营销策略的迭代服务，并为最终的增长目标实现提供保障。这部分非常重要，但同时也是普遍欠缺的，所以我将花较大篇幅就数据驱动涉及的实验方法、实验分析、效率工具设计思路等做出详尽介绍，以供参考。

用户增长涉及的产品、运营策略，都包含在广义的营销策略中。概括来说，营销策略是一个直接面向用户的界面，它的作用包含但不限于向用户传递一些信息、讲清楚一些利益点、与用户进行一些互动、引导用户完成关键行为，最后促进增长目标的达成。

上述这些内容可以设计针对性的实验来探索最优效果。比如，电商App中常见的商品促销界面，会向用户讲清楚购买满多少可以减多少，这里涉及到的两个数值变量，如果拿不准如何设计，可以进行实验，看什么样的数值组合能够带来最大的GMV或者最优的ROI。

再比如，内容消费App中，从历史数据可以分析得出用户一旦与他人产生互动（转发、评论、点赞等），就会显著提升其后续留存率，这时产品中可以设计一些引导用户完成转评赞的小功能，比如用户发布内容后，默认会得到一些点赞，将极大促进其发布内容的积极性。

又比如签到打卡功能中，打卡7次可以瓜分奖金，在用户在第一次打卡后，再赠送一次打卡机会，实验证明被赠送的用户群最终打卡满7次的比例显著高于未赠送的群组。

营销策略为大众视野所见，之前这些例子看似简单，底层都有它能够生效的逻辑，可以在《消费心理学》、《用户行为学》中找到一些参考。营销策略的挖掘和生效，依赖着冰山之下的支撑，即以用户价值为基础，通过对宏观机会和商业模式的洞察，借助数据驱动科学高效的去落地。这一系列，就是用户增长工作的主要内容，下一节将展开介绍。

通过上一节的介绍可知，用户增长是个系统工程。理想的情况下，我们希望拥有完善的数据平台、标签体系、实验平台，甚至有了不错的算法模型支持自动下发策略。但同时，用户增长也是和时间赛跑，即使我们什么都还没有，也需要尽快开始，一点一滴积累正向经验、按需搭建工具提升效率。假设我们处在用户增长工作的初期，上述条件我们都还没具备，该怎么开始？

（1）明确增长目标

增长目标是最先需要跟老板明确清楚的，我们决定要这项工作，背景是什么，我们最终要提升什么指标？可以参照「北极星指标」来选择，相关的文章很多，这里就不赘述了。不妨假设我们经过深思熟虑，确定要提升的指标是DAU。

（2）搭建增长模型

在整体的UG工作规划时，我们会关注全局，看整个用户链路和生命周期的各种环节（最常见的AARRR以及强调留存的RARRA）；在切入到具体的工作时，我们会发现这些「大模型」往往无法指导我们做什么。

回到我们具体的例子：只有一个DAU的目标，还不能指导任何工作，需要对DAU进行拆解，拆到可执行的程度。DAU可以怎么来拆？

a.流入流出视角

把DAU看成一个容器，「流入」的是每天的新增用户以及回流用户，「流出」的则是流失用户。以「日」为观察周期来举例：

• 新增用户指当日获得的新用户
• 回流用户指昨天不活跃，但今天活跃的用户
• 流失用户指昨天活跃，但今天不活跃的用户
• 留存用户指昨天活跃，且今天活跃的用户

可以推知：

今日DAU = 今日流入 + 昨日存量 – 今日流出 =（新增用户数+回流用户数）+ 昨日DAU – 流失用户数

那么，想要获得DAU增长，可以从两侧切入：

• 提升新增、增加回流（就是开源）
• 提升留存或减少流失（就是节流）

需要我们决策的就是，资源有限，先从哪一侧开始切入？需要具体来分析DAU中上述几类的构成和趋势，原则上优先看「缺口在哪里」或者「怎么做最能起量」；还需要结合产品现状、所处阶段来做具体的资源分配（比如是否有足够预算做付费增长）。

b.新老用户视角

和流入流出视角类似，但相对简化。把DAU简单的划成两份，一份是「新用户」即当日新增，一份是「老用户」即非当日新增，那么：

今日DAU = 昨日新用户*新增次日留存率 + 昨日老用户*活跃次日留存率 + 其他

等式主要有4个变量，想提升DAU，可以将已知的量代入上面的式子，按照目前的经验，我们可以看看，提升哪个指标更能够获得较大的收益。例如，老用户占比90%，提升一个点的次留，DAU就会提升90%*1%=0.9%，而提升一个点的新增次留DAU只能提升10%*1%=0.1%。这里的“其他”，包含了今日新增，以及昨日未活跃用户的回流，此处为了简化讨论，都归为其他。

c.活跃度视角

活跃度视角，我们可以从周活WAU来看，DAU=WAU*周活跃天数/7，也可以从月活跃MAU来看，DAU=MAU*月活跃天数/当月天数。

从这个视角，我们会重点关注到如何提升「活跃天数」，首先看活跃天数的水平，有多少提升的空间（均值如何，低活跃的用户占比多少），重点先抓哪一部分人群（周活跃1~2天的，还是3~4天的）。这里涉及到用户活跃度建模，后续会在介绍「用户分群」时详细介绍。

上述这些模型帮助我们知道大致的方向，需要如何发力，或者优先在哪发力。同时也把DAU拆解成若干更前置的、更灵敏的、可以和策略产生关联的小指标。帮助我们认识到：「若想提升DAU，必先提升XXX」。

（3）找到策略切入点

知道了如何发力，最终还需要落地到具体策略上，策略需求切入哪个点，可以考虑因果性和相关性来帮忙。

a.优先因果性

如果知道某个指标为什么不高，推荐从产品逻辑、用户反馈中直接找到原因，针对性去修补。定性的方法就是找典型用户去问和验证，定量可以通过最为直观的漏斗分析来定位用户路径的「断点」。理解用户需求、提升用户价值是产品经理、产品运营的必备技能，也是用户增长的本质和源动力，这里也不再赘述。

b.其次相关性

相关性分析，可以帮助我们找到和关键指标高相关的用户行为，从而把具体策略定位到提升该关键指标，以验证是否能够提升我们的增长目标。

继续以提升DAU为例，假设我们明确当前提升DAU最关键的是提升活跃用户次留，可以进一步来看，活跃用户的哪些行为与其次日留存具有相关性（简单的线性拟合，或者复杂一点的「魔法数字」分析）。

通常情况下，用户的活跃次留，与用户活跃当日的使用深度高度相关，例如信息流App的时长、图文阅读PV、视频播放VV。通过对不同分层的用户群留存率、与上述几个指标的相关分析，我们可以得出哪些指标与次留的相关性更好，可以优先去提升这些指标。

需要注意的是：1）相关分析有些具体的坑，可以先补一补统计学的基础以防万一；2）相关性高，只是给我们提供了一个假设：提升该指标，大概率可以提升活跃次留，进一步提升DAU。是否真能够提升，需要通过设计实验来验证。

c.用实验来量化效果

实验帮助我们验证假设是否成立，量化策略的效果：施加策略或不施加策略，发布或者不发布功能，究竟提升了多少，短期看是多少，长期看是多少，准确吗，放量后会怎么样。

用户增长实战在做什么：分析数据——形成假设——实验验证，三者循环起来就是用户增长的核心工作流。

这也是有别于传统产品运营和产品经理事情的关键：是否以增长目标为导向，是否依赖于数据决策，是否使用实验方法。

前文把用户增长需要具备哪些视野和能力，具体在做哪些事情做了详细介绍。最后不妨来问下自己，目前所处的岗位或者角色，是否需要关注用户增长，或者具体需要关注哪一部分。

如果你是企业的中高层决策者，建议关注产品所处领域的宏观机会，产品当前的目标是否可以借助趋势的势能，目前的商业模式是否存在可优化点，目前的产品运营和实际是否围绕着关键目标在进行，是否使用了数据驱动的方法，营销策略是否有数据作为指导。

如果你是一名产品经理，负责某APP一个核心功能的策划，建议关注用户价值的来源以及思考如何持续提升用户价值。还需要关注产品中是否有充分的数据采集，这将是全面的数据分析、尤其是用户行为分析不可或缺的一环。整个产品的用户增长，依赖其核心功能的使用规模、时长和留存，建议去探索自己负责的功能和整体App的活跃、留存有什么关系，是这个功能拉动着大盘的活跃，还是被大盘用户供养着，自己的价值在哪里？

如果你是一名产品运营，负责提升活跃用户的次日留存，建议关注最近一段时间同类App的留存数据，研究留存较高的产品，主要用什么样的营销策略在提升或者保持高留存。找到可以借鉴的手段后，建议在App中进行一些低成本的实验，不断摸索出哪种策略能够有效的触达并留住用户。此外，还可以从已有数据中去寻找哪些用户行为与用户后续留存率高度相关，因为这些都存在机会。

如果你是一名活跃在微信的自媒体从业者，目前微信公众号后台已经有很多数据可以帮助评估内容是否符合受众，传播是否足够广，收益是否足够大。建议把自己主理的公众号当成一个完整产品来做用户增长，其中可以根据已有的数据发现问题和机会，可以创造条件设计一些接近于实验的方法，来不断优化文案、内容组织、排版样式。

如果你暂时没有参与到具体的互联网产品工作中，也不负责任何增长相关的指标。没关系，实验方法及其核心思维也会帮助你在生活中更好的评估一些决策的得与失，做到因果清晰，心中有数。

用户增长不限于某项具体的工作，更多的，它是一套成体系的思考方式和工作方法，越用心，越能体会到它带来的收益。

文章较长，大家随机挑选感兴趣的阅读，以下是要点：

1. 用户增长主要指用户规模及其带来的相关效应的增长
2. 用户增长以提升用户价值为基础
3. 用户增长需要全局视野：以用户价值为基础，通过对宏观机会和商业模式的洞察，借助数据驱动科学高效的去落地
4. 明确了增长目标后，用户增长的核心工作流：分析数据——形成假设——实验验证，并逐步完善这个循环

 

作者：用户增长实战笔记

来源：用户增长实战笔记