用户增长，是近几年互联网行业比较热门的一个话题，与之相关的一个更常见的词是增长黑客，国外叫Growth Hacker。这方面的书也不少，国内比较知名的是范冰的《增长黑客》、曲卉的《硅谷增长黑客实战笔记》，国外比较知名的是Sean Ellis的《Hacking Growth: How Today’s Fastest-Growing Companies Drive Breakout Success》。这一类书的大体思路都差不多，大都是基于AARRR模型或其变种，再结合一些实操经验展开来讲的。
今年早些时候，读到一本书，叫《我在一线做用户增长：存量时代的用户运营之道》（以下简称《一线做增长》），是一位在Amazon、百度、滴滴和ofo小黄车做过用户增长的同仁写的。看完之后很有共鸣感，很多思路跟我们过去几年的探索所得到的认知不谋而合，而且作者的抽象提炼能力极强，把一些好的认知都通过精炼的文字总结出来了。今天这篇文章就结合这本书，和我们过去几年的用户增长实践，来谈一谈我对用户增长的一些理解和思考。
何为用户增长？
《一线做增长》中对用户增长的定义是：以终为始，利用一切资源让更多用户更高频地使用核心产品功能。
这个定义非常精准，基本把用户增长这个事情说得比较清楚了。针对这个定义中的关键词，谈谈我的一些理解：
以终为始
这里的关键是要先把目标定义清楚，然后再根据目标思考对应的战略、战术。具体来讲，就是要想清楚，是要以规模为目标，还是要以ROI为目标。因为不同的目标，决定了不同的打法。
更多用户
这里的关键是获客。这个其实是狭义上的“用户增长”，也是很多外行对用户增长的基本认知。其实，获客只是用户增长的其中一个环节，获客之后的激活、留存、变现等也是属于用户增长的工作。目前海外App类产品获客的主要渠道是各大平台的效果广告，像Facebook Ads, Google Ads, Tiktok Ads, Apple Ads等。
更高频
对于提升效率、节约时间(Save Time)类的的应用，高频意味着要让用户有更多打开并使用App的触点，打开次数比较重要；对于内容型、消磨时间(Kill Time)类的应用，高频意味着要让用户每次打开App后，在App内停留更长的时间，消耗更多的内容，停留时长比较重要。
使用核心产品功能
产品最终满足了用户的需求之后，就要考虑产品的变现，好的商业化变现，才能让产品健康地发展下去。哪些功能是影响用户消费决策的核心功能，弄清楚这个，对于变现至关重要。弄清楚核心产品功能，接下来就需要投入资源、饱和式攻击，让用户更多地使用它，发现产品的价值，最终产生转化。
怎么做用户增长？
《一线做增长》中说，用户增长的本质是通过数据驱动的迭代测试把主观认知变成客观认知，用测试的冗余性换取增长的确定性。
第一次看到这个说法，真的是被“惊”到了，过去几年我们所想的、所做的，居然被有人用这样一句凝炼的话给总结出来了。向这位仁兄致敬！
下面，我结合我们自己的实践，来谈谈我的一些理解：
数据驱动
过去一年，我们总结出的用户增长的关键就是“数据驱动”。所有的增长相关迭代都以A/B Test的形式推进，用户增长产品经理的核心工作就是通过用户调研、数据分析，提出各种能够提升目标转化率的猜想，然后设计A/B Test进行验证。验证结果正向的就推广应用，验证结果负向的会进一步分析，如果有进行进一步实验价值的，就调整之后再进行实验；如果没有的，就直接抛弃。
另外，为了让用户增长产品经理的工作更加聚焦。我们在OKR设定上，用户增长产品经理的核心OKR也是围绕A/B Test来设定的。具体到指标上，我们会设定要完成多少个A/B Test上线，至少要跑出来多少个正向效果的A/B Test。这样的OKR设定，对于用户增长产品经理的工作驱动是非常有效的。
主观认知 vs. 客观认知
主观认知指的是那些我们通过用户调研、数据分析，得出的关于用户增长的一些猜想；客观认知指是那些经过A/B Test验证，有数据支撑的“客观事实”。
数据驱动的核心作用，就是将“主观猜想”，变成大家都没有任何异议的”客观事实“。而且，额外带来的好处是，这样的机制对于用户增长产品经理的工作，形成了一个良性的反馈闭环，工作会比较有成就感。
测试的冗余性
测试的冗余性，指的是要进行大量的测试。这是为什么呢？因为做A/B Test，大量的结果是负向的，最终能产生正向效果的只是其中一少部分。因此，做增长的人一定要有正确的预期，要不然可能做了几个A/B Test，结果都是负向的，心理上会比较有挫败感。
另外，为了支持团队能够进行大规模的A/B Test，在基础设施上要有比较好的支持。最基础的A/B Test平台要足够好用，数据分析平台要能尽可能全面的刻画出用户的行为，方便每次实验完成后进行进一步的数据分析验证。更进一步，如果对于一些常见的A/B Test，比如关键转化路径上的文案、简单的UI和交互、价格方案等，不发布新版本进行快速实验，将会极大地提升实验效率。这些都是很容易发现低垂之果的地方。总之，工欲善其事，必先利其器。增长团队一方面是要围绕业务目标，推进大量的A/B Test；另一方面，要磨刀不误砍柴功，积累沉淀一些基础的工具、平台，持续提升A/B Test的效率。
增长的确定性
增长的确定性，字面的意思是肯定能产生的增长。为什么是确定的增长呢？这背后的核心逻辑是复利效应。(1+0.01)^365=37.8，每天进步一点点，一年就是进步37倍多，这就是复利效应的威力。具体到用户增长的工作中，0.01是每一个正向结果的实验产生的提升，大量的正向实验产生大量的0.01的提升，最终就能实现确定性的增长。
复利效应要产生显著效果的关键是“期数”，0.01的提升，期数是40和期数是365的结果分别是：(1 + 0.01)^40 = 1.5 ；(1+0.01)^365=37.8。因此，回到用户增长的工作中，重中之重，是要不遗余力地增加A/B Test数。只有实验规模起了势，才可能产生确定性的增长，才能有显著的增长。从这个角度讲，持续不断地通过技术手段，提升实验效率，就是增长团队非常重要的一项工作了。
