对增长大概框架的概述，其中的每个小点大部分都能单拿出来详细展开。

增长最重要的三个词我认为是：用户规模，用户价值，成本。

对增长的常见误区：一般会认为：增长=裂变，=获客，=投放，=AARRR……

高阶增长和初级增长的差距可能体现在：

* 对数据的理解和处理经验；

* 对于快速低成本的找到增长线索的能力；

* 对各种单点增长问题的解决能力和思路；

* 搭建增长模型的能力、通过调整业务模式获得增长的能力；

* 结合业务模型或商业模型理解增长背后的逻辑的能力；

用户增长分为“外增长”和“内增长”：

* 外增长：用户获取（渠道投放、裂变/转介绍、换量、2B2C(一起作业就是这种模式获客的)等），曾经沧海曾经教育行业有过很多裂变的经典案例，典中典还得看拼多多。

* 内增长：从新用户承接到流失的全过程管理。在产品内设计和优化用户转化路径，并通过数据分析发现洞察制定策略，以实现用户价值最大化；关键是对数据，策略，业务的理解；

一般流程包括新用户激活，留存，变现，自传播（以AARRR举例），常见的玩法会有：

用户成长体系、用户激励体系、用户分层运营、用户生命周期价值管理、防流失体系、用户召回等等；

以上整体一般称为：数据驱动；以上每一块单拿出来都可以作为一个独立的方向来玩。

个人认为“内增长”比“外增长”相对来说逻辑性更强，复杂度更高一些；可能这句话说的有点坐井观天了。那就先跳出来看看内增长吧。

怎么理解内增长？可以从三个词来建立一个框架来理解。“模型，数据，策略”：

模型：即增长模型。是一系列密切相关，并可互相影响的数据指标。没有一个完全通用的模型，各公司各业务差异很大，就算类似AARRR这样的模型也并不是适用于一切业务。搭建增长模型的前提是对业务的理解，先有业务模型，理解业务模型的基础上再来搭建增长模型；（一般公司会有三个主要模型：商业模型（或财务模型）--全局业务模型--局部业务模型，而增长模型是业务模型的组成部分）

模型依赖数据，数据指导策略，策略反哺模型。

数据一般分为：

* 业务数据：用于监测业务进展和健康度。如：流量、用户数、活跃用户数、销售额等。

* 基础数据：用于描绘用户画像或给用户打标签。如：年龄、地区、职业、喜好、学校、性别、家庭状况等。

* 行为数据：用于对用户成长路径、用户行为特征等进行分析。如：用户使用某功能或购买某商品、消费某内容等。

增长的框架大概是：

* 底层的业务逻辑：结合商业模式和产品用户路径来搭建增长模型和指标体系；(增长模型一般有AARRR，全链漏斗型，因式分解型，全定量模型。其中全定量模型最复杂，可以把产品外增长的各种渠道投放包括裂变因子都包含进来，也能用来做流量预测和成本预测)

* 关键驱动手段：数据分析+AB实验    数据分析（梳理用户路径--采集数据--数据监测--数据分析--制定策略）

* 解决增长问题：外增长(渠道投放，裂变等)，内增长(激活、留存、活跃、防流失，召回，付费等)

本次更多是对“解决增长问题”的初步概述；关于“底层业务逻辑”和“关键驱动手段”后续再整理；

下面聊下对于具体的增长问题的一些常用方法：

1、新用户激活，这块相对简单点，网上有很多文章讲解，一般熟悉的比如aHA时刻，魔法数字，cohort分析等等，这里不做过多描述；

2、用户留存，这块难度和复杂度都会比较大一些，也会有很多方法：这里先列个大概的框架，

前置条件：做留存前，需要先评估产品提留存的难度；

留存曲线：通过留存曲线，评估留存情况并发现问题；

数据分析：通过分析洞察机会，找到留存问题，明确发力点；

留存方案：根据数据分析，给出产品方案；

留存活跃的底层逻辑大概是："引流--促进用户首次使用--吸引用户多次使用--养成用户习惯--延长用户使用生命周期"；

* a、关于留存促活，其本质是伴随产品用户体量的增长，不断针对不同类型的用户，要找到性价比最优的转化、成长路径，再施加引导激励；这里就包括了用户分群，用户路径，激励体系。

* b、产品的长期价值成立和稳定，是留存+促活能够产生意义的前提；长期价值可以用pmf来量化分析。

* c、典型用户转化、成长路径清晰+用户使用习惯行为闭环形成后，一个用户激励体系可以显著通过产品化放大内增长的效率;

/做增长绝不是各种方法论的直接套用，而是随业务的变化而动态变化调整的，不是一个线性的过程。产品在其生命周期的不同阶段，增长的目标也会大不相同；

/总结：增量/留存/促活等的基本前提：要拥有一个“明确、可被驱动的用户转化/成长路径”;

提留存的框架：

观点:在PMF的前提下留存促活，其本质是伴随用户体量的增长，不断对不同类型的用户，找到性价比最优的转化/成长路径，再施加引导激励。针对不同用户采取不同方式将其引导到适合他的路径上使其触发关键行为体验产品价值，本质是让他更快的发现产品价值(在他有限的生命周期内更快让他发现），这里说的适合的路径很可能是动态变化的，所以留存不是一劳永逸的事。提留存本质是让用户感受到产品价值，所以前提是产品有价值。但也不是一定先要做好留存再做拉新，这和提留存要先有产品价值是两回事。(tiktok就是先搞流量再搞留存，但这和tiktok产品本身的属性强相关，并不适用于大多数产品，且它有抖音的经验。而微信视频号则是先留存再流量，所以RARRA更适用于一般新上线的产品，尤其是资本有限的产品)。互联网产品常见的两种死法：生于拉新，死于留存。生于拉新，死于变现。

不同产品提留存的前提，难度的评估及策略制定：

* 制定和评估产品的留存曲线

* 如何计算和绘制留存曲线；

* 如何评估留存曲线；

* 精细分析，找到性价比最高的留存线索和留存路径，明确留存发力点：

通用方法：

* 用户分群对比（很常用，一般出现指标异常都会用到）

* 功能留存矩阵对比（结合用户分群可扩展出很多矩阵）

* 大用户规模的产品；

* 改善长期留存曲线（PMF分析长留）

* 加深用户参与度

一般常用的单点方法：

* 新用户留存：

* 精准拉新

* 持续上手，用户引导

* 老用户留存:

* 用户习惯养成路径（找路径的方法：数据找出习惯用户，习惯用户根据产品目标比如使用频次的理想值等来找，分析习惯用户的行为特征，路径特征，场景特征，以及在用户的早期特征等即可找到），Hooked；

* 用户参与度的加深（提升使用频次和使用强度，增加使用场景：比较熟悉的如滴滴的各种用车场景）：参与度可看作留存的前向指标，可用活跃频次和活跃强度（比如时长就是一种强度）来表示，所以为什么很多产品都要提使用频次，提时长等，原因就在这里（再给一种理解：留存是“用不用”，参与是“怎么用”）。活跃是单次行为，参与度或留存是复合行为；留存是活跃在时间上的持续,所以留存分为初始行为和留存行为，一般说留存提升了多少，需要明确留存的这两个行为分别是什么，否则数据差异会很大；（活跃是单次行为，活跃的频次和活跃的强度是参与度，留存是活跃在时间上的持续：所以提升活跃或者提升参与度能带来留存的提升就是这个原因）

* 用户防流失（流失用户的定义，一般常用方式通过“回访率”曲线找拐点，没有拐点按业界常用值5%/10%来定或业务自己根据情况来定）

* 召回

* 流失预警机制

* 流失预警模型（提活跃和防流失是有区别的，可以认为提活跃是吃营养品，虽然没病但可以吃吃了没坏处，而防流失是打疫苗，有潜在的风险才给你打，在应用层常用的策略会很像或者常有交叉，但确是两种概念，作用的目标用户都不一样；）

体系化的方式（精细化运营）：

* 用户成长体系

* 激励体系

* 用户生命周期价值管理

* 用户分层运营

* ……

以上，用户分群会是一个比较重要的地方：说下分群的思路:

插个队：分层又是什么？我理解分层是互斥的，分群可以有交集。可以在分层基础上再进一步分群。比如成长体系，会员体系这些。这个不是重点，一个名称而已。以下不做区分，统一用分群来表示。

/ 首先需要理解用户分群从大类来讲有两种：

1.平行的分群(各群之间没有明确的价值高低关系，不需要把某个群的用户转化为另一个群里)

2.递进的分群(合群之间有价值的高低，需要转化)

--分群方式:

*    AARRR，RARRA

*    按用户价值分群：（为递进的分群，需要把低价值群往高价值群转化）

      a.用户生命周期价值管理（需要有时间维度，另外可以再加上1个或n个关键行为即可定义出生命周期来）

      b. 基于关键行为分群，可以多个关键行为一起（因为一个关键行为通常不能覆盖全部用户）

      c. RFM及其各种简化变种（感觉RFM要比上两种分群方式要简单很多，有了源数据，自己在excel里就能分出来）

*    按用户需求差异分群:（多为平行的分群）

        a.属性

        b.渠道

        c.场景

        d.功能偏好/内容品类偏好/商品品类偏好

        e.价格敏感高低，服务敏感高低

*    按状态：

      a. 付费状态

      b. 购买历史

        c.广告点击

*    按用户身份差异分群：

        a.金字塔，比如微博的用户身份

分群不一定要覆盖大盘全部用户，根据实际业务目标分即可。比如按关键行为分群一般就很难覆盖全部用户，因为关键行为本身就已经对用户做了一层筛选。

实际做分群时往往用到不止一种方法。分群相对简单，难的是分群后怎么应用，怎么上策略；

单说下用户生命周期价值管理，即LTV管理:分LT和V(value):

-LT：life time即希望用户在产品的时间越长越好。

-V：希望在这个LT里面，能够完成对他这个用户的变现，获得商业价值，同时也给这个用户提供用户价值，这就是value。对于其它还没有进入到这个健康活跃状态(LTV的时间段内)的用户，需要通过各种手段让他进入进去，这大概就是LTV的底层逻辑。

/有点抽象，再说的具体些：

-LT：是用户生命周期。在产品中体现为留存。如果对cohort很熟练，那么应该很容易理解活跃天和留存的关系。通过公式可以推导出一个稳定获客的产品，到第n天累计新增日活=前n天留存对n的积分*每天新增uv。留存函数可以通过前几天的每日留存数据进行拟合。

-V：是用户价值。比如广告变现。LT和V可以根据两者的关系求出LTV的最大值，以此为依据来平衡用户体验和产品的商业价值。

最终得到的用户商业价值可以和用户获取成本进行对比，若为正，那就可以大规模买量了。比如头条，猎豹。

(这么说会不会太绝对了？tiktok说：会)

好吧，再说下商业价值。

之前写过产品粘性，迁移成本，商业价值三者的关系。迁移成本决定了用户生命周期的长度，粘性和变现能力决定了单体用户价值 ，这三者共同决定用户生命周期价值即ltv，再加上用户规模和成本，就共同决定了产品的商业价值。

以上，似乎都是基于"数据"的增长，更多的是对已有流量的增长，提升用户规模的增长一般是内容驱动增长，业务模式的改变驱动增长比如向海外市场扩张。

总结下来增长最重要的三个词我认为是：用户规模，用户价值，成本。(强行首尾呼应)