每套方法論都有自己的邏輯閉環和不同的適用場景，也存在在執行時仍然存在的困惑，根據自己遇到的困惑，拆解輸出的方法論理解消化后輸出自己的方法論，才是最合適的做法。

增長是一個持續實驗的過程，就像做產品迭代，最科學的方法是向迭代要數據，依據數據做迭代；做增長亦是如此，即數據驅動增長。

策略、增長都有各自的方法論，抽象出來其實表達的是相似的意思。

通過數據發現問題→提出假設→設計方案→獲得更多數據→驗證假設→發現顆粒度更細的問題→提出更精準的假設。

是無數組閉環邏輯的循序漸進，根據實際達到的效果以及成本，來決定做到哪一步就可以滿足目標或者需要及時止損。

每套方法論都有自己的邏輯閉環和不同的適用場景，也存在在執行時仍然存在的困惑，根據自己遇到的困惑，拆解輸出的方法論理解消化后輸出自己的方法論，才是最合適的做法。

增長實驗通常以A/B測試的方式進行，要清楚A/B測試只是手段不是目的，在日常生活中也可以加以利用。

2. 設計增長實驗前，如何發現問題

2.1 有明確目標（根據目標找數據）

有明確目標的意思是，促使實驗發起的需求來源不是分析數據后發現的問題，而是通過其他需求來源提出的明確的可衡量的目標。

比如老板下達任務，這個季度的GMV要提升30%。那么關鍵指標可定義為2020Q1GMV，相關指標可以在已經搭建好的增長模型或者公式中獲得。

GMV等于流量*轉化率*客單價，流量包含自然流量和渠道流量等，自然流量包含產品本身的APP、小程序等，渠道流量包含各個外部渠道。

根據實際情況選擇對應的顆粒度分析。

2.2 無明確目標（根據數據找目標）

無明確目標的意思是，促使實驗發起的需求來源，并不聚焦于某一個具體目標，我們想通過優化某一個當前需要優化的內容，從而達到提升整體效果的終極目標。

此時為了避免拍腦袋定方案，設計出低質量的實驗浪費資源，就要通過一些科學方法找到相對合理的目標。

a.收集用戶反饋

在產品的用戶反饋入口、應用商店評價、社交平臺等渠道收集用戶反饋。

通過對用戶反饋的過濾、整理、分析，發現與增長相關的問題，以解決此問題為目標設計增長實驗。

用戶的反饋比較隨機，難以判斷影響面，與產品全局沒有直接關系，因此可能需要其他手段進一步驗證，著重思考優先級的排序。

b.系統監控

在數據體系較為完善的系統中，可以通過監控發現問題。

提前設置好監控指標和報警規則，是在一段周期內一勞永逸的方式，提升發現問題的效率，降低需求分析的成本。

比如某成熟期的社區產品的日留存率平均在30%，如果每天的留存率在正常波動區間內，我們便可以將精力用在其他地方，如果留存率不在正常波動區間，即出現異常（一般指留存率偏低的情況）。

首先要根據業務實際情況確定是否真的是異常情況，如果確定是異常情況，可能會通過增長實驗，來將異常數據拉回正常區間；如果不是異常情況，可能需要調整報警規則。

比如K12類產品，在周末活躍度對比周一至周五下降，或者購票類產品在假期過后活躍度下降，通常屬于正常情況。

c.定期復盤

復盤的方式可以具象為效果回歸。效果回歸是驗證在之前的增長動作中，有沒有達到目標。如果達到，探索進一步優化的空間；如果沒有達到，分析原因，嘗試通過接下來的增長動作達到目標。

3. 增長實驗案例丨KEEP社區

3.1 實驗背景＆目的

（1）提升用戶對其他用戶關注率

• 已知當前動態詳情頁（動態、文章、視頻）的日均PV為10000
• 已知當前動態詳情頁（動態、文章、視頻）的關注率為5%，目標提升至6%
• 統計顯著性需要達到95%

統計顯著性在這里不深入展開，市面上有專門的統計工具，通過搜索引擎即可找到

（2）實驗前準備-定義指標

【（年/月/日）關注率】定義：用戶累計（年/月/日）關注數/用戶（年/月/日）累計瀏覽內容來源其他用戶數。 （對一個用戶生產的多條內容做去重）

【瀏覽】定義：對應內容在一屏中露出60%。在頁面中停留時間≥5s。

3.2 增長實驗

步驟1：提出實驗假設

假設1：

【如果】在社區feed流中增加關注按鈕

【預計】月關注率可以提升20%

【因為】

• 社區feed流是第一層級頁面，跳出率最低，縮短了轉化路徑。
• feed流的核心目標就是吸引用戶更長時間的沉浸體驗。目前的關注需要在更深一層級的【添加好友】或【動態詳情】中操作，某種程度上打斷了用戶的心流。按鈕放在feed流上可以使體驗更流暢。
• 用戶做更多操作去關注一個用戶，在潛意識上會把關注當成一個相對重的操作，將關注按鈕放到feed流中，使用戶不需要像在【添加好友】中篩選和在【動態詳情】中查看更多內容，僅通過feed流中的一條動態便確定關注意愿，細化了關注的場景，滿足了追求多樣性和把關注看的不那么重的用戶。也是產品需要潛移默化影響用戶心智的方向。

最佳實踐：

抖音feed流中可以直接關注發布者

定量分析

• 用戶在【feed流>動態詳情>feed流>動態詳情】（循環）路徑中點擊關注的數量
• 用戶在feed流中給非關注用戶動態點贊后，關注該用戶的數量

假設2

【如果】增加邏輯：點贊默認同時關注，個人中心可設置點贊是否同步關注

【預計】月關注率可以提升30%

【因為】

• 與上條一樣，產品需要引導用戶的是不把關注看做是一個很重的操作，從而使用戶更多的進行關注。
• 點贊和關注，在不同的社區運營過程中，含義的演化各不相同；可設置的點贊是否同步關注邏輯，是將選擇權還給用戶，滿足對這兩者不同理解的多種用戶群體需求。
• 對于在feed流中根據一條動態便確定關注意愿的用戶來說，當前需要操作三步（點贊、點擊動態、關注）才能完成點贊+關注。使用假設后只需要點贊一個動作，操作多個時，指數級的降本增效。

最佳實踐

通常情況，縮短轉化路徑可以提升轉化率。

微博有類似的邏輯，通過內容吸引用戶關注發布者。

定量分析

• 用戶在【feed流>動態詳情>feed流>動態詳情】（循環）路徑中點擊關注的數量
• 用戶在feed流中給非關注用戶動態點贊后，關注該用戶的數量

假設3

【如果】為游客開放瀏覽社區和關注用戶＆話題權限。（登錄后選擇是否同步關注數據，根據終端同步）

【預計】月關注率可以提升5%

【因為】

• 用戶不需要登錄即可進行瀏覽，縮短了轉化路徑
• 但是對于一個產品來說，用戶的登錄代表了最基本的興趣和信任，一直處于游客狀態的用戶并不會很多也不會很活躍

最佳實踐

對于游客用戶也可以使其產生粘性和沉默成本，拿出誠意，先給用戶價值，尋求用戶未來的登錄。

好奇心日報，未登錄狀態下可以做瀏覽、收藏、參與研究等操作。

定量分析

• 下載量
• 登錄頁UV
• 登錄用戶數

假設4

【如果】類似微博，登錄成功后，引導填寫簡單用戶問卷（健身側重內容），根據用戶個人情況推薦關注表單。

【預計】月關注率可以提升25%

【因為】

• 微博、站酷、好好住等各領域社區APP已經教育出用戶習慣，比較易于接受，用戶的問卷反饋可以應用于內容推薦和push等策略，帶來更精準的促活
• 但是根據keep的商業模式以及當前的一級頁面C位（運動）可以很清晰的看出，KEEP的核心還是工具屬性；
• 因此是否提升社區的權重，需要戰略層面的權衡

最佳實踐

微博的各種引導關注＆自動關注機制，需要權衡差異選擇性參考。

定量分析

• 用戶分層：瀏覽內容時間與使用運動功能時間占比大于2：1的用戶比例

步驟2：ICE模型打分，制定優先級

優先級：假設1>假設2>假設4>假設3

打分依據-預期影響

打分依據-成功概率

打分依據-容易程度

步驟3：實驗設計

避免內容重復，這里再引入一個新的實驗假設講解后續內容

1）實驗假設

【如果】用戶在動態詳情中停留5s以上，關注按鈕變亮變大。

【預計】月關注率可以提升20%（5%→6%）。

【因為】停留可以反應出用戶對內容的興趣，從而說明對發布者的興趣；5s的時候用戶興趣比較濃厚又未完全沉浸在內容中，此時關注按鈕發生視覺變化既提醒用戶關注又不會過分干擾造成反感。

最佳實踐

（同假設2）微博有類似的邏輯，通過內容吸引用戶（強提醒）關注發布者。

定量分析

• 用戶在文章詳情＆動態詳情中停留5s以上后，關注發布者的數量和比例。
• 用戶關注發布者時在詳情中停留的平均時長。

2）實驗指標

【月關注率】定義：用戶當月累計關注數/用戶當月累計瀏覽內容來源其他用戶數。 （對一個用戶生產的多條內容做去重）

【瀏覽】定義：對應內容在一屏中露出60%。在動態詳情頁中停留時間≥5s。

因為實驗的改動是在動態詳情中的3個頁面（動態、視頻、文章），因此實驗前后的數據對比僅統計此部分數據差異；確保不會被其他因素干擾。

核心指標：（上面3個頁面依次編號1、2、3）頁面1月關注率、頁面2月關注率、頁面3月關注率。

反向指標：頁面1月取關率、頁面2月取關率、頁面3月取關率。

【取關率】定義：用戶在對應頁面中關注后又取消的數量/用戶在對應頁面中關注數。

輔助指標：（上面3個頁面對應依次1、2、3）頁面1關注平均停留時長、頁面2關注平均停留時長、頁面3關注平均停留時長。

【停留時長關注比】用戶在對應頁面中關注，平均需要停留的時間。

與實驗的5s對比，衡量5s這個時間點發生的按鈕樣式變動，對用戶最終關注的影響程度。

3）實驗受眾

• 有關注習慣用戶
• 無特定習慣用戶
• 無關注習慣用戶

【有關注習慣用戶】定義：關注數/活躍（進入社區）天數≥1（每活躍1天，新增1個關注）

【無特定習慣用戶】定義：0.3＜關注數/活躍（進入社區）天數＜1

【無關注習慣用戶】定義：關注數/活躍（進入社區）天數≤0.3

4）實驗設計-A/B測試

a. 版本劃分及原因

3個版本：

• 從策略層面細化，可以考慮27種組合（3組用戶3個頁面3種樣式），然后評估操作成本。在案例中，僅考慮文章詳情頁。
• 變化幅度大的樣式對應強提醒，側重目標轉化。樣式例如：按鈕變大50%，顏色明顯變化+動效。
• 變化幅度小的樣式對應弱提醒，側重體驗連貫。樣式例如：按鈕變大20%，顏色輕微變化。

（該階段的思維發散僅做思路展示，后面兩個時間的計算不考慮中間涉及到的拆解用戶組）

b. 如果將文章詳情的【月關注率】提升到6%

已知當前關注率5%，目標提升至6%，統計顯著性需達到95%，文章詳情每日UV10000。

• 【有關注習慣用戶】【無提醒】
• 【有關注習慣用戶】【弱提醒】
• 【有關注習慣用戶】【強提醒】
• 【無特定習慣用戶】【無提醒】
• 【無特定習慣用戶】【弱提醒】
• 【無特定習慣用戶】【強提醒】
• 【無關注習慣用戶】【無提醒】
• 【無關注習慣用戶】【弱提醒】
• 【無關注習慣用戶】【強提醒】

每組流量分配：10000/9≈1111

剩余名額全部劃分至【有關注習慣用戶】【無提醒】，實驗無結論前，減少對活躍用戶的影響。

實驗時間

通過工具計算得出：6900/1111≈6.2天，取整數7天。

5）分析實驗結果

實驗組：是接受實驗變量處理的對象組。

對照組：對實驗假設而言，是不接受實驗變量處理的對象組。

關注點：

• 實驗組和對照組的流量是否平均，是否獲取到了足夠的樣本數
• 實驗周期是否足夠長，是否受到周末、節假日影響；是否受到用戶的新鮮感影響
• 每組中是否覆蓋了全部用戶類型（高、中、低頻）
• 實驗組的核心指標對比對照組是否提升、輔助指標是否提升或持平、反向指標是否提升造成負面影響
• 核心指標是否達到統計顯著性要求（搜索引擎中即可找到第三方統計工具）

6）實驗下一步

開啟新的循環