2.3.2 如何最大化增長模型的效用

當(dāng)你有了最基本的增長模型之后，應(yīng)該如何最大化它的效用呢？

第一，增長模型可以揭示影響增長的所有輸入變量，并且用量化的指標(biāo)指導(dǎo)實(shí)驗(yàn)。

增長模型可以幫助你把抽象的“增長”，分解為一個(gè)一個(gè)具體的影響增長的輸入變量。當(dāng)你把所有輸入變量都列出來后，就會(huì)發(fā)現(xiàn)增長的驅(qū)動(dòng)力可以來自于用戶生命周期的各個(gè)階段，而不僅僅是新用戶獲取。

另一方面，當(dāng)你有了各個(gè)變量的基準(zhǔn)數(shù)據(jù)，在設(shè)計(jì)和優(yōu)化增長杠桿、不斷實(shí)驗(yàn)并改進(jìn)的過程中，可以通過觀察增長模型中各個(gè)指標(biāo)的變化來檢測進(jìn)展。

比如，上面2.3.1小節(jié)的聽歌應(yīng)用的例子，通過增長模型就可以很明顯地看出，影響增長的不僅僅是新用戶下載量，還有注冊(cè)率、激活率、已有用戶活躍程度等。

第二，增長模型可以幫你排序優(yōu)先級(jí)，讓你專注在最有影響力的部分，從而實(shí)現(xiàn)結(jié)果最大化。

由于增長團(tuán)隊(duì)可以做的事情有很多，很多時(shí)候你會(huì)面臨不知道該從哪里下手的困惑。增長模型的作用在這個(gè)時(shí)候就非常明顯了，它可以幫你清晰地看出當(dāng)前的聚焦點(diǎn)應(yīng)該在哪里，從而有效地排序優(yōu)先級(jí)。

回到聽歌應(yīng)用的例子，如果增長模型的具體數(shù)據(jù)如下，從初步的分析中可以看出老用戶的表現(xiàn)不錯(cuò)，新用戶的首次聽歌比例看起來是問題所在：

聽歌應(yīng)用月活躍用戶

=（每月下載量×注冊(cè)率×首次瀏覽比例×首次聽歌比例）+（已有用戶數(shù)×每月持續(xù)登錄比例×持續(xù)聽歌比例）

=（10000×50%×90%×30%）+（200000×80%×95%）

上面的優(yōu)先級(jí)排序思路比較簡單，只要目測找到增長模型中的最大瓶頸就行。通過定量增長模型，我們甚至可以進(jìn)行假設(shè)分析（What-if analysis），量化不同增長項(xiàng)目的長期影響。定量增長模型的繪制較為復(fù)雜，但是基本思路和上述無異，感興趣的讀者可以參考2.6節(jié)模板中的工作表。

Chris More（克里斯·莫爾）是火狐增長團(tuán)隊(duì)的負(fù)責(zé)人，他想知道對(duì)于火狐來說，以下兩個(gè)不同的增長項(xiàng)目，哪個(gè)對(duì)增長的影響更大。

1）選項(xiàng)1：通過新用戶上手優(yōu)化，提高7日留存率5%？

2）選項(xiàng)2：在第30天到第90天之間，把新用戶獲取量提高10%？

如果沒有增長模型，這幾乎是兩件不可能比較的事情。有了定量增長模型之后，卻變得很容易，只要在Excel表中輸入相應(yīng)的改變，就可以看到不同變量對(duì)未來用戶增長的影響。

結(jié)論是，6個(gè)月后，選項(xiàng)1能夠帶來6%的日活躍用戶增長，而選項(xiàng)2只能帶來1%的日活躍用戶增長（見圖2-6）。所以，一次性的產(chǎn)品推廣或拉新活動(dòng)，雖然短期效果明顯，但半衰期也很短；而提高新用戶激活率，半衰期較長，對(duì)長期增長影響較大。通過這個(gè)分析，增長團(tuán)隊(duì)的工作重點(diǎn)也就不言而明了。

第三，增長模型可以幫助你將大的增長指標(biāo)分解，并定量地預(yù)測未來的增長趨勢(shì)。

無論是為了匯報(bào)、運(yùn)營還是制定財(cái)務(wù)計(jì)劃，每個(gè)公司都有預(yù)測未來用戶增長趨勢(shì)的需要。有了增長模型，你可以把大的增長指標(biāo)分解，提高預(yù)測的準(zhǔn)確性，目標(biāo)的制定也變得更加有據(jù)可依。

比如，以前公司的增長目標(biāo)可能是，在下一季度，將月活躍用戶數(shù)提高到1500萬。有了增長模型之后，目標(biāo)可以分解成多個(gè)子目標(biāo)，增長團(tuán)隊(duì)可以針對(duì)每一個(gè)子目標(biāo)進(jìn)行單獨(dú)的計(jì)劃和改進(jìn)。這一點(diǎn)我們?cè)?.3.2指標(biāo)分解一節(jié)會(huì)進(jìn)一步闡述。

第四，增長模型為進(jìn)一步的分析提供了方向和骨架。

資深網(wǎng)站數(shù)據(jù)專家、Google Analytics（谷歌分析）的推廣人之一Avinash Kaushik（艾韋納什·卡希克）有一句名言：

“所有的總和數(shù)據(jù)都是垃圾，要么分組來看，要么不如去死。”

（All data in aggregate is“crap”.Segment or die.）

看看你的增長模型，仔細(xì)觀察一下，所有輸入變量的數(shù)據(jù)，在不同的用戶群組里面都類似嗎？還是在不同的群組里有很大的不同？看看注冊(cè)率、激活率和活躍度，試著找到用戶行為明顯不同的群組，你就能發(fā)現(xiàn)一些實(shí)驗(yàn)和改進(jìn)的思路。比如，如果移動(dòng)端用戶的轉(zhuǎn)化率比網(wǎng)站用戶要低很多，也許說明了網(wǎng)站在移動(dòng)端的表現(xiàn)很差。

一些比較常見的群組包括：用戶獲取渠道來源，移動(dòng)端還是桌面、新用戶還是老用戶；基于不同用戶行為的群組，如訪問過某個(gè)頁面、采取了某個(gè)行動(dòng)、用戶人口學(xué)等。

另外一個(gè)思路是針對(duì)關(guān)鍵的用戶行為構(gòu)建一個(gè)迷你模型。比如，如果郵件是一個(gè)很重要的用戶獲取渠道，重新用步驟1到步驟3的操作，來構(gòu)建一個(gè)從郵件訂閱者到注冊(cè)用戶的迷你模型，可以幫助你找到提高渠道效率的方向。

通過郵件注冊(cè)的新用戶

=郵件訂閱者列表大小×閱讀郵件百分比×注冊(cè)產(chǎn)品百分比

第五，增長模型也是有效的管理決策溝通工具，避免“意見之爭”，統(tǒng)一團(tuán)隊(duì)方向。

當(dāng)所有人都使用統(tǒng)一的北極星指標(biāo)時(shí)，可以有效地保證團(tuán)隊(duì)各個(gè)部門的努力都朝著同一個(gè)方面。而增長模型則是更進(jìn)一步，不光做到了方向的統(tǒng)一，同時(shí)也協(xié)助了思維方式和決策體系的統(tǒng)一。比如，增長團(tuán)隊(duì)決定下一個(gè)季度聚焦在優(yōu)化新用戶引導(dǎo)上，當(dāng)他們和領(lǐng)導(dǎo)層及其他相關(guān)團(tuán)隊(duì)交流這個(gè)決策，并尋求幫助以及爭取資源的時(shí)候，通過增長模型，可以很直觀地顯示為什么這是正確的策略，而不需要陷入無休止的“你認(rèn)為、我認(rèn)為”的爭辯。同時(shí)，增長模型的量化本質(zhì)可以幫助團(tuán)隊(duì)有效地保持對(duì)結(jié)果的專注，而不至于陷入只是為了做而做的誤區(qū)中。