當下互聯網環境，流量紅利消失，增長是愈難，愈是要增長。

關于增長的一些方法和實戰，做以下總結和分享：

本文將回答以下問題：

1. 增長轉化流程中，最應該核心關注的是哪一個環節？
2. 怎樣才算是真正意義上的產品激活，你的激活數據算對了么？
3. 像俄羅斯套娃一樣，幫你一步步找到產品的Aha時刻！

一、最應該核心關注的是激活轉化

說到增長，若在AARRR基礎上再濃縮提煉一下，那就是「認知-觸達-轉化」。

認知：即設法讓潛在用戶知道/聽過你

回想下這些場景：

“你在地鐵、樓宇、電梯間看到的各種洗腦式刷屏廣告，比如，「找工作就上BOSS直聘」，「旅游就上馬蜂窩」?！?/p>

“你從朋友口中聽到，通過XX電商產品不僅能領券購物，收貨后還能按比例返現，于是你默默的下載使用了?！?/p>

“你的微信好友向你發來了XX活動的助力、砍價、點贊邀請”

“你可能還得到過微商朋友關于各種XX產品的親切慰問”

……

這些品牌傳播、KOL裂變、老帶新分享、口口相傳等都是讓用戶產生認知的方式，在用戶的潛意識里悄悄地埋下了一粒種子。

觸達：即設法讓潛在用戶發現/看到你？

回想下這些場景：

“你在應用商店下載安裝了微信、支付寶、百度地圖、招商銀行…”

“你在XX網站輸入「數據埋點」想搜下數據埋點怎么做，搜索結果出現了神策數據、GrowingIO”

“你在XX短視頻平臺刷視頻打發時間，隔三差五就會出現XX自考本科，XX少兒英語，XX漫畫，XX游戲的產品廣告”

“你看到常用學習平臺的友情鏈接里出現了一款XX產品”

“你在手機的負一屏看到了來自Siri建議的XX產品”

……

這些SEM、SEO、信息流、商店的渠道投放、廠商合作、BD合作等都是觸達到用戶，讓用戶能夠看到、獲取到產品的方式。

轉化：它是一個集合體

包括：

（1）獲取到新用戶的激活轉化

（2）激活用戶提升忠誠度的留存轉化

（3）留存用戶的分享推薦轉化

（4）留存用戶的付費價值轉化

（5）以及流失用戶的召回轉化

在認知、觸達環節我們已經投入了大量的精力和成本，進行產品的打磨，渠道的推廣、激勵的發放等。

接下來最核心的就是第一層轉化，即「獲取到新用戶的激活轉化」。

因為，只有潛在用戶在你的產品里成功激活轉化了，之前的全部投入才不會打水漂；否則若是用戶在你這獲得了不好的產品體驗，轉頭選了競品激活轉化了，那可真是為別人做了嫁衣。

同時，新用戶激活更有催化作用，前期新用戶的激活率每提升一個百分點，對應到之后的留存曲線上就會提高一點點，用戶整個生命周期價值就會放大，對整體的留存和收益都有積極的影響。

所以，在整個增長轉化的流程中，我們更需要關注并持續優化新用戶的激活體驗。

二、激活轉化率要算對

激活轉化核心要解決的是：如何首次給用戶一個好的產品激活體驗。

將「好」定量來看，通過數據來解讀，明確的激活指標就是「激活率」。高的激活率，可算得上是有一個「好」的激活體驗。(激活率=激活用戶數/獲取用戶數)

• 那么，新用戶需要達到什么程度，完成什么動作才算是激活呢？
• 新用戶下載完成后，僅打開進入APP算激活么？
• 新用戶進入APP后，點開瀏覽了一篇文章算激活么？
• 新用戶使用產品完成了拍照、美顏操作算激活么？

通常，在計算激活轉化率前，我們常會提到“Aha時刻”，只有達到了Aha時刻的用戶才可統計為激活用戶數。

比如：

• 某款社交產品，定義它的Aha時刻可以是1天內加3個好友，3天內加5個好友，7天內加10個好友，具體再根據產品所處階段及對應留存曲線來動態調整。激活策略更多會引導用戶加好友，不斷豐富社交圈。
• 比如某美顏相機產品，定義它的Aha時刻可以是一天內使用濾鏡功能進行照片的美化操作。激活策略是將濾鏡功能前置，讓用戶更容易發現并體驗到濾鏡功能。
• 比如某旅游電商產品，定義它的Aha時刻可以是6個月內完成首單。激活策略更重要是盡量精簡訂單流程，給到用戶優惠激勵助推等。
• ……

三、用套路輕松找到Aha時刻

那什么是“Aha時刻”呢？

Aha時刻是用戶首次確認產品對自己“有價值”的那一刻，本質上，它是用簡化的行為數據模擬用戶首次得到價值的時刻。

在這一刻，用戶靈光乍現，興奮地脫口而出“啊哈，原來這個產品是用來XXX的”，此時，他已經真切地感受到了產品的價值所在。

為什么一定要達到“Aha時刻”才能算真正意義上的激活？

以終為始， 這是從長期留存用戶倒推早期關鍵行為的結論，通過分析數據，觀察活躍用戶與流失用戶之間的行為差異。

當然，想要達到“Aha時刻”還需滿足3個前提條件：

（1） 產品對于用戶是有長期價值的（即PMF，也是達到產品-市場契合的本質）

（2）通過某些關鍵行為，新用戶可以快速感受到產品的（部分）長期價值

（3）感受到長期價值的新用戶有更大的可能性留下來

要怎么做才能找到產品的“Aha時刻”？

先將“Aha時刻”的定義進一步量化，可表示為：【誰】在【多長時間】完成【多少次】【什么行為】

由此，可直觀看到，我們需要明確目標用戶，找到具體激活行為，驗證魔法數字后，才能真正找到產品的“Aha時刻”。

第一步：提出備選激活行為

即確定激活目標：產品的Aha時刻備選激活行為是什么？為什么？

一個普適的方法是通過關鍵問題分析法。通過關鍵問題分析，找到產品的長期價值，和體驗到這些價值需要的行為，并反推新用戶在短期可以完成的行為有哪些?；卮鸷孟旅?個問題后，答案也就浮出水面。

（1）who，用戶是誰？

（2）what，用戶用這個產品要解決什么問題？

（3）why，用戶為什么要解決這個問題？

（4）vs，用戶還有其他什么方法解決這個問題？

（5）用戶可能的激活行為是什么？

（6）哪些行為用戶可以迅速完成？

另一個較花時間的方法是通過用戶調研分析法。如果有大量備選行為，可通過用戶調研進一步縮小備選行為數量，對于有多個使用場景和功能的產品尤其重要。

你需要核心關注并找到以下3個問題的答案：

（1）找長期活躍的用戶，為什么覺得產品有價值？

（2）找注冊號迅速離開的用戶，為什么迅速離開？

（3）找注冊后活躍使用的用戶，為什么留下來？新用戶時期做了哪些動作？有哪些關鍵的體驗？

第二步：找到與留存相關性最強的激活行為

這一步不僅要找到潛在的激活行為，還需要確定時間窗口。

首先，找到新用戶的激活期， 評估新用戶要多快完成激活？

這里有3個原則：

（1）使用頻次越高，激活越快，否則，反之（如：saas，需30天激活；社交，需1天激活）

（2）生命周期越短，激活越快（如：游戲，僅1天就激活）

（3）參考實際數據，看大多數早期激活行為發生的時間窗口（如：80%都發生在前1天，那可以粗略將時間窗口設為：1天）

然后，找到激活行為。對比早期留存曲線，找到對留存影響最大的其中1個行為。

那到底該如何找到“激活行為”？

只需這4步即可獲?。?/p>

（1）收集所有新用戶前30天留存數據；

（2）將用戶按有無某個行為分組，收集留存數據（如：所有新用戶、第一天使用過A功能、第一天沒使用A功能、第一天使用過B功能、第一天沒使用B功能）；

（3）畫出不同用戶組的前30天留存曲線；

（4）對比留存曲線，找到有無該行為，留存差別最大的。

第三步：計算魔法數字

即：用戶需要重復多少次。

為什么要計算魔法數字呢？

理論上，重復次數越多，留存提升越大。 有些激活行為僅做1次就夠，如電商首單； 有些激活行為需重復多次，如看短視頻。 實際上，需找到激活行為最佳次數，確保用戶獲得價值。

那要怎么計算魔法數字呢？

也有兩種方法：

方法1：邊際效用最大法

（1）畫出新用戶首日激活行為次數的分布圖

（2）分析首日激活行為次數和次日留存率關系

（3）找到留存邊際效益最大的點對應的激活行為次數

方法2：韋恩圖（首日使用XX功能與次日留存）

（1）找到有該行為，并且次日留存的人數

（2）找到有該行為，但無次日留存的人數

（3）找到無該行為，但有次日留存的人數

第四步：測試驗證因果性

需：通過AB測試驗證。

上面的步驟 找到某個早期行為的用戶，同時留存率更高，這暫且只能說明兩者的相關性。

只有通過實驗證明用戶做了某個早期行為，導致留存率更高，這才說明了兩者的因果性。

此時，完成以上四步，才能確定已經找到該產品新用戶的Aha時刻。

四、案例：嘗試找到某知識付費產品的Aha時刻

下面以某知識付費產品做為case示例說明，如何一步步找到這款產品的Aha時刻。

第一步：提出備選激活行為

（1）who，用戶是二三線城市的讀書愛好者、終身學習者。

（2）what，用戶用這個產品想要養成讀書的習慣，讀好書，學到知識。

（3）why，用戶想要利用空閑時間讀書學習，不斷提升自己。

（4）vs，用戶還可以自行查找書籍，購買，閱讀，或是借助其他讀書平臺來達成。

（5）用戶可能的激活行為是：搜書、播放、加入書架、下載書、收藏書、買書。

（6）搜書、播放、加入書架、下載書、收藏書行為，用戶可以迅速完成，可作為備選行為。而買書有一定的決策成本，后置的可能性更大。

第二步：找到與留存相關性最強的激活行為

（無真實數據，暫且假設該產品的新用戶激活期是前1天，新用戶留存期是前30天）

模擬如下數據進行分析：該產品不同用戶行為分組的新用戶前30天的留存率。

從不同用戶組的新用戶留存曲線可見：最可能的激活行為是「使用加入書架功能」。

因為：安裝1天內使用加入書架功能的用戶近30天內整體的留存最高，且有無使用加入書架功能的曲線差別最大。

初步結論：用戶在激活前1天使用加入書架功能行為，最可能代表該產品新用戶的Aha時刻。

第三步：計算魔法數字（重復多少次）

針對第一天使用加入書架功能的用戶，模擬如下數據：

1. 畫出新用戶首日激活行為「使用加入書架功能」次數的分布圖
2. 分析首日激活行為次數和次日留存率關系
3. 找到留存邊際效益最大的點對應的激活行為次數

使用「邊際效用最大法」找到留存邊際效益最大的點對應的激活行為次數為1次。

第四步：測試驗證因果性【通過AB測試驗證】

上面三步找到了早期行為用戶的留存率更高的相關性，即「使用加入書架功能」的用戶留存率更高，后續需要設計實驗驗證。

• 實驗目的：驗證早期行為與留存率的因果性；
• 實驗設計：新用戶引導流程加入「使用加入書架功能」引導提示；
• 對照組：激活1天內沒有「使用加入書架功能」行為；
• 實驗組：激活1天內有「使用加入書架功能」行為。

假設實驗結論驗證了「使用加入書架功能」行為與留存率的因果性，則可以確認找到該產品新用戶的Aha時刻：用戶在安裝1天內使用過1次加入書架功能。

五、后續動作

以上，僅是掌握了找到某款產品新用戶激活的Aha時刻。

這距離新用戶激活還有一段距離，我們在找到了該產品新用戶的Aha時刻后，想要改善該產品的新用戶激活率，可以基于用戶行為公式：行為=（動力-阻力）*助推+獎勵

通過激勵、人工、渠道、產品等激活手段，針對性地增強用戶加入書架功能的動力、降低阻力、適時助推、及時激勵。

因此，我們還需要：

1. 進一步分析數據、發現線索， 找到提升新用戶激活的線索；
2. 梳理新用戶激活思路（通過行為公式，促使用戶完成激活行為）；
3. 綜合評估、確認方案（評估難度、成本并確認激活方案）。

最后，才能完整輸出新用戶激活的完整策略。

請持續關注后續章節更新~

本文由 @winnie0825 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議