本篇文章，作者將分享一套通用的產(chǎn)品增長思維框架，以確定目標、尋找因素和構(gòu)建模型三個板塊，展開講述這一思維框架的具體構(gòu)建過程，有一定的適用性和參考意義。

無論對于B端還是C端而言，在不同的產(chǎn)品階段，關注的重點總是不同，而使用的策略和方法都不太一樣。

而“增長模型”作為一套通用方法，可以適用于不同階段不同類型的產(chǎn)品，解決產(chǎn)品目標達成的問題。

以下是執(zhí)行該模型的具體步驟：

一、確立“北極星指標”

“北極星指標”是增長的唯一目的，是可量化的。

它像一顆北極星一樣，指引著產(chǎn)品迭代更新的方向，幫助你集中有限的資源進行“爆破”，提升產(chǎn)品價值。尤其是在中后期產(chǎn)品規(guī)模擴大，溝通效率降低的情況下，一個有效的“北極星指標”有利于大型團隊的目標管理，提升整體行動力。

不同的產(chǎn)品類型，在不同的產(chǎn)品階段，其“北極星指標”都不一樣，需要根據(jù)產(chǎn)品實際情況進行確定。

“北極星指標”必須是緊扣業(yè)務實際與產(chǎn)品定位的。

接下來看兩個實際例子：

1. 對于問答平臺“知乎”來說，其“北極星指標”一般是“有多少問題被回答了”。因為這個指標能直接反應出平臺的用戶活躍程度，即是否有越來越多的人喜歡在該平臺上不僅提問，而且回答。同時，該指標也緊扣了問答平臺對“問”和“答”兩大核心數(shù)據(jù)要求。
2. 對于打車平臺“滴滴”來說，其“北極星指標”一般是“乘車人的平均候車時長”。或許在產(chǎn)品創(chuàng)建初期，其指標會是“打車訂單數(shù)”之類，但在打車市場已經(jīng)無限繁榮且接近飽和的今天，“乘車人的平均候車時長”這一指標更加能反映出地區(qū)內(nèi)乘客與司機密度，以及派單算法的智能程度。

但也請注意，“北極星指標”不一定是一成不變的，它可能在業(yè)務的不同發(fā)展階段而產(chǎn)生變化。

警惕“虛榮指標”

并非所有指標都適合用來當做“北極星指標”。有些指標會給人一種看起來非常NB的感覺，但實際上沒什么L用。

沉浸在“虛榮指標”的“繁榮”中是非常危險的，因為一個錯誤的指標，也將指引團隊前往錯誤的方向，最終導致崩盤。

常見的“虛榮指標”包括點擊量、頁面瀏覽量（PV）、獨立訪客數(shù)（UV）、粉絲/好友/點贊數(shù)、網(wǎng)站停留時長/瀏覽頁面數(shù)、注冊量等。這些指標極其容易給人造成“繁榮”景象，從而對產(chǎn)品現(xiàn)狀產(chǎn)生誤判，更有甚者，還會造成企業(yè)資源消耗，團隊混亂等結(jié)果。

同時，“虛榮指標”還有一個特征：就是容易被炮制。即通過一些手段，很容易達到。

舉個栗子：某房產(chǎn)中介APP，以“提升注冊用戶數(shù)”為目標，將該目標分攤給了銷售團隊，讓房產(chǎn)銷售每人每月必須至少完成一定數(shù)量的注冊用戶拉新任務。這是一個非常典型的“虛榮指標”，原因在于：

1. 該指標與“北極星指標”沒有緊密的相關性。更多的注冊用戶數(shù)并不代表著能帶來更多的房產(chǎn)交易。
2. 它非常容易被炮制。例如，房產(chǎn)銷售人員為了按時按量完成該任務，完全可以通過注冊機或淘寶購買假號碼注冊等方式達成目標。平臺方為了解決該問題，甚至需要額外付出大量資源去打假。
3. 它消耗了大量資源，且分散了團隊的精力。

二、尋找相關性因素

接下來需要尋找與“北極星指標”緊密相關的因素：即這些因素的漲跌將直接影響“北極星指標”的漲跌。

可以嘗試通過以下方法尋找這些因素：

1. 業(yè)務理解

基于自身對業(yè)務的理解，可以尋找到這些因素。

例如，一家小吃店的銷售額，一般與店鋪位置、小吃的定價、小吃的味道等因素有直接關系，這是憑借著對線下飲食行業(yè)的基本理解就能得出來的相關性因素。

2. 用戶訪談

可以通過對用戶進行針對性訪談，挖掘相關性因素。

在選擇訪談對象時可以重點考慮這兩類人群：

1. LTV高的客戶。因為他們在你的業(yè)務上支付了最多的錢，他們是享受你們業(yè)務服務最多的人，他們提供的意見當中，一般會包含高相關性因素。
2. LTV低的客戶。因為他們是拋棄你們的人，可能是一開始拋棄，也可能是使用一段時間后拋棄。你需要去了解他們棄用產(chǎn)品的原因，這里面也會包含重要的相關性因素信息。

選擇較為“極端”的人群進行調(diào)研，更加容易得到清晰的結(jié)果。

3. 數(shù)據(jù)分析

運用數(shù)據(jù)分析的方法挖掘相關性因素，需要先對數(shù)據(jù)的三個分類有清晰的認知：

1）用戶數(shù)據(jù)

表示了用戶屬性的數(shù)據(jù)指標，如人口統(tǒng)計學屬性（性別、地區(qū)、教育程度、口味……）、訪問來源等，這類指標能夠反映出用戶本身的特征。

例如，你從事的是奶茶業(yè)務，業(yè)務范圍覆蓋全國，那么在進行用戶群體相關的口味調(diào)研業(yè)務分析時，需要基于用戶所屬地區(qū)分開考量。因為不同地區(qū)的用戶，其嗜甜度不同（江浙滬地區(qū)的人可能更加喜歡甜）。

2）行為數(shù)據(jù)

表示了用戶在產(chǎn)品中的各類行為的數(shù)據(jù)指標，如頁面訪問、元素點擊、停留時長等。用戶行為本身代表了用戶對信息的期望，我們可以非常輕易地利用用戶行為數(shù)據(jù)，推斷出用戶的實際需求。

用戶行為數(shù)據(jù)一般在優(yōu)化業(yè)務流程或產(chǎn)品體驗時格外有用。

例如，當你觀察到APP某頁面上某個信息區(qū)塊，用戶的點擊量特別大、且停留時間較長，這證明了用戶對這部分信息的感興趣程度較高。在后續(xù)的產(chǎn)品迭代中，則可以考慮有限優(yōu)化這部分，方法可以有很多。例如在交互層面加重這塊的設計，或在業(yè)務層面著重優(yōu)化這塊的信息數(shù)量或質(zhì)量等。

3）業(yè)務數(shù)據(jù)

表示了產(chǎn)品業(yè)務結(jié)果的數(shù)據(jù)指標，如訂單量、GMV等。

我們可以基于業(yè)務理解和用戶訪談的結(jié)果，選擇可能與“北極星指標”為高相關性的數(shù)據(jù)指標。例如，若“北極星指標”為“訂單轉(zhuǎn)化率”，則行為數(shù)據(jù)“7天內(nèi)商品詳情頁訪問量”可能與其具有高相關性。

三、構(gòu)建增長模型

增長模型其實就是一道由相關性因素組成的公式：

北極星指標=A×B×C

其中的A、B、C就是上述步驟中尋找到的相關性因素。

以上文中“訂單轉(zhuǎn)化率”為例，他在用戶行為層面的增長模型可能是：

訂單轉(zhuǎn)化率=首頁訪問量×搜索執(zhí)行量×詳情頁訪問量×訂單按鈕點擊量×……

請注意。上述公式僅僅只是在用戶行為層面的公式。如果考慮用戶屬性或業(yè)務數(shù)據(jù)層面，可能會有不一樣的結(jié)果，例如若你的業(yè)務是銷售潮牌球鞋的，那么用戶屬性上可能需要考慮：

訂單轉(zhuǎn)化率=男性用戶占比×15至35歲用戶占比×……

在業(yè)務數(shù)據(jù)層面可能需要考慮：

訂單轉(zhuǎn)化率=受歡迎的球鞋品牌數(shù)×最新款庫存量×……

我們也可以在頂層設計階段，為公司整體業(yè)務框架設定增長模型，以電商巨頭“亞馬遜”為例：

亞馬遜增長=垂類拓展×單個垂類商品庫存×單個商品頁面PV×購買轉(zhuǎn)化率×客單價×復購行為

1. 向下拆分

每一個相關性因素，都可以繼續(xù)向下拆分：

A=A1×A2

例如，以上文的“訂單轉(zhuǎn)化率”為例，其中的“搜索執(zhí)行量”可以進一步被拆分為：

搜索執(zhí)行量=關鍵字輸入行為×(實時推薦結(jié)果點擊量+模糊搜索執(zhí)行量)×……

方法上，依然可以使用上文提到的三個尋找相關性因素的方法。

請遵循“MECE”原則，盡可能地將指標拆分到足夠細致的程度，有利于團隊任務的分配以及目標的整體實現(xiàn)。

2. 數(shù)據(jù)分析

模型構(gòu)建完畢后，遵循“數(shù)據(jù)驅(qū)動”原則，基于數(shù)據(jù)分析的結(jié)果，來指導后續(xù)產(chǎn)品策略的制定。

一般有以下常用的數(shù)據(jù)方法：

1）走勢分析

某指標基于某維度的變化情況。比較典型的場景是，觀察某些指標因素隨著時間維度的變化趨勢。

需要額外注意異常（驟增、驟降、波動）情況，并挖掘發(fā)生異常那段時間發(fā)生的事情（產(chǎn)品更新、技術(shù)優(yōu)化、市場變動……）與該異常之間的相關性。

例如，若你觀察到“每周五晚上訂單量出現(xiàn)高峰”這一規(guī)律，則可以考慮針對該時間段進行喚醒和促銷活動。

2）分布分析

某指標在其不同屬性上的分布情況。

例如，你可以通過分析已售商品的購買者在“年齡”屬性上的分布，了解到平臺的多數(shù)客戶的年齡分布。接著，可以繼續(xù)觀察年齡分布量最大的這部分客戶，在“商品分類”屬性上的分布情況，了解到他們最喜歡購買哪些類型的商品。

這部分數(shù)據(jù)能夠同時對備貨訂貨策略及營銷推廣策略產(chǎn)生直接的指導價值。

3）漏斗分析

主要用于分析流程的轉(zhuǎn)化效果，從而可以很輕易地推斷出該流程最大的損失（卡點）在什么環(huán)節(jié)，并進行針對性優(yōu)化。

以海盜模型（AARRR）為例：如果從獲客（Acquisition）轉(zhuǎn)化到激活（Activation）階段的轉(zhuǎn)化率有了明顯下降，則可以考慮是否獲客質(zhì)量出現(xiàn)了問題，從而調(diào)整獲客策略。

4）尋找關鍵數(shù)字

尋找某指標與核心指標有最高相關性的關鍵屬性。尋找關鍵數(shù)字時，以上文中提到的“訂單轉(zhuǎn)化率”和“7天內(nèi)商品詳情頁訪問量”為例：

1. 獲取數(shù)據(jù)分布。將“7天內(nèi)商品詳情頁訪問量”的分布情況做倒序排列，得出分布面較廣的行為，例如，訪問量為10次和20次的排名前兩位。
2. 下挖其屬性，并進行對比分析。繼續(xù)上例，我們可以將“7天內(nèi)商品詳情頁訪問量為10次”和“7天內(nèi)商品詳情頁訪問量為20次”的這部分用戶撈出，并計算出這兩部分用戶分別的“訂單轉(zhuǎn)化率”數(shù)據(jù)，誰是最高的。
3. 可以重復進行2和3步驟，以找出“北極星指標”表現(xiàn)最好的行為數(shù)據(jù)，例如，結(jié)果是“7天內(nèi)商品詳情頁訪問量20次”的用戶，“訂單轉(zhuǎn)化率”最高。

3. 策略制定

基于數(shù)據(jù)分析結(jié)果，我們可以很清晰地制定出產(chǎn)品策略方案。

繼續(xù)以上文為例，當我們得知了“7天內(nèi)商品詳情頁訪問量20次”的用戶，“訂單轉(zhuǎn)化率”最高，那么接下來的問題就是：如何盡可能多地讓更多地用戶在7天內(nèi)訪問商品詳情頁20次？

說白了，就是找到了核心行為，并尋找無核心行為的用戶執(zhí)行核心行為的方法，并達到關鍵數(shù)字。

一般的流程為：

首先，進行頭腦風暴。

團隊成員各抒己見，提出各類認為可能可行的想法（Ideas），并最終組織為一個清單（Backlog）。

然后，快速實驗，并揚棄。

由產(chǎn)品經(jīng)理或增長負責人，基于清單內(nèi)容，制定優(yōu)先級，并按優(yōu)先級，將這些想法落地到產(chǎn)品內(nèi)。

在進行實驗時，需要嚴格控制實驗范圍（如：限定參與實驗的用戶群），以獲得最佳的實驗結(jié)果。比較好用的實驗方式有AB測試。

例如，你的實驗內(nèi)容為“調(diào)整訂單按鈕的文案”并觀察該方法是否能提升按鈕點擊率。在控制試驗范圍時，盡可能只讓一小部分用戶群參與（確保不會影響產(chǎn)品整體），并且盡可能選擇在該按鈕點擊上表現(xiàn)不佳的人群參與，以確保能夠得到清晰的實驗結(jié)果。

實驗結(jié)果，則是需要對該想法進行證明或證偽。

如果該想法確實對關鍵數(shù)字有幫助，則將其保留，否則棄用，立馬進行下一個實驗。

為了加快速率，可以考慮基于團隊資源分配效率，進行多實驗并行。