本文节选自曲卉写的《硅谷增长黑客实战笔记》一书,曲卉在该书的最后一章采访了 9 位中美一线增长大咖,其中一位就是张弦,其中聊到了一些张弦对于增长的个人心得和看法。

张弦,曾任豆瓣和 Keep 数据和增长负责人

张弦见证了 Web 2.0 时代到移动互联网时代的数据分析,在用户增长上做过很多尝试。在探索用户定量和定性分析的融合,按场景和用户行为细分做精细化运营,以及偏用户留存的增长策略管理方面有一定心得。曲卉开玩笑称他为「不会打比方的数学系毕业生不是好增长负责人」。


十三问答

Q: 你的本科和硕士是数学系,怎么开始做增长了呢?

张弦:学了几年数学之后,我毕业后很自然地就开始做数据分析了。但是做了一段时间之后发现,做数据分析,问题可能不是我自己提的,然后结论究竟怎么用我也难以控制,所以价值的实现不在我自己手里。当时增长的概念逐渐火起来了,我们做了一些初步的尝试和探索,发现把数据用于增长,从采集、分析、得出结论到应用一条龙就打通了,感觉更有价值。

做过数据的人做增长有一个好处:因为增长是以目标导向的,而做数据分析的人可以认为是“自带尺子和圆规”的。其中,圆规用来做角度,代表怎么找到增长的方向,而尺子用来画线,可以度量增长的效果,找增长方向和看增长效果这两点其实都需要通过数据分析来完成。增长的目标是用户量或收益的增长,而做数据分析的人对于这种目标导向的思维也是非常适应的。

Q: 在 AARRR 模型里,你最喜欢的增长杠杆是哪一块呢?

张弦:我最喜欢的是用户推荐,因为产品的很多改进都是来自内部的,用户推荐则是利用现有的用户去拉外面的用户,如果每个老用户都能拉来两三个新用户,这就是一个成倍的增长,而且这些用户的留存率天生就会比别的渠道高。所以如果能做好的话,是“躺着”就能增长的。具体来说,如果产品有商业化的出口,可以使用有补贴的增长,做起来就比较容易;如果没有补贴的话,就要从人性的角度去考虑,我为什么要分享,有什么好处?被分享的人看到之后,为什么要接受,有很多可以尝试的方向和角度。

Q: 能谈谈你对于用户增长的理解吗?

张弦:对于增长,很多人有成熟的理论和书籍,在这里我想谈谈自己的一些不一样的理解:

第一是做增长之后,我更加深入理解了加法和乘法的关系。因为做增长有很多方法,可以去找很多不一样的渠道去拉新,每找到一个新渠道,对于增长是加法的贡献;也可以去做各种转化率优化,比如某一步转化率提升 10%,对于增长是乘法的贡献。一般来说,乘法的好处会更大一些,但这也是基于加法积累的初始规模才能做到的,所以这两个策略是需要互相配合的,只做加法,不做乘法,效率低,效果不能放大;只做乘法,不做加法,如果本身盘子太小,也没有意义。

第二是我们做增长尝试时,很多时候结果不是正向的,但是我们当中所做的努力,以及从中学到的东西,其实是提升了最终的成功率的,所以这是一个结果和概率的关系。有点像质变和量变的关系,量变到一定程度,可能会发生质变,也有可能不会, 做增长不是每次做实验都能有好的结果,但是通过尝试不断提升成功率,胜利总会来到的。

第三是每个产品所处的时期不一样,增长的策略也不一样。在起步的时候,产品就像一艘小船, 容易掉头,当用户做到一定规模后,产品就像一艘大船,体量比较大,开得比较平稳了。对于开船,两件事最重要:动力和方向。对于小产品来说,动力更重要,没有动力,方向再对也没用,因此做增长要着重于让用户迅速上量;而对于大产品来说,动力已经比较足了,接下来控制去哪个方向就比较重要。

根据市场所处的不同时期,增长的策略也不一样。现在国内渠道的成本上升很快,我们需要不停地去找新的渠道,红利期越来越短,以前可以用 3~6 个月,现在可能只能用 1~2 个月。所以需要我们保持敏锐的判断,迅速行动,把红利拿到手。如果太慢,成本可能很快就上去了,红利也就没了。

Q: 我知道你曾把用户的生命周期比喻成一个“水池”,为什么你会有这样一个想法呢?(参见之前张弦在职人社活动上的分享原文

张弦:这个想法的产生是因为很多公司喜欢将“活跃用户数”作为公司的指标。我个人觉得用户的活跃是一个概率事件,是动态的,有进入和流失,所以和水在一个蓄水池里的积累过程很像。比如用户在这个蓄水池里,如果不下沉,就会上升,最后蒸发掉,就代表用户流失了;如果蒸发后,又通过成云下雨的方式落下来,就代表这些流失用户成功被召回了。最后,这个蓄水池里面整体的水量就代表了全部活跃用户现在的规模。

这个用户蓄水池被分成多层,每层里面存在着很多用户,一个用户只能存在其中一层。每天都来的用户一直在底层活动,较活跃的用户会在下面几层来回翻滚,流失的用户会一直上浮直到蒸发,流失被召回的用户会从体系外“空降”到底层。

Q: 越来越多的公司开始做 A/B 测试,能谈谈你做 A/B 测试的一些经验吗?有哪些常见的“坑”需要避免?

张弦:第一是必须明确要提升哪个指标:A/B 测试必须要聚焦,不要想着一下子改善很多指标。有些指标可以去观察监测,保证它不降,但是设计A/B 测试时应该着眼于一两个关键指标。

第二是从上游优化到下游:如果要优化的指标是一个连续漏斗里的一环,通过 A/B 测试优化到一定程度后,如果上游情况有变化,那么这个指标可能要重新优化,因为进来的用户可能不一样了。因此从上游优化到下游才是最高效的 。

第三是小步快跑,在主路径上值得做多次 A/B 测试,从上游到下游优化每一个步骤的转化率,效果是叠加的。主路径根据产品的不同而不同,比如对于电商,就是浏览、加购物车和支付;对于社区,就是内容消费、内容生产和互动。也可以从流量角度看,找到那些用户量最大的路径,在这些路径上做多次 A/B 测试。

Q: 对于用户分析,你曾经讲过“全景漏斗”是比较好的一种分析用户的框架,能举个例子给我们分享一下吗?

张弦:漏斗这个思维工具已经很成熟了,就是看一个路径上每一步转化的情况,一般是用数值百分比来表达的。“全景漏斗”就是把很多路径漏斗横向串联起来,成为一个体系。纵向计算单个漏斗各个步骤的转化率,可以明确优化的重点;横向则可以观察和控制用户在不同漏斗之间的分布,实现产品的商业目的。

举例来说,一个产品有工具用法、社交用法和内容用法,每个用法都有自己的纵向转化率。但是从产品角度看,我们需要让用户在哪个阶段用哪个功能对产品价值比较大呢?比如工具的好处是用户想到就会进来用,所以作为引流手段很好,但是很难仅仅因为工具功能留下用户。所以产品可能就会加入内容和社交的用法,帮助提升用户留存和参与度。

有些公司会把不同功能分给不同的团队,每个团队都想局部地增加使用自己的功能的用户,那么可以从外部拉新,或从其他功能那里导流,如果想要最大化增长的效果和商业价值,是要从总体上做一些协调和计划的。这时候,一个“全景漏斗”的指标体系就派上了用场。因为,它可以让你看到用户在不同功能间的分布和流动。通过“交集占比”这样的指标,可以明确不同用法之间的交集有多大,以及随时间是怎么变化的。比如功能 A 的用户和功能 B 用户的交集占功能 A 的比例是多少,如果它提升了,说明更多的用户是往功能 A 的方向去迁移了,有可能是用户自发完成了转移,也可能是用户引导模块产生了作用。“全景漏斗”可以让我们非常全面地掌握用户在产品里的动向。

Q: 你觉得国内和国外的增长黑客有什么区别吗?

张弦:最大的不同是美国那边的增长是因为有这个需求而慢慢地衍生出来的,而国内则是因为更多地看到国外有这个东西,于是抱着学习的态度去尝试。其实国内外的游戏规则是不一样的,国外规则相对透明,做增长可以做的乘法比较多;而国内市场的各种限制多,竞争非常激烈,所以更多的是去做加法。

Q: 在国内,想要组建增长团队,可能面临哪些挑战?应该如何克服?

张弦:增长团队在国内也是一个慢慢被接受的过程, 运营和产品团队的效果都很明确了,在增长团队设立之前,到底效果怎么样不知道;同时,增长团队需要投入的资源也挺多的,不仅是数据,还有开发、设计等,所以对于一个效果不明确、资源消耗又很大的团队,需要领导层有很大的决心和智慧去推进。

从增长团队的角度来说,刚开始必然会受到很大压力,比如其他团队可能对增长有错误的理解和预期。有几点可以帮助解决这个问题:第一是找共赢点,和其他团队一起找到那些可以帮助提高其他团队产出的点,从这些点开始, 持续给各个团队带来价值;第二是短时间内产出比较多的胜利,可以帮助建立团队的口碑;第三是定期拉着各个团队的核心决策人一起列计划,做复盘,这也是在向大家传播增长团队的成果,从上到下为增长团队争取支持。

Q: 你觉得增长、运营、市场、产品这些功能在未来会怎么演变?

张弦:我觉得增长最初是由一小群人提出的概念,慢慢地会被更多的人接受,最终这个思维会扩散到各个部门里去,渗入到每个人的工作思想中去,由各个团队自己去做自己的增长。当具体的执行都分散在各部门里了,这时候还需要一个增长策略的制定者,站在更宏观的角度思考,通过我们之前谈到的“全景漏斗”之类的工具,从全局去把握,哪个功能应该有更多用户、哪个方向的迁移对产品发展更有利。未来,增长的执行会分得更细,目标更明确, 比如有专门做拉新的优化、专门做转化率的优化、专门做流失用户唤回的优化,每一个方向都是已经被策略制定者拆解过的指标了,分配给专门的团队来负责,最终整体的增长效率也更高,所以我觉得未来产品、运营和技术都有很大的概率要参与到整个增长的过程中来。

Q: 数据分析在增长里扮演的角色是怎样的?从一个做数据分析的人员背景出发做增长,你觉得你的优势在哪里?

张弦:第一,我们一直在说“数据驱动”,但我觉得数据本身不是驱动力,但可以优化机会成本,就是很多时候我可以做很多事情,数据可以帮你决定哪些事情先做,哪些事情后做。所以数据扮演的角色更多是帮你找方向的,并不能直接给你带来动力。

第二,增长越往后深入越离不开数据分析,因为优化到一定程度,遇到瓶颈了,接下来该怎么办?回答这个问题的过程就是一个数据分析的过程。

第三,我们应该从流量思维转向用户思维,因为在网页时代有很多大的流量入口,只要把流量引过来,有一定的转化率,就能保证有商业收益;而在移动互联网时代,用户更多元,线上行为也更多样,数据的维度会快速上升,用户属性、行为属性、画像、聚合群组的维度等,如何把这些复杂的数据应用好,也是很大的挑战。所以,从数据分析的背景来做增长,有着天然的优势。

Q: 你在做增长的过程中走过什么弯路吗?

张弦:我以前犯过的一个错误是只看数据,觉得数据能给我一切答案。所以也走了一些弯路,比如数据能够告诉我A和B有相关性,但是我却不知道其实还有一个C,同时影响了A和B。后来我发现,只看定量数据是缺了一条腿的,必须要定性和定量两条腿走路。现在我们会在产品的关键节点里随机弹出一些用户研究问卷,问卷非常短,就三个问题,同时控制它出现的概率,尽量把对用户体验的影响降到最低,这样我们可以拿到一些非常直接的答案,用户为什么没有完成某个动作,这些洞察是不可能只依赖数据分析发现的。

Q: 当产品内部的优化做到一定程度之后,如何突破瓶颈,继续增长?

张弦:我觉得用户和平台之间的关系,可以用三种连接来总结。一是用户和平台的连接,就是用户打开产品使用,用户用得越多,连接就越强;二是用户和用户的连接,当用户间产生足够多的互动后,可以创造情感依赖,提高用户黏性;三是平台和场景的连接,就是用户在哪些场景里会想到使用你的产品,拓展第三类连接是突破后期增长瓶颈的关键。

对于偏工具类的产品,必须是用户想到你,才会打开来用。如果一周想到你一次,那么一周就只会来一天。对于这样的产品,需要让用户建立起更多生活场景和产品的连接,才能增加用户的使用频次。以Keep为例,之前是用户有点碎片时间要锻炼,才会想到打开产品,当我们把这一系列体验优化得很好之后,在这条路径上的提升就很有限了。这时候,我们可以尝试让用户在其他场景也想到Keep,比如等车时,做个放松;睡觉前,练个瑜伽;出门看到天气好,就去跑个步。当我们在这些场景里提醒用户使用Keep,并且用户体验也很好的话,以后再有类似的场景,用户就有一定可能性会打开Keep。建立场景和平台的连接是增长里最难的地方,也是增长做到后期主要的发力点,因为产品内部已经优化得很好了,这时就需要从外部拓展用户打开产品的机会。

Q: 对于刚开始做增长,或者打算转行做增长的新人,尤其是有数据分析背景的人,你能给三条建议吗?

张弦:第一是增长这一行的变化非常快,需要大家保持开放的心态去学习;第二是找各种机会磨炼自己的判断力,不仅仅是与增长相关的;第三是功利的心态并不可耻,做增长就是以结果为导向的,不用非要抱着找意义的心态去做增长。