洞察用户生命力是制定产品数据增长策略的基础条件，或许你已经阅读过数据增长相关的书籍，但仍然很难做好数据增长。并不是书籍上的内容有所偏薄，真实的原因是因为我们缺少对用户生命力的洞察能力，这导致我们没办法正确的将这些方法付诸实践，并不是方法错误，而是我们没能发挥方法的价值。
完整的数据增长策略应该是合适的时间做了合适的事情，只是知道“事情”是远远不够的，我们还要有“时间”的概念，更需要知晓联系时间与事情之间的“合适”是何种含义。
当你具备对用户生命力的洞察能力时，数据增长策略就不再神秘和难以下手了。如果我们能够在用户心情愉悦时，诱导他付费升级，在用户迫切需要的地方，诱导用户分享转发，那么我们的付费率，我们的分享率便会极大的提高。困难的地方并不在于如何让用户愉悦，也不在于如何让用户迫切需要，而是我们如何去洞察，什么时候用户愉悦了，什么时候用户需要了。这不是拍脑袋的直觉，我们需要更客观的数据进行分析佐证。
洞察用户生命力的核心在于通过颗粒度更细的数据，将产品内部的化学反应呈现出来。让我们能够进行分析，能够更精准的对问题进行定位。在上一节的案例里，我们补充几个数据信息，你会发现问题发生了极大的变化，你的策略或许在投入市场之前就可以被判定无效。
经过一段时间的数据观察，我们发现新用户的留存数据非常良好，次日留存率甚至远高于市场平均数据，达到了惊人的70%，7日留存率也在60%，30日留存率则是50%，也就是说每天新增10000用户，在第30天时，至少有15万至20万用户是会计入日活数据。但日活数据依然是100万，并没有因此提升。
这表示，新用户的留存并没有太大的问题，他们确实留存在产品里了。日活数据没有提升是由于其他原因导致。
因为问题定位偏差，你准备的若干方案都变得没有了意义。
这样的事情每天都在我们的工作中上演，一旦问题定位偏差，你的任何解决方案都没有了意义，如果已经投入到开发阶段，势必会导致资源的耗损，时间的耗损。更重要的是，你会一次一次的透支团队对你的信任度，你的压力将会伴随每一次的实施结果而倍增。尽管我们可以通过良好的沟通能力，出色的领导力去调动大家的积极性，但这并不能坚持很长时间。
任何措施都只能在表面维持友好的现象，任何伪装都无法掩盖你的信任度面临余额不足的问题。
犹如我对此的形容：这是一个困境，而你深陷其中，在极大压力的背景下，你极有可能继续作出错误的决策，也许你会将毒蛇视为能够助你脱离困境的绳索。
难以避免的，你将会越陷越深，最后的结局也许是产品下架，项目组解散，甚至公司解散。而这一切的罪魁祸首，导致你作出错误决策的根本原因在于我们缺少对用户生命力的洞察。
因为缺少洞察力，致使我们没办法准确的定位问题，直接导致我们做出了错误的决策。如果你能准确的对问题进行定位，结局将会截然不同。依然是相同的案例，经过更深层次的数据分析，你已经发现日活数据不再增长的原因并不是新用户留存，为此，你需要颗粒度更细的数据分析模型，来帮助你找出真正的问题所在。
通过对最近7天日活用户的详细分析，你得到了日活用户的生命力分布如下：
在每天登录的100万用户里，
0%的用户拥有150天以上的注册时间
5%的用户拥有120天的注册时间，
10%的用户拥有100天的注册时间，
35%的用户拥有80天的注册时间
25%的用户拥有60天的注册时间
15%的用户拥有30天的注册时间
数据表明，真正的问题并不是新用户的留存，而是老用户的存续。在100万用户里，仅仅只有10万用户拥有100天以上的注册时间。这表示今日新增的10000用户，在100天后将仅剩1000用户，而在150天的时间内，这部分新增用户将会流失殆尽。用户生命周期短暂，只能聚集150天存续用户的合集，超过150天的用户则会静默死亡。
这个问题才是月新增30万用户，但日活数据没有提升的根源所在对应的解决方法是延长老用户的寿命，让更多的存续80天的用户，能够存续100天，更多的用户能够存续120天甚至更长的时间。在颗粒度更细的数据分析里，累计用户从来不是由始至终的持续累积，而是用户寿命范围内的累计。这需要你准确定义出在产品内大部分的用户寿命有多长，并以此为区间值，统计该区间范围内的新增用户数量作为有效累计用户。
在案例里，有效的累计用户，便是150天的累计新增用户，按照每天新增10000用户的背景计算，也就是150万的有效累计用户，而不是持续累积下来的1000万用户或者2000万用户，对于已经彻底死亡的用户而言，除了能让数据看上去比较好看以外，不具备任何分析价值。不仅如此，实际上这部分数据往往是我们在分析过程中的障碍，常常让我们错误的预估了形式，错误的定位了问题，最终提出了错误的解决方案。
数据分析的颗粒度过大，导致我们难以准确的定位问题，同时也影响了我们对用户生命力的洞察。在案例当中，如果我们可以提高用户的生命力让更多的用户从80天的使用时长进入100天的使用时长，也就是在日活用户当中提高老用户的占比，便可有效提升日活数据。而提升新用户的占比，则意义并不会太大。
在案例的数据模型当中，注册时间在80天以前是一个存续累积的过程，日活占比越来越高，而在注册时间80天以后，用户开始大规模流失，日活占比越来越低。提升80天以前的用户留存，是一种事倍功半的策略，即使我们让更多的用户存续80天，但在80天以后依然会产生大规模流失。提升80天以后的用户留存，则是一种事半功倍的做法，是一种延续用户生命力的策略。
通过将更多的用户从80天的生命周期延长至100天，最终表现形式是提升存续100天以上的用户占比。即使我们没有额外的新增用户，因为老用户的存续累计作用，也能极大提升日活数据，甚至有部分用户的生命力能延长至150天以上。
我想你已经发现了，日活数据里，老用户占比越高，产品的日活用户越多，越能呈现一个正面发展的趋势，反之，如果日活用户当中，新用户占比越高，则表示产品进入了一个瓶颈期。
此时，我们去提升更多的新用户留存便是事倍功半，你需要花费更多的精力和成本，但效果却并不如人意。而延长老用户的生命周期则是一种巧劲，能够带来根本上的改善。洞察用户的生命力，是产品进行数据增长策略时的基础条件，其核心在于更深度的窥视产品内部的化学反应，需要借助颗粒度更细致的数据分析方法。
当你掌握这个方法以后，将不再单一的依赖想法或者做法，不再是依赖虚无缥缈的运气，而是更科学的展开数据增长。你将知晓产品内部发生了什么问题，我们对问题的定位也不再是宽泛的留存，而是颗粒度更细致的什么样的用户留存，是新用户的留存，又或者是老用户的留存。你将知晓，用户生命力的值（存续天数）对产品的迭代策略具备的极其重要的意义。
你也将知晓，一款成功的产品，一款伟大的产品，将不会离开两个命题，即延续用户生命力，以及阻止用户的死亡。对于产品而言，我们犹如医生一样，将会尽一切办法，延长用户的寿命，同时也会用各种可能性去避免用户的夭折。要做到这一点的前提便是你能洞察用户的生命力，你能意识到问题的存在，否则，你将束手无策。这就如同不知晓症状的疾病，没有办法诊断的疾病，再优秀的医生也难以进行治疗。如果我们不能准确的发现用户的寿命，你便无法知晓起点，你甚至无法知晓需要为什么样的用户提供什么样的服务，毕竟将10天寿命延长至30天所需要的策略，与将100天的寿命延续至150天是截然不同的。
这并不是专属于运营的落地方法，而是能够辅助我们进行产品决策，辅助产品经理进行深度问题定位的方法，是我们能够即学即用的产品落地方法。他的作用在于能够让我们更准确的进行问题定位，从而制定最合适的产品方案，产品策略，最终依靠产品设计的方法提升某项或多项数据指标。即使不改变运营策略，不依赖外部资源，也可以实现产品自身的数据增长。
思考一下
如果，我们将注册时间为100天的用户数占比提升至20%会发生什么样的变化呢？
你能否计算出此时的日活用户数呢？
本文转载于公众号：枯叶咖啡馆 未经作者授权，禁止转载。
【转载说明】 若上述素材出现侵权，请及时联系我们删除及进行处理：8088013@qq.com
