Aha Moment（多译为“顿悟时刻”）这个表达是由德国心理学家及现象学家卡尔·布勒在大约100多年前首创的。
他当时对这个表达的定义是“思考过程中一种特殊的、愉悦的体验，期间会突然对之前并不明朗的某个局面产生深入的认识。”现在，我们多用 Aha Moment 来表示某个问题的解决方案突然明朗化的那个时刻。
从产品体验角度来说，Aha Moment 或者 Magic Moment ，是用户在使用产品中的爽（G）点。从产品的优化方向来说，它相当于是有价值的用户行为，这些行为将决定用户是继续使用你的产品还是选择你的竞争对手，它对用户留存以及产品的稳步增长有着决定性影响。
在作者看来，这两个 Aha Moment 从本质来说是不一样的，但又有一定相关性。前者代表着产品存在的价值，是在产品处于 MVP 阶段时就定好的，我们今天要聊的是后者。因为普通用户在使用产品过程中，通过哪些具体行为留存下来，从而成为优质用户，这个是我们无法准确预知的，然而一旦找到这这些行为，它就可以成为实现产品增长的秘密武器。
即便是再优秀的产品，也会在产品发展方向中经历/遭遇迷失，如果在这个阶段没有及时找到正确方向引导用户，产品的留存和增长就很难实现。
Facebook 在早期阶段，就发现影响留存和活跃最重要的因素就是好友数量，之后他们再持续不断的优化和测试中，找出了属于他们的 Aha Moment，就是确保新用户在10天内添加7个好友，完成了这个动作后，这个用户就有很大几率留存下来。在确认这个方向后，他们将这个目标作为产品优化的核心目标之一，通过不断的优化和改进，打造了现今社交平台在新用户引导界面几乎都在使用的 “Pepole you may know”。
除了 Facebook 以外，任何一个我们听说过的硅谷公司都有他们自己产品的 Aha Moment ：
Linkedin ：添加一定数量的联系人
Twitter ：用户之间互相关注
Zynga ：次日留存
Dropbox ：上传一个文件
现在我们情清楚了，Aha Moment 实际上就是用户接触产品后的一些特定行为，这些特定行为对于产品留存率有着决定性的影响，可以说是产品爆发的拐点。但是问题来了，我的产品目前还没有这些公司的产品那么厉害，我也能找到自己产品的 Aha Moment 吗？别急，这就是本文要帮助你解决的问题。
其实，要找到这个产品增长的拐点，有两个秘密武器：同期群分析和A/B测试。
同期群分析 (Cohort Analysis)：找出关键用户行为
A/B测试：验证最佳用户引导方向
以上两个秘密武器（方法论）缺一不可，关于它们的概念和定义我就不在这里多介绍了，大家可以在百度找到很多详细的解释，目前第三方做数据分析的产品也几乎都可以实现同期群分析，我们直接来看看具体的实施过程吧。
1.通过数据分析工具筛选出高质量用户、留存用户，以及低质量用户、不活跃用户的具体行为。
2.通过用户行为跟踪分别查看这两部分用户都做了什么，找到留存用户、高质量用户独有的特定行为。
这点非常关键，所以要强调一下，之前有很多同学认为，只看留存用户的行为就可以确认 Aha Moment 的方向，但事实上并非如此。我们需要对比找出留存用户的行为与流失用户行为之间的差异，确认那些在留存用户中占比最高，并且与留存有正相关的用户行为。
例如，找到留存用户行为有添加3个好友，发送2条消息和浏览5篇文章后，进行研发评估后，我们确认引导用户添加3个好友这个功能可以最快实现，然后确认运营策略，调配开发资源去实现这个功能了，但如果事实上，流失用户中的用户也有很大比例添加是3个好友，那就意味着我们有可能在做一个无意义的功能了。
3.与留存有正相关的行为可能不止一个，我们需要根据产品战略，技术开发的难易程度、用户调研和内部讨论进行综合评估，确认一些可以尽快将其完善成功能的行为类别作为 Aha Moment 的首选假设，之后实施研发，将其作为后续A/B测试的试验版本。
4.将那些不活跃的、低质量用户设为试验受众，通过A/B测试观察这些不活跃、低质量用户的数据是否可以提升，从而达到活跃用户的标准，进而找出真正的 Aha Moment 。
A/B测是验证假设的最佳工具，我们将现有版本作为原始版本，有新功能的版本作为试验版本，通过用户行为验证我们的假设是否成立。
5.通过不断测试之后，试验数据将告诉我们哪些行为会成为 Aha Moment ，我们确认之后通过A/B测试工具将附带 Aha Moment 的版本推送给所有用户。
除了这些，还有一点需要强调，就是在做同期群分析确认留存用户的特定行为时，我们也需要关注通过用户访谈和一些线下用户的反馈所获得的宝贵信息，这点非常重要（其实这点并不单单只适用这个场景，产品在做任何优化和改动时，我们都应该聆听用户的心声）。
