产品陷入了瓶颈，订单量不增不减，如何才能取得突破。今天来和大家扯点淡，顺便回答一下这个问题。
S曲线与J曲线
在产品发展周期中，经常会看到关于增长曲线的讨论。
大多数产品，都会遵循S型曲线的增长方式：
但有些产品，可能产生J型曲线：
拿大家最熟悉的两个通信工具来说，QQ的发展遵循的就是S型曲线，而微信却能走出J型曲线。
很多人会因此认为，微信更加牛逼，但我一直的观点是：
如果微信并不是腾讯出品的工具，那么他才能在是否牛逼上去和QQ进行比较，由于两个产品拥有同一个爹，所以，互相借势，是微信能够展现出J型曲线表现的重要原因。
不仅仅是用户增长，大多数的交易增长也会遵循这种曲线，所以，在传统的商业和电商的财报中，你经常会听到「受季节因素影响」的评价，这种评价，说的其实是商业中最常见的客观因素影响导致增长不达预期时的一种说法。
S型或者J型，其实没有好与不好，他们一样会遇到瓶颈期，或者我们说，平稳期，不管是怎样的增长曲线，缩短平稳期，突破瓶颈的诉求都是一样的。
缩短平稳期的方法
一切的增长，都寄希望于数据层面的突破，而一切手段，也依赖于数据提供的支持。
关于「啤酒与尿布」以及「Target怀孕指数」的故事相信很多人都耳熟能详，不管是否真实，它实际上是给出了启发的：
如果你了解你的用户，那么你有大把的机会去尝试对他们进行转化，而一旦某一种方法被验证可以转化，就可以围绕这种方法去做深度挖掘。
在这里，其实大家可以用每天使用的手机和手机运营商提供的流量优惠做理解。
运营商A在用户办理手机卡业务时，请用户选择套餐，并告诉用户可以参与一个活动，承诺消费达到一定额度，每月就会赠送double的流量套餐，为期半年。
运营商B则会根据用户每月使用流量的情况，推荐用户对应的流量套餐，促使用户向新套餐转化。
这两种方式都很简单，但是背后却有针对用户所做的运营策略。
运营商A的策略是，假定目标有100名用户接收了这种方案，那么就分析全量用户的每月流量使用情况，并对应这个样本群在半年优惠期结束后，是否适应缩减了一半流量的套餐，如果样本不适应，有多大比例会让这群样本去购买更高的套餐。
运营商B的策略是，假定目标有100名用户接收到推送，那么就观测这100名用户接受推荐套餐的比例，并分析接受推荐的用户实际的套餐使用情况，以及他们的复购情况，并持续优化推荐模型。
在《怪诞行为学》中，提到过一些很有趣的例子，譬如，关于便宜口味一般的巧克力，与昂贵但口味更好的巧克力，对消费者施加了不同策略后，是否会影响消费者的选择。
答案是显而易见的，即便是那些喜欢口味更好更贵的巧克力的消费者，也可能会因为营销者施加的策略，而在一定的场景下发生选择偏移，并可能在长期的策略施加后，形成新的决策习惯。
运营对于消费类的用户，就是需要考虑施加不同的策略。
我曾经说过，游戏运营对互联网运营是有很大的启发的，传统商业的运作也对互联网运营有很大启发。
拿手游来说，尤其是国内的手游，你一定看见过很多「限时」购买的道具包，或者「限量」购买的道具包，甚至「限次」购买的道具包。
之所以玩家会买，因为玩家认为这些有限制条件的道具包，比较实惠，即便价格较高，但也有尝试的冲动。
但是，经过几次有限制条件的购买促进之后，一部分用户就会固化他们的习惯。
所以，当我们在评价那些收入很好的手游时，经常会开玩笑说，「如果有什么问题解决不了，那么就氪个648，如果还没有解决，那么再氪一个648，一定可以解决。」
这是一个玩笑，但从消费者行为来看，一点儿都不是玩笑。
运营和消费者的博弈一直都在「给甜头-培养习惯-转化一批-换个法子再给甜头-继续培养习惯-继续转化」上不停的兜兜转转。
最终，总有一批用户会被转化，也总有一批用户不会被转化。
举一个进行中的例子。
某个业务模块定向邀请一部分用户享受某项权益，从一开始的需要用户做三步操作，优化到一步操作，各种渠道定向邀请，运营把转化率从1%提升到了7%，但是依然不达预期，数据表明有一部分用户即便反复邀请，依然没有任何动作，这个时候怎么办？
第一步，是把接受邀请和不接受邀请的用户样本请求数据提供相关的属性、行为数据，然后进行分析，看看差异究竟在什么地方，是因为年龄问题导致不会操作，还是活跃度比较低，软硬不吃。
第二步，是把分析后的样本提取出来，将不接受邀请中，与已接受邀请的样本属性、行为一致的用户剥离出来，尝试再次转化，同时加上对业务模块的优化，让邀请触达更加高效。
第三步，把差异较大的样本拿出来，尝试换个办法邀请。
做完三步，再看转化。
目前我们正在做第一步工作。
在已经完成的工作里，如果肯研究，也会发现，从1%到7%的提升，并不是一蹴而就的，其间，进行过三轮尝试，第一轮尝试并不成功，但修改了文案之后，转化率明显提升。
运营的工作始终都是要反复的提出假设，反复的验证假设，最终找到驱动的模块，完成瓶颈的突破。
其实道理说起来非常简单，但要结合实践，非常难。
不同的产品与业务的逻辑并不相同，同样是电商，天猫要考虑的问题，和京东就不一样。
所以，实际的操作是要依靠实践来完成。
验证假设的方法
我理解有很多运营，都希望别人可以指点迷津，但很纠结的是，别人在不同领域的经验，有时候未必能够实际给予支持。
因此只能给出道理。
基于假设的提出与验证，其实是去年很火的《精益创业》里反复论证的方法。
这个方法，其实是普适性的，而运营借助这个方法，可以更好的节约成本并改善效果，关键在于，怎么做。
举个实际的例子。
如果我今天有100万用户，我有一个假设，这个假设的结论是，要么可以让用户活跃提升100%，要么毫无效果。
那么狠简单，我可能会把这件事情的验证分为3个步骤。
第一步，抽取1000个用户（这里可以是随机，也可以有限定条件），对1000个用户做一个只有他们看得到的活动，或者迭代，然后去看着1000个用户在一段时间内（譬如1周、2周、1个月）内的行为表现，是否比此前有提升，如果有，就找到这些用户里提升最大的样本，和提升最小的样本，寻找这两种样本各自的共性。
第二步，把选型扩展到两类样本各10000用户，继续观测效果。
这里基本就可以判定，对全量用户开放后，效果是否如预期一样展开，如果会，那么就到第三步，对全量用户开放，如果不会，就返回第二步，重新抽取样本，重新组织。
有很多时候，我们并不是不知道怎么做，只是懒。
但如果你习惯了懒，那么就很难去做到运营的精细化，而在当前的环境下，一个无法做到精细化运营的互联网公司，离关门大吉几乎就是24小时的距离。
