如何运用数据试验打造增长引擎

产品是价值创造，增长是让更多用户更便捷、更频繁的体验到产品的核心价值。从这角度看来，产品和增长的目的是为用户造福。产品价值实现的过程，本身就是一个双赢的过程。

我们理所应当追求产品增长的最大化——增长黑客。

硅谷的增长黑客们，将多年的实战经验总结为八条高效增长策略：

一、你的产品PMF了吗——高筑墙、广积粮、缓称王

这里需要引进一个概念PMF（注：Praoduct/Markert Fit），这个概念很基础，每一个产品经理，每一位CEO，每一位创始人都需要了解。

在没有达到PMF之前，我们不要说增长。它是一个临界点，从零到一就是PMF，意味着产品的最初阶段得到的市场反馈。当你能够看到一些数据显示你的产品确实满足了用户或者潜在客户的需求，你达到了PMF，然后你才可以开始搞事情。

在这里跟大家分享一个经验：

如果你是2C的产品，你在不做任何特殊的事情，你有一千个陌生的用户，差不多你就是个PMF了；如果你是2B业务也是一样，如果你有10个陌生的客户愿意为你买单你就可以搞事情了。

我们最初要做一些扎实的基础：AB测试接进去，把统计的工具接进去。你也可以把用户的分组、生命周期维护等等这些东西放进去。

在这个阶段，最关键的是一些早期指标你必须关注。你必须通过数据来确切的发现你已经PMF了，这时候你才可以开始搞事。

如果你把推荐你的朋友，每个人可以得到十块钱，这件事一搞好几十倍的增长，我们都想搞这样的事情。

实际上，这样的事情要发生是非常难的，难在哪里？

难在我们要从小的地方发现这个机会，这个机会才可能变大。小的地方就是你要给你的第一个用户一个很好的体验，说不定就可以从中发现搞大事情的方法。

你要搞价值主张：你输出的东西，你告诉用户的东西，用户能够听懂，这件事情也很重要。

建立社区，让你早期的客户能够形成一个圈子，他们对你的帮助会非常大——当然你也需要确保数据正确、基础架构到位。

过去很多软件产品，他们的痛点是很难统计到准确数据，没办法享受到后面所说的工具福利，他们只能用传统方法。

因此，从产品初期建立一个良好的增长黑客习惯尤为重要。

二、试验就是策略本身——试验不息、增长不止

如果你不做AB测试你就死定了，为什么？

一定会有人认为这句话危言耸听，或许是劳动密集型的文化惯性，总是让一些人即便是来到了互联网行业，依然固执的认为依靠蛮力和规模比科技更高效。

在互联网诞生以前，有“广告教父”之称的大卫·麦肯兹·奥格威就曾说：

Never stop testing，and your advertising will never stop improving（注：试验不息，增长不止）。

互联网兴起以来，数据可以帮助我们完成高效的试验，为什么一定得通过冷冰冰的手段去了解客户呢？

其实，我们作为供应方或商家，对消费者用户是不理解的，用户真的太厉害了，用户不关心你，他只关心自己，他根本不在乎你做的任何事情。你所做的理解用户的尝试往往适得其反，我们只能想办法通过数据的方法真的了解用户的真实想法和需求。

在这个过程中，你一定要做一些很痛苦的事情——AB测试。

从中你能了解他到底喜欢什么，不喜欢什么。

增长黑客一定是以用户为先，其实就是一种心态，倾听用户以及相信用户的心态。

我们可以看两个产品不同的感觉，产品的迭代或者发布。一个可能是我根据自己的想法；一个是我对自己用户的理解。通过经验，通过传统手段去迭代。有的时候会很好，有的时候不一定很好，它可能就会踏步不前。

如果每一次你的产品上线之前先跑一个AB测试，先知道我做的改正确实能够给我们的用户数据带来提升或者下降，下降不上线，只要提升才上线。后者才是面向长远和未来的产品迭代和增长思路。

这个事情我们有的时候会做错，前面是需要我们改习惯，后面的事情其实不需要我们很痛苦。

但是有的时候我们会忘记，很多人都说我们做产品会做这样的事情，会看数据显示我们什么不足，我们去改，这是一个非常傻的事情。

你首先应该看到数据什么地方最吸引人，转化率最高。你看用户到底最喜欢什么，你拼命往上面投资；用户最喜欢这个功能你疯狂做这个功能。如果用户对你的东西不感冒，你还希望通过优化他让用户感冒是不行的。

有的时候你可以和用户聊一聊，他们为什么用你，他们到底喜欢什么东西。

如果用户已经有了习惯，进入你的产品最喜欢这么用，就不要试图改变他，让他了解新的流程，这样其实是很傻的。

有一个渠道特别好，你如果砸进去一块钱产生2块钱，就疯狂砸啊，别想其他的。

当然你可以花一些时间去测试新方法，这是可以的。

数据是驱动而不是参考，关于这一点亚马逊贝佐斯表达的更为彻底：

试验不是发展策略之一，试验就是策略本身。

我们有时候工作的时候还是会习惯于传统模式，我觉得通过看竞品可以给我带来增长，然后我试图去仿制一下——这样其实效率是比较低的。

最好的是用数据帮你做驱动，你通过看现有的数据——无论是你现有的情况，还是你做实验的实验结果，你从中可以发现到底有什么点值得再投入，再下注。

你可以去尝试，跑实验，让这个事情滚起来。

这个轮子里面，调研、分析、行为分析、提出假设，我可以告诉大家特别有用的一个功能叫性格评测。你提了价格假设之后还要跑测试，数据会告诉你他是不是真的能够有效。

当然，跑实验是最痛苦的。因为你确实要拿出一些流量，比如说10%、5%的流量试试看。这样你肯定会影响到一些用户，这是唯一前进的可能性，所以你必须得做这样的事情。

试验文化，产品+增长就等于一个好的文化。

这句话非常好，形成一个试验文化其实就是让大家多创新、鼓励创新、鼓励思考，用科学的方法验证你创新的点。

这是一个理论，说白了很简单。你现在的产品或者运营状态是稳定的，是A版本，你可以根据现有数据做一些什么改进可能能改进。我试试看B版本，C版本，同时上线对比数据给你的结果，就是这样循环往复的过程。

如果说：数据是增长的燃料，试验就是引擎。

这很简单，要求你从一开始的时候就拿到数据，并且根据这个数据去思考怎么发扬光大。从长期的使用来看并不是，像墨刀的增长是这样的一个曲线（注：墨刀·1年·500% | 从0到1打造自增长型产品）。

增长黑客到底是什么？

最重要的还是你的产品。

造一个人们爱的产品可能是最重要的事情，你的黑客最重要的是把你的产品做到用户最喜欢、转化率最高、数据最好，你做这件事的时候让你的核心用户参与到这件事情中来。

三、试验=策略本身——试验不息、增长不止

前面说的8条是增长黑客总结出来的，大家记住就可以了，这8条里面有很多条跟试验相关，AB测试相关。

艾丽斯是增长黑客的创始人，当然他也是很著名的黑客合资。

他也投资过脸书这样成功的公司，他说的非常简单：

要做增长黑客最重要的就是跑试验，不跑试验多半没有什么产出，增长上的产出。

跑试验而且不是只跑一个试验，十个试验，一百个或者一千个，试验的频次和数量直接决定增长的幅度。

之前没有很好的试验工具，所以增长幅度比较慢。其实对很多没有人爱的产品降很快，基本上是这样的曲线。

• 2011年有一个非常强大的AB测试的工具，他2011年之前人工实施试验，每两周才跑一个试验，这也是很正常的。
• 2011年之后每个星期可以跑十个试验，一个月2个变成了一个月40个，增长幅度一下子就变成了这样子。

像艾丽斯自己做的网站叫增长黑客，他也干过类似的事情。

他大概在2014年，2015年的时候想做增长黑客的人才会去看看，他后来疯狂的做试验，他后来也开始了疯狂的增长，他大量的跑试验。

AB测试为什么对增长最有效，他有三个特点，总结下来从原理上讲：

第一，风险可控。

我们AB测试工具说白了就是拿出一部分有代表性的用户，通过他的数据和你典型的用户做对比，来判断他是不是有效，说白了是这样的原理和思想。

你拿小容量的用户做试验，如果你的试验效果是不好，我们上线的一个评测功能会对用户有伤害，也只会影响被选的用户，不会把一百万用户都影响。你可能只影响一万个用户，可以控制风险，大量做试验。不会像我们大胆上线一个东西，赶跑一批用户，再追回来。

第二，是并行高效。

你可以同时跑十个，一百个试验，可能很多都没用，但是找到有用的，这样效率就提升的。不会说通过一次用户版本迭代，一个星期，一个月才得到一个结论。效率高了很多，一个星期可能得出一百个结论。

第三，试验的结果对你有非常高的积累价值。

可能一开始对用户和消费者有一个模糊的理解，但是慢慢就可以对他有一个非常深入的理解，这是一个对自身的提高。

典型的增长模型，就是AARRR。一个漏斗，一个用户的流量进来：

第一步是拉新，拉新有一些新的指标，比如说：下载安装量，点击量。

第二步叫激活，你的用户可能来了，但是不是真的能够成为你的用户，这些可能是第二步的转化。

第三步是留存，比如说：付购；他次日打开，每月打开，最后是收入；他愿意点击你的广告，他通过别的形式可以帮你变现；这些用户里面肯定有一部分给你贡献商业价值。

第四步是口碑传播，因为漏斗的原因，你发现只要做好最后一件事你就非常牛B了。

所谓增长就是把漏斗的每一层转化率提高， 比如说：在拉新环节找渠道，在微博上还没有被人发现的大V、广告、内容、电子邮件、EDM的营销。

激活往往在你用户的第一次体验非常好，这是第一次转化很重要的点。

有很多很有价值的工作都是在这一步做好的，长期使用用户一定是对你挑刺的。他一定觉得你这儿不好，那儿不好，有很多想法，所以你需要一些更 系统的方法消化。

变现其实是在付费或者是最终的商业转化中，这里也有很多可以优化的点，都和用户的消费或者是转化的体验非常相关。推荐：如何让你老用户、忠实用户把你传播给更多的人？这里面有很多可以摸索的地方。

增长里面最重要的是试验，为什么？我们可以看看增长说白了是一个圈，是一个目标。

比如说：我们的目标是我们的某一个KPI，如果是我的话我可能定我们的利润——销售额。

我们围绕着这个目标我们去分析我们用户行为，怎么才能让他更多买单，或者买更多的单，然后去洞察，根据我们过往数据做试验，跑完试验根据试验结果总结。

你发现在这个环里面，试验直接影响你的决策。你跑了试验发现试验结果跟你想的不一样，我们有很多用户遇到这样的情况。得总结经验和改善，你得先叫停，方向不太对，或者是我们的想法有问题，得改一改。

如果试验效果好也是一个很重要的决策——你会发现这个想法是对的，你就会想可不可以做的更好，把大量的时间放在下面的事情上，这个圈转的越来越好。