顧青的增長問答：忘記AARRR和重視用戶研究

許多人一談到增長，就會不由自主地想到許多概念，比如類似AARRR和Facebook的魔法數(shù)字。

當(dāng)然，這些模式都是由于一些成功企業(yè)的產(chǎn)品負(fù)責(zé)人，或者增長團(tuán)隊(duì)在實(shí)踐過程中驗(yàn)證過的打法，一定是有過成功效果的。

不過，如果大家把這些方式捧為金科玉律，那一定就陷入了思考誤區(qū)。

為什么要忘記AARRR？

首先這些增長公式也是基于特定產(chǎn)品、特定時(shí)期渠道的紅利產(chǎn)生的。

比如AARRR中，把推廣獲客作為第一個(gè)步驟,而把轉(zhuǎn)推薦放在最后一個(gè)環(huán)節(jié)。

其中第一個(gè)A，是指Acquisition。

但是在不同業(yè)務(wù)的落地過程中，并不一定按照這個(gè)流程走。

把推廣獲客作為最重要的一步，前提是流量成本足夠低。

如果我們可以把流量，比如自然流量的占比控制在60%以上，且量很大，那么你的CAC（用戶獲取成本）的確不用太擔(dān)心，則可以有足夠的空間去用“還不成熟”的產(chǎn)品特點(diǎn)去測試。

但是目前的內(nèi)卷，早就不可能有太多低價(jià)流量的機(jī)會，所以再用AARRR就有問題了。

我們需要更深入思考產(chǎn)品的價(jià)值，把重點(diǎn)放在用戶的留存、用戶的需求挖掘上。

比如有些團(tuán)隊(duì)開始使用RARRA的思考方式，把2個(gè)R放在首位：

• 1）Retention — 用戶留存
• 2）Referral – 用戶自傳播

這2件事情的核心都是基于用戶角度來重新考慮整個(gè)公司運(yùn)轉(zhuǎn)的決策出發(fā)點(diǎn)。

所以增長其實(shí)沒有固定的公式，必須結(jié)合實(shí)際業(yè)務(wù)的用戶研究成果和數(shù)據(jù)分析結(jié)論，作出假設(shè)，并通過產(chǎn)品迭代來驗(yàn)證。

這就是需要長期做好用戶研究工作。

為什么要重視用戶研究？

如果我們需要基于用戶角度思考決策出發(fā)點(diǎn)，第一件事就是先放下我們自以為是的經(jīng)驗(yàn)。

我寫過一篇文章談“上帝視角”。

事實(shí)上，用戶研究是一件需要長期不斷進(jìn)行的工作，其中包括定量和定性2個(gè)方面。

為什么許多具有一定規(guī)模的互聯(lián)網(wǎng)企業(yè)和傳統(tǒng)企業(yè)，都開始設(shè)立首席經(jīng)濟(jì)學(xué)家這樣的崗位？

因?yàn)檫@些企業(yè)已經(jīng)形成了一個(gè)具有網(wǎng)絡(luò)效應(yīng)的經(jīng)濟(jì)體，比如滴滴、淘寶、Linkedin和Youtube。

這些都是具備雙邊網(wǎng)絡(luò)效應(yīng)的業(yè)務(wù)，可以這樣想一想：

• 打車 – 司機(jī)
• 訂餐 – 餐廳
• 訂酒店 – 酒店門店
• 小說 – 作者
• 視頻直播 – UP主

不少從業(yè)者都會套用“微笑曲線”來看待這類業(yè)務(wù)，特別是在設(shè)計(jì)此類業(yè)務(wù)的增長策略時(shí)。

我覺得黃一能后來補(bǔ)充的一個(gè)點(diǎn)挺有價(jià)值：

“這東西不是萬能的，必須是業(yè)務(wù)類型，盈利模式類似的才能考慮使用。提到的股票軟件和戶外游，這種都有太多的前提，和工具類產(chǎn)品有極大不同。我提個(gè)更極端的例子——醫(yī)院，這個(gè)業(yè)務(wù)的核心用戶絕對不是靠這個(gè)曲線來判斷的。只要是用戶強(qiáng)需求，決策前置，客觀限制較多的都不太適合用使用頻率來判斷所謂的核心用戶?！?/p>

大家可以看到，這是一個(gè)典型的面臨非常復(fù)雜未知的商業(yè)挑戰(zhàn)，很容易根據(jù)“其他人”的過去的經(jīng)驗(yàn)做出決定的思考陷阱，但往往如果一路做下去，可能的確會讓企業(yè)在較長的時(shí)間內(nèi)找不到出路。

所以我們必須放下自己的“路徑依賴經(jīng)驗(yàn)”，投入時(shí)間來處理用戶研究這件事。

舉個(gè)例子：

之前在知識星球里，有一位負(fù)責(zé)某新興視頻獨(dú)角獸產(chǎn)品的學(xué)員問我們：

“想請教一下顧老師，現(xiàn)在手頭上有一些基礎(chǔ)的內(nèi)容產(chǎn)銷和互動數(shù)據(jù)，想問下如何搭建創(chuàng)作者評分模型，以判斷內(nèi)容效率和創(chuàng)作者潛力呢，可以從哪幾個(gè)維度去分析呢？（數(shù)據(jù)維度有:投稿，播放，投幣，點(diǎn)贊，轉(zhuǎn)發(fā)，收藏，評論等）”

我的回答是：

這件事首先需要對指標(biāo)的重要性進(jìn)行主觀判斷。這些指標(biāo)本身沒問題，如果這是圖文類的產(chǎn)品，閱讀完成率是一個(gè)需要納入評估的指標(biāo)（代表用戶的價(jià)值認(rèn)可），如果是視頻產(chǎn)品，觀看完成率也需要納入評估。

所以目標(biāo)就需要先定義，到底是以鼓勵(lì)大量作者創(chuàng)作為核心目標(biāo)，還是以鼓勵(lì)某一類作者（需要有畫像數(shù)據(jù)）為主來創(chuàng)造收入。

如果你回憶一下中國直播行業(yè)的發(fā)展歷史，可能就比較清楚我在說什么了，特別是早期直播利潤非常高的時(shí)期。

黃一能老師的回答：

要有量化指標(biāo)的前提是有個(gè)定性判斷，怎么算好作者，怎么算差作者。確定好定性標(biāo)準(zhǔn)（可以是主觀的）后將用戶分類，量化計(jì)算已有的數(shù)據(jù)維度對于區(qū)分樣本的能力，以此確定每個(gè)維度的權(quán)重。

以上方法大家基本都會，但做出來效果好壞關(guān)鍵在于樣本的確定和實(shí)際例外的識別，對例外要做獨(dú)立分析方法，這部分比較依賴業(yè)務(wù)理解或者是全面數(shù)據(jù)探查，異常識別分析的能力（當(dāng)然用經(jīng)驗(yàn)規(guī)則可能更快而已，但會漏）。

比如就我個(gè)人認(rèn)知：大部分作者實(shí)際沒有持續(xù)創(chuàng)作的能力，畢竟創(chuàng)意和毅力都不是普遍擁有的，所以很容易出現(xiàn)一個(gè)用戶，只發(fā)過2個(gè)視頻，但其中一個(gè)的數(shù)據(jù)特別好，保不齊一個(gè)人有個(gè)很棒的創(chuàng)意發(fā)揮良好，但實(shí)際他并不能持續(xù)給出新點(diǎn)子。

這樣的個(gè)例應(yīng)該不少，如何針對這種情況單獨(dú)設(shè)計(jì)模型，并能和其他模型并行使用才是考驗(yàn)?zāi)芰Φ模ê唵巫龇由蠒r(shí)間維度做個(gè)衰減就能搞定了）。

該學(xué)員的回復(fù)：

“感謝回復(fù)！感覺思路上有被打開，確實(shí)因?yàn)閮?nèi)容的主觀性很強(qiáng)，也很受創(chuàng)作者創(chuàng)作狀態(tài)影響，造成個(gè)例數(shù)據(jù)的情況比較多，設(shè)計(jì)模型的話要考慮到的方面也很多，再加上不同細(xì)分方向和垂類的區(qū)別，感覺是個(gè)長期工程”。

從我們給出的回答來看，重點(diǎn)就是：

好好去做定性研究

基于定性，全面洞察尋找區(qū)分用戶的數(shù)據(jù)特征/維度

這里有一個(gè)重要的概念：用戶畫像。

一個(gè)交叉點(diǎn)：用戶畫像

自然的，我們就衍生出一個(gè)在企業(yè)增長領(lǐng)域非常重要的工作：理解用戶畫像。

用戶畫像和用戶研究我之前做過多次線下培訓(xùn)，5月份的線上培訓(xùn)中我們也會深入講解。

用戶畫像其實(shí)有兩個(gè)大的分類。

第一類是User Profile，通過對于用戶的大量數(shù)據(jù)統(tǒng)計(jì)所提煉得出的。

在大量C端業(yè)務(wù)中，Profile用來幫助企業(yè)預(yù)判客戶的行為，聚焦在：

提升客戶/用戶的滿意度

防止客戶/用戶流失

提升公司整體業(yè)務(wù)的ROI

在這個(gè)領(lǐng)域，我們會使用機(jī)器學(xué)習(xí)的技術(shù)，確定某類特定的用戶行為，可以是一種分類，比如不滿意的或者滿意，接受或者拒絕促銷，取消或沒有取消服務(wù)等。

我們通常會列一個(gè)有可能對上述行為產(chǎn)生影響的預(yù)測因素的列表。雖然沒有一個(gè)特別的規(guī)定，但是其實(shí)可以發(fā)現(xiàn)一個(gè)模型到另一個(gè)模型，其預(yù)測因素的差別是非常大的。從幾十到幾百只能大概的預(yù)估一下，但重要的是每一個(gè)預(yù)測因素必須獨(dú)立于另一個(gè)。典型的預(yù)測因素必須是過去幾年大多數(shù)用戶所共有的，比如年齡。

預(yù)判的分類結(jié)果，用于運(yùn)營中的精細(xì)化運(yùn)營，或者用于上述提問團(tuán)隊(duì)中關(guān)于設(shè)計(jì)作者的創(chuàng)作能力模型上。

另一個(gè)屬于定性研究范疇。

也就是是Alan Cooper曾在《About Face：交互設(shè)計(jì)精髓》一書中提及的研究用戶的系統(tǒng)化偏重定性類的方法，被稱為Persona，有時(shí)候也被稱為用戶角色。

這個(gè)概念和User Profile，雖然目標(biāo)都是為了了解用戶本身，但是他們研究的目標(biāo)和方法卻是天差地別的。

定性研究有一套獨(dú)特的方法。

不管是做什么產(chǎn)品都需要知道是在為誰在做，比如：開店，我們身邊的客戶喜好，購買承受力，購買東西的動機(jī)等等都是必須了解的因素。

一個(gè)出色的銷售是可以讀懂用戶的，通過與用戶交談，表情就可以知道用戶如何思考。當(dāng)然通過與用戶長時(shí)間的接觸還了解用戶習(xí)慣，家庭背景等，那么他推薦東西就會更為精準(zhǔn)，同時(shí)通過溝通讓用戶享受了在購物過程中的滿足感。

這其中包含很多因素，最終卻都脫不開人的欲望或是情感，而人恰恰是我們一切研究的基礎(chǔ)。

這直接影響企業(yè)在管理產(chǎn)品創(chuàng)新工作中的探索方向，因?yàn)槭菫槿祟愒谧鲈O(shè)計(jì)。