接上一篇接着梳理

5.增长模型

5.1什么是增长模型？

有些人觉得“模型”这词的概念有点虚，其实模型的应用非常光泛，模型指的是指对于某个实际问题或客观事物、规律进行抽象后的一种形式化表达方式，任何模型都由三个部分组成，即目标、变量和关系，从初高中学的一元一次方程y=f(x)，到经济学研究的宏观经济周期和央行利率的关系，都是模型的研究。德鲁克说，如果你不能衡量，那便不能有效改善，说的就是模型的意义。

那么增长模型，目的就是增长的数据指标，变量就是你拆解的因子，比如某一渠道的拉新成本，而关系就是因子和增长之间的关系。有很多的增长模型，接下来主要介绍两种个人相对熟悉的。

5.2 AARRR模型

框架性模型，也是比较经典的增长模型，分别为获取用户、用户激活、提高留存、自传播、获取收入这几个方面。

这个模型优点在于比较万金油，可以给让团队对此产品有个定性认知，但是相对来说比较粗略，而且随着时间发展，这个模型相对来说有些过时了，对北极星指标并没有直接的定量关系，且有些产品天生是不做留存的一次性买卖，或者有些产品本身打法也未必适合做自传播。

5.3漏斗+因子分解混用

核心是把目标的实现路径拆分成一个个相对独立的可执行环节，然后去提升每个环节的转化，通常由用户使用路径进行分析和下手，去优化转化率低且性价比高的环节，举几个例子如下。

音乐类产品的北极星指标为总听歌时间，将用户行为漏斗拆分为：下载应用、打开应用、首次听歌、持续听歌、单次听歌时长等。对于电商网站来说核心为GMV，同理拆解为，下载、打开、浏览、下单、支付、复购等。

6.数据框架和能力

6.1流程和步骤

这个环节，核心在于支撑所有的实验假设、决策、复盘，引用德鲁克的一句话，如果你无法衡量他，便无法改善他。

对于数据的支撑，我们一般的流程如下：梳理用户路径→制定数据采集方案→搭建指标仪表盘→多维度数据分析→制定增长策略。

6.2梳理用户路径

这点没什么特别好说的， 优先解决主干路径的数据搜集，其次梳理支线路径。

6.3制定数据采集方案

埋点网上有很多教程，提炼三个个人认为最重要的点：

1、能走服务端埋点的，就不走客户端埋点。

2、事件管理上，一定要用通用的属性，特殊的属性才需要单独评审，能大幅提升埋点效率。

3、尽量一个人专门负责埋点的命名，若出现前后埋点事件名不一致的情况，最终提取数据的时候会让人崩溃。

6.4搭建指标仪表盘

仪表盘分为2种，一类是用户净增仪表盘，另一类是细分指标仪表盘。

净增顾名思义，通过用户的新增、留存、流失、召回几个环节的分析，来分析用户的增长指数。增长指数=（新增+召回）/流失，值＞1才健康。用户是互联网公司的核心资产，此仪表盘更多是从这个角度在检测。

新增、留存、流失、召回这些都是通用的分析方法，而不用的业务会在具体的细分指标上不同。举个例子来说，拿彩票业务来说，需要将整体的路径分为代理商签订、充值、购彩、返奖、提现等多个主干业务流程，再针对每个业务流程去监控数据。由此组成细分指标仪表盘。

6.5多维度数据分析+制定增长路径

将用户通过不同维度进行分群，主要有2个大维度，第一是基础属性维度，第二是行为维度。基础属性维度为，性别、设备系统、生日、网络等等一切和用户基础信息相关，且能搜集到的信息。行为维度主要在于业务中的关键行为节点，如社区团购把近7天内购买过2次及以上的用户定义为高频用户。

在通过仪表盘找到薄弱的节点后，就可以通过多维度的分析，结构化地去看，是哪类用户受到了影响，便可以针对性的策略。