你是否知道什麼是用戶增長實驗？你又了解用戶增長實驗究竟是在做什麼？它如何產生作用的呢？針對這些疑惑，筆者將以抖音為案例，聊聊用戶增長實驗在做什麼。
摘要：之前簡單介紹過用戶增長（UG）核心工作流：分析數據→形成假設→實驗驗證，大致描述了每一步在做些什麼。現在用一個大家可能注意到過的案例，來嘗試逆推和重現相關的工作場景，爭取講清楚UG實驗在做什麼。
案例簡介：在刷抖音時部分用戶可能會留意到，完成2次播放後分享按鈕變成了自己的好友頭像，而部分用戶依然是常規的分享圖標。
對了，這就是一個簡單的UG實驗。實驗涉及到的環節是類似的，我們不妨拿這個例子來做代表，主要講：
案例重點講每一步應該做什麼，具體數值是杜撰的且並不重要，如有雷同純屬巧合。
圖1實驗組和對照組的用戶界面
這個案例我只是借用，下面的表述主要從旁觀角度去做逆推和重現。
抖音為什麼要下發這個策略？不難看出，直接目的是提升用戶點擊分享按鈕的比例（分享率）。用最常分享的「好友頭像」替換「分享按鈕」是否能提升分享率，需要實驗來驗證。
曾經了解過一些經驗：用戶群的互動率（轉評贊的用戶佔比）與其留存率很好的正相關。
從產品邏輯上很好理解：用戶有互動，就會收到反饋，持續互動會產生粘性。假想你的微信好友很少，沒有收到信息，你還會經常打開嗎？假設你每次發朋友圈，沒人點讚評論，勢必會大大削弱發圈的積極性。
所以，抖音這麼做，更進一步的目標應該是提升用戶留存，而留存和用戶規模又高度相關，策略的最終目標應該還是提升DAU、時長、收入這些規模數據。
這些都是前期分析數據的關鍵產出，而「提升分享率能夠提升DAU和時長」是一個假設，需要實驗驗證。
這個實驗雖小，但是它背後關聯到最核心的增長目標。實驗效果的評估，我們也需要關注到這些「結果指標」，而不僅僅是分享按鈕的點擊率、分享完成率、分享的回流率等等「過程指標」。
我們通常會使用隨機對照實驗，市面上大家基本上用AB實驗來代指隨機對照實驗。通過對比實驗組和對照組的指標差異，來驗證下發不同策略的兩組間，是否產生了顯著差異。隨機對照實驗最核心的兩個要點是「隨機分組」和「單一變量」：隨機分組，目的是保證實驗組和對照組用戶組成、特點一致，可以進行對比，確保差異來自策略差異而非用戶群差異；單一變量，目的是方便將實驗結果的差異準確地歸因到某個策略差異上。
如何實現隨機分組呢？
通常將用戶ID（通常是在用戶首次使用app時自動生成的一個字符串）經過一些隨機算法（常用hash算法）的處理，理論上保證用戶的特徵與隨機算法處理後的用戶ID不存在依賴關係，最後依據處理後ID進行分組。即便如此，分組的充分隨機，依然是一個行業難題，所以會通過實驗前的空跑期或叫AA實驗來確認不同組間在實驗前是否無偏差。
這個案例只關心到隨機分組，假設我們隨機從大盤活躍用戶中取了一部分人群，再隨機分為實驗組和對照組，就可以開始實驗了。
表1實驗組和對照組的流量分配
實際工作中，往往會碰到流量少，而同時需要做的實驗多，這就需要引入正交分層。分層的目的在於形成一系列互不幹擾的「平行宇宙」，便於在流量不足時，同時進行很多實驗。但是，正交分層有適用條件，我們後面單獨開一篇來講正交分層有哪些要點和坑。
這個案例沒這麼複雜，只需要將實驗組下發「分享按鈕替換為朋友圈頭像」的指令，而對照組下發「保持原狀」的指令（注意：這對照組不是「不下發指令」，因為這樣可能會涉及到SRM問題，同樣，容我後面單獨拿一篇來介紹）。實際工作中，還會碰到多個實驗變量，如果需要評估每一個變量的影響，就需要確保存在「僅有一個變量差異」的兩個實驗組。
回歸到實驗目的，我們直接關注分享率的提升，進一步關注用戶留存率的提升，最後想看到對用戶DAU、時長等是否有提升。那我們需要關注的指標就有：
表2實驗組和對照組的觀測指標，數值均為杜撰
判斷實驗結果是否可信，涉及到一個「顯著性」的概念，即實驗組和對照組的指標差異是不是能滿足統計顯著性。統計顯著性，意味著我們看到的提升，並不是因為隨機波動造成，而是策略影響的。評估顯著性，通常用表2中的P-value、統計功效等來說明，完善的實驗平臺，可以直接輸出差異是否顯著的結論。如果對顯著性感興趣，建議大家找一本統計學的書詳細了解。
參照表2中的數據，基本上可以說明該策略能夠顯著提升分享率、次留、DAU和時長。
直觀的認識：樣本量足夠大時，即使很小的差異也可能是置信的；而樣本量太小時，即使比較大的差異，也可能是不置信的。只要分組充分的隨機，樣本量大更可能得到置信的結果，但是受限於各方面的成本考量，我們往往需要評估選擇多少樣本量。
這裡就涉及到一個「最小樣本量」的問題：通過對實驗差異的預估，推算出每一組用最少用多少樣本量才能確保實驗結果差異是置信的，而不是隨機的誤差。相關的，還會涉及到一個「實驗時長」的問題，簡單來說，實驗時長=最小樣本量/每日流量。
UI修改帶來的點擊提升，通常可能是新奇效應，所以我們的實驗儘量拉長至兩個以上的用戶活躍周期。比如某些用戶是周末刷短視頻，周中很少刷，使用頻次的一個完整的活躍周期就是一周。新奇效應通常最多持續一個活躍周期，我們選擇觀察兩個活躍周期，大概率能看到用戶回歸常態下的最終提升量。當然，如果有必要，我們也可以保持這兩個實驗組和對照組長期有效，看更長久的影響。
實驗完成後，我們通常可以收到很多結果，如果不做及時的復盤，這些數據的價值很可能只是冰山一角。這一部分，我跳出本篇的抖音案例來說。
及時復盤幫助我們儘早的知道策略是否有效，甚至儘早反推實驗是不是設計合理。
假設實驗差異置信，這個策略的整體效果對總體業務有價值嗎？
通常用戶量足夠大時，很小的指標提升也是置信的，但實際上可能對增長目標幫助不大。我們需要橫向來對比不同策略，對同一指標的提升效果，決定哪一個更好。
假設實驗差異不置信，增長策略從下發到生效是一個「鏈條」，在哪個節點斷掉了？為什麼？及時復盤能夠儘快明確是策略沒成功下發，還是策略無效果。
很多時候我們初看數據會得到實驗差異不顯著，效果提升不明顯的結果。但是這不妨礙我們去做進一步的挖掘：哪些人群更有效、哪些人群沒有效果，可通過實驗下鑽得到初步答案，再針對有效人群設計新的實驗去重複驗證，針對無效人群做進一步的分析，進一步調整策略。
實驗下鑽依賴於我們對用戶屬性有初步的標籤，在實驗分析時能夠用戶進行下鑽，或者說篩選。需要強調：下鑽後用戶量少，不能保證置信度；另一方面這種「後驗」的方式會存在分組不均的潛在風險，需要我們針對下鑽結果重複去做實驗，才能得到可靠的結論。
通過漏鬥分析，我們可以看到策略的斷點，策略是在哪一步開始失效的。通過產品優化（頁面加載、按鈕樣式、引導樣式、文案等等）、運營優化（調整策略下發時機、頻次；調整參數如金額、展現時長等等）。
這一部分是產品經理最為擅長的，UG無非是強調基於準確結論來判斷問題的關鍵，去高優先級推進最關鍵的迭代。
一個實驗結束，我們能夠得到的應該遠超過實驗指標提升。上升到對用戶價值提升的視角，這些策略之所以有用，是在哪些地方提升了用戶價值，是新體驗遠超過了舊體驗，還是極大降低了用戶成本？這些認知是否有可能推廣到相關領域、推廣到類似場景？
這些我認為是UG更大的課題，也需要產品經理們更多的思考、總結和新的嘗試，這同時也是數據驅動的價值和樂趣~
這個案例，麻雀雖小五臟俱全，需要關注的要點，最後再做一下梳理。
文中不免錯漏，辛苦指出！
後續會跟進「實驗分析三部曲」一點點介紹各種主觀/客觀造成的分析難點：
作者：jinlei886；5年+用戶增長的一手經驗，前騰訊、滴滴出行用戶增長產品經理，專注增長策略挖掘、增長工具搭建、實驗設計分析。本碩博均就讀於浙江大學高分子系。微信公眾號：用戶增長實戰筆記
本文由 @jinlei886 原創發布於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議