「增長黑客」的概念正火，但是想要成為真正的「Growth Hacker」卻並不容易。無論是產品還是運營，都會碰到各種增長瓶頸，如業務停滯，用戶下滑等。那麼該如何破解增長瓶頸，成為真正的「增長黑客」？
3月22日，今日頭條增長策略負責人張弦做客GrowingIO公開課第五期，跟大家分享「如何用數據破解增長瓶頸」。
增長是一個非常大的話題，比如用戶註冊增長，活躍度增長，商業營收增長等，不同的增長問題解決思路各異。
下面主要以APP運營中DAU（日活躍用戶）的增長為例進行講解，這個分析思路也可以舉一反三。
【破解增長瓶頸的五大策略】
增長瓶頸該如何破解呢？結合自己多年數據分析和增長的經驗，為大家提供了五大步驟，串起來形成一個閉環的增長操作步驟。
第一，了解自己產品，找到發力點。
我們應該有一套數據採集和分析體系，每天為我們提供產品和業務的宏觀數據。通過對宏觀數據的分析，找到增長的發力點。
第二，拆解關鍵指標，確保可以執行。
上面找出的作為發力點的指標可能非常宏觀，我們需要根據實際將其拆解成多個指標，確保產品和運營可以在日常工作中執行。
第三，豐富和升級增長武器庫。
第四，細分用戶群，快速迭代實驗。
數據分析很多時候就是在細分，通過不同維度將用戶分群，對不同用戶群設計不同實驗。
第五，實驗效果監測和數據分析。
迭代實驗結束後，對實驗的效果進行分析，把結論用於改進和指導下一次實驗。
一、通過宏觀數據了解產品狀態
反映產品狀態的指標很多，如PV/UV/DAU等等。在這裡我們主要介紹3個指標，分別是DAU/WAU，DAU用戶成熟度構成和增長加速度。
1.DAU/WAU反映的是用戶活躍度，是每天去重活躍用戶數除以每周去重活躍用戶數的比值。
不同產品的活躍度不一樣，產品定位於天的用戶活躍度越高越好；定位到周的，活躍度稍微低一下。DAU/WAU的比值是1/7到1。1/7的時候代表7天裡面每天登陸的用戶都不一樣，這個活躍度最低；1代表7天裡面每天登陸的用戶都一樣，活躍度最高。因為產品定位不一樣，活躍度指標天然不一樣，這個需要不斷觀察，在數據分析產品GrowingIO裡，通過指標管理這一功能，可以輕鬆做到。
2.DAU用戶成熟度。
每天活躍用戶裡面，他們的首次激活時間是不一樣的。把當月內激活的所有用戶統計下來，看看他們在日活裡面的比例，用來評價用戶的成熟度。
3.增長加速度
做增長分析的產品經理經常看增長曲線，有些聰明的產品經理把每天的差值做了一個曲線；或者把增長速度的曲線做一個求導，求加速度的曲線。增長的驅動力反映到數字上就是增長的加速度，速度的數字波動，反映到加速度的曲線上波動更大，需要做好平滑處理。
通過上述指標來快速了解我們的產品狀態，找到我們的增長瓶頸。增長過程中兩種常見的瓶頸：
1.當成熟度1個月以內的活躍用戶佔日活躍用戶的比例超過30%，說明新用戶在日活躍用中的比例非常大，表明我們產品處於生命周期較早階段。這個階段的用戶流失率也是非常大的，我們應重點關注拉新，優化新用戶接入的流程。
2.當成熟度1個月以內的活躍用戶佔日活躍用戶的比例低於30%，說明我們的產品逐漸成熟。這時需要把目光放到存量用戶上，提升存量用戶的活躍度；但是也要兼顧第一類問題。
二、拆解關鍵指標，確保可以執行
通過數據分析了解了自己產品的發力點方向，一個是拉新，另一個是留存。雖然找到了發力點，但是不集中，需要我們將其拆解，直到拆解後的指標可以被執行，其效果可以反推到核心指標上。
拆解關鍵指標有三種方法，分別是按照用戶使用習慣、用戶生命周期、產品來拆。
下面以分析一個APP的DAU為例，具體介紹如何拆解關鍵指標。
假如我們關注的核心指標是DAU（日活躍用戶），但是這個指標非常大，難以具體執行；我們可以按照用戶使用習慣進行拆解。
活躍用戶會主動打開我們的APP；同時不活躍用戶，我們要向他推送信息，藉此喚醒他們；最後還可以在微信或者其他APP頁面中打開我們的APP（也稱調起）。這樣就把日活躍用戶指標拆成三個指標：主動打開，推送和調起，方便進一步執行。以推送為例，它由兩方面組成：推送到達率和點擊率。優化到達率和點擊率，進一步方便了實際執行和落實。
再往下，按照用戶的生命周期來分，有活躍用戶和沉默用戶。還可以繼續往下拆，活躍用戶按照產品使用習慣拆分，有內容消費型，社交型和工具型。
上面這個對提升APP關鍵指標DAU的拆解過程，告訴我們只有對核心指標進行合理拆解，具體到可以執行，才有現實意義。
三、豐富和升級增長武器庫
拆解好指標後，需要選擇合適的增長武器來實現我們的增長目標。在選擇增長武器的過程，需要注意什麼？
首先，增長武器必須觸及到用戶，不然是會失效的；
其次，需要不斷豐富武器庫，根據使用效果來升級；
然後，需要對客戶分群，「精準打擊」。對於武器來說，不是說選一件「核武器」來全方面打擊就是最好的，我們需要選用一件精準的武器，對客戶分群，實現精準覆蓋；
最後，可以自動檢測、持續影響。選中增長武器後，需要對用戶實行自動檢測，持續對用戶施加影響。為什麼要自動化監測呢？很多時候我們有可能同時在跑很多實驗，如果人工操作的話，工作量大，而且效率低。自動化檢測不一定要一個非常準確的值，我們可以大概設置一個閾值，當超過這個值就報警。
下表列舉了常見的增長武器，在拉新、留存、提升活躍度、用戶召回和市場推廣等不同場景下，有不同的選擇。
具體選擇哪一種武器，需要我們在使用的過程中不斷迭代實驗，直到發現最優解。
四、細分用戶，設計增長實驗
選擇好增長武器後，需要設計增長實驗來檢驗效果。
1.明確實驗的目的，跟蹤一個指標。一個方案同時追幾個指標是不合理的，最好只設立一個指標，便於觀察者排除影響因素。同時，設定的指標最好是「率」或者「比值」。比值不會受到量的影響，如果定位量的話容易受到流量或者入口的影響。
2.明確用戶群：用戶群規模越細分越好，方便進行試驗和比較。
3.設置benchmark,必須有對照試驗，方便實驗前後效果的對比。
4.整個實驗的過程必須可以追溯和重複，實驗效果好的時候可以多次重複。
5.快速重複和迭代。單位時間內得到的結論越多，增長越多，收益越多。
五、效果監測和數據分析
增長實驗結束後，需要對實驗效果進行檢測和分析。
首先是直接的效果檢測，是否達到預期值。然後分析實驗對核心指標是否有明確的提升。同時要檢測其他指標的異動情況，評估實驗是否影響到了用戶體驗。
如果實驗非常多，一段時間內進行非常多的快速迭代的話，就需要建立指標體系。通過統計的方式分析指標之間的影響程度和相關性，這也是一個不斷優化的過程。
數據分析尤其重要，決定了實驗迭代的速度和方向，因此要得到格外重視。
【案例：APP沉默用戶的召回】
召回正在流失的用戶是APP運營的重要工作。下圖是某APP的用戶流失示意圖。
橫軸是時間，豎軸上的數值代表不同類別用戶所佔的比重。在圖示的右上方標有用戶的類別，紅色是當天的活躍用戶減去當天新增用戶後的數量；橙色是代表前天的活躍用戶但是昨天沒來；越往上用戶就越遠離我們。
如果把整個用戶看成一個水池，新增用戶就像往池底注入水，然後不斷上升，越來越遠離我們，然後蒸發。當然也有一些流失的客戶自然返回，像一個降雨的過程，慢慢下沉。
在這個案例中，接近50%的客戶有超過一個星期沒有回來；如果能把這50%的客戶拉回來，其價值可能遠遠大於新增用戶的價值。
接下來細分流失客戶，分成7-13天未訪問和14-30天未訪問的客戶；然後分別向兩類客戶推送信息。
以某內容類APP為例，我們向兩類客戶發送了「每周內容精選」，發現7-13天未訪問的用戶召回率非常高，高於自然回訪率。但是14-30天未訪問的召回率非常差，跟自然回訪率差不多。然後我們就去分析自然回訪的客戶會在APP裡面有哪些操作？我們發現很多自然回訪的客戶會到訪問電影專題，我們猜測是不是用戶看了某部電影然後回來了。於是我們向用戶APP推送信息，但是推送到達率非常低。
分析得出結論，大部分流失的客戶都卸載了我們的APP。於是改用發簡訊，向用戶發電影票優惠券，但是必須到APP上來認領。數據證明了，這個效果非常好，14-30天未訪問的用戶群體的回訪率得到了較大的提升。
以下為PPT全文：
作者：今日頭條增長策略負責人張弦，本文係數據觀根據GrowingIO公開課第五期內容及PPT綜合整理編輯。