增长可以从很多角度切入来理解，不同的角度会有不同的视角。
先自我介绍下：传统软件行业搬过砖，互联网行业打过杂。
今天的分享会因我个人的涉猎有限，多少会有局限性的地方。如果能给到部分人启发那最好不过！
一、首先说下我对增长的整体观点
增长最重要的三个词我认为是：用户规模、用户价值、成本。解释如下：
增长最终都是为产品的商业价值在增长，所以看商业价值由哪些因素决定，即可知道增长的重点都在哪了。
商业价值 = （用户规模*平均单体用户价值）- 总成本
因为不同的产品有不同的商业模式，而不同的商业模式对于这三个指标的口径会不同，比如一个电商产品，用户规模有可能是站内付费用户数，单体用户价值可能是平均每个付费用户在站内的付费金额，成本可能是人力成本、流量投放物料成本、交付供给成本等。
高阶增长和初级增长的差距可能体现在：
- 对数据的理解和处理经验；
- 对于快速低成本的找到增长线索的能力；
- 对各种单点增长问题的解决能力和思路；
- 搭建增长模型的能力、通过调整业务模式获得增长的能力；
- 结合业务模型或商业模型理解增长背后的逻辑的能力。
二、内增长和外增长
一般会认为：增长等于裂变，等于获客，等于投放，等于AARRR……
而我觉得这些都较片面，如果从一个产品的“内和外”来看，用户增长可被分为“外增长”和“内增长”：
1）外增长
用户获取（渠道投放、裂变/转介绍、换量、2B2C [比如双减前的一起作业就是这种模式获客的] 等），曾经沧海~
曾经教育行业有过很多裂变的经典案例，当然典中典还得看拼多多了。
2）内增长
从新用户承接到流失的全过程管理。在产品内设计和优化用户转化路径，并通过数据分析发现洞察制定策略，以实现用户价值最大化。
一般流程包括新用户激活、留存、变现、自传播（以AARRR举例），常见的玩法会有：用户成长体系、用户激励体系、用户分层运营、用户生命周期价值管理（LTV）、防流失体系、用户召回等等。
以上一般被称为：数据驱动；当中的每一块单拿出来都可以作为一个独立的方向来玩。
个人认为“内增长”比“外增长”相对来说逻辑性更强，复杂度更高一些；可能这句话说的有点坐井观天了。那就先跳出来看看内增长吧。
怎么理解内增长？可以从三个词来建立一个框架来理解，“模型、数据、策略”。
模型：即增长模型。是一系列密切相关，并可互相影响的数据指标。
没有一个完全通用的模型，各公司各业务差异很大，就算类似AARRR这样的模型也并不是适用于一切业务。搭建增长模型的前提是对业务的理解，先有业务模型，理解业务模型的基础上再来搭建增长模型。
一般公司会有三个主要模型：商业模型（或财务模型）——全局业务模型——局部业务模型，而增长模型是业务模型的组成部分。
数据一般分为：
- 业务数据：用于监测业务进展和健康度。如：流量、用户数、活跃用户数、销售额等。
- 基础数据：用于描绘用户画像或给用户打标签。如：年龄、地区、职业、喜好、学校、性别、家庭状况等。
- 行为数据：用于对用户成长路径、用户行为特征等进行分析。如：用户使用某功能或购买某商品、消费某内容等。
策略：就是基于模型和数据发现的机会点形成的实验假设，基于假设设计的产品或运营方案。
模型依赖数据，数据指导策略，策略反哺模型。
所以增长的框架大概可能是长这样：
底层的业务逻辑：结合商业模式和产品用户路径来搭建增长模型和指标体系；增长模型一般有AARRR，全链漏斗型，因式分解型，全定量模型。其中全定量模型最复杂，可以把产品外增长的各种渠道投放包括裂变因子都包含进来，也能用来做流量预测和成本预测。
中间层的关键驱动手段：数据分析+AB实验、数据分析（梳理用户路径——采集数据——数据监测——数据分析——制定策略）。
应用层的解决增长问题：外增长（渠道投放、裂变等），内增长（激活、留存、活跃、防流失、召回、付费等）。
三、接下来主要对“解决增长问题”做个初步概述
（关于“底层业务逻辑”和“关键驱动手段”后续再整理）
1. 下面聊下对于具体的增长问题的一些常用方法
1）新用户激活
这块相对简单点，网上有很多文章讲解，一般熟悉的比如aHA时刻、魔法数字、cohort分析等等，这里不做过多描述。
2）用户留存
这块难度和复杂度都会比较大一些，也会有很多方法：这里先列个大概的框架：
- 前置条件：做留存前，需要先评估产品提留存的难度；
- 留存曲线：通过留存曲线，评估留存情况并发现问题；
- 数据分析：通过分析洞察机会，找到留存问题，明确发力点；
- 留存方案：根据数据分析，给出产品方案。
留存活跃的底层逻辑大概是：引流——促进用户首次使用——吸引用户多次使用——养成用户习惯——延长用户使用生命周期。
- 关于留存促活，其本质是伴随产品用户体量的增长，不断针对不同类型的用户，要找到性价比最优的转化、成长路径，再施加引导激励；这里就包括了用户分群，用户路径，激励体系。
- 产品的长期价值成立和稳定，是留存+促活能够产生意义的前提；长期价值可以用pmf来量化分析。
- 典型用户转化、成长路径清晰+用户使用习惯行为闭环形成后，一个用户激励体系可以显著通过产品化放大内增长的效率。
要明白一个观点：做增长绝不是各种方法论的直接套用，而是随业务的变化而动态变化调整的，不是一个线性的过程。产品在其生命周期的不同阶段，增长的目标也会大不相同。
划重点：增量/留存/促活等的基本前提：要拥有一个“明确、可被驱动的用户转化/成长路径”。
2. 接下来聊下提留存的框架
首先说下一个观点：在PMF的前提下留存促活，其本质是伴随用户体量的增长，不断对不同类型的用户，找到性价比最优的转化/成长路径，再施加引导激励。
针对不同用户采取不同方式将其引导到适合他的路径上使其触发关键行为体验产品价值，本质是让他更快地发现产品价值（在他有限的生命周期内更快让他发现）。
这里说的适合的路径很可能是动态变化的，所以留存不是一劳永逸的事。提留存本质是让用户感受到产品价值，所以前提是产品有价值。
但也不是一定先要做好留存再做拉新，这和提留存要先有产品价值是两回事。
tiktok就是先搞流量再搞留存，但这和tiktok产品本身的属性强相关，并不适用于大多数产品，且它有抖音的经验。而微信视频号则是先留存再流量，所以RARRA更适用于一般新上线的产品，尤其是资本有限的产品。
互联网产品常见的两种死法：生于拉新，死于留存。生于拉新，死于变现。
1）不同产品提留存的前提，难度的评估及策略制定：
- 制定和评估产品的留存曲线；
- 如何计算和绘制留存曲线；
- 如何评估留存曲线；
- 精细分析，找到性价比最高的留存线索和留存路径，明确留存发力点。
2）通用方法
- 用户分群对比（很常用，一般出现指标异常都会用到）；
- 功能留存矩阵对比（结合用户分群可扩展出很多矩阵）；
- 大用户规模的产品；
- 改善长期留存曲线（PMF分析长留）；
- 加深用户参与度。
3）一般常用的单点方法
新用户留存：
- 精准拉新；
- 持续上手，用户引导。
老用户留存:
a）用户习惯养成路径
找路径的方法：数据找出习惯用户，习惯用户根据产品目标比如使用频次的理想值等来找，分析习惯用户的行为特征，路径特征，场景特征，以及在用户的早期特征等即可找到，Hooked。
b）用户参与度的加深
提升使用频次和使用强度，增加使用场景：比较熟悉的如滴滴的各种用车场景：参与度可看作留存的前向指标，可用活跃频次和活跃强度（比如时长就是一种强度）来表示。
所以为什么很多产品都要提使用频次、提时长等，原因就在这里（再给一种理解：留存是“用不用”，参与是“怎么用”）。
活跃是单次行为，参与度或留存是复合行为；留存是活跃在时间上的持续，所以留存分为初始行为和留存行为。一般说留存提升了多少，需要明确留存的这两个行为分别是什么，否则数据差异会很大（活跃是单次行为，活跃的频次和活跃的强度是参与度，留存是活跃在时间上的持续：所以提升活跃或者提升参与度能带来留存的提升就是这个原因）。
c）用户防流失
流失用户的定义，一般常用方式通过“回访率”曲线找拐点，没有拐点按业界常用值5%/10%来定或业务自己根据情况来定。
d）流失预警机制
流失预警模型（提活跃和防流失是有区别的，可以认为提活跃是吃营养品，虽然没病但可以吃吃了没坏处，而防流失是打疫苗，有潜在的风险才给你打，在应用层常用的策略会很像或者常有交叉，但确是两种概念，作用的目标用户都不一样；篇幅有限，后续单写一篇流失预警模型）。
e）召回
4）体系化的方式（精细化运营）
- 用户成长体系；
- 激励体系包含积分体系等（后面有空聊下积分体系这块）；
- 用户生命周期价值管理（后面有空聊下LTV中的两种路径：同一分群下的用户路径和不同分层间的价值成长路径）；
- 用户分层/分群运营；
- ……
以上，用户分群会是一个比较重要的地方：说下分群的思路:
（不好意思插个队：分层又是什么？我理解分层是互斥的，分群可以有交集。可以在分层基础上再进一步分群。比如成长体系，会员体系这些。这个不是重点，一个名称而已。以下不做区分，统一用分群来表示）
首先需要理解用户分群从大类来讲有两种：
- 平行的分群（各群之间没有明确的价值高低关系，不需要把某个群的用户转化为另一个群里）
- 递进的分群（合群之间有价值的高低，需要转化）
分群方式：AARRR，RARRA。
按用户价值分群（为递进的分群，需要把低价值群往高价值群转化）：
- 用户生命周期价值管理（需要有时间维度，另外可以再加上1个或n个关键行为即可定义出生命周期来）；
- 基于关键行为分群，可以多个关键行为一起（因为一个关键行为通常不能覆盖全部用户）；
- RFM及其各种简化变种（感觉RFM要比上两种分群方式要简单很多，有了源数据，自己在excel里就能分出来）。
按用户需求差异分群（多为平行的分群）：
- 属性；
- 渠道；
- 场景；
- 功能偏好/内容品类偏好/商品品类偏好；
- 价格敏感高低，服务敏感高低。
按状态：
- 付费状态；
- 购买历史；
- 广告点击。
按用户身份差异分群：
a）金字塔，比如微博的用户身份
分群不一定要覆盖大盘全部用户，根据实际业务目标分即可。比如按关键行为分群一般就很难覆盖全部用户，因为关键行为本身就已经对用户做了一层筛选。
实际做分群时往往用到不止一种方法。分群本身相对好理解，难的是分群后怎么应用，怎么上策略。
再单说下用户生命周期价值管理，即LTV管理：分LT和V（value）：
- LT：life time即希望用户在产品的时间越长越好。
- V：希望在这个LT里面，能够完成对他这个用户的变现，获得商业价值，同时也给这个用户提供用户价值，这就是value。对于其它还没有进入到这个健康活跃状态(LTV的时间段内)的用户，需要通过各种手段让他进入进去，这大概就是LTV的底层逻辑。
有点抽象，再说的具体些：
- LT：是用户生命周期。在产品中体现为留存。如果对cohort很熟练，那么应该很容易理解活跃天和留存的关系。通过公式可以推导出一个稳定获客的产品，到第n天累计新增日活=前n天留存对n的积分*每天新增uv。留存函数可以通过前几天的每日留存数据进行拟合。
- V：是用户价值。比如广告变现。LT和V可以根据两者的关系求出LTV的最大值，以此为依据来平衡用户体验和产品的商业价值。
最终得到的用户商业价值可以和用户获取成本进行对比，若为正，那就可以大规模买量了。比如头条，猎豹。
（这么说会不会太绝对了？tiktok说：会；tiktok是先大规模在脸书买量然后再做留存的，因为它有抖音的经验，当其短视频内容足够丰富时，其强大的算法逻辑一定能让留存提升，最终ROI必定能打正，所以tiktok后做的留存）
好吧，最后再说下商业价值。
之前写过产品粘性、迁移成本、商业价值三者的关系。迁移成本决定了用户生命周期的长度，粘性和变现能力决定了单体用户价值 ，这三者共同决定用户生命周期价值即ltv，再加上用户规模和成本，就共同决定了产品的商业价值。
这里说下粘性和迁移成本的关系：社交关系链主要决定迁移成本，比如微信的社交关系决定其迁移成本非常高，而微信里的公众号，视频号等内容板块是用户提用户粘性的。
抖音是内容短视频平台，优质的内容和精准的分发导致其粘性很强，单列视频模式也导致其广告变现效率非常高效，但因为缺乏社交关系链导致其迁移成本不如微信，所以抖音也在向社交方向探索，即使它粘性这么强了，本质原因是迁移成本由社交关系而非粘性决定。
比如想象一下假设一种新的产品形态能替代短视频，那用户就不需要抖音了，但是却离不开微信，因为社交关系在微信，要离开也是一个群体一起离开，离开门槛显然更高。
以上，更多聊的都是基于”数据”的增长，有点偏“技术”；其他提升用户规模的增长还有内容驱动增长，业务模式驱动增长等。
总结下来增长最重要的三个词我认为是：用户规模，用户价值，成本（强行首尾呼应）。