“增长黑客”对于互联网圈的小伙伴来说一定不陌生，尤其是前几年，很多人也看了来自国外经典案列，比如网飞（Netflix）通过分析客户观看的电影和节目，发现凯文史派西参演的电影和政治题材的电视剧都非常受用户欢迎，所以才有的网飞制作的电视剧《纸牌屋》；Facebook做灰度测试的时候，发现新版本会使变现率下降25%，所以紧急终止新版上线等等，其核心理念是依靠技术和数据驱动，从而达到增长的目的。
但近几年大家发现 “增长”不香了，所谓的“增长”都是别人家的“增长”，要不就是来自外国的案例，到了国内会变得水土不服，毕竟国外连运营或渠道岗位都没有是吧，再看看APP store和国内的华米OV（华为、小米、vivo、oppo） 等安卓应用商店的商业化程度对比就可以知道了吧，国内的增长可以说是hard难度的增长，有的时候连老硅谷也会望尘莫及。
再者就是因为公司没有那么“壕”，在人力物力上不能支持你试错的成本，所以老板就干脆让你别整些花里胡哨的，别人怎么做咱跟着做就完事了，出其不意必自闭！
那么，如何在预算不够的情况下完成“本土化”的增长呢？今天就给大家带来一个精益激活模型。首先来讲一下为什么叫精益激活模型，“精益”二字来自《精益创业》中的MVP（Minimum Viable Product）模型，即最小可行化产品模型，指的是在启动资金或预算少的情况下，通过实验的方式，将产品调整至最优化，从而实现增长；“激活”二字来自 AARRR海盗模型，模型用5个英文缩写分别代表用户的5个生命周期节点，它们是获取用户、激活用户、提高留存、获取收入、传播推荐，而我们的模型正是在用户激活的阶段建立。最后，“精益”和“激活”二者相结合，就是我们今天要介绍的精益激活模型。
德鲁克说过：“如果不能量化，就无法管理。”所以在讲模型之前，我们要先了解什么是激活，以及激活的量化标准。激活来自AARRR的第二个字母A （Activation），国内也翻译成提高活跃率，但是我更喜欢原汁原味的“激活”这个翻译，因为激活指的不是片面的提升新用户留存或者是提升注册率等某一个单独的指标。
这里就涉及到激活阶段的两个误区，第一个是认为注册就等于激活，一旦注册留了手机号就认为该用户真实有效。第二个误区是只看新增用户的留存情况，认为这个指标能够反馈用户的激活情况。然而大家往往忽视了一个重要的指标，那就是核心功能的使用率。
核心功能就是在《增长黑客》中经常提及到的aha moment（惊喜时刻），如何让用户在最短时间内使用产品的核心功能，从而使用户眼前一亮并记住你的产品。有的时候正是因为在“初次见面”的时候没有给对方留下深刻的印象，导致激活失败，从而造成用户流失。
不同类型的产品核心功能不同，以游戏类的王者荣耀为例子，每个游戏都有其独特的规则，理解成本会很高，如何利用新手引导让新玩家了解基本操作就显得尤为重要，所以新手引导完成率、首次游戏时长与局数等便成为激活的重要指标。
以得物（毒）APP为例，核心功能就是收藏爱鞋，然后可以看到价格波动和市场行情，那么新用户的收藏率和工具使用率（穿搭、鞋VR等）便是激活的重要指标。以易车APP为例，核心功能是汽车工具，通过工具可以查询爱车的最低价格及相关资讯内容，那么新增用户使用工具后的询价率便成为激活的北极星指标。
判断用户激活情况不仅限于注册率与留存率，还要根据自身的产品类型，找到核心功能的使用率作为监控指标。综上所述，注册率、新用户留存和核心功能使用率便成为产品激活阶段的北极星指标。
聊完了什么是激活，我们再来说说激活失败的原因有哪些。很多用户通过推广渠道来到APP，也就启动一次之后再也不会使用，这种就属于激活失败，造成这种情况的原因主要有以下两点：
（1） 渠道问题：推广渠道带来的用户存在质量问题。
（2） 产品问题：没有让用户接触到核心功能（aha moment），中途流失。
渠道问题可以参考之前写过的文章《如何用更少的钱,带来更优质的量？| 渠道质量评估模型》，里面会给大家讲解如何评价渠道带来用户质量的好坏，提高用户质量从而提升激活质量，在这里就不多赘述了。那今天我们来聊一聊如何通过精益激活模型，从产品角度解决问题，实现用户增长。
精益激活模型的基本原理是在成本可控的情况下快节奏的进行实验测试，不断的发现问题、提出想法、实验测试和复盘分析。
通过不断的循环这四步，从每一轮的实验中吸取失败的教训、总结成功的经验，最终量变引起质变，达到用户增长。没有太多花里胡哨的东西，就是周而复始的做实验，就是这么的朴实无华且枯燥。
本章我们会根据上一章提到的4部曲，以易车APP为例子，给大家讲解我们是如何运用此模型达到用户增长。
1、发现问题
吉德林法则有曰：把问题清清楚楚地写出来，便已经解决一半了。所以在开始建模前，试图让自己的团队多提出一下问题， 经过一系列的问题脑暴后，我们可以把问题写出来，总结出如下图的问题看板：
既然要做激活阶段的用户增长，那么激活的定义是什么？目前激活失败的原因是什么？选取什么样的增长模型？增长的公式又是什么？
问题已经清楚的写出来，那么第一步发现问题也就圆满结束了，接下来的3步便是解决问题。
2、提出想法
之前我们提出了4个问题，分别是激活的定义、激活失败的原因、增长模型如何选取和增长公式如何确定，在本章节我们会将这4个问题逐一击破。
激活的定义：用户激活不仅仅是注册，还要考虑用户的留存和核心功能使用情况，以易车APP为例子，我们选择强制要求用户注册，为什么强制注册呢？经过AB测试，发现实验组（强制注册）的用户质量明显高于对照组（非强制注册）。所以观测监控指标就选择为新用户次日留存率和询价率。
激活失败的原因：渠道问题和产品问题，渠道无法改变的情况下，考虑如何调整产品逻辑，提升用户体验，改善激活情况。
增长模型：精益激活模型，即通过实验测试的方式实现增长。
增长公式：在实验冷启动状的初期，我们先对已有功能的用户情况进行分析，注意这里的用户是所有用户，包括新老用户，而不是新用户的行为。为什么使用全量用户呢，原因有两个，第一个是因为只选取新用户的话，量级比较小，不足以说明问题；第二是新用户对APP不熟悉，有些入口较深的功能无法触及到，也会影响到判断。综上所述，通过已有全量用户的使用功能后的留存和询价行为进行分析，确定增长公式。
留存增长公式：
增长公式=留存率差值x渗透率=（触达留存-未触达留存） x （触达人数/DAU）
询价增长公式：
增长公式=询价率差值x渗透率=（触达询价-未触达询价） x （触达人数/DAU）
留存率差值为用户使用（触达）过该功能的留存率减去未使用的留存率，用这个指标判断这个功能是否就是aha moment，即用户用过眼前一亮，从而记住产品，提高留存。渗透率是触达该功能的用户占DAU的比，比如看过文章的用户为200万，当天DAU为500万，那么渗透率就是40%。通过渗透率来判断当前功能的入口深度是否合理，是否存在埋藏过深的情况。
从公式不难看出，想要达到增长，要从3个方向进行尝试，留存率差值、询价率差值和渗透率。
（1） 留存率差值提升：如果差值是负值，说明使用过该功能的用户体验很差，会造成用户流失，那么我们要想办法调整或者去掉该页面；除此之外，对于差值为正的功能，是否可以通过调整产品形态来扩大差值，比如提高文章质量，减少低质量的机器写作和标题党文章，从而提高阅读者的体验达到留存率提升。
（2） 询价率差值提升：与留存提升差值逻辑一样，不多赘述。
（3） 渗透率提升：当发现留存差值很高，但是渗透率较低的功能，我们就要意识到这个功能虽好，但可能由于入口太深没有被用户察觉到，此时我们应该调整入口深度，让更多的用户使用到该功能。
增长公式和增长方法介绍完成，我们来具体情况具体分析，通过增长公式表的数据，做出增长矩阵（波士顿矩阵）图，如下所示：
波士顿不光有龙虾，矩阵图也是非常nice的！矩阵横坐标代表留存差值，纵坐标代表询价率差值，气泡的直径代表渗透率，通过红色交叉十字将功能分成四象限，便于我们了解情况，做出决定。
本小节我们定义了用户激活，分析了激活失败的原因，通过现有用户行为确定了增长模型和公式，这一系列操作都是为（4-3）的实验测试做准备，万事俱备，只差test！
3、实验测试
本节我们要做两件事，第一件事是将想法排列优先级，我们有很多想法，但不代表有能力将这些想法都进行测试，所以我们要挑选出增长可能性比较大的想法来进行测试。
如何挑选增长可能性较高的想法呢，我们可以把增长矩阵第一象限的功能挑选出来，有销量榜、快捷选车和降价榜，通过分桶的形式进行测试，那么有以下测试想法：
首先要挑选渠道，注意不是对所有渠道进行粗狂式测试，而是在成本可控下测试，比如选择华为渠道，而不是全部安卓应用市场，这里就体现出“精益”的核心理念。然后，我们会将用户分桶，在用户首次启动后展示不同落地页，分别是销量榜、快捷选车、降价榜和原页面（对照组），4个页面各分配25%的新增用户。至于如何分桶，可以参考市面上的AB测试平台，这方面已经做得非常完善，可以做到N种方案同时交互进行。综上所述，便有如下实验流程图：
上图是简单流程概念图，我们只做了4个页面的实验给大家示例，实际业务中会有N个不同渠道，N个落地页，还会有N个细节改动方案，那么就会有N*N*N种不同的方案。
总而言之，在实验的初期先要放慢脚步，在成本可控的情况下选择投放的渠道，少组数的进行实验，待实验模型的流程跑通后，逐渐加快速度，将模型高速运转起来。
4、复盘分析
在复盘的阶段，我们会得到4种信息，如下图：
我们知道我们知道的：我们在第二章提出想法的时候，知道我们需要监控的指标，分别是留存率差值和询价率差值。
我们知道我们不知道的：在第二章，通过对全量（包含新老）用户的行为分析，来推测新用户激活阶段可能增长的页面（功能点），但是我们不知道老用户是否能代表新用户的表现，需要测试去验证。
我们不知道我们知道的：是直觉，直觉告诉我们波士顿矩阵这种可视化展现形式利于我们了解业务做出决定。当然你可以选择柱状图、饼状图等等，但我们的经验和直觉，能够让我在第一时间想到波士顿矩阵，这就是数据敏感度。
我们不知道我们不知道的：探索分析区域，我们不知道哪个页面或者功能点是最好的，哪个页面什么入口深度，能够保证用户的留存率和询价率达到最优解。我们需要复盘分析，从每一次的复盘分析中收集信息，保留正向结果，替换负面结果，快速迭代实验，达到用户增长。
这一节我们着重的讲一下我们不知道我们不知道的信息，也就是探索区域的复盘分析。通过上一章的实验测试，我们得到的反馈数据如下：
新增用户激活的分组表现来看，销量榜的次日留存率和询价率相比对照组分别高出5.0%和7.6%；快捷选车次留率比对照组低1%，询价率高出4.7%；降价榜次留率降低0.4%，询价率提高6.3%。
与冷启动时用全量用户的波士顿矩阵（增长矩阵）相比较，销量榜、快捷选车和降价榜的表现符合我们的猜想，原假设选车工具是我们的核心功能，所以用户接触后的询价率会比对照组的高。然而快捷选车和降价榜的次留率比对照度的要低，这个结果出乎我们的意料，为什么出现这种结果呢，我们看一下页面细节图，大家来找茬。
