来源：GrowingIO 2019 增长大会上海站
大家好！我叫赵征宇，来自日日煮。
我有大概 15 年的产品经历，早期在 1 号店、百姓网、点融负责产品和增长，去年加入日日煮。我自己还是摄影师，所以我一半时间在做产品增长，一半时间在拍东西，这是我大致的背景。
这是我第三次来 GrowingIO 增长大会，简单回顾和总结一下：
常见的增长困境
每次分享结束后很多人加我微信聊，我发现大家都有这样一些问题，我总结为三大“不够”：人永远不够，时间永远不够，钱永远不够。我不知道你们做工作的时候，会不会有这样的感触？今天我想结合我现在的一些工作去分享，怎么把之前讲的增长内容落地到你们自己的企业。
我接触了那么多的人，发现很多人开始增长之前就已经产生误区了。所以，今天的主题叫《增长前传：如何快速找到适合自己的增长方案？》这是讲增长之前要做的事情，而不是说你加入一个增长团队马上就要开始做增长了。
反而增长往往是相对容易的，但是你到底往什么方向去增长，这是一个值得探讨的问题！
前言 - 增长误区
错误的增长起始点
很多同学对增长的认知就是开始做用户增长，我觉得增长的起始点并不在这里，而是你研究怎么增长的初期阶段。
正确的增长起始点
我把这种关系定义为认知区和增长区的不同，今天我分享的就是认知区的内容。
你们有没有关注过自己的数据，时间拉长到 2-3 年或者更长，会不会发现类似这样的情况？
你的增长并不是一下子上去的，如果这样的话很快就成为独角兽了。但是 99% 的企业和团队，你们的增长可能是这样的，一个波峰一个波峰地增长；每次增长完了，很快就会遇到瓶颈。
这个时候，你需要去重新认知、分析下一步怎么去做。这个瓶颈有时候会很长，很多公司可能一个波谷就再也没有起来了。
所以，我们的团队在认知区大概会做 4 个认知，去搞清楚我的企业到底该怎么做。接下来的所有东西都会根据日日煮的真实故事改编，数据经过脱敏处理。
1. 认知行业定位
首先，认知行业定位。你要搞清楚，到底为什么增长，要去哪里。这里我会推荐两个工具：象限法和爬虫。
1.1 为你的北极星找一个角度
如果让你做一个 BP 讲你的公司怎么发展，一般都会有下面这种图；把你的对手罗列出来，呈现在一个多维度象限上。
我自己比较喜欢的维度是丰富度、愉悦度。怎么理解？
像我们做食谱的，“丰富度” 顾名思义你的平台里面有多少可以被烹饪的菜谱。“愉悦度” 表示有多少人看了之后觉得能做、喜欢做、会一直做。我们可以把市场上很多产品变成一个小点点，放在这个象限里面，圈圈大小代表每款产品的用户数量。
在这里，你第一步要想的是：你的企业未来想成为什么样的一家公司？到底是成为一家用户体量很大、但质量并不一定 OK 的公司，还是成为一家把事情做精的公司？这是用户增长所要考虑的第一个认知。
但这个时候你可能会无从下手，往往我们会选一个不存在的选项。我们可能会想着去突破，我们既要做丰富度又要做愉悦度；因为这件事情没有人做，我们会去研究值不值得做。如果值得做，是不是做出之后，会不会有更大的用户量。
1.2 爬虫是一个帮助你了解世界的好帮手
爬虫是干什么的？
我用偏电商的两个维度，销售和价格，去替换刚才的丰富度和愉悦度。我们去爬竞品上所有的公开信息，并且把它结构化，我们每天去分析每天这些点的变化。（不要在意图中的数据，均已处理过，不代表任何现实产品）
如果这是一个点上，你会发现这家企业有很多低价，但是冲销量的产品。你可能是价格高一点，但是销量很低，你们销售额肯定在一个量级。
所以，你不停去看这些数据以后，发现你们两家的业务模式是不一样的。很明显，一家冲低价商品，一家做高。通过这些爬虫的工具，可以帮助你做上面那张图你应该做的事情，因为你不知道对方质量是多少，所以爬虫可以帮你做这件事情。而且分析出来的象限会非常客观。
2. 认知用户诉求
有了刚刚象限里面的东西，你肯定要决定往哪里走。这半年我感受非常深刻，对于用户理解这件事情，基本上分为两种。
用户主动告诉你，想让你给他提供什么服务。用户给你看他在干什么，往往是数据分析，你会看到用户希望你给他提供什么样的服务。2.1 产品问答模块
我们先讲讲用户怎么说，他有什么诉求，接下去全是实际案例，我觉得相当实用。
今年年初我们上了一个功能，大家打开日日煮发现第二屏永远有这样一个问答，问你希望日日煮下一步提供什么样的功能。只要是登录用户，点一下马上可以投票。装上你的 APP 并且每天都会来的用户一定是你的是死忠粉，他们的回答往往是你最想要的回答。
大家知道日日煮有近万的高质量视频食谱，这些食谱不是平白无故去拍的，每一个食谱都有对佐料、食材、配料的充分调研。这周到底要拍哪几个食谱，拍之前我们还会再做一次调研。
我们没有做之前，大概知道哪些菜会受人喜欢，哪些菜不会。所以大家提高了我们去拍一个食谱的成功率，这是今天第一个想推荐给大家的一个实际案例，强烈推荐大家使用。
这是过去 2 个月我们每个问题的回答总量，你发现回答总量是不一样的，所以这个数据从另外一个维度告诉你，用户对你提出的什么样的问题感兴趣。
这里有一个回答量很低的问题，大家可以猜猜我们问了什么。日日煮要去团建了，应该干嘛？完全无关，你可以看到回答量很低。大家可以再猜猜，回答量高的是什么？都是菜。
所以你通过这个回答总量，也知道你的用户到底具体想看看什么，这是我们所说的用户告诉你。这比你去全网发问卷，问一些你都把握不住的问题要高效的多。
第二个手段就是拉微信群，也是做内容的公司特别强调的手段。
我们大概会按照 DAU 2%-5% 的比例把部分用户拉到微信群，操作比较简单，无非是一些基本的管理。我相信在座大部分同学都有在做，但一定要拉。
拉群干什么？第一，一些好的活动在群里面传播，这样加群的人会觉得有一定的信息。第二品牌情感定位案例，我们还有一些测试版的功能，群里的人会用，把槽点直接吐槽给我们。我们的群非常活跃，每天有不同人在里面提问题，甚至怎么做做菜，我们都会回答他们。因为对内容平台来说，用户的忠诚度是非常重要的。
2.2 应用市场差评
你们看不看自己在应用市场的差评？我只看差评，因为现在好评没法看。
其实我们更喜欢看对手的差评，刚刚上面的问卷数据你自己是有杆称的，知道自己哪里做得不好。如果有一个体量跟你相当的对手，你知道他哪里做得不好，绝对是一个短时期弯道超车的机会。
基本上，我自己每周至少会看一次我们竞品的一些差评，当然自己的也要去看。
很可怕，我有看到过一个竞品，最近两个月没有一个差评。这时候作为产品经理是压力最大的时候，因为你有差评，人家没有差评，而且人家用户规模非常大，这说明他的产品真的有可取之处。这个时候这个对手在我的 action list 里面优先级一定是很高的品牌情感定位案例，他在做什么、版本更新了什么，一定是你要非常小心的。
摇一摇反馈的第三方服务，你们用过吗？
相信你们在微博很多地方会收到差评，用户说视频点不了。这时候产品经理帮不上忙，因为你不知道他的手机号，没法联系他。联系上了，他说又好了。这种情况肯定遇到过，摇一摇可以很好解决这个问题。我们在用户装了 APP 以后，会在合适的时机告诉他，你可以摇一摇联系我们。
最重要的是用户摇完之后，联系我们的时候，他装的哪个版本、什么操作系统、当时是什么网络、什么分辨率、网速多少等等，都呈现出来。
比如这个用户希望首页视频不要自动播放、根据网络播放，然后用户摇一摇联系我们。到底当时是因为 APP 问题还是自己环境问题，这都一目了然，可以省去很多你们联系用户的时间。
3. 认知下个阶段的目标
前面这些都是用户主动来告诉你他遇到了什么问题，但是很多用户“言行不一致”，也不是说不善良，更多是问题描述和表达的问题。这时候我们会做很多数据分析，主要用到分群和留存率的一些分析方法。
3.1 留存分析找到魔法数字
又要用到象限了，象限超级好用；因为任何三个维度都能组成一个象限，可以把你要做的事情分轻重缓急直观地列出来。强调一下，下图中的数据是打乱的、脱敏的，大家关注内容就好。
上面坐标轴的纵轴 Y 轴是留存率，横轴 X 轴是使用人数。顾名思义，越左上角的功能是用户最喜欢、最高频用的，但用的人比较少；右下角的功能是用的人很多，好像用完就走了。
你们要知道， APP 整体留存率是由不同功能的留存率最后叠加出来的。以前，大家纠结我要看日留存还是周留存；现在，你更多要思考是看整个 APP 留存还是里面某一功能的留存。这个会让你更加你明白，你到底在做什么。
有些大厂，一个 APP 背后有好几万人在支持，你让这好几万人只看一个留存率指标显然是不科学的。我们要去找自己该看的，把核心功能拆解成一个个模块，用 GrowingIO 帮我们去做数据分析、找到每一个功能模块的留存率。
这只是一个开始，接下来怎么做？
下面这张图是很常见的分群留存图，是我自己画的。左边坐标轴代表这个分群的人数，右边坐标轴代表这个组的留存率，横轴是这个功能被使用的频次。
第一组最近 30 天只看了一次，第二组最近 30 天看了两次，第三组最近 30 天看了三次。往下看你会发现，一定会有一个拐点，很多用户看到了第几次之后坚持不下去，这是一个自然现象。在这张图里面，Group 4-5 有明显人数下降。
我们再反过来去看这些群组留存率，怎么样。
你发现 Group 5 留存率似乎比 Group 4 的人高了30% 左右，留存提升 30%是很厉害的。这种情况下，你们会去做什么呢？很明显，Group 5 跟 Group 4 相比无非就是多用这个功能 1-2 次而已，可能就差一点点了。
例如，产品上多加一些提示，或者多用一些召回，或者把你的算法用的更好一些，可能很多人就会进入 Group 5 了。从现在数据来看，Group 5 的留存率就会有一个陡增。所以，作为产品团队这时候很值得去做一些事情，让更多人进入 Group5。
3.2 GrowingIO 产品实现方法
大家用过「分布分析」这个功能吗，很实用。以前我们要做出上面的图需要导出原始数据，然后自己来分类整理作图。
「分布分析」这个功能出来以后，我们可以根据左边的事件按照 N 等分分布，上面这张图就是我做出来的真实数据。我还发现了一
来源【全网营销】自媒体，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！
