从增长产品角度出发，如何迈出增长第一步

莫琳 2023-07-31 20:31:44

一、对增长产品经理的理解

首先，先要对自己岗位的定位及负责的内容有一个了解，才能迈出增长第一步。

增长产品经理和传统产品经理不同，传统pm是以“解决方案”为导向，负责需求梳理、评审到研发到测试上线的全流程，还是比较专注在“产品”的范围之内；

增长pm是以“增长”为导向，通过对用户心理/行为的分析，提供增长方向和策略，除了上述传统产品流程外，还需要负责某个业务指标的增长，监测各种数据指标（如用户新增触达、访问、留存……）。

基于这样的岗位定位和职责，其实超出了“产品”范围，比较像“市场”、“运营”，或许一个好的增长产品经理，最终会发展成为一个好的市场经理、产品运营。

其次，增长产品经理需要运营思维和业务思维。以业务为导向，从运营角度出发来思考产品方案，往往会有“意想不到的惊喜”。例如有时候产品通认的“用户路径、漏斗越少越好，每多一个漏斗用户会折损多一步”，但从运营角度就未必了。

因此增长产品经理的日常工作内容，包括但不限于：

搭建增长测算模型；
制定增长总目标；
拆解各环节的关键子指标，构建数据看板；
输出增长策略，根据优先级进行快速“开发–上线–学习”的试验；
分析试验结果，和测算模型对比，指导下一步试验方向；
组织每周增长业务会；
对用户（家长、销冠）访谈；
……

增长pm既是增长目标的制定者，也是增长策略的执行者，还要协调各资源部门的合作与配合，遵循着“数据先行”的原则，覆盖了AARRR模型的各方面。

产品经理，产品经理网站

图：AARRR模型摘自书《硅谷增长黑客实战笔记》

二、做好增长第一步的关键4点

1. 确定增长目标

在开始实干之前，先要确定我们的增长目标。这既是动力，也是压力。很多书籍都会把这定义为“北极星指标”，认为一旦定下这个指标，就像北极星高高挂在空中，指引着一切前进的方向。

这会有一个弊端，在于我们会为了达到这个指标，不顾一切。比如教育行业，某些情况下销售会把签单率视为“北极星指标”，例如这个月要干到60%签单率，为了达到这个数，不顾一切甚至动了歪心思，比如和家长商量签单后提成怎么分之类的，这种为了达标而达标的情况，其实是很不好的。

因此，我们要确定的是，真实的，切实可行的，具有先导性的第一指标。

（1）真实的

业务模型里，能直接体现我能否增长的最为关键的指标。如果这个指标达不到预期，那么增长的健康度不行，或者是资金堆砌起来的虚假增长。

有一个词叫“虚荣指标”，是指看似不错的指标，实则非关键指标，说白了就是虚荣心作祟。比如增长用户数，这在我看来是“虚荣指标”，用户数是增长了，但是他们的激活、留存率如何呢？光有这么高的增长用户数，但是用户第二天或者刚注册就跑了，其实也没用。

（2）切实可行的

制定增长目标，要根据当下业务情况合理制定。别上个月收入只有30w，这个月制定200w的目标，不切实际，导致根据这个目标制定的增长策略，冲破脑袋也无法达成。

（3）先导性

先导性的指标能够让我们提前发现问题，尽早优化增长策略。比如，教育行业会很经常使用“总收入”作为第一指标，这也没错，只是不够先导性，因为收入是要根据每月月底学员结转（购买正式课）的比例计算得出的，比较滞后；所以通常我们会在此指标上加入“线索数”，实时监控，这可能是一个更好的先导指标。

其次，第一指标必须是有理有据，切忌拍脑袋。比如上个月只有30w，这个月随便拍了个指标是200w，但是说不出为什么我们是定这个指标，是不可以的。如何清晰地制定目标：

第一步，需要我们对现有业务进行全盘分析，理出该业务的【增长测算模型】。

根据自身业务特点，分别计算总收入和总成本。其中总成本要细化至各项子成本，包括显性成本和隐性成本。

产品经理，产品经理网站

图：增长测算模型

值得注意的是，上述经济测算模型还只是一张“总表”，模型的目的是指导我们得出确定增长目标，找到聚焦区域去执行增长策略，因此要细化到每一项“可以优化”的模型拆解。

比如像上述的活动成本，细化到做的每一项活动的漏斗，例如最近准备做的内容拼团，从页面的触达用户数、到参与用户数（开团用户数）、到成团数、成团奖品费用、线索数、转化率和收入，每一步都需要谨慎监控。

这样才能知道数据不好，到底问题出在哪个环节，哪个环节是当前优先级最高的优化指标，才便于增长产品和运营更高效率优化。

产品经理，产品经理网站

图：各项活动成本拆解漏斗

第二步，根据增长测算模型，组装业务的GMV公式。

将GMV公式由每一个指标组装起来，并不断分解每个指标到不能分解的子指标为止。

其实增长测算模型弄出来后，GMV公式也有了一个清晰的框架了，接下来则是根据用户体验路径的每一步找到一个对应的指标，比如转介绍活动每个月触达用户是多少，参与用户是多少，参与率是多少，落地页访问率、转化率是多少，这些一连串的指标就是GMV公式的组装分子。

接着把组装的分子按顺序依次组装，同时不断分解每个变量到不能分解为止，目的是清晰了解到底有哪些变量会影响最后的GMV，便于收集数据，同时查漏补缺（指之前没有留意过这个指标）。

产品经理，产品经理网站

图：组装自身业务GMV公式

2. 找到聚焦区域

拆解完GMV公式后，自然而然就能得知公式中能影响指标的因素有哪些了。可能梳理下来需要优化的地方有很多，一口吃不了大胖子，所以需要先找到聚焦区域，集中发力。整理了一下，如何找到聚焦区域：

（1）漏斗折损率最大的区域

纵观产品功能的漏斗，折损率最高的，是值得我们关注和反思的。思考为什么会折损，用户在这个环节的场景和心理是怎么样的，再去针对具体执行策略的优先级进行快速修改和验证。

（2）用户反馈问题最多的区域

用户反馈问题最多的地方，很可能就是漏斗折损率最大的地方，因此这一点需要和上述一点结合起来进行判断。若遇到有用户反馈，但是漏斗折损不明显的区域，可以采用A/B测试的方法进行尝试，根据测试结果进行快速调整。

（3）性价比最高的区域

针对性价比最高的区域，就是投入小，如不需要开发或设计资源，能快速改好上线的，但是却对指标较大提升有帮助作用的，值得我们快速聚焦。

回想起在拆解作品集功能的漏斗时，整个漏斗会有多个影响指标的因素：参与率、客态访问效率（扫码效率）、落地页访问率、落地页转化率等，这么多个因素，针对不同业务线，我们分析了关键行为漏斗，监测到其中一两个值得聚焦的区域：

产品经理，产品经理网站

图：根据作品集关键行为漏斗，找到聚焦区域

3. 制定增长策略

找到聚焦区域后，开始制定增长策略。增长策略必须要根据实际业务来走，很多时候我们看书会发现有很多增长方法论可以被总结，但是真正要落地的那一刻，却发现非常困难，原因是不够了解业务，不知道当前业务的痛点和该业务群的用户心理，所以无法制定有效的增长策略。回到上面那张图，其实会发现同一个功能，在不同业务线的效果是完全不同的。

产品经理，产品经理网站

图：找到聚焦区域后，制定增长策略

例如业务线1，我们聚焦在「参与率」、「落地页访问率」、「落地页转化率」这三个区域，通过漏斗数据分析（定性）和用户访谈（定量），分别提出了不同的优化策略：

（1）参与率

访问率没问题，说明量够了（知道的人足够多），但是知道的人进来看到了却不分享，对比过往做的功能和竞品分析后，原因①可能是缺乏分享的动力，也就是分享后用户不能切实得到什么东西；原因②可能是作品集本身链路问题，从预览作品→选择作品→生成作品集→预览作品集效果→分享作品集，链路太长，折损太多。针对这两个原因，制定了两个优化策略：

增加分享动力；
简化作品集分享流程。

（2）落地页访问率

好友访问了用户的作品集后，点击进入购课落地页的人很少，可能是用户的作品没有很打动好友，让他们觉得“哇，我家孩子也要报名学，这也太厉害了”的想法；也可能是我们把落地页的入口隐藏的深，需要用户主动点击才能触发。因为目前对于“作品不打动人”这个点还没有想到可行的优化方法，所以先优化落地页入口这个点。

（3）落地页转化率

进入落地页的人，不买体验课，这一点是之前做落地页的时候就会经常要考虑的，因此严谨的话，对比不同价格、不同内容的落地页转化率，找到一版适合转介绍的，替换课包价格和内容即可。

由小及大，站在整个转介绍行为漏斗上看，制定增长策略是需要「先拆解指标、了解指标现状→再结合业务分析问题→针对问题提出增长策略」按这些步骤来做，再结合用户访谈、竞品调研、行业经验等方法完善增长策略。

4. 低成本做增长实验

提出了好几个优化策略后，实验的优先级怎么排，个人理解是按照「高性价比的策略优先级高」、「影响大的策略优先级高」这两个方法来排优先级。

例如上面针对参与率提到的2点原因，其中“简化作品集流程”这个需要产品方案——开发——测试——上线一整套完整的产品流程，性价比不高，且不确定最终收效，因此优先级可以放低。

相反“增加分享动力”这点，根据过往经验，适当提供额外的利益刺激（虚拟积分、虚拟课程、实物奖励等），就能获得较好的效果，且现成有自动发放奖励的功能，不需要开发，性价比高。

确定了先执行增加分享动力这一点增长实验后，发多少积分，在什么环节发，这些都是关键的问题。具体的执行仍是需要根据业务来，因为考虑到我们仍有其他的转介绍功能并行，且相比起“分享”这个动作，另一个功能的动作更重，所以积分不能比其多，最终决定是发200积分，在分享作品集后立即发放，并且考虑到后续如果会爆量，我们还可以随时下线活动、调整积分的数量，确保成本在掌握范围内。

另外，既然增加了积分发放这个动作，就一定要让用户感知到，因此我们在页面上有明显提醒，同时让老师在和用户说明时，也要强调这一点。

结合以上内容，实验后发现仅仅是一个小奖励的增加，对参与率有巨大的提升，一开始预估的参与率是10%，结果带来了30%的超预期，参与率相较实验前提升到40%。从这个实验我获得了洞察：在ROI达标情况下，适当提供额外奖励，对促成用户完成动作有较大的作用。并且一定要让用户感知到。