增长是一个持续实验的过程，就像做产品迭代，最科学的方法是向迭代要数据，依据数据做迭代；做增长亦是如此，即数据驱动增长。 策略、增长都有各自的方**，抽象出来其实表达的是相似的意思。
增长是一个持续实验的过程，就像做产品迭代，最科学的方法是向迭代要数据，依据数据做迭代；做增长亦是如此，即数据驱动增长。
策略、增长都有各自的方**，抽象出来其实表达的是相似的意思。
通过数据发现问题→提出假设→设计方案→获得更多数据→验证假设→发现颗粒度更细的问题→提出更精准的假设。
是无数组闭环逻辑的循序渐进，根据实际达到的效果以及成本，来决定做到哪一步就可以满足目标或者需要及时止损。
每套方**都有自己的逻辑闭环和不同的适用场景，也存在在执行时仍然存在的困惑，根据自己遇到的困惑，拆解输出的方**理解消化后输出自己的方**，才是最合适的做法。
增长实验通常以A/B测试的方式进行，要清楚A/B测试只是手段不是目的，在日常生活中也可以加以利用。
2. 设计增长实验前，如何发现问题
2.1 有明确目标（根据目标找数据）
有明确目标的意思是，促使实验发起的需求来源不是分析数据后发现的问题，而是通过其他需求来源提出的明确的可衡量的目标。
比如老板下达任务，这个季度的GMV要提升30%。那么关键指标可定义为2020Q1GMV，相关指标可以在已经搭建好的增长模型或者公式中获得。
GMV等于流量*转化率*客单价，流量包含自然流量和渠道流量等，自然流量包含产品本身的APP、小程序等，渠道流量包含各个外部渠道。
根据实际情况选择对应的颗粒度分析。
2.2 无明确目标（根据数据找目标）
无明确目标的意思是，促使实验发起的需求来源，并不聚焦于某一个具体目标，我们想通过优化某一个当前需要优化的内容，从而达到提升整体效果的终极目标。
此时为了避免拍脑袋定方案，设计出低质量的实验浪费资源，就要通过一些科学方法找到相对合理的目标。
a.收集用户反馈
在产品的用户反馈入口、应用商店评价、社交平台等渠道收集用户反馈。
通过对用户反馈的过滤、整理、分析，发现与增长相关的问题，以解决此问题为目标设计增长实验。
用户的反馈比较随机，难以判断影响面，与产品全局没有直接关系，因此可能需要其他手段进一步验证，着重思考优先级的排序。
b.系统监控
在数据体系较为完善的系统中，可以通过监控发现问题。
提前设置好监控指标和报警规则，是在一段周期内一劳永逸的方式，提升发现问题的效率，降低需求分析的成本。
比如某成熟期的社区产品的日留存率平均在30%，如果每天的留存率在正常波动区间内，我们便可以将精力用在其他地方，如果留存率不在正常波动区间，即出现异常（一般指留存率偏低的情况）。
首先要根据业务实际情况确定是否真的是异常情况，如果确定是异常情况，可能会通过增长实验，来将异常数据拉回正常区间；如果不是异常情况，可能需要调整报警规则。
比如K12类产品，在周末活跃度对比周一至周五下降，或者购票类产品在假期过后活跃度下降，通常属于正常情况。
c.定期复盘
复盘的方式可以具象为效果回归。效果回归是验证在之前的增长动作中，有没有达到目标。如果达到，探索进一步优化的空间；如果没有达到，分析原因，尝试通过接下来的增长动作达到目标。
3. 增长实验案例丨KEEP社区
3.1 实验背景＆目的
（1）提升用户对其他用户关注率
已知当前动态详情页（动态、文章、视频）的日均PV为10000已知当前动态详情页（动态、文章、视频）的关注率为5%，目标提升至6%统计显著性需要达到95%统计显著性在这里不深入展开，市面上有专门的统计工具，通过搜索引擎即可找到
（2）实验前准备-定义指标
【（年/月/日）关注率】定义：用户累计（年/月/日）关注数/用户（年/月/日）累计浏览内容来源其他用户数。 （对一个用户生产的多条内容做去重）
【浏览】定义：对应内容在一屏中露出60%。在页面中停留时间≥5s。
3.2 增长实验
步骤1：提出实验假设
假设1：
【如果】在社区feed流中增加关注按钮
【预计】月关注率可以提升20%
【因为】
*特别声明：以上内容来自于网络收集，著作权属原作者所有，如有侵权，请联系我们：
admin#shaoqun.com
（#换成@）。
用小程序打开更快
