看整个用户链路和生命周期的各种环节（最常见的AARRR以及强调留存的RARRA

用户增长的工作（User Growth，后均简称UG）。

UG是个系统工程，理想的情况下，我们希望拥有完善的数据平台、标签体系、实验平台，甚至有了不错的算法模型支持自动下发策略。但同时，用户增长也是和时间赛跑，即使我们什么都还没有，也需要尽快开始，一点一滴积累正向经验、按需搭建工具提升效率。

假设我们处在UG工作的初期，上述条件我们都还没具备，该怎么开始？

01 明确增长目标

增长目标是最先需要跟老板明确清楚的，我们决定要这项工作，背景是什么，我们最终要提升什么指标？可以参照「北极星指标」来选择，相关的文章很多，这里就不赘述了。不妨假设我们经过深思熟虑，确定要提升的指标是DAU。

02 搭建增长模型

在整体的UG工作规划时，我们会关注全局，看整个用户链路和生命周期的各种环节（最常见的AARRR以及强调留存的RARRA）；在切入到具体的工作时，我们会发现这些「大模型」往往无法指导我们做什么。

回到我们具体的例子：只有一个DAU的目标，还不能指导任何工作，需要对DAU进行拆解，拆到可执行的程度。DAU可以怎么来拆？

1. 流入流出视角

把DAU看成一个容器，「流入」的是每天的新增用户以及回流用户，「流出」的则是流失用户。以「日」为观察周期来举例：

• 新增用户指当日获得的新用户
• 回流用户指昨天不活跃，但今天活跃的用户
• 流失用户指昨天活跃，但今天不活跃的用户
• 留存用户指昨天活跃且今天活跃的用户

可以推知：

今日DAU = 今日流入 + 昨日存量 – 今日流出 =（新增用户数+回流用户数）+ 昨日DAU – 流失用户数

那么，想要获得DAU增长，可以从两侧切入：

• 提升新增、增加回流（就是开源）
• 提升留存或减少流失（就是节流）

需要我们决策的就是，资源有限，先从哪一侧开始切入？需要具体来分析DAU中上述几类的构成和趋势，原则上优先看「缺口在哪里」或者「怎么做最能起量」；还需要结合产品现状、所处阶段来做具体的资源分配（比如是否有足够预算做付费增长）。流入流出视角比较直观，如果大家感兴趣，后续我可以补充一些案例说明。

2. 新老用户视角

和2.1类似，但相对简化。把DAU简单的划成两份，一份是「新用户」即当日新增，一份是「老用户」即非当日新增，那么：

今日DAU = 昨日新用户 * 新增次日留存率 + 昨日老用户 * 活跃次日留存率

等式一共4个变量，想提升DAU，可以将已知的量代入上面的式子，按照目前的经验，我们可以看看，提升哪个指标更能够获得较大的收益。例如，老用户占比90%，提升一个点的次留，DAU就会提升90%*1%=0.9%，而提升一个点的新增次留DAU只能提升10%*1%=0.1%。

3. 活跃度视角

活跃度视角，我们可以从周活WAU来看：

DAU = WAU * 周活跃天数 / 7

也可以从月活跃MAU来看：

DAU = MAU * 月活跃天数 / 当月天数

从这个视角，我们会重点关注到如何提升「活跃天数」，首先看活跃天数的水平，有多少提升的空间（均值如何，低活跃的用户占比多少），重点先抓哪一部分人群（周活跃1~2天的，还是3~4天的）。这里涉及到用户活跃度建模，后续会在介绍「用户分群」时详细介绍。

上述这些模型帮助我们知道大致的方向，需要如何发力，或者优先在哪发力。同时也把DAU拆解成若干更前置的、更灵敏的、可以和策略产生关联的小指标。帮助我们认识到：「若想提升DAU，必先提升XXX」。

03 找到策略切入点

知道了如何发力，最终还需要落地到具体策略上，策略需求切入哪个点，可以考虑因果性和相关性来帮忙。

1.  优先因果性

如果知道某个指标为什么不高，推荐从产品逻辑、用户反馈中直接找到原因，针对性去修补。定性的方法就是找典型用户去问和验证，定量可以通过最为直观的漏斗分析来定位用户路径的「断点」。理解用户需求、提升用户价值是产品经理、产品运营的必备技能，也是用户增长的本质和源动力，这里也不再赘述。

2. 其次相关性

相关性分析，可以帮助我们找到和关键指标高相关的用户行为，从而把具体策略定位到提升该关键指标，以验证是否能够提升我们的增长目标。

继续以提升DAU为例，假设我们明确当前提升DAU最关键的是提升活跃用户次留，可以进一步来看，活跃用户的哪些行为与其次日留存具有相关性（简单的线性拟合，或者复杂一点的「魔法数字」分析，如图1和图2示例）。

图1：相关性示例，某资讯类APP当天的资讯渗透率（横轴）与未来一周活跃天（纵轴）正相关