在实际业务中，我们会遇到很多与用户增长相关的问题，那么又该如何用数据分析解决用户增长的问题呢？今天通过几个例子来简单讲解一下。希望对你有所启发。
由于「增长黑客」的影响，很多同学看到「用户增长」这几个字，马上就会想到这些场景：
好像自己都能干，但是又总觉得这好像也不对，那好像也不对。那么为什么会有这种感觉呢？在实际业务中，又该如何用数据分析解决用户增长的问题呢？今天通过几个例子来简单讲解一下。
一、用户增长的现状
首先我们需要清晰的是大部分的公司离建立系统性的画像和增长模型还有很长一段距离。
在大部分公司里，是没有办法做到像google和facebook那样的数据化、体系化的增长的。
- 投放流：这个流派中的「用户增长」，其实就是广告投放，优化广告投放策略，以达到更高的ROI。
- 裂变流：这个流派的人热衷基于微信生态搞各种转发、分销、提现等裂变活动，达到快速圈人头的目的。
- ABtest流：这个流派就比前两个更像正规军了，需要做各种策略设计，产品尝试去寻找更适合不同用户群的点子。这个就是只有大平台能做的事儿了。
但这三种流派并不是互斥的，反而是相辅相成，解决不同阶段的问题。三种流派的势力范围可参考下图：
投放流解决的问题是「渠道质量」和「用户质量」的问题，会看到新用户是否转化为活跃用户。
裂变流解决的问题是「活动质量」和「用户质量」的问题，一般使用活跃用户作为活动的基础，设计裂变规则和逻辑。
ABtest覆盖的界面很广，但一般不用来解决「渠道质量」问题，更多的是去解决「产品迭代」和「活动策略」的方案选择问题。
有了基础概念之后，我们可以根据数据表现来判断，当增长出现问题的时候，用什么办法解决更合适。
二、用户增长中常见的数据表现类型
1. 激活到注册断崖式下跌
用户超早期流失一般都是投放人员需要关注的问题，且前期的用户质量是跟买量策略强相关的，所以渠道质量是前期最重要也最需要关注的。
在进行分析之前，我们先需要明确什么是假量、什么是积分墙用户。
- 假量：通过代码脚本虚拟的下载打开量，非真实用户，可以通过ip集中度/设备账号数等维度来检测
- 积分墙用户：某些APP会整合资源，通过发布app下载/打开等现金激励任务，引导客户去下载app，做流量的二道贩子，这些用户去做任务的用户即为积分墙用户，但这些用户几乎跟正常用户没什么差异，很难区分
如果产品是APP，很多投放人员在做应用商店投放计划的时候，会刻意的允许一些假量进来，帮助打榜，争夺应用市场排名。所以应对这种场景，有以下常见的分析点：
2. 注册到新手流程大部分下滑
当用户走到注册这一步，前面说的假量过多的问题已经减少很大一部分了。而「积分墙用户」的行为习惯是跟「非精准用户」、「低价值用户」的行为是非常类似的，区分的难度和成本都特别高，而受益会比较低。
其实从行为上是分辨不出来他是不喜欢我们的产品、还是就是来做个任务的。
常见的分析点有：
找到分歧点后，就是ABtest流增长的发挥时间了。当前在做实验之前，还有一系列的ABtest方法可以使用，这里就不过多赘述了。
3. 走完新手流程到留存再开始下滑
如果用户已经走完了新手流程，但没留下来，需要思考的点就是「用户与产品的匹配程度」。
这种情况的分析点就比较发散了，且需要跟业务深度结合。但是可以考虑这几个方向：
产品内是否有明显的区分用户的点，如果有的话，点击率/体验率如何？
例如一些小说/漫画app在注册之后会有一些美女或古装帅哥的展示，通过分析这些图片的点击率，就可以很直观的说明用户的属性和喜好。
一些垂直领域的业务如学科教育、运动等，例如我是想给孩子学数学，但是首页内容只有少部分数据，那么我的流失可能性就很大。
这个方法常用的有两种：渠道去找精准量，或者产品迭代差异化分配逻辑。选择哪种方法取决于业务的大方向是什么。
完善以上分析可以按业务形态和发展方向选择性跟投放合作或者跟产品合作ABtest。
例如，可以将一些优质用户的高渗透率的功能点给到投放，投放可以选择按照对应的事件买量。（注：买量平台可以按照目标转化事件买量）
也可以根据内容转化率/停留时长的差异结果，跟产品探讨迭代的方向。
还可以重点观测一下「分享活动」和「分享按钮」的点击率，区分裂变的种子用户和非种子用户，辅助运营的同学寻找裂变优化的可能性。
比如做投放增长的，还需要对各个买量平台的用户质量、用户画像、商务条款等都有了解。一些渠道配比、信息流广告等制作能力甚至还需要一些人脉资源。
