惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

P
Palo Alto Networks Blog
N
Netflix TechBlog - Medium
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
小众软件
小众软件
WordPress大学
WordPress大学
宝玉的分享
宝玉的分享
B
Blog
MyScale Blog
MyScale Blog
Microsoft Security Blog
Microsoft Security Blog
aimingoo的专栏
aimingoo的专栏
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Hugging Face - Blog
Hugging Face - Blog
S
Schneier on Security
Project Zero
Project Zero
T
Tenable Blog
T
Tor Project blog
U
Unit 42
G
GRAHAM CLULEY
N
News and Events Feed by Topic
P
Proofpoint News Feed
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Y
Y Combinator Blog
C
Cybersecurity and Infrastructure Security Agency CISA
腾讯CDC
博客园 - 叶小钗
M
MIT News - Artificial intelligence
Vercel News
Vercel News
T
Threat Research - Cisco Blogs
D
Darknet – Hacking Tools, Hacker News & Cyber Security
T
The Exploit Database - CXSecurity.com
P
Privacy & Cybersecurity Law Blog
I
Intezer
博客园 - 聂微东
SecWiki News
SecWiki News
Scott Helme
Scott Helme
C
Cyber Attacks, Cyber Crime and Cyber Security
IT之家
IT之家
量子位
S
Secure Thoughts
The Cloudflare Blog
博客园 - 司徒正美
Know Your Adversary
Know Your Adversary
Hacker News: Ask HN
Hacker News: Ask HN
V
Vulnerabilities – Threatpost
Simon Willison's Weblog
Simon Willison's Weblog
N
News | PayPal Newsroom
C
Check Point Blog
Spread Privacy
Spread Privacy
C
CXSECURITY Database RSS Feed - CXSecurity.com
Cyberwarzone
Cyberwarzone

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
增长的整体结构框架,都有什么?
跳跳堂 · 2023-03-11 · via 人人都是产品经理

关于增长,我们可以从很多角度切入,那么在寻求产品商业价值增长的过程中,业务人员要如何找到关键要素,解决产品的增长难题、搭建增长框架?可能你需要抓住“用户规模、用户价值、成本”这三点要素。在本篇文章里,作者便结合经验发表了他关于增长、增长框架的看法,一起来看。

增长可以从很多角度切入来理解,不同的角度会有不同的视角。

先自我介绍下👀:传统软件行业搬过砖,互联网行业打过杂。

今天的分享会因我个人的涉猎有限,多少会有局限性的地方。如果能给到部分人启发那最好不过!

一、首先说下我对增长的整体观点

增长最重要的三个词我认为是:用户规模、用户价值、成本。解释如下:

增长最终都是为产品的商业价值在增长,所以看商业价值由哪些因素决定,即可知道增长的重点都在哪了。

商业价值 = (用户规模*平均单体用户价值)- 总成本

因为不同的产品有不同的商业模式,而不同的商业模式对于这三个指标的口径会不同,比如一个电商产品,用户规模有可能是站内付费用户数,单体用户价值可能是平均每个付费用户在站内的付费金额,成本可能是人力成本、流量投放物料成本、交付供给成本等。

高阶增长和初级增长的差距可能体现在:

  • 对数据的理解和处理经验;
  • 对于快速低成本的找到增长线索的能力;
  • 对各种单点增长问题的解决能力和思路;
  • 搭建增长模型的能力、通过调整业务模式获得增长的能力;
  • 结合业务模型或商业模型理解增长背后的逻辑的能力。

二、内增长和外增长

一般会认为:增长等于裂变,等于获客,等于投放,等于AARRR……

而我觉得这些都较片面,如果从一个产品的“内和外”来看,用户增长可被分为“外增长”和“内增长”:

1)外增长

用户获取(渠道投放、裂变/转介绍、换量、2B2C [比如双减前的一起作业就是这种模式获客的] 等),曾经沧海~

曾经教育行业有过很多裂变的经典案例,当然典中典还得看拼多多了。

2)内增长

从新用户承接到流失的全过程管理。在产品内设计和优化用户转化路径,并通过数据分析发现洞察制定策略,以实现用户价值最大化。

一般流程包括新用户激活、留存、变现、自传播(以AARRR举例),常见的玩法会有:用户成长体系、用户激励体系、用户分层运营、用户生命周期价值管理(LTV)、防流失体系、用户召回等等。

以上一般被称为:数据驱动;当中的每一块单拿出来都可以作为一个独立的方向来玩。

个人认为“内增长”比“外增长”相对来说逻辑性更强,复杂度更高一些;可能这句话说的有点坐井观天了。那就先跳出来看看内增长吧。

怎么理解内增长?可以从三个词来建立一个框架来理解,“模型、数据、策略”。

模型:即增长模型。是一系列密切相关,并可互相影响的数据指标。

没有一个完全通用的模型,各公司各业务差异很大,就算类似AARRR这样的模型也并不是适用于一切业务。搭建增长模型的前提是对业务的理解,先有业务模型,理解业务模型的基础上再来搭建增长模型。

一般公司会有三个主要模型:商业模型(或财务模型)——全局业务模型——局部业务模型,而增长模型是业务模型的组成部分。

数据一般分为:

  1. 业务数据:用于监测业务进展和健康度。如:流量、用户数、活跃用户数、销售额等。
  2. 基础数据:用于描绘用户画像或给用户打标签。如:年龄、地区、职业、喜好、学校、性别、家庭状况等。
  3. 行为数据:用于对用户成长路径、用户行为特征等进行分析。如:用户使用某功能或购买某商品、消费某内容等。

策略:就是基于模型和数据发现的机会点形成的实验假设,基于假设设计的产品或运营方案。

模型依赖数据,数据指导策略,策略反哺模型。

所以增长的框架大概可能是长这样:

底层的业务逻辑:结合商业模式和产品用户路径来搭建增长模型和指标体系;增长模型一般有AARRR,全链漏斗型,因式分解型,全定量模型。其中全定量模型最复杂,可以把产品外增长的各种渠道投放包括裂变因子都包含进来,也能用来做流量预测和成本预测。

中间层的关键驱动手段:数据分析+AB实验、数据分析(梳理用户路径——采集数据——数据监测——数据分析——制定策略)。

应用层的解决增长问题:外增长(渠道投放、裂变等),内增长(激活、留存、活跃、防流失、召回、付费等)。

三、接下来主要对“解决增长问题”做个初步概述

(关于“底层业务逻辑”和“关键驱动手段”后续再整理)

1. 下面聊下对于具体的增长问题的一些常用方法

1)新用户激活

这块相对简单点,网上有很多文章讲解,一般熟悉的比如aHA时刻、魔法数字、cohort分析等等,这里不做过多描述。

2)用户留存

这块难度和复杂度都会比较大一些,也会有很多方法:这里先列个大概的框架:

  • 前置条件:做留存前,需要先评估产品提留存的难度;
  • 留存曲线:通过留存曲线,评估留存情况并发现问题;
  • 数据分析:通过分析洞察机会,找到留存问题,明确发力点;
  • 留存方案:根据数据分析,给出产品方案。

留存活跃的底层逻辑大概是:引流——促进用户首次使用——吸引用户多次使用——养成用户习惯——延长用户使用生命周期。

  • 关于留存促活,其本质是伴随产品用户体量的增长,不断针对不同类型的用户,要找到性价比最优的转化、成长路径,再施加引导激励;这里就包括了用户分群,用户路径,激励体系。
  • 产品的长期价值成立和稳定,是留存+促活能够产生意义的前提;长期价值可以用pmf来量化分析。
  • 典型用户转化、成长路径清晰+用户使用习惯行为闭环形成后,一个用户激励体系可以显著通过产品化放大内增长的效率。

要明白一个观点:做增长绝不是各种方法论的直接套用,而是随业务的变化而动态变化调整的,不是一个线性的过程。产品在其生命周期的不同阶段,增长的目标也会大不相同。

划重点:增量/留存/促活等的基本前提:要拥有一个“明确、可被驱动的用户转化/成长路径”。

2. 接下来聊下提留存的框架

首先说下一个观点:在PMF的前提下留存促活,其本质是伴随用户体量的增长,不断对不同类型的用户,找到性价比最优的转化/成长路径,再施加引导激励。

针对不同用户采取不同方式将其引导到适合他的路径上使其触发关键行为体验产品价值,本质是让他更快地发现产品价值(在他有限的生命周期内更快让他发现)。

这里说的适合的路径很可能是动态变化的,所以留存不是一劳永逸的事。提留存本质是让用户感受到产品价值,所以前提是产品有价值。

但也不是一定先要做好留存再做拉新,这和提留存要先有产品价值是两回事。

tiktok就是先搞流量再搞留存,但这和tiktok产品本身的属性强相关,并不适用于大多数产品,且它有抖音的经验。而微信视频号则是先留存再流量,所以RARRA更适用于一般新上线的产品,尤其是资本有限的产品。

互联网产品常见的两种死法:生于拉新,死于留存。生于拉新,死于变现。

1)不同产品提留存的前提,难度的评估及策略制定:

  • 制定和评估产品的留存曲线;
  • 如何计算和绘制留存曲线;
  • 如何评估留存曲线;
  • 精细分析,找到性价比最高的留存线索和留存路径,明确留存发力点。

2)通用方法

  • 用户分群对比(很常用,一般出现指标异常都会用到);
  • 功能留存矩阵对比(结合用户分群可扩展出很多矩阵);
  • 大用户规模的产品;
  • 改善长期留存曲线(PMF分析长留);
  • 加深用户参与度。

3)一般常用的单点方法

新用户留存:

  • 精准拉新;
  • 持续上手,用户引导。

老用户留存:

a)用户习惯养成路径

找路径的方法:数据找出习惯用户,习惯用户根据产品目标比如使用频次的理想值等来找,分析习惯用户的行为特征,路径特征,场景特征,以及在用户的早期特征等即可找到,Hooked。

b)用户参与度的加深

提升使用频次和使用强度,增加使用场景:比较熟悉的如滴滴的各种用车场景:参与度可看作留存的前向指标,可用活跃频次和活跃强度(比如时长就是一种强度)来表示。

所以为什么很多产品都要提使用频次、提时长等,原因就在这里(再给一种理解:留存是“用不用”,参与是“怎么用”)。

活跃是单次行为,参与度或留存是复合行为;留存是活跃在时间上的持续,所以留存分为初始行为和留存行为。一般说留存提升了多少,需要明确留存的这两个行为分别是什么,否则数据差异会很大(活跃是单次行为,活跃的频次和活跃的强度是参与度,留存是活跃在时间上的持续:所以提升活跃或者提升参与度能带来留存的提升就是这个原因)。

c)用户防流失

流失用户的定义,一般常用方式通过“回访率”曲线找拐点,没有拐点按业界常用值5%/10%来定或业务自己根据情况来定。

d)流失预警机制

流失预警模型(提活跃和防流失是有区别的,可以认为提活跃是吃营养品,虽然没病但可以吃吃了没坏处,而防流失是打疫苗,有潜在的风险才给你打,在应用层常用的策略会很像或者常有交叉,但确是两种概念,作用的目标用户都不一样;篇幅有限,后续单写一篇流失预警模型)。

e)召回

4)体系化的方式(精细化运营)

  • 用户成长体系;
  • 激励体系包含积分体系等(后面有空聊下积分体系这块);
  • 用户生命周期价值管理(后面有空聊下LTV中的两种路径:同一分群下的用户路径和不同分层间的价值成长路径);
  • 用户分层/分群运营;
  • ……

以上,用户分群会是一个比较重要的地方:说下分群的思路:

(不好意思插个队:分层又是什么?我理解分层是互斥的,分群可以有交集。可以在分层基础上再进一步分群。比如成长体系,会员体系这些。这个不是重点,一个名称而已。以下不做区分,统一用分群来表示)

首先需要理解用户分群从大类来讲有两种:

  1. 平行的分群(各群之间没有明确的价值高低关系,不需要把某个群的用户转化为另一个群里)
  2. 递进的分群(合群之间有价值的高低,需要转化)

分群方式:AARRR,RARRA。

按用户价值分群(为递进的分群,需要把低价值群往高价值群转化):

  • 用户生命周期价值管理(需要有时间维度,另外可以再加上1个或n个关键行为即可定义出生命周期来);
  • 基于关键行为分群,可以多个关键行为一起(因为一个关键行为通常不能覆盖全部用户);
  • RFM及其各种简化变种(感觉RFM要比上两种分群方式要简单很多,有了源数据,自己在excel里就能分出来)。

按用户需求差异分群(多为平行的分群):

  • 属性;
  • 渠道;
  • 场景;
  • 功能偏好/内容品类偏好/商品品类偏好;
  • 价格敏感高低,服务敏感高低。

按状态:

  • 付费状态;
  • 购买历史;
  • 广告点击。

按用户身份差异分群:

a)金字塔,比如微博的用户身份

分群不一定要覆盖大盘全部用户,根据实际业务目标分即可。比如按关键行为分群一般就很难覆盖全部用户,因为关键行为本身就已经对用户做了一层筛选。

实际做分群时往往用到不止一种方法。分群本身相对好理解,难的是分群后怎么应用,怎么上策略。

再单说下用户生命周期价值管理,即LTV管理:分LT和V(value):

  • LT:life time即希望用户在产品的时间越长越好。
  • V:希望在这个LT里面,能够完成对他这个用户的变现,获得商业价值,同时也给这个用户提供用户价值,这就是value。对于其它还没有进入到这个健康活跃状态(LTV的时间段内)的用户,需要通过各种手段让他进入进去,这大概就是LTV的底层逻辑。

有点抽象,再说的具体些:

  • LT:是用户生命周期。在产品中体现为留存。如果对cohort很熟练,那么应该很容易理解活跃天和留存的关系。通过公式可以推导出一个稳定获客的产品,到第n天累计新增日活=前n天留存对n的积分*每天新增uv。留存函数可以通过前几天的每日留存数据进行拟合。
  • V:是用户价值。比如广告变现。LT和V可以根据两者的关系求出LTV的最大值,以此为依据来平衡用户体验和产品的商业价值。

最终得到的用户商业价值可以和用户获取成本进行对比,若为正,那就可以大规模买量了。比如头条,猎豹。

(这么说会不会太绝对了?tiktok说:会;tiktok是先大规模在脸书买量然后再做留存的,因为它有抖音的经验,当其短视频内容足够丰富时,其强大的算法逻辑一定能让留存提升,最终ROI必定能打正,所以tiktok后做的留存)

好吧,最后再说下商业价值。

之前写过产品粘性、迁移成本、商业价值三者的关系。迁移成本决定了用户生命周期的长度,粘性和变现能力决定了单体用户价值 ,这三者共同决定用户生命周期价值即ltv,再加上用户规模和成本,就共同决定了产品的商业价值。

这里说下粘性和迁移成本的关系:社交关系链主要决定迁移成本,比如微信的社交关系决定其迁移成本非常高,而微信里的公众号,视频号等内容板块是用户提用户粘性的。

抖音是内容短视频平台,优质的内容和精准的分发导致其粘性很强,单列视频模式也导致其广告变现效率非常高效,但因为缺乏社交关系链导致其迁移成本不如微信,所以抖音也在向社交方向探索,即使它粘性这么强了,本质原因是迁移成本由社交关系而非粘性决定。

比如想象一下假设一种新的产品形态能替代短视频,那用户就不需要抖音了,但是却离不开微信,因为社交关系在微信,要离开也是一个群体一起离开,离开门槛显然更高。

以上,更多聊的都是基于”数据”的增长,有点偏“技术”;其他提升用户规模的增长还有内容驱动增长,业务模式驱动增长等。

总结下来增长最重要的三个词我认为是:用户规模,用户价值,成本(强行首尾呼应🤔)。

本文由 @大大舰长 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。