如何保持持久增长，或者突破增长困境，是几乎每个企业都需要思考的问题，而在本篇文章里，作者便分享了多邻国这一语言学习平台的增长案例，这一平台通过采用更加细致的用户分层与数据模型，实现了DAU增长。一起来看看本文的拆解。
增长，对任何企业都是永恒的主题。
不论初创公司还是已成熟的大企业，在经历一段高速发展后，都会触碰到阶段性的天花板。能否持续创新和保持增长，正是一家公司走向伟大或平庸的关键。
Duolingo（多邻国）是一个神奇的存在，作为语言学习平台，在没有那么热的赛道上，DAU 却一路狂飙。2022 年 Q4，多邻国 MAU 达到 6070 万，上年同期仅有 4240 万，同比增长 43%，DAU 同比增长 62% 至 1630 万。
2018-2022 年，「多邻国」DAU 增长 450%｜图片来源：Lenny’s Newsletter
在各大头部平台难以扩张用户规模、提升营收的 2022 年，多邻国如何实现高速增长？答案就是颠覆传统 AARRR 模型，采用了更加细致的用户分层和数据模型，从中找到增长杠杆。
今天将以多邻国为例，探讨我们如何借鉴其成功经验，灵活应用并突破增长困境。
话不多说，直接进入正文部分，Enjoy：
当谈到用户运营和增长时，AARRR 增长模型是一个业内熟知的框架，也称海盗模型，即与海盗所做的事情类似，实现掠夺式增长，是一个五级漏斗模型。它包含以下步骤：
（图片来源：自己画的）
AARRR 增长模型的优点在于，它提供了一种简单而有条理的方法来评估用户运营和增长策略。
但是，AARRR模型也有其缺点：
由于该类模型过于简单，每一步骤依赖于前一步骤的成功，这可能会导致模型在某些情况下不适用于某些产品或服务。
因此，多邻国在 2018 年遭遇增长瓶颈时，决定从生命周期管理角度出发，发掘一套新的增长模型，撬动杠杆，向精细化运营转变。
随着移动互联网的用户增长趋近饱和，新用户的获客成本增加，使得老用户的留存显得尤为重要。 用户生命周期的基础概念，广义上包括五个阶段：
用户增长看作是一个系统的话，这个系统的目的就是不断的提升用户规模和用户价值；其中活跃用户是存量，新进来的用户与流失用户是流量。
而用户生命周期管理可以看作是这个系统的反馈方式，即加强系统的增强回路同时抑制调节回路，这有利于我们从全局视角看到用户生命周期管理的价值。
运营工作的目标是增加用户数量和转化率，但只是关注这些表面指标，并不足以实现最优效果。很多新手运营人员忽视了必要的思考，对于运营策略方向仅停留在表层的增长或转化方法上。
如：每天都在想如何使用活动奖品引导用户拉新，使用折扣促进付费，却没有深入思考一些更为重要的问题：如何衡量每个月的增长目标是否合理？如何使现有用户的GMV 最大化？我们已有用户的分层情况是怎样的？哪些用户可以帮助我们实现目标等等。
如果只停留于表面的运营行为，将无法有效预估结果，导致活动失败。同时对个人成长也没有帮助，因为我们只能得到活动后的数据，而无法知道：项目中促活了多少老用户，新用户参与了产品的付费转化等信息。既无法追溯，也无法指导后续运营策略。
因此，我们需要进行深入思考和数据分析，对用户进行生命周期管理，以制定更有效的运营策略。
经过多次实践与调优，多邻国从「用户活跃度」出发，搭建了数据观测模型：对不同活跃度用户进行用户分层，让重点用户一目了然，对其进行引导和干预，使得其在产品中持续活跃。
每一个曾经使用过产品的用户在特定自然日，都会被归到一个特定用户群中。这也意味着不同层级的用户是永远互斥的。不同的箭头代表各个层级用户转变的比例（包括 CURR、NURR、RURR 和 SURR，但时间维度是日而不是周）。在这个完全闭环的模型体系下可以看到，新用户是唯一的突破口。
（图片来源：Lenny’s Newsletter & 自己画的）
黄、绿和蓝色的用户群相加，正好组成产品的 DAU（日活跃用户），这些用户群分别是：
最下面三个用户群则是今日未登录，但在过去有着不同程度的参与数据的用户。
如果大家觉得这个图看起来很复杂，我加一个时间轴变形一下，应该就很好理解了。
（图片来源：自己画的）
从上面的公式可以看到，常见的 DAU、WAU 和 MAU 都是可以通过不同层级用户相加计算出来的，这也就是说，多邻国可以针对这些用户进行数据建模。这是这套模型体系的一个关键特点。
此外，通过调整箭头所代表的不同留存/流失率，我们可以模拟出随着时间推移，不同留存率带来的综合影响。换句话说，这些比率是产品团队撬动用户增长的杠杆。
相比传统的 AARRR 模型，多邻国的生命周期模型更加灵活，具有以下优点：
多邻国的生命周期模型为我们提供了一种新的思路。在运用多邻国的成功经验的同时，我们也需要灵活应用其方法并制定适合自己的增长策略。
社区、娱乐、资讯类等产品，这样 MECE 的数据模型谁能拒绝？试想一下，老板下次大清早问数据为什么涨跌了，我们不用在各种数据表里抓瞎，立马就能给出精准答案。
不仅可以找数据分析师建立数据看板，完成日常数据监测，还能带来更高级的玩法：数据预测与挖掘核心杠杆。
比如，在建好数据模型后，多邻国的增长人员每日记录，来观察不同用户群和留存率在过去几年内以日为单位发生的变化。
有了这个数据后，他们便可以模拟未来数据并进行分析，以预测哪些杠杆会对用户增长产生最大的影响。下图是他们第一次模拟数据估算的结果，它展示了不同留存/流失率数据以相同速度变化，对 MAU 和 DAU 的影响。
从结果可以明显看出，CURR（活跃用户留存）对 DAU 的影响是巨大的，与影响第二大的数据相比也高了 5 倍。他们之后也领悟到其中的道理，从目前的用户层级看，不同参与度的活跃用户，在最后始终会归到「活跃用户」这一层级中。
（图片来源；Lenny’s Newsletter）
基于这一分析，多邻国确认要完成用户增长的破局，CURR 是必须攻克的指标。展开了一系列攻坚策略：游戏化机制提升用户总体使用时长、强化消息推送功能提高用户参与度、优化连续签到机制正向激励用户连续活跃。
（图片来源；多邻国产品体验截图）
在长达 4 年的努力后，多邻国的 CURR 提高了 21%，这意味他们的核心用户每日流失率减少了 40% 以上。
从生命周期的角度，如何做更全面的用户分层运营呢？这里也有一些通用型策略参考，案例几乎在各大明星产品上都可以模仿。
图片来源：自己画的
①「激活」潜在用户
②「留存和变现」健康活跃用户
③「发现和干预」流失风险用户
④「召回」流失用户
流量红利正在消失，精细化运营才是王道。
多邻国的成功经验告诉我们，传统的 AARRR 模型并不是唯一的运营模型，我们需要根据自身的产品特点和业务需求，灵活应用不同的运营策略和数据模型。
只有深入了解用户需求和行为，才能制定符合用户期望的增长策略，并在激烈的市场竞争中获得持续的增长。
以上，就是「颠覆传统增长模型，用生命周期管理逆势创新」的内容。参考来源于用户增长工作实践 & 调研，如您有不同的见解，欢迎在下方评论区留言讨论。
下次想和大家聊聊各类平台产品老用户召回的实践策略！
本文由@加鱼加肉 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来源于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。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。