通過覆盤自己去年做的一個增長案例——QQ瀏覽器資訊新用戶留存的增長，總結出一套增長方法論，比較適合小項目的局部優化。
根據既定的目標，通過數據分析找到潛在的機會，進行產品方案設計，通過快速實驗快速迭代的方法，得出一套較為完善的解決方案，並將其系統化推廣至更廣闊的應用場景。
本文將分為兩部分：
1、QQ瀏覽器資訊新用戶留存增長案例
2、方法論總結及建議
一、QQ瀏覽器資訊新用戶留存增長案例
1、明確增長目標
資訊業務是QQ瀏覽器（以下簡稱QB）的核心業務之一，隨著流量紅利衰退、QB新增的放緩等，新用戶的資源越來越稀缺，對新用戶的承接顯得尤為重要。
以往QB對新用戶的承接方案有兩種：
1、進入新手保護期。儘量減少對新用戶的打擾；
2、引導登陸。通過登陸沉澱用戶資產。
經實驗證明，登陸的留存效果是很不錯的。從QB資訊業務的角度出發，如何在以往方案的基礎上提升新用戶留存是擺在我面前的一個命題。
二、數據先行
從數據的分析中可以得出很多有價值的機會點，這是我們指南針。
將所有與留存相關的數據指標窮舉後，我們從中找到了一些核心的影響指標進行相關性分析。我們發現，新用戶的興趣點個數與留存具有顯著的正相關關係，而且存在明顯的拐點。
注：興趣點指的是機器對用戶內容消費的理解，興趣點只會增加不會減少。
數據已脫敏處理
可以看到的是，當一個用戶在QB積累的興趣點越多，用戶的留存就越高；當興趣點個數低於50的時候，用戶每增加10個興趣點，留存提升約3%；而當用戶的興趣點個數達到50的時候，留存也會處於平穩。
這個邏輯也很好理解，用戶的興趣點越多，機器就越能夠為用戶推薦其喜歡的內容，用戶自然也就更喜歡來這裡看內容。
因此，我們決定，將焦點放在新用戶興趣點上，我們的命題轉化為如何增加新用戶的興趣點。
3、腦爆相關的手段
藉助一些發散性工具，我們腦爆了很多方法，從實現成本和收益的角度，我們最終提取到了兩個手段：外部興趣點導入和用戶主動選擇興趣偏好。
但非常悲哀的是，這兩個手段之前別人都做過！外部引入興趣的已經在線上了，效果非常好；主動選擇興趣偏好，由於之前實驗效果不好放棄了。果然，我所能想到的別人也能想到，一時間我們便卡在這裡。
最後，我找了之前做主動選擇興趣點的產品聊過後發現，原來興趣選擇方案有兩個問題核心問題：
1、整體下發漏斗非常大，導致實驗效果不明顯；
2、用戶選擇完成沒有即時的收益反饋，承接消費沒有做好，用戶體驗被中斷。
如果我能解決這兩個問題，是不是會有轉機？抱著這個想法，我決定重啟興趣選擇這個方案！
4、提出新的產品方案
我認真研究了新用戶承接的整體鏈路，新的方案中我需要確保實現兩點：減少下發漏斗、保證推薦側實時響應用戶的興趣選擇結果。
第一點是為了避免因為漏斗較大而導致實驗效果不明顯；第二點是避免用戶選擇完成後沒有對應內容的承接。從而無法感知興趣選擇的明確收益。
基於以上兩點我提出了一個新的方案：1、興趣選擇閃屏跟終端。終端的下發效率要比後臺下發高一倍以上。2、用戶在選擇完成興趣後，推薦側需要實時響應這些興趣點，並進行加權和獨立召回，確保用戶可以實時感知到推薦的內容。
整體邏輯
這套興趣選擇方案是打通了功能側和推薦側的鏈路，能夠實時響應用戶的興趣點選擇。
5、實驗驗證可行性
以上的方案也只限於產品側的推測和分析，至於具體是否有效還需要實驗來驗證。為了驗證產品方案整體的效果，我們很快出了一版MVP，進行了一輪功能測試。
01 功能測試
我們對新用戶分為三組，分別用興趣選擇、登陸引導、無干擾來承接。果然，很幸運，興趣選擇的留存數據及相關的消費數據表現要比其他兩組顯著要好。
02 功能測試
到此，我們驗證了興趣選擇功能的有效性，是可以加大投入進行優化的。接下來的目標就是想盡辦法優化漏斗，提高興趣選擇完成率，提升實驗的效果。
03 路徑測試
因為不同性別的人對應的興趣偏好差異巨大，而新用戶通常又很難拿到其性別特徵，所以最初方案設計，第一步是先選擇性別，第二步才進行興趣偏好選擇。這就引發一個難題。
如果不進行性別選擇，缺少一個重要性別特徵推薦可能會影響推薦效果，且對應的興趣點還需要同時包含男女興趣點，選項就會變得很多，可能會影響用戶選擇；但如果進入性別選擇，多一層頁面整體選擇完成率就降低很多。
我們又設置了一組實驗，對新用戶進行路徑測試。同樣的新用戶，分別進入有性別選擇和無性別選擇的路徑中，觀察兩組實驗的選擇完成率、留存率及後續的消費表現，發現無性別選擇的B路徑相關數據顯著好於之前的方案。
路徑測試
於是我們確定了興趣選擇的最優路徑。接下來便是UI和文案的微調了。
04 UI和文案測試
不同的UI樣式及文案，對選擇完成率的影響也都很大，所以我們又針對整體排序UI、顏色UI、關鍵的文案設置了四組實驗，具體如下。
UI及文案測試
經過層層實驗，最終我們終於定下來，方案一是效果最好的方案，最終的數據表現是優化過幾輪後的方案要比之前的選擇完成率提升了20%。
6、系統化放量
最終我們將優化後的方案進行全量上線，上線後的數據效果比實驗期的更好，相關的留存的提升約10%，高於最初的預期，實現了最初新用戶的留存增長目標。
在驗證了這種方式的有效性之後，我們迅速的把這種方案延伸至更多的場景，採用更多樣的方式收集用戶的興趣點，並在多端產品中進行推廣。
系統化推廣嘗試
二、方法論總結及建議
如何在局部戰場上實現增長？
以數據為指南針，用實驗的方式快速迭代，形成一套完整的解決方案後在進行系統化推廣。
1、鎖定核心指標。核心指標只能有一個，且這個核心指標一定要能直接反映到你所想達成的目標上來；
2、數據先行。通過數據分析，可以將限於困君的問題進行轉化，從而找到新的思路和機會。
3、腦爆方法措施。如果你能想到很多他人沒過的手段，那就一一嘗試這些手段；如果你找不到，也千萬不要放棄那些曾經沒做成功的手段。
4、根據目標提出自己的產品解決方案。產品方案需要回歸目標，迴歸用戶本身。
5、進行實驗。可以根據實現難度和收益兩個維度進行優先級判斷；功能測試可以判定新功能是否又空間，是否需要加大投入；路徑測試可以幫你找到用戶成本操作最低的路徑；UI測試和文案測試總是能給你帶來意想不到的漏斗提升。
6、上線系統化。當一個手段被驗證有效，往往可以延伸出很多其他的優先手段，如果可以系統話的進行放量，那麼這個方案的影響力就可以擴展到最大。
最後的感悟，增長的方法論市面上講的很多，但絕大多數都是局部的單個項目的增長，這個案例也是，其中的方法也只適用於局部戰場。
我一直對於整體的增長很感興趣，系統增長才是最具有技術含量的，因為你首先需要特別瞭解一個系統作為整體如何運轉，同時還需找到其中的關鍵要素和關鍵環節，並且還要懂得怎麼去撬動關鍵的環節和要素。
這個案例是去年的一個還算成功的增長案例，希望今年可以有一個更高維度的案例可以被我打造出來。
閱讀更多 青瓜傳媒 的文章
