每個企業和運營團隊都在追求用戶增長，但是增長到底如何做出來？有沒有底層的方法論可以支撐一個高概率的增長？

今天小編經過向用戶增長大神請教以後，給大家介紹一個方法論，教你如何在一片迷霧之中摸索到最有機會的用戶增長點。

核心方法論

這個方法論的核心就是：測試A-結果-測試A1。

相信面對一個產品的增長，擺在你面前有很多產品運營策略和推廣渠道可以選擇，可能一開始看起來都不怎麼好，但是你必須通過測試各個方法找到一個好的出路。我要介紹的這個方法論的核心就是你要選擇相對有效的方案進行A測試，得到有效的A測試的結論，然後做出下一輪測試的判斷，要麼測試A方案下的A1優化點，要麼擱置或者放棄A方案而開始測試B方案。

聽起來感覺好像很簡單，其實實際操作中，沒幾個團隊真的能做到這個核心。

最差的團隊是根本想不到有哪些合理的測試方案ABC； 一般的團隊是測試了ABC方案卻並不能十分明確地知道這幾個方案到底是否有效，到底有多麼有效，於是下一個測試方案似乎跟前面的測試結論完全沒有關係，好像很聰明腦洞太大又重新想了另一個L方案，這個時候，你測試的有效度是很低的，這時很多嘗試的action都是在浪費時間。

所以，記得下面要說的這個方法的核心：進行有效測試得到明確的結論，併為下一次測試提供決策支持。

增長的原則

這個方法論的原則是：法官是數據，而不是你。

很多帶團隊的leader做決策，基本都是憑感覺。尤其是一個項目從0到1的過程中，你會發現你有很多策略，有很多要做的事情，你只是覺得這樣做那樣做“應該是有效的”，但是從來也不知道到底是多有效，甚至很多團隊上了一個策略，壓根不知道那個策略是否有效，然後一直處在嘗試嘗試中，像一群無頭蒼蠅，從來也不知道嘗試的具體結果是如何的，於是很多顯然是有問題的策略，被堅持執行了很久，這就真的是在浪費一個團隊一幫人的生命。

基本上所有策略，你既然要做，都以為是有效的，如果全部策略都是基於一個人或者某些人的感覺，那麼你們整個團隊賭的就是這個感覺準不準了。倒不是說感覺100%不靠譜，而是說，相對科學的數據決策辦法，成功的概率會相對低一些。

所以，一開始想辦法想策略的時候，可以基於經驗和感覺，但是開始跑起來測試方式了，你就必須記得，所有決定都應該有數據支撐和數據預估，當你覺得“感覺應該是有效的”時，你就要回答以下3個問題：

• 1.這個策略能提高你的核心數據目標麼？
• 2.能多大程度的幫助這個核心數據目標的提升？
• 3.這個策略如果有效，那麼它有效的數據表現是什麼？哪些數據可以說明他有效？

這裡重點提一下， 實際在執行中，你會覺得很多策略壓根沒法用數據測量出來，很多好壞還是隻能憑感覺。千萬不要陷入這樣的自欺欺人中，一定要想辦法去找到數據檢測辦法，如果檢測不出來，那就說明這件事對最終的項目結果無法評估，那麼不如不做，做了也白做，或者說，既然無法驗證，那可能也不是什麼關鍵策略。

這個方法論的邏輯就是，找到關鍵，用數據檢測這個關鍵。你要是都覺得檢測不了，那你也沒辦法落實這個增長黑客的方法論，那下面的內容你還是別看了。

具體的執行方法

下面要介紹具體方法了，為了便於說明，以公眾號運營為例，來說說怎麼執行這個策略。

第一步 定位項目核心數據目標

做項目會有很多小目標，例如留存要多少啦，增長要多少啦，營收要多少啦，如果你有很多目標，那麼就會讓策略不聚焦，很容易在過程中產生擰巴，所以在執行這個策略的第一步，就是要明確地定位你要做的所有策略要服務的唯一關鍵目標是什麼？也就是項目當前要突破的關鍵數據是什麼？必須只明確到一個目標上來。例如公眾號運營，我假定當前我公眾號運營的目標是增粉和閱讀量，但是仔細考評一下，其實當前還是增粉優先級和重要程度更高，那麼我就明確是增粉量為核心數據目標。

第二步 拆解關鍵的過程數據

通常項目的核心數據目標會由幾個過程關鍵數據組成，例如剛才我們定的核心數據是增粉量，那麼這個過程中可能會幾個過程數據，比如“關注人數”、“取關人數”，如果你想好了你主要的增長方式是跟別的公眾號互推，可能過程中還有很多關鍵數據，例如“互推的閱讀量”、“互推的公眾號數量”等等。

第三步 針對重要數據制定策略

明確以上的項目核心數據和關鍵的過程數據，接下來團隊應該進入充分的頭腦風暴時刻。給團隊一個限定的時間，充分思考針對這些數據有哪些可以嘗試的策略和辦法，全部羅列下來，可以具體地思考：如何提高互推閱讀量？如何降低取關量？如何找到其他增長來源？

最後選擇其中被認為更有可能對核心數據目標產生巨大影響的策略排在高優先級。

這裡一定要強調，我們在想辦法的過程中，會思考出來很多很多辦法，有很多辦法看起來很有效，一定要做，針對這些辦法，你要進行剛才提到的三問：

• 1.這個策略能提高你的核心數據目標麼？
• 2.能多大程度的幫助這個核心數據目標的提升？
• 3.這個策略如果有效，那麼它有效的數據表現是什麼？哪些數據可以說明他有效？

如果這些問題回答出來以後，都是肯定的，你們預估能很有效地提高核心數據目標，並且也想好了怎麼檢測它的有效程度。那麼這些策略才是你們真的要去做的策略。

例如我們認為公眾號增粉可以通過找同類型的號互推增粉、可以投放廣點通廣告增粉、可以做互動轉發增粉、可以追熱點引起轉發增粉，這些方法都是對核心數據目標有提升作用的，OK，然後我們針對這些方案，根據有效程度的預估，排一下優先級。

過程中還有一些其他的方案可能會出現，例如，可能有人提出當前公眾號的頭像看起來還不夠高級，要做一個更高級的頭像，有人覺得這個沒什麼用，與其爭論是否有用不如想一下：頭像的變化會影響什麼過程數據？是會影響關注轉化率麼？如果影響，有多大的影響？然後爭論可能就會有結論，要麼被放棄，要麼進而出現一個切實可行的測試方案。

諸如此類的方案可能還有很多：你覺得推文中的引導關注公眾號不夠顯眼，要更顯眼；你覺得留言抽獎可以提高活躍度；你覺得定時把推文轉發到各個群裡面去可以提高曝光進而帶來增粉………………

總之，你面前會有很多策略和辦法，你要做的，就是三問自己。

第四步 預備好策略的監測方式和預期

如果你已經把所有策略想好了，接下來要落實哪些策略也定下來了，那麼就要對這些策略進行數據結果預估，想清楚哪些數據可以論證結果的有效程度，你預期的有效是達到多少的數據，預期回收數據結果的時間週期是多久，什麼時候得到結論？

再回到公眾號增粉的案例上來，比如我們預估，互推的形式可以每週增粉3000，過程數據可能有互推產生外部閱讀50000，如果一週內達到這樣的數據結果，我們就認為這個策略是有效的，回收數據是週五晚上，並且在週五晚上得到該策略測試的結論。

第五步 落實測試

這一步就沒什麼可以說了，落地到位，明確到人即可，這個做不到，有再多方法論都是白瞎。

第六步 回收數據結果對比預期

一個完整的團隊有BI（數據分析師）的角色的話，BI應該在策略制定和預估數據目標和回收方法的時候就參與了全部過程，這個時候BI就需要按之前確定的回收時間，把所有既定的相關數據進行回收整理，對比預期數據。

例如公眾號通過互推我們一週增粉2300，外部閱讀產生了70000+。

第七步 決定優化or拋棄

得到了數據結果，接下來又到了考驗團隊的時候，團隊需要在數據提示中找到明確的結論。

公眾號增粉的目標沒有達到3000，但是外部閱讀產生了70000+，這說明這個策略是可以實行的，是相對有效的。可是閱讀到增粉轉化率還比較低，低於預期，那麼去優化轉化率還是放棄這個方案找一個更高效的方案就看團隊的決策了，在這個案例裡，基本是認為可以再基於這個方案做優化測試A1，即有A1、A2、A3方案優化一下關注轉化率，如果123方案都失效，那麼再選擇考慮是否要放棄大A方案。

根據這個方案，你可以將每一次策略的方式都記錄下來，然後可以得到以下這樣的表格：

表格的字段可以包括：實施時間、主要執行人、主要行為、主要要回答的問題（測試什麼東西）、核心檢測指標與預期、預期回收數據時間點、得出結論時間點、實際效果記錄、效果分析。

如果你嚴密地遵循這個方法論，你就會消除團隊的混亂，你就會很清晰地把握項目重點和項目節奏，對整個過程中得到了什麼結論、獲取了什麼成功經驗和失敗經驗都瞭然於心，同時團隊成員也會很清楚大家現在做什麼，為了得到什麼結果，也不會產生決策和執行之間的不理解。這一切，都為你在不斷的摸索中找到機會點提供了有效的基礎。

來源：光羽筆記（yaoyaobiji）

文末福利