Strava 是一款專為運動愛好者設計的測速APP，同時也是當下爆紅的運動達人社交平臺。
Strava 公司總部位於美國舊金山，由 Mark Gainey 和 Michael Horvath 共同創立。截至2017年秋天，Strava 已累計獲得7000萬美元的投資。
本文作者 Paolo Ertreo（Strava 產品設計師）將結合實際案例，跟大家分享 Strava 是如何通過增長實驗，在運動達人圈中逐漸擴大影響力的。
在Strava，增長團隊的目標是擴大這個世界上最活躍的運動員社群。
為了實現這個目標，從新用戶瞭解Strava，到他們第一次使用這個產品，我們的團隊都要為他們的體驗負責。我們的目的就是讓用戶相信，無論他們是誰，Strava都是幫助他們實現運動目標的正確選擇。
通過數據觀察和研究，我們將團隊的目標和具體的項目聯繫起來，然後通過實驗不斷檢驗我們提出的假設是否符合用戶的實際使用情況，再不斷迭代優化，逐步縮小與目標的差距。
設計增長
與任何產品設計師一樣，增長設計師一定是良好用戶體驗與高商業價值的積極推動者，並且，他會始終力求在兩個目標之間達成平衡，這樣才能確保設計的產品既具備可用性，又擁有市場。
增長設計師必須在項目中不斷試驗、摸索。我們一般會從一些小的設計著手，這樣才能快速學習和檢驗假設。
在小範圍的測試後，如果實驗失敗了，那就意味著這個失敗的實驗無法被推廣到整個用戶群體中。因此在設計時，我們會考慮如何合理分配有限的時間和資源。我們常常問自己：在用戶體驗中設計某個具體環節對實驗結果有正面的又可衡量的影響嗎？如果沒有，我們會把這些環節的設計推遲到後期，等目前的實驗成功後再做。這種方式確保了我們以最低成本的方式檢驗假設。
在做實驗的同時，我們還會討論數據，因為我們非常清楚設計的好壞必須是可以衡量的。當然，除了數據之外，我們也會通過定性反饋來驗證實驗的結果。在大項目中，我們會開展用戶訪談，獲取定性數據；而在小項目中，我們在一開始就會做可用性測試來發現用戶在使用過程中可能會遇到的問題。這些做法保證了我們的設計一直以數據為驅動，以用戶為中心。
我們的設計流程
1. 提出假設
通常，我們的增長團隊會以小組為單位提出想要驗證的假設，以及希望通過實驗提升的業務指標。
這些指標是根據公司的整體目標而定的，可以定量，也可以定性，又或者是兩者相結合。
我們的假設就像指引方向的北極星，使我們腳踏實地專注於實現KPI，並確保我們的設計開發工作在原定範圍內進行。
2. 設計實驗
在Starva，每個項目都對應我們試圖改善的特定指標。簡單的指標包括下載和註冊率，更復雜和長期的指標則包括用戶留存率或活動上傳率。
我們把每一次設計都當作一次實驗，而實驗的目的就是快速學習用戶行為，並確認或推翻先前的假設。
為了說明這一點，我來舉個例子—— Strava的活動標記功能（如下圖）。
備註：
- 初始版本（左圖）：用戶可以從活動視圖中邀請朋友
- 後續升級版本（右圖）：用戶可以添加其他Strava用戶或無運動記錄的朋友
我們最初做這個改版實驗時，就是想要驗證這個假設：對於曾經和自己一起鍛鍊過但沒有記錄活動數據的小夥伴（也可能是還沒加入Strava），Strava 用戶有很高的意願邀請Ta一起來記錄。
為了驗證這個假設，我們首先推出了一個簡化的功能，讓用戶能通過活動詳情表中的本地共享列表，邀請其他人加入Strava社群。
備註：用戶界面和複製測試旨在增加功能使用頻率和對外邀請次數
當我們的初始假設通過了驗證（經過了多次複製和用戶界面測試），我們就推出了一個更精緻的版本：用戶可以分享活動副本而不僅僅是發出邀請。接收副本的用戶收到提示後，可將副本保存到個人檔案，並進行個性化處理。
緊接著，我們又推出了最新版本：用戶除了邀請尚未加入Strava的朋友之外，還可以輕鬆添加其他Strava用戶。
3. 進行實驗
實驗設計完成後，我們就開始在一部分用戶中進行了小範圍的測試。
在A/B測試或多變量測試中，我們都會將實驗組（新版本）和對照組（舊版本）進行對比。在正式發佈新的用戶體驗或功能之前進行檢驗，能讓我們將新功能隔離出來測試，在結果與預期有差距時對該功能進一步迭代優化。另外，我們可以選擇不同語言（例如英語）進行測試，從而跳過本地化的測試步驟，進一步加快測試進程。
備註：A/B測試的一個例子。我們的假設是，在應用程序加載後馬上浮現註冊窗口可以提高註冊率，特別是通過Facebook。
當然，有些情況下，我們並沒有將已有的用戶體驗環節作為對照組，比如當我們推出全新功能的時候。活動標記功能就是一個例子。
我們推出該功能的假設是：與普通邀請相比，讓用戶邀請和自己一起鍛鍊但沒有記錄運動行為的小夥伴，可以促進更多的“邀請行為”。這是一個新的功能，沒有歷史數據可以做對比。不過，我們可以將該功能與舊版的普通邀請功能進行比較，因為它們使用的KPI（新註冊用戶數）相同。
最終，在測試期間，與普通邀請功能相比，活動標記功能讓發出的邀請數增長了五倍。
備註：對兩個具有相同KPI（發出邀請次數、新註冊用戶數）的功能進行對比
4. 評估實驗
我們會在實驗獨立運行一段時間（通常是兩週），或者達到數據顯著性之後回到實驗本身，以小組為單位深入研究數據、分析結果。
在某些情況下，達到數據顯著性需要幾個星期，甚至幾個月，比如測試一些較少被用戶使用的功能時。此時我們會選擇A/B測試而不是多變量的測試，從而將用戶的瀏覽或流量分佈限制為雙變量分佈，這有助於我們加快學習進程。
5. 決定功能是否推廣
基於積累的認知，我們會再決定實驗的新功能是否推廣，成為用戶體驗的一部分。
如果實驗成功，假設被驗證，那麼，我們就會把新功能推廣到整個用戶群體中。如果實驗失敗，我們會在產品分析師的幫助下，對數據進行深入挖掘。產品分析師會分析實驗結果不如預期的原因，為我們後續改進設計提供有用信息。當然，我們也會回顧最初的研究和可用性測試，希望從定性的角度，獲取那些能夠幫助我們準確理解定量數據的信息，從而更全面地把控整個項目。
6. 發揮量化數據的槓桿作用
在Strava，我們的方法不總是純粹量化與科學的。
我們會進行早期用戶研究，用定性方法驗證我們的假設並收集一些早期的“信號”，這些“信號”能告訴我們目前的項目是否具備潛力驅動增長團隊最關心的指標。如果沒有，我們會考慮把項目所有權轉交給其他團隊，或者確保我們之後將工作精力集中在產品最有增長潛力的部分。如此一來，增長團隊認為無效的假設，對於有不同商業目標的團隊來說依然非常有價值。
再舉個例子吧。我們的增長團隊從一個實驗中瞭解到：與對照組相比，對手機頁面展示內容的方式做一處特殊改動，能讓用戶邀請好友的次數翻倍。因此，當相關領域的團隊著手更新產品時，他們充分利用了增長團隊獲得的定量數據和其他定性研究成果，讓產品性能最大化。
結論
以增長為導向的產品設計方法能確保你快速且有針對性地檢驗假設。你可以從想要檢驗的假設著手，確定實驗想要改善的指標。記住，讓設計儘可能簡單，不斷思考哪些功能和環節對目標指標有直接影響，並優先設計這些部分。沒有直接影響的部分可以置後考慮，但注意不要以損傷用戶體驗的可用性或清晰度為代價（比如：避免設置用戶陷阱）。
實驗設計完成後，在一部分用戶中開展實驗。要保證測試群體足夠大，才能讓你在最短的時間內（比如兩週）達到統計學上的顯著性。如果你的用戶群體不大，請選擇A/B測試而不是多變量測試。你的最終目標應該是，以最快的速度和最經濟的手段驗證你的假設，然後把成功的實驗功能推廣到整個用戶群體中，最大限度地優化產品表現。
原作者：Paolo Ertreo （Strava 產品設計師）
本文由 @即能 翻譯發佈於人人都是產品經理。未經許可，禁止轉載
題圖由作者提供
閱讀更多 人人都是產品經理 的文章
