互联网下半场，所有人都在讨论增长。本文作者在头部金融公司做增长项目，主要工作内容有四个模块：项目分析、团队组织、增长实践、项目洞察。本文作者发现和整理了增长实践中的常用错误，归总成了本文。推荐对增长实践不了解的用户阅读。

最近帮助很多朋友，读者，甚至是分享听众分析他们的增长实践，其中发现了很多大家都在犯的一些错误，我发现这些错误有很大的相似特点。

比如实践是无法逻辑递归的，使用了大范围降价策略，储备优良商品拉新，或者说调用中台搜索匹配。

不知道你读到这里认为不认为这些实验有问题。其实这些方法和策略都是错误的。我把更多的实践中发现的问题，总结一下，于是便有了这篇文章。

一、要想发现实践错误还需系统思考

为什么要要讲这个逻辑是因为很多错误不是当前实践可以解决的。当你碰到一个运营策略你走不通极大可能是之前某个时间已经产生的问题，或者是思维高度上有问题，低维矛盾对立，高纬思考会发现统一。

1. 要重视大方向的思考

实践中我发现很多同伴或者朋友其实不太关心公司的大方向计划和策略，很多增长实践的人并没有get到大方向的重要意义。

我这次没有用战略，而使用大方向是因为战略是一个很空泛的词汇，最近看《详谈沈鹏》里面也描述了相似的场景：

“在美团早期，王兴会照仿硅谷科技公司的习惯，定期做CEO面对面活动，谈论公司的战略，分享他的思考并且回答问题。尽管这个活动开放给所有员工的。但是每一次CEO面对面，会议室都没有坐满过人，也就是说，大部分人其实并没有那么迫切的想要知道当时的王兴在想什么。”

很多人认为你聊了这么多实时上落地还不是怎么怎么做嘛，我当初也认为领导谈的这些都是都是高谈阔论的空架子，如果你有这种思维，我非常理解，我认为导致这个结果有2种原因：

第一可能是你们公司方向和策略是没有问题的（这种多半会出现在大公司业务稳定的部门），但是可能公司并没有机制将方向和意图传达给你，或者传达到了你没有理解公司业务方向和意图的价值。

第二种是你们公司本身的方向和策略就很烂，这更加导致你不了解它的作用。要理解大的方向怎么能影响到实验，方向和规划本身是正确的，且规划的他的人非常懂业务，非常优秀也是很重要的。方向正确和人优秀是你能够立即着手增长业务的前置条件。

为什么要理解大方向？

这和理解了需求是一样的，最终你的实施结果是一个策略，但是需求或者说问题不一定非要用这种策略，只有深刻理解了业务问题和诉求才能够提出更好的增长实践方案。

同时深刻理解大的业务方向可以帮你打开更多的机会和思路。虽然很多人说最后结果可能是一样的，但是你比直接去实践方案的人做了更多的过程思维，而过程思维才是思考密度的提升。

因为增长有一个本质的理论基石是它必须要在在一个大方向正确的事情上高频迭代才有效果。

所以理解大方向的思路我认为对你实施实验有三个好处，大方向上排除穷举机会非常重要，其次是理解了大目标可以更好的给出实施方案，再次理解实验对大目标的影响。

实施策略一定是自上而下服务于北极星指标的，同时你要深刻理解每个实践对于北极星的影响。

深刻理解子系统变动对于业务的影响。好的实践策略一定是递归的。这也就自然而然的引出了第二话题，增长的三层逻辑。

2. 理解实践的三层逻辑

对于增长实践其实有三层逻辑.

第一层是顶层模式逻辑（顶层业务流程）：即你的核心交付的用户价值和供应链是什么。

《增长黑客》范冰Blog里面写到：

“你如果做视频网站的付费会员增长，会发现优化投放，做落地页，调A/B实验，上深度学习，都不如自制了一部年度爆款网剧/网综的贡献度大”

这句话很好的解释了顶层模式逻辑能够影响的业务增长最大，比如当年滴滴接受了腾讯的投资，微信就直接切断了Uber在微信端获客的渠道。这就是在第一个逻辑上的增长，直接砍断了获客渠道。

很多创业者总是思考通过实践增长的方式来提升业务增长，这当然不能说是错误的，但是想要跨过所谓的业务极限点，也只有从模式上优化才有可能。

第二层就偏向中层：就是你的公司如何将用户价值传到到用户手中，这涉及到产品（软件系统），提供的服务，供应链，获客渠道。以及组织结构，工作流程，绩效与指标等内容。

因为大部分产品和运营不可能自己开发上线，多半都是要依靠一个团队去工作的，这中间很多人包括业务方是否积极参与都是组织架构，权责利益，工作流程等多种原因会造成实施上的问题。

比如一个看似简单的电话销售环节，其实除了设计外呼系统和客户信息流转规则以外，外销人员如何工作，标准的进线和外呼流程，销售的培训，拨打话术，薪资绩效结构，工作流程都会影响到最终的结果。

再比如很多增长产品发现实验频率较慢，这个也是因为公司可能没有数据仓，没有现成的看板，实验工具，每次做实验都要从0到1搭建环境。而这些想要优化都是一个体系的问题。

第三层是我们通常实验实施的环节：就是拆解到具体环节修改某个产品点，比如注册页，或者某个消息Push系统，优化某类人群的搜索策略。都属于这个范畴。

这三个增长逻辑我认为是三个特点，

第一是影响从上到下，层层限制：就是一层的增长会影响第二层的增长，第二层会影响第三层，且顶层的修改增长幅度会更大。

比如在当前渠道不变的情况，你开通了微信获客，那么你就有了新的流量。或者你是奈飞，你做了热门网红剧，尽管你转化效率低，只要用户足够意愿强你就能产生增长。

第二就是他们彼此关联，上一层决定了下一个层级：比如公司核心是拉新或者说扩充流量，那么你们的组织结构，绩效权责，工作流程都会发生变化，最终到你们日常工作的重点发生变化。

第三是他们彼此界定还是模糊的：比如电销工具你做一个工时统计的功能，你是服务与组织管理的，他不一定是一个具象的增长实验，这三个层级彼此有关联，没有绝对的界限存在。

特别说明一点就是这不是说给一些人不做实验找借口，反正我再怎么做都不会有修改第一层商业模式带来的收益大。

这点容易让很多人偷懒找借口，我认为看清三层逻辑对于业务的影响也是很清晰的。

就是超额的收益如果你是做执行层的你也完不成，说白了改动AB实验并不能带来巨大的增长，能带来增长的是优质视频内容。

但是AB优化是有价值的，只要有收益且这个收益是当前权责范围，你做的收益最大的，且机会成本上最好的，你才是一个合格的增长人，即在当前力所能及的范围做到最好。

这三层逻辑也帮我们指明了实验的方向就是尽量做第一二层或者靠近第一二层的增长实验。但是什么算是靠近第一二层的增长实验，这就引出了我们根据业务理解制作增长飞轮的内容了。

或者我们换一个说法就是增长的引爆点，比如当年Uber就有一张流传的餐巾纸图，更多的司机，就有更短的接单时间，会吸引更多的乘客。

以亚马逊的增长飞轮为例，我们不难发现这个飞轮其实都在描述第一层业务逻辑，只有简单的供需两端的一个描述。

我们会发现核心是匹配商品和用户，那么我们去做一个搜索的索引优化可能会好过一次优质商品来拉新销售能够给增长带来长期的影响。

这并不是说一次优质商品不重要，而是说短期和长期的一种权衡。可能落到具体的策略上会去做一个优质商品拉新，但是平台不一定一直会有优质商品。做增长实验你要明白你的长期壁垒到底是什么，长期壁垒到底是什么往往是对第一层业务和第二层业务的理解。

3. 具体增长实现在实验什么

在理解增长飞轮之后我们可以看看第三层具体实施的实验到底在实验什么。

我们认为三个方面第一是替换成本，替换成本中一部分是降低用户进入交易的成本，降低交易成本，这可能是优化使用流程，初始化流程，提升用户的认知等等，另外一种替换成本是提升用户的迁移成本，比如制定积分，会员，充值等功能，都是提升用户的迁移成本。

第三种我认为修改用户的交易模型，比如发券降价是一种修改交易模型的方式，其次是定价，补贴，赠品，试用，先用后买，自助，团购，促销，打包购买都是修改交易模式的方法。

其次可以通过提升产品价值的方法进行，比如同样的价格买到更好的服务，或者更多的功能，这个是在修改交易模型。

二、标准流程保证实践中减少错误

使用标准的实验流程就是减少错误最好的方法，标准流程意味着这个流程是以前很多人迭代总结的，意味着它是一个思考框架，意味着你按照这个想可以把很多你想不到的点都规避了。

那么一个标准的实验流程的核心逻辑有哪些呢，我们在这里不讲实验名称和时间等基础信息，我们讲一下核心逻辑。

1. 实验的整体流程

一个标准的实验流程通常从看清现状开始，因为只有知道当前的位置，提出问题，才能知道你要往哪里走，走多远，进而评估增长价值。

实验流程：

1. 现状看清，洞察数据
2. 给出猜想用户问题
3. 基于猜想（用户问题痛点），逻辑推理出解决方案（实验方案）
4. 收益预估
5. 推进解决方案上线，给出实验结果

这里面要注意点的是收益预估必须要做，哪怕它不是那么准确的，这毕竟是你猜测用户价值的一个过程，或者我们讲叫做用户感，通过不断地预测和上线看结果来矫正你的用户模型。

同时是你做实验时候权衡的依据。因为大部分的实验都是有价值的（更重要的是价值量的多少），所以要思考的更多的量化收益的部分（demands）。

只有这部分有了相当于预知了产出，通常一个公司的研发资源等可以被看作固定成本下的机会成本，所以通过评估收益可以权衡实验的优先级。

最终收益评估是不能跳过的，很多人会在实验结束后通过复盘的方式来评估收益，这种方式看似与预估收益类似，但是却少了权衡和预估猜测的训练阶段，套用《运营之光》作者的一句话，好的运营最终的运营结果可以预估，过程和策略可以拆解，可以监控。

2. 定义问题比给出解决方案重要

通常产品经理是直接给出方案的，这些在一些不规范的公司特别普遍，当然这不是说在大公司就没有这类情况。

很多时候大家打开需求列表看看，会发现这个需求只能叫功能列表，其实里面很多记录的是直接的产品解决方案（requirement），所以我们很少去想用户需求（用户原始的动机成因needs），用户痛点Question，用户需求产生的具体问题。

因为光说需求是没有意义的，我们必要把需求翻译成一个具体问题。问题通常是用户的原始动机无法被满足产生，这个无法被满足就是问题。

所以从1到2主要是逐步归纳。通过问“why”来逐步定位问题，定位问题可以用到STP法则定位。

大家不要误解STP是一个宏观的分析方法，这个理解是非常错误的，STP（segment分区，target目标，解决方案）segment分区是一个度量工具，既然是度量工具，它只和你的度量尺度有关系。

你甚至可以用STP去度量一个功能。关键是你选择的分区制度，我们常见的微观分区方法比如RFM模型，或者用户的活跃度，留存率，是否是会员等等，你甚至可以进一步缩小纬度，把当前进入到活动落地页的用户按照信息认知，价格敏感等纬度进行区分。

进一步明确你的问题。比如用户进入到活动页没有参加活动，原因有很多，比如是价格敏感的觉得价格高，其次是没有认知到产品价值，路径依赖的找不到活动参与的入口等等。

而事实上用户的需求可以按照多种纬度进行不同颗粒度的切分，如果选对划分要素去分析，那么很多时候结果会自己呈现。

如果你分析得足够好，那么决策会自己呈现。如果你要做一个很难的决策，那可能是你的分析不够好，你没有选择正确的维度和颗粒度去分析，所以怎么做都很艰难。

正如上面的例子所说用户有购物需求（needs），但是用户最终没有参与落地页的活动（这个是一个事实，他并不是一个问题，或者说他是一个公司的问题，并不是消费者的问题），你需要用纬度segment去切分，用户是产品价值认知，路径依赖，等纬度来切分用户。

提出一个具体问题，比如用户看了活动落地页不知道啥意思。

注意question一定是for用户的，不是for公司的。我们都习惯直接给出方案。比如优化搜索结果，比如增加XX好货的标识。这些是解决方案（requirement）。并不是用户痛点或者问题。

这也是一些产品经理说的不要做战略，战略就是要做什么（解决公司question），但是很多公司的战略并不解决用户问题（用户的question）。

退一万步就算解决用户需求。通常情况下用户都是有这个需求的。

所以我个人很少用伪需求。脱离了剂量聊毒性都是耍流氓，脱离了需求数量聊需求都是耍流量。

我更喜欢聊需求数量（demand）。只有尽可能大的需求数量，尽可能高的用价值的需求推演出来的方案才有价值，而这和收益预估是一个事儿。

当我们具象了问题以后，我们才是给出产品解决方案（requirement），也就是上图2到3的过程。

这个过程我们逐步逻辑推演。产品解决方案（requirement）的最终解决形态会决定了用户的接受度，因为需求是明确的，供给也是明确的（requirement和question），demand主要是产品生产出来后市场上的需求量，那么demand就是可以预估的。

3. 如何定义问题

（1）定义问题量化问题

定义问题的方法有两种。

第一种是先查看数据看整体漏斗是否有个某个环节是异常的，理论上漏斗模型一定是逐层减少，但是如果我们发现靠近顶端的漏斗出了问题，大概是有问题的。

这时候有两种办法来定义问题，第一个针对用户问题做定性访谈，比如针对用户进入到注册页没有注册的用户拨打电话访谈，注意这种用户访谈最好是符合样本抽样的，这样你可以知道demands是怎么样的。或者说进行用户细查看一下单个用户的访问路径，找出具体问题question。

第二种方法是反向验证即先有猜想，这些猜想可能是你基于业务的理解产生的，或者是作为用户自我体验时候感觉的定性问题（question）。之后你要基于问题去设定一个数据获取方案来作证你的假设用户痛点，最终推出需求数量和预估收益来。

4. 解决方案注意事项

基于解决方案（requirement）需要注意的事项并不是特别多，总结一下有三项：

1. 尽量去穷举解法
2. 保证解决方案是在解决当前的问题
3. 给出解法要去评估收益

5. 实验实施方案是什么样的

有了实验解法我们要做的事情就是推动实验的实施，一个标准的实验实施有哪些内容需要考虑：

我们以活动落地页的需求代入实验实施方案。

三、实践流程中大家常犯错误

1. 实验流程上的问题

（1）没有问题，直接给解法

正如上文所说，很多增长官会去寻找用户的问题，他们多半都是基于一个公司的问题，直接给出答案。这必然会导致你不知道最终实验没有成功是实验有问题，还是猜想本身有问题。

再次忽略了对问题的思考，其实就自然的放弃了收益的预估，以及用户的洞察的训练。这种没有用户洞察的产品设计是产品运营人员的大忌。

（2）给出的解法逻辑上和问题没有关系

在我辅导的很多学员中，这个错误也是常犯的，例如学员分析了用户的痛点是无法确认产品是正品，这时候他给出来的解法是增加在商品页面的直播入口。

大家会发现这样的解并不能解决问题，直播更多是传达商品信息并不是提升产品是否为正品的解法。

（3）实验目标无法量化

不是一个可以客观统计的值，我们可以说不是数据指标。

比如用户信任度，或者用户满意度，当然你可以用NPS来进行量化。

但是这个数据特别的主观和用户感性，我们在实验中尽量要使用客观的指标比如转化率，GMV等客观数据来衡量产品的好坏，第一是信任度高了，用户下单一定多，其次他们更加贴近业务。

（4）实验指标不能反应问题是否解决

这个最常见的就是用户找一堆过程指标，比如优化了商品详情页，或者优化了详情页的视频播放入口，提出来的指标更多的跳出率，浏览时长等过程指标，总是没有触及核心的下单成功率等指标。

（5）实验指标统计口径不准确

比如给出了留存率并没有给出具体的留存率的计算口径，比如留存是按照再次访问APP计算还是按照再次交易计算。

再比如说活跃度等不是标准统计的指标没有给出具体等统计纬度。而这些指标如果没有明确指出计算口径。可能分析师得出的方案不是你想要的。

（6）不评估收益

虽然可以在实验结束了后看指标是不是正向变化了，判断实验的对与错，但是实验评估收益主要是的作用不是为了验证收益实验的对与错，而是实验的价值，进而在众多实验中找到价值最高的实验，是一个权衡逻辑。

2. 实验策略上的错误

策略上常见的我难题都是不是精益增长的问题。业务操盘手的水准与你控制的精度有关系。

我们在XXX清华产品经理课上可以看到同样的逻辑：

技术也影响到公司的精细化运营能力。衡量一个公司的经营能力的重要指标是其经营颗粒度。

选址纬度：

超市是以店为颗粒度经营的，选址是老板负责的，选址也是最核心的能力，选完后找 一个店长，然后过半年如果没有盈利，换一个店长，再过半年如果不盈利再换一个店长， 再过半年如果不行就说明选址选错了。

这个颗粒度比较粗，但事实上国内很多零售业还是 按这个颗粒度来经营的，当然我们看到现在有越来越多的经营者有更领先的经营理念在引领新的趋势。

只要你在发展过程中抓住了机会，且选址问题不大，就没啥问题；

品类经营：

下沉了一个维度，哪些品类引流，哪些品类赚钱，哪些品类是消费者必需的等等；

再下 沉一个维度是711的维度，做单品经营，按每一个SKU来经营，做单品经营对系统的要求就 高很多了。

经营的颗粒度越细，经营的合理性就越强，但在没有互联网的时代，实现精细化运营几乎是一件不可能的事，互联网提高了企业精细化运营程度的水平。

订单纬度：

你可以从订单维度经营的你产品这是比地址和SKU还要精细的一个颗粒度到了具体哪个人什么时间买了什么产品。

所以说对于经营控制的颗粒度越大，难度越大，损耗也会越小。

（1）全员降价与补贴

这是一种没有难度的增长手段，我们这是一种策略上的偷懒，因为只要降价必然会导致促进交易。

而降价是最为粗暴的一种。他的问题是不是所有的交易都是因为价格不满意造成的。

因为我们是在线互联网交易，我们可以知道谁在交易。

理论上我们会知道谁是因为价格不满没有购买的，谁不是，所以全员的降价相当于有一部分用户本来可以不降价，通过其他方法让他们购买，但是我们降价了，相当于这部分我们的「补贴」浪费了。

还有一种偷懒的方式就是全部用户发优惠券，这也是有问题的，总会有一个部分用户是一定会购买的，所以增长的核心逻辑是：通过数据驱动把一定会购买的用户通过一些规则过滤掉，而只把资源投入到必须要投入的用户身上。

普遍的补贴和普遍的降价都是没有技术含量的。这些任何人都可以做。由于他们控制的精细度不够，所以难度就低多了。同时属于饮鸩止渴的增长，他们会让你的用户认为你总是会有活动再搞。

对于大部分的公司来说补贴和降价是非常考验技巧的，大部分的公司补贴都不是用的很明白

（2）稀缺商品拉新

6万块钱的爱马仕包包，1299块钱的茅台，到哪里都好卖，稀缺的高价值商品本身并不愁销售，所以说这些品类的热卖并不能证明你做的增长是有价值的。

稀缺产品的价值应该是一个机会成本使用的问题。

就是这批稀缺商品到底让谁买，对一个普通群体做稀缺商品的倾斜是不是可以增长，当然可以，但是这和你的增长策略没啥关系。

（3）扩充流量和流量倾斜

子弹如果足够多总是会击中敌人。

所以增长不是靠流量浪费，对于某个品类做流量倾斜是要资源的能力不是增长的能力。

和上一个稀缺商品的问题类似，流量给到哪个品类促成交易，是流量机会成本的问题，这个问题才是核心。

3. 不是增长核心价值

公司开发了一个全公司的推荐策略。

你把自己的品类接入到这个策略里面，相当于你用别人的策略来完成了增长，如果收益涨了你只能说这个系统对你起作用，如果不增长，那么也不能说明这个推荐策略有问题，可能只是平台策略对你的业务不起作用，这就是一种功能上的搭便车效应，无论好与不好都与你无关。

因为做功的并不是你。