一、前言
增长是一个持续实验的过程，就像做产品迭代，最科学的方法是向迭代要数据，依据数据做迭代；做增长亦是如此，即数据驱动增长。
策略、增长都有各自的方法论，抽象出来其实表达的是相似的意思。
通过数据发现问题→提出假设→设计方案→获得更多数据→验证假设→发现颗粒度更细的问题→提出更精准的假设。
是无数组闭环逻辑的循序渐进，根据实际达到的效果以及成本，来决定做到哪一步就可以满足目标或者需要及时止损。
每套方法论都有自己的逻辑闭环和不同的适用场景，也存在在执行时仍然存在的困惑，根据自己遇到的困惑，拆解输出的方法论理解消化后输出自己的方法论，才是最合适的做法。
已知当前动态详情页（动态、文章、视频）的日均PV为10000
已知当前动态详情页（动态、文章、视频）的关注率为5%，目标提升至6%
统计显著性需要达到95%
统计显著性在这里不深入展开，市面上有专门的统计工具，通过搜索引擎即可找到
（2）实验前准备-定义指标
（年/月/日）关注率：用户累计（年/月/日）关注数/用户（年/月/日）累计浏览内容来源其他用户数。（对一个用户生产的多条内容做去重）
浏览：对应内容在一屏中露出60%。在页面中停留时间≥5s
2.增长实验
步骤1：提出实验假设
假设1
【如果】在社区feed流中增加关注按钮
【预计】月关注率可以提升20%
【因为】
社区feed流是第一层级页面，跳出率最低，缩短了转化路径
feed流的核心目标就是吸引用户更长时间的沉浸体验。目前的关注需要在更深一层级的【添加好友】或【动态详情】中操作，某种程度上打断了用户的心流。按钮放在feed流上可以使体验更流畅
用户做更多操作去关注一个用户，在潜意识上会把关注当成一个相对重的操作，将关注按钮放到feed流中，使用户不需要像在【添加好友】中筛选和在【动态详情】中查看更多内容，仅通过feed流中的一条动态便确定关注意愿，细化了关注的场景，满足了追求多样性和把关注看的不那么重的用户。也是产品需要潜移默化影响用户心智的方向
最佳实践
抖音feed流中可以直接关注发布者
定量分析
用户在【feed流>动态详情>feed流>动态详情】（循环）路径中点击关注的数量
用户在feed流中给非关注用户动态点赞后，关注该用户的数量
假设2
【如果】增加逻辑：点赞默认同时关注，个人中心可设置点赞是否同步关注
【预计】月关注率可以提升30%
【因为】
与上条一样，产品需要引导用户的是不把关注看做是一个很重的操作，从而使用户更多的进行关注
点赞和关注，在不同的社区运营过程中，含义的演化各不相同；可设置的点赞是否同步关注逻辑，是将选择权还给用户，满足对这两者不同理解的多种用户群体需求
对于在feed流中根据一条动态便确定关注意愿的用户来说，当前需要操作三步（点赞、点击动态、关注）才能完成点赞+关注。使用假设后只需要点赞一个动作，操作多个时，指数级的降本增效
最佳实践
通常情况，缩短转化路径可以提升转化率。
微博有类似的逻辑，通过内容吸引用户关注发布者。
用户在【feed流>动态详情>feed流>动态详情】（循环）路径中点击关注的数量
用户在feed流中给非关注用户动态点赞后，关注该用户的数量
假设3
【如果】为游客开放浏览社区和关注用户＆话题权限。（登录后选择是否同步关注数据，根据终端同步）
【预计】月关注率可以提升5%
【因为】
用户不需要登录即可进行浏览，缩短了转化路径
但是对于一个产品来说，用户的登录代表了最基本的兴趣和信任，一直处于游客状态的用户并不会很多也不会很活跃
最佳实践
对于游客用户也可以使其产生粘性和沉默成本，拿出诚意，先给用户价值，寻求用户未来的登录。
好奇心日报，未登录状态下可以做浏览、收藏、参与研究等操作。
定量分析
下载量
登录页UV
登录用户数
假设4
【如果】类似微博，登录成功后，引导填写简单用户问卷（健身侧重内容），根据用户个人情况推荐关注表单。
【预计】月关注率可以提升25%
【因为】
微博、站酷、好好住等各领域社区APP已经教育出用户习惯，比较易于接受，用户的问卷反馈可以应用于内容推荐和push等策略，带来更精准的促活
-
但是根据keep的商业模式以及当前的一级页面C位（运动）可以很清晰的看出，KEEP的核心还是工具属性；
因此是否提升社区的权重，需要战略层面的权衡
最佳实践
微博的各种引导关注＆自动关注机制，需要权衡差异选择性参考。
用户分层：浏览内容时间与使用运动功能时间占比大于2：1的用户比例
步骤2：ICE模型打分，制定优先级
定量分析
用户在文章详情＆动态详情中停留5s以上后，关注发布者的数量和比例
用户关注发布者时在详情中停留的平均时长
2.实验指标：
有关注习惯用户
无特定习惯用户
无关注习惯用户
【有关注习惯用户】定义：关注数/活跃（进入社区）天数≥1（每活跃1天，新增1个关注）
【无特定习惯用户】定义：0.3＜关注数/活跃（进入社区）天数＜1
【无关注习惯用户】定义：关注数/活跃（进入社区）天数≤0.3
4.实验设计-A/B测试
（1）版本划分及原因
3个版本
从策略层面细化，可以考虑27种组合（3组用户3个页面3种样式），然后评估操作成本。在案例中，仅考虑文章详情页
变化幅度大的样式对应强提醒，侧重目标转化。样式例如：按钮变大50%，颜色明显变化+动效
变化幅度小的样式对应弱提醒，侧重体验连贯。样式例如：按钮变大20%，颜色轻微变化
（该阶段的思维发散仅做思路展示，后面两个时间的计算不考虑中间涉及到的拆解用户组）
（2）如果将文章详情的【月关注率】提升到6%
已知当前关注率5%，目标提升至6%，统计显著性需达到95%，文章详情每日UV10000
【有关注习惯用户】【无提醒】
【有关注习惯用户】【弱提醒】
【有关注习惯用户】【强提醒】
【无特定习惯用户】【无提醒】
【无特定习惯用户】【弱提醒】
【无特定习惯用户】【强提醒】
【无关注习惯用户】【无提醒】
【无关注习惯用户】【弱提醒】
【无关注习惯用户】【强提醒】
每组流量分配
10000/9≈1111
剩余名额全部划分至【有关注习惯用户】【无提醒】，实验无结论前，减少对活跃用户的影响
实验时间
通过工具计算得出
6900/1111≈6.2天，取整数7天
5.分析实验结果
实验组：是接受实验变量处理的对象组
对照组：对实验假设而言，是不接受实验变量处理的对象组
关注点
实验组和对照组的流量是否平均，是否获取到了足够的样本数
实验周期是否足够长，是否受到周末、节假日影响；是否受到用户的新鲜感影响
每组中是否覆盖了全部用户类型（高、中、低频）
实验组的核心指标对比对照组是否提升、辅助指标是否提升或持平、反向指标是否提升造成负面影响
核心指标是否达到统计显著性要求（搜索引擎中即可找到第三方统计工具）
6.实验下一步
开启新的循环
-END-
一、前言
增长是一个持续实验的过程，就像做产品迭代，最科学的方法是向迭代要数据，依据数据做迭代；做增长亦是如此，即数据驱动增长。
策略、增长都有各自的方法论，抽象出来其实表达的是相似的意思。
通过数据发现问题→提出假设→设计方案→获得更多数据→验证假设→发现颗粒度更细的问题→提出更精准的假设。
是无数组闭环逻辑的循序渐进，根据实际达到的效果以及成本，来决定做到哪一步就可以满足目标或者需要及时止损。
每套方法论都有自己的逻辑闭环和不同的适用场景，也存在在执行时仍然存在的困惑，根据自己遇到的困惑，拆解输出的方法论理解消化后输出自己的方法论，才是最合适的做法。
已知当前动态详情页（动态、文章、视频）的日均PV为10000
已知当前动态详情页（动态、文章、视频）的关注率为5%，目标提升至6%
统计显著性需要达到95%
统计显著性在这里不深入展开，市面上有专门的统计工具，通过搜索引擎即可找到
（2）实验前准备-定义指标
（年/月/日）关注率：用户累计（年/月/日）关注数/用户（年/月/日）累计浏览内容来源其他用户数。（对一个用户生产的多条内容做去重）
浏览：对应内容在一屏中露出60%。在页面中停留时间≥5s
2.增长实验
步骤1：提出实验假设
假设1
【如果】在社区feed流中增加关注按钮
【预计】月关注率可以提升20%
【因为】
社区feed流是第一层级页面，跳出率最低，缩短了转化路径
feed流的核心目标就是吸引用户更长时间的沉浸体验。目前的关注需要在更深一层级的【添加好友】或【动态详情】中操作，某种程度上打断了用户的心流。按钮放在feed流上可以使体验更流畅
用户做更多操作去关注一个用户，在潜意识上会把关注当成一个相对重的操作，将关注按钮放到feed流中，使用户不需要像在【添加好友】中筛选和在【动态详情】中查看更多内容，仅通过feed流中的一条动态便确定关注意愿，细化了关注的场景，满足了追求多样性和把关注看的不那么重的用户。也是产品需要潜移默化影响用户心智的方向
最佳实践
抖音feed流中可以直接关注发布者
定量分析
用户在【feed流>动态详情>feed流>动态详情】（循环）路径中点击关注的数量
用户在feed流中给非关注用户动态点赞后，关注该用户的数量
假设2
【如果】增加逻辑：点赞默认同时关注，个人中心可设置点赞是否同步关注
【预计】月关注率可以提升30%
【因为】
与上条一样，产品需要引导用户的是不把关注看做是一个很重的操作，从而使用户更多的进行关注
点赞和关注，在不同的社区运营过程中，含义的演化各不相同；可设置的点赞是否同步关注逻辑，是将选择权还给用户，满足对这两者不同理解的多种用户群体需求
对于在feed流中根据一条动态便确定关注意愿的用户来说，当前需要操作三步（点赞、点击动态、关注）才能完成点赞+关注。使用假设后只需要点赞一个动作，操作多个时，指数级的降本增效
最佳实践
通常情况，缩短转化路径可以提升转化率。
微博有类似的逻辑，通过内容吸引用户关注发布者。
用户在【feed流>动态详情>feed流>动态详情】（循环）路径中点击关注的数量
用户在feed流中给非关注用户动态点赞后，关注该用户的数量
假设3
【如果】为游客开放浏览社区和关注用户＆话题权限。（登录后选择是否同步关注数据，根据终端同步）
【预计】月关注率可以提升5%
【因为】
用户不需要登录即可进行浏览，缩短了转化路径
但是对于一个产品来说，用户的登录代表了最基本的兴趣和信任，一直处于游客状态的用户并不会很多也不会很活跃
最佳实践
对于游客用户也可以使其产生粘性和沉默成本，拿出诚意，先给用户价值，寻求用户未来的登录。
好奇心日报，未登录状态下可以做浏览、收藏、参与研究等操作。
定量分析
下载量
登录页UV
登录用户数
假设4
【如果】类似微博，登录成功后，引导填写简单用户问卷（健身侧重内容），根据用户个人情况推荐关注表单。
【预计】月关注率可以提升25%
【因为】
微博、站酷、好好住等各领域社区APP已经教育出用户习惯，比较易于接受，用户的问卷反馈可以应用于内容推荐和push等策略，带来更精准的促活
-
但是根据keep的商业模式以及当前的一级页面C位（运动）可以很清晰的看出，KEEP的核心还是工具属性；
因此是否提升社区的权重，需要战略层面的权衡
最佳实践
微博的各种引导关注＆自动关注机制，需要权衡差异选择性参考。
用户分层：浏览内容时间与使用运动功能时间占比大于2：1的用户比例
步骤2：ICE模型打分，制定优先级
定量分析
用户在文章详情＆动态详情中停留5s以上后，关注发布者的数量和比例
用户关注发布者时在详情中停留的平均时长
2.实验指标：
有关注习惯用户
无特定习惯用户
无关注习惯用户
【有关注习惯用户】定义：关注数/活跃（进入社区）天数≥1（每活跃1天，新增1个关注）
【无特定习惯用户】定义：0.3＜关注数/活跃（进入社区）天数＜1
【无关注习惯用户】定义：关注数/活跃（进入社区）天数≤0.3
4.实验设计-A/B测试
（1）版本划分及原因
3个版本
从策略层面细化，可以考虑27种组合（3组用户3个页面3种样式），然后评估操作成本。在案例中，仅考虑文章详情页
变化幅度大的样式对应强提醒，侧重目标转化。样式例如：按钮变大50%，颜色明显变化+动效
变化幅度小的样式对应弱提醒，侧重体验连贯。样式例如：按钮变大20%，颜色轻微变化
（该阶段的思维发散仅做思路展示，后面两个时间的计算不考虑中间涉及到的拆解用户组）
（2）如果将文章详情的【月关注率】提升到6%
已知当前关注率5%，目标提升至6%，统计显著性需达到95%，文章详情每日UV10000
【有关注习惯用户】【无提醒】
【有关注习惯用户】【弱提醒】
【有关注习惯用户】【强提醒】
【无特定习惯用户】【无提醒】
【无特定习惯用户】【弱提醒】
【无特定习惯用户】【强提醒】
【无关注习惯用户】【无提醒】
【无关注习惯用户】【弱提醒】
【无关注习惯用户】【强提醒】
每组流量分配
10000/9≈1111
剩余名额全部划分至【有关注习惯用户】【无提醒】，实验无结论前，减少对活跃用户的影响
实验时间
通过工具计算得出
6900/1111≈6.2天，取整数7天
5.分析实验结果
实验组：是接受实验变量处理的对象组
对照组：对实验假设而言，是不接受实验变量处理的对象组
关注点
实验组和对照组的流量是否平均，是否获取到了足够的样本数
实验周期是否足够长，是否受到周末、节假日影响；是否受到用户的新鲜感影响
每组中是否覆盖了全部用户类型（高、中、低频）
实验组的核心指标对比对照组是否提升、辅助指标是否提升或持平、反向指标是否提升造成负面影响
核心指标是否达到统计显著性要求（搜索引擎中即可找到第三方统计工具）
6.实验下一步
开启新的循环
-END-