“增长黑客”的概念正火，但是想要成为真正的“Growth Hacker”却并不容易。无论是产品还是运营，都会碰到各种增长瓶颈，如业务停滞，用户下滑等。那么该如何破解增长瓶颈，成为真正的“增长黑客”？
增长是一个非常大的话题，比如用户注册增长，活跃度增长，商业营收增长等，不同的增长问题解决思路各异。
下面主要以APP运营中DAU（日活跃用户）的增长为例进行讲解，这个分析思路也可以举一反三。
破解增长瓶颈的五大策略
增长瓶颈该如何破解呢？结合自己多年数据分析和增长的经验，为大家提供了五大步骤，串起来形成一个闭环的增长操作步骤。
第一，了解自己产品，找到发力点。我们应该有一套数据采集和分析体系，每天为我们提供产品和业务的宏观数据。通过对宏观数据的分析，找到增长的发力点。
第二，拆解关键指标，确保可以执行。上面找出的作为发力点的指标可能非常宏观，我们需要根据实际将其拆解成多个指标，确保产品和运营可以在日常工作中执行。
第三，丰富和升级增长武器库。
第四，细分用户群，快速迭代实验。数据分析很多时候就是在细分，通过不同维度将用户分群，对不同用户群设计不同实验。
第五，实验效果监测和数据分析。迭代实验结束后，对实验的效果进行分析，把结论用于改进和指导下一次实验。
一、通过宏观数据了解产品状态
反映产品状态的指标很多，如PV/UV/DAU等等。在这里我们主要介绍3个指标，分别是DAU/WAU，DAU用户成熟度构成和增长加速度。
1.DAU/WAU反映的是用户活跃度，是每天去重活跃用户数除以每周去重活跃用户数的比值
不同产品的活跃度不一样，产品定位于天的用户活跃度越高越好；定位到周的，活跃度稍微低一下。DAU/WAU的比值是1/7到1。1/7的时候代表7天里面每天登陆的用户都不一样，这个活跃度最低；1代表7天里面每天登陆的用户都一样，活跃度最高。因为产品定位不一样，活跃度指标天然不一样，这个需要不断观察。
2.DAU用户成熟度
每天活跃用户里面，他们的首次激活时间是不一样的。把当月内激活的所有用户统计下来，看看他们在日活里面的比例，用来评价用户的成熟度。
3.增长加速度
做增长分析的产品经理经常看增长曲线，有些聪明的产品经理把每天的差值做了一个曲线；或者把增长速度的曲线做一个求导，求加速度的曲线。增长的驱动力反映到数字上就是增长的加速度，速度的数字波动，反映到加速度的曲线上波动更大，需要做好平滑处理。
通过上述指标来快速了解我们的产品状态，找到我们的增长瓶颈。增长过程中两种常见的瓶颈：
当成熟度1个月以内的活跃用户占日活跃用户的比例超过30%，说明新用户在日活跃用中的比例非常大，表明我们产品处于生命周期较早阶段。这个阶段的用户流失率也是非常大的，我们应重点关注拉新，优化新用户接入的流程。
当成熟度1个月以内的活跃用户占日活跃用户的比例低于30%，说明我们的产品逐渐成熟。这时需要把目光放到存量用户上，提升存量用户的活跃度；但是也要兼顾第一类问题。
二、拆解关键指标，确保可以执行
通过数据分析了解了自己产品的发力点方向，一个是拉新，另一个是留存。虽然找到了发力点，但是不集中，需要我们将其拆解，直到拆解后的指标可以被执行，其效果可以反推到核心指标上。
拆解关键指标有三种方法，分别是按照用户使用习惯、用户生命周期、产品来拆。
下面以分析一个APP的DAU为例，具体介绍如何拆解关键指标。
假如我们关注的核心指标是DAU（日活跃用户），但是这个指标非常大，难以具体执行；我们可以按照用户使用习惯进行拆解。
活跃用户会主动打开我们的APP；同时不活跃用户，我们要向他推送信息，借此唤醒他们；最后还可以在微信或者其他APP页面中打开我们的APP（也称调起）。这样就把日活跃用户指标拆成三个指标：主动打开，推送和调起，方便进一步执行。
以推送为例，它由两方面组成：推送到达率和点击率。优化到达率和点击率，进一步方便了实际执行和落实。
再往下，按照用户的生命周期来分，有活跃用户和沉默用户。还可以继续往下拆，活跃用户按照产品使用习惯拆分，有内容消费型，社交型和工具型。
上面这个对提升APP关键指标DAU的拆解过程，告诉我们只有对核心指标进行合理拆解，具体到可以执行，才有现实意义。
三、丰富和升级增长武器库
拆解好指标后，需要选择合适的增长武器来实现我们的增长目标。在选择增长武器的过程，需要注意什么？
其次，需要不断丰富武器库，根据使用效果来升级；
然后，需要对客户分群，“精准打击”。对于武器来说，不是说选一件“核武器”来全方面打击就是最好的，我们需要选用一件精准的武器，对客户分群，实现精准覆盖；
最后，可以自动检测、持续影响。选中增长武器后，需要对用户实行自动检测，持续对用户施加影响。为什么要自动化监测呢？很多时候我们有可能同时在跑很多实验，如果人工操作的话，工作量大，而且效率低。自动化检测不一定要一个非常准确的值，我们可以大概设置一个阈值，当超过这个值就报警。
下表列举了常见的增长武器，在拉新、留存、提升活跃度、用户召回和市场推广等不同场景下，有不同的选择。
具体选择哪一种武器，需要我们在使用的过程中不断迭代实验，直到发现最优解。
明确实验的目的，跟踪一个指标。一个方案同时追几个指标是不合理的，最好只设立一个指标，便于观察者排除影响因素。同时，设定的指标最好是“率”或者“比值”。比值不会受到量的影响，如果定位量的话容易受到流量或者入口的影响。
设置benchmark,必须有对照试验，方便实验前后效果的对比。
整个实验的过程必须可以追溯和重复，实验效果好的时候可以多次重复。
快速重复和迭代。单位时间内得到的结论越多，增长越多，收益越多。
五、效果监测和数据分析
增长实验结束后，需要对实验效果进行检测和分析。
首先是直接的效果检测，是否达到预期值。然后分析实验对核心指标是否有明确的提升。同时要检测其他指标的异动情况，评估实验是否影响到了用户体验。
如果实验非常多，一段时间内进行非常多的快速迭代的话，就需要建立指标体系。通过统计的方式分析指标之间的影响程度和相关性，这也是一个不断优化的过程。
数据分析尤其重要，决定了实验迭代的速度和方向，因此要得到格外重视。
案例：APP沉默用户的召回
召回正在流失的用户是APP运营的重要工作。下图是某APP的用户流失示意图。
横轴是时间，竖轴上的数值代表不同类别用户所占的比重。在图示的右上方标有用户的类别，红色是当天的活跃用户减去当天新增用户后的数量；橙色是代表前天的活跃用户但是昨天没来；越往上用户就越远离我们。
如果把整个用户看成一个水池，新增用户就像往池底注入水，然后不断上升，越来越远离我们，然后蒸发。当然也有一些流失的客户自然返回，像一个降雨的过程，慢慢下沉。
在这个案例中，接近50%的客户有超过一个星期没有回来；如果能把这50%的客户拉回来，其价值可能远远大于新增用户的价值。
接下来细分流失客户，分成7-13天未访问和14-30天未访问的客户；然后分别向两类客户推送信息。
以某内容类APP为例，我们向两类客户发送了“每周内容精选”，发现7-13天未访问的用户召回率非常高，高于自然回访率。但是14-30天未访问的召回率非常差，跟自然回访率差不多。
然后我们就去分析自然回访的客户会在APP里面有哪些操作？我们发现很多自然回访的客户会到访问电影专题，我们猜测是不是用户看了某部电影然后回来了。于是我们向用户APP推送信息，但是推送到达率非常低。
分析得出结论，大部分流失的客户都卸载了我们的APP。于是改用发短信，向用户发电影票优惠券，但是必须到APP上来认领。数据证明了，这个效果非常好，14-30天未访问的用户群体的回访率得到了较大的提升。
