用户增长是什么？和数据分析有啥关系？-技术圈

很多同学会经常看到“用户增长”“增长黑客”“增长团队”之类的说法，并且这些岗位常常一眼看上去和数据分析有关系。

比如：

“建立系统的增长模型，驱动增长的持续化和规模化”

“构建用户转化漏斗，挖掘留存关键点，发现深层问题”

“分析目标用户，建立用户画像，优化增长策略”

猛一看似乎自己都能干呀，但似乎又有点区别。那到底“用户增长”是个啥玩意，和数据分析有多大关系？今天系统讲解一下。

用户增长的起源

互联网界很多概念都来自硅谷，用户增长或增长黑客也是来自硅谷。有意思的是Growth Hacking（增长黑客）最早应对的假想敌是传统的Marketing（市场营销）。要解决的问题是：在传统市场营销中，大家都知道50%的钱被浪费了，却不知道浪费在哪里的问题。

因为在传统企业，销售的主导权在销售/业务/分公司手里，营销活动需要通过销售落地。因此，考核营销活动效果，很难讲清楚“销售1个亿，有多少归功于营销策划，多少归功于产品本身吸引力，多少归功于销售拼命干活”。因此商品管理、活动策划、市场推广的功劳就很难衡量。

对于如何归因，可以看数据分析终极一问：多影响因素下，到底咋归因？！

品牌宣传就更难衡量了，老板只看到每年大把银子孝敬了媒体，真正起了多少作用根本无从说起——你甚至根本不知道你在电视、报纸、路牌、电梯间、网站上投的广告，到底有多少真的让用户跑到实体店来买货。互联网的PC时代，这种状况也没有多少改观，即使网站投了广告，用户还是得在实体店买货——PC时代互联网行业挑大梁都是游戏公司。

直到移动互联网改变了这一切。因为移动互联网时代：

1、移动支付+智能手机，可以让用户随时随地消费。

2、基于智能手机，企业可以直接和用户互动。

3、物流一类基础服务极大完善。

2014年4G开始普及，同时微信、支付宝大量攻城略地，2015年滴滴、饿了吗、王者荣耀，这些移动互联网时代的标配开始出现并且迅速占领了我们的手机。同时，《增长黑客》这本书在2015年也同步上市，还真是时势造英雄呀。一时间掀起很大风浪，甚至有人宣称，以后只有CGO（Chief Growth Officer）没有CMO了（Chief Marketing Officer）。

用户增长的含义

用户增长是对抗营销的不可知性的。基于移动互联网应用，确实做得到，因为：

1、不需要线下销售，所以不需要和销售部扯皮。

2、用户对广告的点击、下载应用、应用内购买行为均可以记录。

3、基于智能手机，应用可以直接联系到用户，并得到用户的反馈。

基于这三点，企业可以相对精确地记录：

1、我投放的广告，获得了多少客户点击、下载。

2、客户更容易反馈XX类的产品、活动、宣传。

3、没有反馈的客户，停在了哪个环节。

终于，困扰营销界的千古难题，得到了一定程度的解答。（注意，千古难题并没有得到全部解答。既然数据可以记录，就可以造假。互联网广告界造假手段花样繁多、琳琅满目，完全可以单独写一本书了。有兴趣的可以关注公众号计算广告，跟着大神开开眼界）

基于这些精确的记录，企业可以：

1、追溯客户来源

2、了解客户需求

3、分析广告效果

4、改善产品设计

5、改善操作流程

经过这些工作，可以理直气壮地说：

n 我们投入营销费用，实现了增长！

n 我们知道钱花到哪里去了！

这就是增长黑客or用户增长的概念流行一时的原因。

当然，硅谷的东西到了国内都会变形，用户增长也是。国内互联网企业太沉迷于烧钱做补贴圈市场的模式，沉迷于先免费圈人、再收费割韭的套路，沉迷于“过把瘾就死，不死就暴富”的赌博游戏。于是用户增长，渐渐演化成三大流派：

裂变流：这帮人口中的“用户增长”，就是基于微信做各种裂变，各种快速圈人，往往还伴有三级分销等打擦边球的东西。

投放流：这帮人口中的“用户增长”，就是做广告投放，基于各种广告平台规则砸钱圈人。往往他们喜欢喊“流量为王”，最近流行的“私域流量”也是他们捣鼓出来的。

ABtest流：上两类都是小平台，大平台往往已经有很大存量规模，于是想办法做“质”的增长，其中的核心就是ABTest。自己不会做没关系，多搞一些点子试试就好了。

当然，你会说从工作内容上看，这玩意和数据运营、渠道运营、用户运营有好多交集。为啥不是这些传统部门来承接，还要搞一个新概念。大家要知道：做管理的可不像我们这些搞技术的，做管理的总是天生喜欢捣鼓点新概念。新概念才能更吸引力，才能整合新团队，才能搞出更多位子升官。才能搞出更多个人成长机会。所以大家习惯就好。

而细心的读者已发现，以上三类工作都跟数据分析有直接关系！这也是开篇各种疑问的来源。

用户增长与数据分析

用户增长要对抗未知性，必然依赖数据分析。可以说数据分析能力是增长团队的核心能力之一（必须加之一，明白这个很重要）。

最基础的，是数仓、和数据埋点，没了这俩连记录都没有，后续就无法分析了。

再往下，最基础的指标是AARRR，这个指标体系往往用来衡量用户群体规模、增长态势、重点环节。

陈老师之前有分享，戳链接：AARRR模型的使用注意事项【防坑提醒】

再往下，三大流派对应的分析方法是有区别的，我们详细分享下：

▌裂变流：K因子与超级传播者

裂变流的核心在于：参与裂变的用户有多大比例能真正响应，响应裂变的用户能带来多少新增。因此裂变流喜欢讲K因子（K因子=邀请数*转化率）。以此衡量裂变效果。

不过从实际操作上看，超级传播者分析思路会更适合。因为每次裂变，真正能带来大量新增的往往是少数KOL或者至少是个KOC，所以区分是否存在超级传播者，到底传播力有多少，对于设计裂变方式有非常重要的参考意义：

▌投放流：转化漏斗

投放流的核心就是投放的转化漏斗，转化漏斗在很多地方都有分享，大家看图就好：

▌ABtest流：ABtest搞起……

ABtest有很多成熟的文章分享，这里不再赘述，大家看图就好。

需要提醒的是，ABtest本身并不是唯一检验idea的方法，还有很多其他方法可以用。ABtest太耗时间，而且经验上看，结果会存在偏向性。往往产品流程用Abtest，一般都是接近传统流程的方案胜出。往往是转化问题的Abtest，一般都是优惠度大的获胜……所以ABtest可以用，但切莫沉迷。

用户增长岗位好不好

讲了这么多，很多同学自然会问：那作为数据分析师，加入用户增长团队好不好？有没有什么坑点要注意。这里一并解释一下：

首先要明白：用户增长不是数据分析！用户增长本质是个业务部门，要对业务负责任。甚至有可能个人都要对活跃用户数、付费用户数、转化率等业务指标负责。这对很多做数据分析的同学是个考验。

有些同学就是你让他写报告可以，一提“负责”“绩效挂钩”“不行扣钱”他就怂了。所以在选择团队的时候要小心看清楚：到底要不要负责，负哪些责，然后评估下自己抗得住不。

其次，用户增长核心能力不止数据分析。比如裂变，如何设计裂变形式、测算奖励幅度？比如投放，如何设计海报、选择渠道？这些需要的是运营能力。这又是做数据分析同学的一道坎。

很多做数据的同学停留在：“活跃低了，要搞高”上，缺少实际业务能力。因此在选择团队的时候要小心看清楚：到底这个岗位需不要业务能力，需要多少。当然，也有些增长团队，就是单纯招数据分析师，所以要小心鉴别。最后评估下，自己抗得住不。

丑话在前边说完，讲点有吸引力的。用户增长部门可能在某些公司很核心，可能是新设部门，可能有很好的绩效奖励（远远大于数据分析部门），所以在薪资、个人成长机会上，都可能是一个好选择。

毕竟不是所有的程序员都能做到架构师，毕竟不是所有公司都需要首席数据科学家，所以对很多同学是个好机会，具体怎么把握，就看个人能力和公司条件了。

这是陈老师第一次分享具体商业场景与岗位情况，有兴趣的同学可以点击“在看”。如果本篇召集齐60在看。我们继续选一个类似话题来分享。

原创精选推荐：

九大数据分析方法之：周期性分析法
标杆分析法，90%数据分析师都忘了这一步
用户分群模型，这么建才有用

懂业务，才能做一个有发展前景的数据分析师，学习陈老师本人的课程《业务知识一站通》，可以加入学员群，和陈老师一对一讨论，让陈老师手把手教你做分析。

《业务知识一站通》

长按扫描二维码
了解陈老师的视频课程

还可加入学员群

享受陈老师一对一咨询服务

点击左下角“阅读原文”听陈老师讲课噢