本篇文章的內容是作者在「2021 AWS 台灣雲端高峰會」上所做的分享內容濃縮，將包含六大內容：
1. 數據驅動業務決策的五大常見分析方法
2. 為什麼需要預測模型助力業務發展 
3. 三大常見助力業務發展的預測模型
4. AI 驅動「當下最佳策略」如何助力用戶增長
5. 通過 AI 驅動「當下最佳策略」實現用戶增長
6. AWS 最佳實踐落地三步走
7. 化被動為主動的擬定業務策略方法

1. 數據驅動業務決策的五大常見分析方法

這裡將和大家介紹五種常被用來實現數據驅動決策的分析方法：描述性分析、診斷性分析、預測性分析、規範性分析及認知分析。

而數據驅動基於不同的分析方法，可以分為 BI & AI 兩大階段，BI 是透過數據做事後分析，總結發生了什麼或是為什麼發生，是目前較為成熟，應用較為廣泛的分析方法；AI 則是透過模型做預測，來達到「幫助」決策。

▍BI：透過數據做事後分析，支持決策

• 描述性分析（Descriptive Analytics）：透過歷史數據，總結發生了什麼。這也是目前使用最廣泛的數據分析方式。
• 診斷性分析（Diagnostic Analytics）：透過數據 deep dive，總結為什麼發生。

▍AI：透過數據做事前預測，幫助決策

• 預測性分析（Predictive Analytics）：基於現狀，預測將來「可能」會發生什麼。
• 規範性分析（Prescriptive Analytics）：基於現狀，現在應該做些什麼改變，將來「可能」會帶來最優的結果
• 認知分析（Cognitive Analytics）：透過數據驅動（data driven）＋pattern decision，來實現決策自動化。

【延伸閱讀】AI 在 MarTech 領域中的一些應用與趨勢，可以參考我去年在 WiDS conference 上所做的分享。

WiDS Taipei 2020 | AI 賦能的行銷科技趨勢與組織實踐 — 鄭芝郁 Josie

2. 為什麼需要預測模型助力業務發展

在開始分享如何助力業務發展之前，大家可能也會好奇，我們為什麼需要預測模型來助力業務發展，沒有不行嗎？

拍腦袋當然也能做決策，數據驅動決策的方式只是理性地幫我們增加決策的成功率。

這問題可以往前推到，為什麼需要數據驅動決策，憑主觀經驗拍腦袋決策不好嗎？在這高速競爭的環境下，若能透過預測模型，做對更多決策、做好更多事前準備，將可以幫助我們更加事半功倍。

就像是股市，比起事後總結，大家是不是更希望能夠「事前預測」？如果發生前能夠知道股市走勢，你是不是可以做出更好的決策達到更好的效益？就像是醫療，雖然事後透過藥物治療很好，但若是能做到預防性治療，相信大家都希望能夠透過預防性治療來作預防。相同的，在業務決策上，若能透過預測模型來幫助「事前」決策，將能更好地滿足用戶，更好地達到用戶和業務的增長。

3. 三大常見助力業務發展的預測模型

這裡我以人貨場作為框架來總結三大常見的預測模型，分別為：購買預測（人）、銷售預測（貨）以及流量分發（場）。

今天主要是針對三大常見預測模型中的「購買預測」做展開和大家分享，銷售預測及流量分發未來有機會在其他文章再做展開和大家分享。

稍微解釋下針對「流量分發」做個解釋：其實可以說是大家熟悉的推薦算法進階版。

過去推薦算法只是單純的做商品推薦；而這裡所提的「流量分發」，雖然同樣需要倚靠推薦算法，但是是由多個不同的算法模型聚合再加上人為的一些策略條件，經過一系列的流程，對「場」，就是流量，做最佳解的分配。

接下來，將從兩大面向來和大家分享「購買預測」如何助力業務發展：

• 「購買預測」如何助力用戶運營
• 如何透過AI 驅動的「當下最佳策略」實現動態化運營

4. 「購買預測」如何助力用戶增長？

我將以用戶視角出發，透過用戶的購買旅程來和大家做分享。整個用戶的購買旅程中，我將用戶分為四個狀態階段，分別為：認知、考慮、購買及忠誠。而基於不同的用戶狀態，在做用戶運營時，也會對應不同的業務目標。各階段常見的業務目標如下：

• 認知：針對認知階段的用戶，常見的目標會是著重在擴大認知階段的用戶基數，也就是漏斗分析中，大家會盡可能地去擴大 top funnel 的流量。
• 考慮：針對考慮階段的用戶，大家肯定都希望可以將此轉化成購買階段。除了最直接的訂單轉化率外，多數用戶在下單前都會經過猶豫期，因此，一般還會有加車率（add-to-cart rate）作為階段性目標。
• 購買：針對購買階段的用戶，下過首單以後，肯定會希望用戶可以再次產生複購。因此，提升複購率是此階段常見的指標。有些業太可能非頻繁購買性，因此，用戶留存率（用戶回訪但未產生購買行為）也是常見的階段性目標。
• 忠誠：針對忠誠階段的用戶，用戶養成持續購買習慣以後，會開始希望產生跨品類、跨產品的消費行為，或是 AOV（平均客單價）的提升，持續加深用戶的忠誠度。

那在各個階段我們可以如何透過預測模型來助力業務發展以達到目標呢？

我將針對各階段各舉一個常見的例子跟大家分享，當然實務上並不侷限這四個例子，你可以針對自己業務的實際痛點或狀態，選用不同的預測模型或手段來真正有效的助力業務發展。

• 認知：常見做法是透過 lookalike 模型做到新用戶的偏好預測。有了新用戶的偏好預測後，就能實現 dynamic content 及 dynamic offering 的行銷策略並以 dynamic 的 landing page 觸達新用戶。
• 考慮：當用戶在瀏覽你的 app 時，如何提升更多在考慮階段的用戶產生購買行為呢？這時，可以透過偏好模型及購買預測模型，結合 in-app push 手段，有效的將相關的內容（如商品、內容或是促銷折扣訊息）推送給用戶，提高用戶將商品加車（add-to-cart，ATC）甚至是直接購買。
• 購買：電商平台上滿滿的各式各樣的優惠券，而用戶的注意力極為有限。因此，為了有效提升購買轉化及優惠券的核銷率，可以透過購買預測模型，將優惠券「主動」推送給高購買機率的用戶。

補充說明兩點：

關於優惠券的策略，常見的目標除了核銷率外，更進階的會做到提高優惠券的效益。為了實現優惠券效益上，將不是單純的推送給高購買機率的人就結束，而是會需要再進一步做到「用戶對促銷活動的敏感度做相關的預測」。有些用戶，你做促銷活動或是什麼都不做，他還是會購買；但有些人只會在有促銷活動時購買。因此，透過此模型排除「有些用戶，你做促銷活動或是什麼都不做，他還是會購買」人群，僅針對「高促銷活動敏感的用戶」進行此項策略，如此以來，便可以在高優惠券效益的狀況下實現高核銷率。
有此案例也能順帶跟大家分享，「預測模型助力業務」也非單指僅倚靠「一個模型」就能有效的助力業務發展。現在很多主流領先的企業在實現某項「預測模型助力業務策略」時，背後其實是透過「一系列的預測模型」來實現最終的策略，如前面所提到的「流量分發」亦是一個應用場景。

關於「主動推送」，文末的「化被動為主動的擬定業務策略方法」中將有更詳細的介紹。

• 忠誠：透過會員權益強化用戶的忠誠度是常見的做法。而在制定會員權益時，如何透過數據驅動事半功倍呢？會員權益若是無法吸引用戶產生更多消費或黏著度，那麼該會員權益也就毫無意義。常見做法是透過用戶的行為找尋「pattern」，再透過「pattern」來制定個性化的會員權益。好比說某個客戶定期會購買某件商品，那麼就可以在即將到來的購買週期，把該件商品與其他你希望他跨品類消費的商品進行綑綁銷售或是作為提高客單價的折扣商品。

在制定優惠折扣時，若公司的技術還無法支持做到「個人化」，可以考慮至少做到「分群」。將所有用戶切分為幾個階段，不同階段的用戶基於策略給予不同優惠折扣形式，可以提升整體的轉化效率。

5. 通過AI 驅動「當下最佳策略」實現用戶增長

接下來，我將基於五個 toC 業務常見的業務指標，來做詳細的展開和大家分享常見的應用案例。

▍提升推送打開率

App notification / Line message 的打開率是多數行銷會遇到的問題。這個問題可以拆分成幾個角度來看：

1. 推送時間：根據用戶行為預測最佳 app 推送時間，實現推送時間個性化。
2. 推送內容：根據購買預測獲取購買指數高的商品或根據偏好模型獲取高偏好指數的商品/內容，作為推送內容的主題。

如此一來，透過用戶的行為預測用戶打開推送機率高的時間節點來做推送，同時推送內容選用高購買指數的商品及相關內容或優惠券，即可有效提升打開率，同時提升購買轉化。

▍提升優惠券核銷率

電商平台上有大把的優惠券是常態，但用戶的注意力及時間是有限的。若是用戶沒發現或是用戶不感興趣不願意使用，只要優惠券沒被核銷使用，那對業績一點也沒幫助。常見提升核銷率的做法：

1. 對的優惠券給到對的人：在既定的優惠活動中，透過購買預測將優惠券「主動」推送給高購買機率的用戶。如此一來，就能在用戶有限的關注度下，提高核銷率。
2. 提供用戶感興趣的優惠券：如前面所提到的用戶的購買行為pattern，可以用來做優惠折扣的設計使用。老用戶：如前所提，將常購買的商品用來作為個性化搭售折扣提升轉化使用；新用戶：則可以搭配新人 lookalike 模型做折扣設計，提高首單轉化。

當然同樣的，如前描述，可以採用多模型（如搭配人群預測模型針對「高促銷活動敏感的用戶」）去做更複雜的效果優化。這裡就不再深入描述。

▍AOV 提升 / 跨品類轉化

通常做AOV的提升及誇品類的轉化時，都是針對「老用戶」。因此，常見做法如前所述，可以透過挖掘用戶購買行為pattern（如固定某個週期會購買某個品牌的日用品），將於下個購買週期，以該商品作為其他欲推商品進行搭售促銷，提高欲推商品購買轉化及AOV。

▍新人首單轉化率提升

針對新用戶首單轉化提升，常見做法除了直接推薦「爆款」、「熱銷」商品外，亦可基於新用戶的基礎數據（用戶性別、地區、年齡等）及行為數據（來源渠道、點擊商品等）做預測助力轉化：

1. 內容上：除了針對「爆款」、「熱銷」商品，採用 lookalike 模型＋購買預測模型，將高偏好或高購買機率的內容/商品作為新人專區內容。
2. 折扣內容上：採用 lookalike 模型＋購買預測模型，將高購買機率的商品作為折扣對象。
3. 折扣方式上：優惠折扣方式多元，像是免運、滿減、綑綁折扣、新人贈禮等，可透過預測模型選用高轉化的方式作為該對象的新人優惠，以提高首單轉化。

在新用戶轉化上，如果公司的技術不足以支撐做到新人用戶數據的採集及預測，可以先透過既有的「新人首單」做數據挖掘，找到關鍵轉化因子（即 magic number，比如做了什麼樣的行為高機率會產生首單、怎麼樣的折扣方式更加吸引人轉化首單等）用來作為新人優惠折扣，即可有效的提升首單轉化。

▍降低流失率

流失是大家都不希望看見的。

因此，流失預測也是常見的應用場景。透過在用戶真正流失之前，透過預測模型搭配對應的喚回策略，避免用戶真的流失。等到用戶真的流失後，往往需花費更大的喚回成本重新找回流失用戶，甚至是很難再次喚回。

在降低流失用戶這塊，如果公司技術還不支持做到「流失預測」，亦可以識別哪些用戶行為發生後高比例會產生流失，可以在用戶觸發該行為時給予他相關的「喚回策略」。

比如在用戶申請押金退還時，立即發送訊息告知用戶，若取消押金退還立刻獲取多少折扣券，以此來留下用戶。

[延伸話題] 大家可能會覺得，這樣發送優惠券喚回用戶是否成本過高？同前面所提的優惠券效益優化一樣，亦可透過模型來計算流失後再喚回的成本和流失前的喚回成本，做整體的效益優化。

【延伸閱讀】想更深入的了解如何實作流失預測？可參考下方影片深入學習流失預測並學習如何使用 AWS Sagemaker Low-Code 工具實作流失預測

Track B 03 AI-powered Growth Hacking - Low Code 實現客戶流失預警 在客戶真正流失前，提前干預喚回客戶

6. AWS 最佳實踐落地三步走

要落地預測模型助力業務發展，AWS總結了三步走：業務痛點、預測模型及業務策略。

觀察很多人在落地時，很容易很著急得就進入到「預測模型」本身，而忽略了開始之前的業務痛點釐清與挖掘，以及預測結束後所需的配套-業務策略擬定。

預測模型若是離開了業務痛點及策略，那他就也只是預測模型，是無法有效的助力業務發展的。

如果在一開始沒有很好的去明確要解決的業務痛點，那麼所做出來的模型就無法很好的解決業務上的問題。相同的，在模型預測出結果後，本身的預測結果，並沒法直接地解決業務問題，是需要搭配一定的業務策略，才能讓預測模型有效的助力業務發展。

賣個關子，下一篇將和大家分享「如何透過機器學習玩轉增長駭客助力業務增長」並和大家分享如何透過三步驟定義業務問題並拆解成可以用機器學習解決的問題，同時也會舉例來凸顯前期「明確業務痛點」及後期「搭配業務策略」的重要性。

7. 化被動為主動的擬定業務策略方法

寫在最後，關於業務策略的部分，想和大家再補充分享一個觀念：化被動為主動。這裡舉兩個常見的業務策略作為例子。

• 優惠券發放：透過各種分析預測，給到用戶獨特的優化券還不夠。你透過推送，或是展示在平台上，用戶未必真能注意到。這時，應該再搭配分析用戶的行為，挑選合適的時間以不過度打擾用戶為原則，提供「主動式的優惠券驚喜」，能夠達到更好的轉化效益。比如用戶連續瀏覽了十分鐘的洗衣機，此時可以主動彈出洗衣機相關的優惠折扣。
• 推薦算法：過往大家在做推薦算法時，只是基於商品及用戶的數據做相關的推薦。可以將用戶分群，然後透過挖掘相似人群狀態轉化因子融入推薦算法中，不同用戶狀態的用戶採用不同的策略模型，主動性的引導用戶走向你期望的樣子，提升整體CLTV。

【延伸閱讀】更多 AI-powered Growth Hacking 案例與實作分享

• Track B 01 AI-powered Growth Hacking - No Code 實現顧客購買預測，優化投放策略，行銷人員、業務分析師也能輕鬆上手！
• Track B 02 AI-powered Growth Hacking - Low Code 實現個人化行銷內容推送、高效提升開信率及訂單轉換率

謝謝你的閱讀！ 有幫助的話，歡迎拍手與分享👏🏻
產品三眼怪實驗室時不時會分享其他產品管理相關文章，追蹤起來！

預測模型助力業務增長 was originally published in 3PM LAB 產品三眼怪實驗室 on Medium, where people are continuing the conversation by highlighting and responding to this story.

筆者目前是 AWS 大中華地區用戶增長解決方案負責人，為企業客戶提供科學化的用戶運營顧問服務。

本篇文章將包含三大內容：
1. CRM 數位轉型趨勢：會員關係管理 -> 泛會員運營，包含三大關鍵CRM數位轉型新思維
2. 科學化方法該如何有效落地 - Amazon 科學化用戶運營策略落地五步驟，並以 Amazon Prime 及免運權益為例
3. 快速消費品也該搭建泛會員體系嗎？

過往企業在做CRM時，通常只會建立在消費後的會員關係管理，而對於已經觸達但尚未消費的人流（簡稱泛會員），則通常會透過商品迭代、行銷手段去吸引轉化消費。主要原因如下：

1. 受限於傳統媒體、購買渠道限制
2. 非通路類型的行業(像是快消行業等)，過程中可能還會經過層層關卡（通路、經銷商等），很難與顧客直接溝通
3. 客單價過低、消費頻率低等原因，顧客不會特別去註冊會員、關心會員權益等

觸達但尚未消費的客群（簡稱泛會員）到消費成為會員的轉化過程，過往苦於沒有有效的方式，所以常常被忽略。而在數位化的時代，是能夠透過技術及科學化的方式去做相對應的泛會員關係管理，減少獲取會員的成本，因此，泛會員將會是一大塊很值得被運營的對象。

何謂泛會員？

過往的會員都是用戶消費了以後才稱為會員，而如今的數位媒體、數位渠道環境，在用戶消費前其實你已有機會與他溝通並作運營，甚至做到輕註冊（像是授權社交媒體帳號的登入等），因此不侷限於消費會員，而廣泛稱之的會員，稱「泛會員」。

CRM 數位轉型趨勢：會員關係管理 -> 泛會員運營

當我們了解到目前的會員管理已經進到泛會員的管理，而在思維上也應該有所轉變，這裡整理了三大關鍵CRM數位轉型新思維：重新定義會員、重新定義高價值會員及重新定義會員權益。

▍思維一：重新定義會員 — 泛會員的運營框架

泛會員的運營並非是個全新的概念。

在互聯網行業裡其實已經相對成熟，從用戶增長框架中（如下圖）就能發現與過往的會員關係管理主要差異在於 ：增加了獲客與 referral 環節。之所以會有這樣的差異，是因為互聯網行業起源於數位化時代，有別於傳統行業中因受限於傳統媒體與渠道，在顧客下單之前即能輕易的獲取顧客相關的聯繫方式及數據，能夠持續的運營他將其轉化。

然而，隨著互聯網時代的普及，各行各業都在進行數位化轉型，而進行數位化轉型時，往往大家關注的都是工具、手段，而在思維上往往被忽略。

過往的 CRM 是從用戶產生消費後而開始的；而如今數位媒體當道，透過數位媒體，在用戶下單之前，其實你能夠透過社交媒體、落地頁等多個觸點獲取用戶並與之互動。消費前的泛會員運營在數位化時代也同等消費後的會員重要，因此，該從過往的會員關係管理轉變為互聯網式的用戶運營 — 泛會員的關係管理。

「公域流量」與「私域流量」各自代表什麼意思呢？

公域流量就是指不屬於你的流量，像是搜索引擎、社交媒體、其他平台上的流量。你日常需要獲取「公域流量」需要透過付費廣告投放、商務合作等方式獲取。而在你獲取之後，倚靠策略與手段將用戶留在你的平台上，未來你再次觸達或是用戶主動自行返回都不需再額外付費，那這樣的流量才是你真真實實所擁有的，這就是所謂的「私域流量」。

若是不將流量留存成為你的用戶群，那你每天都需要對公域流量進行付費，對用戶進行「租用」；當用戶沈澱成自己的用戶群時，你才能說這些流量是你所擁有的。當然，擁有後不代表就永遠擁有，還是需要倚靠策略與手段去進行促活與維護，否則留存後的用戶還是有可能流失的。

▍思維二：重新定義高價值「會員」

過往在定義高價值用戶時，將高價值用戶等同於具有高消費力的VIP顧客，而在數位時代，將「會員」關係管理擴增至「泛會員」關係管理，若依舊只專注在高消費力顧客，便會遺漏了一群尚未被定義為高價值用戶的用戶類型 — 高傳播力的用戶（KOC，Key opinion customer）。

有些會員也許消費金額未必很高甚至是未消費，但在其社交環境中具有極大的影響力，可以號召影響身邊的朋友進行消費。也因此，在 KOL 之後出現了 KOC （Key Opinion Consumer）這個名詞，在這社交媒體當道的世代，KOC 的高價值用戶群所能為品牌的價值貢獻更不容忽視。

▍思維三：重新定義會員權益

過往提及會員權益，大家第一個聯想到的多數是：我該提供多少的折扣、優惠價格來吸引留住我的會員，抱持著替會員省錢的思維去擬定會員權益的設計。

替會員省錢真的能夠得到顧客的忠誠度嗎？根據統計數據，平均每人擁有14.8個會員，而其中活躍使用的平均約6.7個。

試著回想，你手上有多少品牌的會員卡？同個類型的品牌，你又有多少個會員卡？

如果替會員省錢能夠獲得會員對你的忠誠度，那麼我們又為什麼手上會有這麼多的同類型不同品牌的會員呢？很多品牌其實都已經意識到這個問題，所以越來越多的品牌除了優惠折扣以外，開始透過提供尊榮的會員權益、個性化的用戶體驗等方式去吸引與留住會員，像是新品優先購、免排隊券、高昂尊貴的品牌服務體驗等。

科學化方法該如何有效落地？

了解了三大關鍵CRM數位轉型新思維後，我們該如何科學化的將這些思維進行落地呢？

▍科學化落地方法：以 Amazon Prime 為例

承述前面提及的尊榮會員權益，若是提到重新定義會員，Amazon Prime 算是業內知名案例之一。因此，在進入到科學化會員管理方法之前，想和大家分享 Amazon Prime 的例子。

大家都知道，Amazon Prime 除了基本的電商免運、優惠價格外，還有免費的電子書、音樂、影集等尊榮的會員權益。那這時，你肯定會想：提供這些尊榮的會員權益划算嗎？感覺要花好多的成本呀。

大膽假設、科學驗證、快速迭代！

是否「花好大的成本」取決於我們用怎麼樣的思維來看待這些尊榮的會員權益。如果我們重新定義會員權益，會員權益如果成為我們的獲取新會員的武器又會變成怎樣呢？

會員權益不只是針對既有用戶，也能成為獲取新會員的增長武器

2017年，Amazon 花了數千萬美金拍攝了一個自製影集，而觀看該影集的會員中有高達 14% 的觀眾是 Amazon Prime 的新用戶（這裡定義為新用戶是代表用戶付費買了 Prime 以後的第一個行為是觀看該影集）。先不論該自製影集帶來的其他效益，光是以這 14% 的 Amazon Prime 新用戶來看，CPA 的價格就已經遠低於 Prime 會費的價格。你說，這樣的尊榮會員權益投資划不划算？

從數據中挖掘企業的增長動能

你可能會感到好奇，Amazon 怎麼敢貿然的投資這麼大筆費用透過自製影集來獲取 Prime 新會員呢？是因為從過往的數據中發現：Prime 的新用戶中有高達 1/4 是因 Prime Video 服務而付費購買了 Prime ，因此加大力道投資透過 Prime Video 去獲取 Prime 新用戶。

那你可能接著又會說，藉此提升 Prime 用戶是值得的嗎？對於電商業務的GMV 有幫助嗎？在你大力進行制定泛會員關係管理（簡稱用戶運營）策略之前，第一步：你需要先梳理出你的增長飛輪！（增長飛輪是用戶增長的另個增長模型 — Growth Loops，與前面所提及的 AARRR 差異在於：可持續性且複利的增長）

Amazon 的增長飛輪

在開始投入資源增長 Prime 會員之前，已經先驗證過提升 Prime 會員能夠有效的推動增長飛輪的轉動 — Prime 會員的年購買金額與頻次都遠高於非 Prime 的會員。

而 Prime 會員的提升（飛輪中的流量提升）會吸引更多的賣家入駐、提供更多的選品，而提升了用戶體驗，進而帶來更多的流量。同時，流量的提升，賣家的競爭、後端的運營成本下降等都能為整體的價格降低，再一次的提升用戶體驗，再帶來更多的流量，持續的推動飛輪。

因此，Amazon 才往下一步的去思考如何提升Prime的用戶。

對於增長飛輪模型感興趣，查看更多介紹與案例：案例分享 — 小紅書如何透過 Growth Loop 框架找出增長動能並落地。

▍科學化的決策與策略制定方式

討論科學化的決策之前，先來回顧企業日常運營策略制定的方式。目前常見的三種方式：

• 主管基於過往主觀經驗直接拍腦袋做方案的制定與決策
• 參考或是直接照搬競爭者的做法
• 根據業務 BI 數據報表搭配過往的主觀經驗來做方案的制定與決策

光是數據驅動決策（data-driven decision-making）並不等於科學化決策（decision sciences），你還需要透過實驗來驗證

基於數據驅動來做決策就是科學化的決策方式了嗎？不，你只做了一半。

透過數據驅動來決策確實比直接倚靠過往的主觀經驗做決策來的科學化一些，但是從數據中到方案的制定過程，你還是不自覺的拍了腦袋。那麼，該如何以科學化的方式進行策略的制定呢？你還需要做實驗！你需要透過實驗來驗證你的策略是否有效、如預期所想的一樣。

▍科學化用戶運營策略落地五步驟

下方這張圖是 Amazon 經過多年的各項目實驗、規模化、實驗、規模化後總結出了科學化用戶運營策略落地五步驟：探索、測試、建造、加速、規模化。

而五步驟中的後三個步驟（建造、加速、規模化）相信大家都不陌生，任何一家公司若要一個新的項目、新的服務要落地，都需要透過建造、加速、規模化來達到 full launch；而前面的探索與測試，是科學化決策的核心關鍵點 — 你是如何決定要落地哪個新項目、新服務的？採用科學化的決策方式，除了能增加你新項目、新服務成功的機率，同時也能加速你提升業務指標的機率。

▍科學化用戶運營策略落地五步驟具體案例

我將再透過一個案例，來拆解科學化用戶運營策略落地五步驟。

關於用戶增長，除了增長模型框架以外，還有個很重要的核心：aha moment。快消實體商品、電商平台等服務的 aha moment，通常是顧客收到包裹打開的那個剎那，而影響顧客在接觸到這個 aha moment 前最大的障礙通常是什麼？運費！

什麼是aha moment？

aha moment是指用戶在體驗你的服務時，在哪個關鍵節點會發出aha的驚喜感，即是你的服務帶給客戶價值核心的那個節點。在做用戶增長時，讓新用戶體驗到你的aha moment是最為關鍵核心的，所以一般來說在最初始的用戶增長過程，解決造成用戶無法抵達aha moment前的blocker就是最為首要重要的！

除了電商的收快遞外，再多舉幾個例子，像是uber就是搭上第一趟車，摩拜就是第一次騎行。以摩拜來說，當初阻擋用戶產生第一次騎行的bolcker是押金繳交，所以我們就推出了限定渠道獲取7天免押金券、找三方合作換量提供該會員免押金福利等。

既然你知道運費將是這之中的 blocker，那你會選擇怎麼做？

首單免運？全站免運？或是滿多少錢免運？

回顧前面提到的常見三種制定運營機制的方法，而你在決定免運政策時是採用哪種方法制定的呢？Amazon又是怎麼做的呢？

• 基於過往主觀經驗直接拍腦袋
• 照搬競爭者的做法
• 根據業務 BI 數據報表搭配過往的主觀經驗

回到2000年，Amazon也一樣遇到這個問題 — 意識到運費是阻擋了顧客嘗試在電商上下單的主要問題，因此希望嘗試透過免運的方式，讓更多用戶體驗用電商購物。但，高額的物流成本又該如何是好？在當時電商是個新興的購物模式，而運費對公司、對客戶來說都是一筆沈重的負擔。

Amazon 在大規模推行免運政策之前，先是以行銷試驗的方式進行 — 以滿百免運作為某個時間區間的行銷活動方案，希望以此來驗證：用戶是否會因為免運進而產生跨品類的購買行為，驗證成功後才開始思考該如何讓這樣的服務日常化甚至是規模化。

總結一下這個過程：

1. 在正式開始試驗之前，需先明確定義做這件事最終的目的是什麼？如何判定實驗結果是否成功？
2. 接著才是針對某個時間區段的營銷活動方式進行策劃與試驗，而試驗方案的細則應搭配從既有的用戶數據挖掘來制定。
3. 在活動結束後進行覆盤，確認假說是否正確。
4. 證實假說後才開始思考該如何讓這樣的服務日常化甚至是規模化。

其中的測試環節，可查看增長實驗步驟拆解進行更詳細的介紹。

快速消費品也該搭建泛會員體系嗎？

數位化轉型的議題已經火熱了多年，過往主要在流程、系統層面上的轉型，而近期開始追尋下一個層次：如何在業務層面上進行數位化的轉型。這裡所指的業務層面的數位化轉型，不只是數位廣告的投放獲取流量亦或是透過社交媒體等工具進行顧客關係管理，而是在運營、策略制定上的思維方法轉型 — 如何借助互聯網及科技的力量提升業務。

我最近主要的工作也從互聯網甲方的用戶增長，轉型成建立適合零售快消行業使用的用戶增長方法，期望透過互聯網的用戶增長思維、科學化的決策方式、實驗與迭代精神，將之落地到零售快消行業中，達到業務的增長目的。

▍借助互聯網，D2C（Direct-to-Customer）的機會興起

如今互聯網已成為大家生活中很大一部分，而數位媒體與數位渠道也是主流。品牌方可以借助互聯網的力量，透過數位媒體獲取流量時開始採集用戶的數位足跡並取得與用戶的直接聯繫，開始進行私域流量的運營，而也能透過電商的方式直接將貨品銷售給用戶。

▍碎片化的模糊人群到連續性的精準人群

快消實體行業一直以來也擁有很多數據、注重用戶畫像、做用戶調研等，但受限於過往的渠道與方法，都只能是斷點、離線式的。像是找到一個目標人群，透過市調公司去找到對應人群做訪談、購買相關的數據報告等，當商品做好後，在透過目標人群可能會出現的地方購買廣告或者按目標人群進行人群包的圈選進行數位廣告的投放。

若是能夠借助互聯網的技術，透過日常廣告投放、品牌活動等觸點開始進行用戶的數位足跡採集，再搭配自有的數位渠道做試驗，就能將過往的用戶畫像、用戶數據、目標人群觸達直接串起並產生積累。舉例來說，在日常的廣告投放或者品牌活動上，透過廣告的文案素材進行用戶偏好的數據採集；透過傳統的瓶碼互動等活動方式獲取用戶的消費偏好；甚至是建立起品牌自己的私域流量運營。如此一來，品牌方就能針對同一群人所積累的CDP（customer data platform）進行數據挖掘再通過私域流量進行相關的測試。除此之外，透過數據的積累，個性化的用戶運營也能提供更好的尊榮體驗，進而提升用戶對品牌的黏著度。

▍快消行業用戶運營實際案例

在中國，快消品牌已開始進行互聯網式的用戶運營，像是膠囊咖啡品牌、運動飲料、酸奶等。常見的做法包含膠囊瓶蓋回收計劃、相關場域的活動運營社群經營、會員積分兌換、各式活動聚合等形式。

寫在最後，你可能會覺得Amazon終究是個互聯網公司，這套互聯網的科學化決策方法是真的能夠落地到零售快消實體行業的嗎？

這裡再和大家分享一個例子，The Colorist是個今年在中國很火的美妝集合店，背後的運營團隊是一群從互聯網出身的人，他們在門店運營上也採用了互聯網的快速試錯、快速迭代、數據驅動以及ab test的工作方式。

舉個例子，一般實體門店裡的選品，多數倚靠於買手，而買手多基於本身對於市場的敏感度、過往的專業經驗及門店過去的業務數據去做選品的決策。而The Colorist呢，則採用互聯網的小規模試錯驗證成功了才將之full launch規模化到所有的門店。好比說選品、貨架的設計擺放等，有了新的想法後並不會著急的去思考怎麼建造規模化鋪店，而是會先挑於部分門店進行ab test驗證，在數據中驗證其效果後，才將之規模化鋪到同類型的所有門店當中。

你可能也有興趣：

• 網路產品如何打造成功的會員制度？談客戶分群、激勵制度、數據指標
• 一次弄懂五個常見的用戶增長框架：AARRR、RARRA、Growth Loops、HEART、AIDA

謝謝你的閱讀！如果有任何回饋或有興趣的主題，歡迎留言給我們 📒

如果單純想給我一點鼓勵，請給我 1–10 個拍手；
如果覺得文章對你有點幫助，請給我 11-30 個拍手；
如果想看更多「用戶增長」相關文章，請盡情長按拍手（max 50）讓我們知道 👏🏻

想要持續追蹤我們的最新文章和 Podcast，記得追蹤「產品三眼怪實驗室」的粉專(◉◉◉)！
我們每週都會認真更新唷！千萬別錯過了～

2021 數位轉型趨勢：重新定義CRM，Amazon 的科學化會員管理新思維 was originally published in 3PM LAB 產品三眼怪實驗室 on Medium, where people are continuing the conversation by highlighting and responding to this story.

用戶增長（User Growth / Growth Hacking）繼承了互聯網產品開發的迭代概念，平常耳熟能詳的經典增長成功案例，其實都是在大量增長實驗（Growth Experiments）中所摸索試驗出來的。因此，在成功地完成用戶增長之前，你需要落地一連串的增長項目。那麼，相關的方法論聽了很多，而你又該如何開始第一個屬於你的增長實驗項目呢？今天將透過拆解增長項目實操的步驟，帶你開始第一個增長實驗項目。

【文章目錄】
✔ 何謂增長實驗（Growth Experiments）？為什麼需要增長實驗？
✔ 開始增長實驗之前，需要什麼準備工作？
✔ 拆解增長實驗項目擬定七大步驟：背景、假說、指標、實驗、上線＆持續迭代、復盤

何謂增長實驗（Growth Experiments）？

透過各種手段提升「數據」的實驗都能稱為增長實驗。

雖然名為「用戶」增長，但實際上，在日常工作中，未必只是單純的「用戶」增長。一般來說，GMV 的增長、註冊用戶數的增長、DAU 的增長、留存率的增長、使用時長的增長、發布率的增長、用戶活躍度的增長、評論數的增長、分享數的增長、加車率的增長….都算是用戶增長的範疇。而一般增長團隊在決定要從哪方面進行下手時，通常會先以 OKR 的方式，先從公司的整體目標進行拆解，決定這個季度/這個月所要著重的點是什麼。

為什麼需要增長實驗？

用戶增長的方法具體是什麼？其實沒有標準答案。不同公司不同業務不同階段，所能驅動增長的實際方法都不一樣。但相同的是，都是透過一連串的增長實驗所「試」出來的。

Our success at Amazon is a function of how many experiments we do per year, per month, per week, per day. — Jeff Bezos

Amazon 能成為全球市值最高的公司，很大一部份原因也是因為公司內所推崇的「實驗文化」，更在 2015 年的股東信中提及創新是靠不停的實驗而來的。

因此，你需要增長實驗來幫助你驗證你所挖掘出來的公司業務的潛在增長動能，進而成功實現你的增長目標。

開始增長實驗之前，需要什麼準備工作？

在開始一個增長實驗前，你需要：

1. 先疏理該業務的完整用戶路徑。
2. 衡量路徑中每一步驟的 CR（conversion rate），即所謂的漏斗分析（funnel analysis），進而找出要提升的業務目標/解決的問題。
3. 提出優化的實驗方案。

而今天，主要就是要和大家分享，在提出實驗方案過程中的詳細拆解及每一步該如何實操。

拆解增長實驗項目擬定步驟

擬定一個增長實驗方案和產品經理在進行一個產品功能的策劃雷同，概括上來說都包含下面幾大步驟：項目背景梳理、假說擬定、擬定衡量實驗是否成功的指標、提出 idea 並進行優先級評估、落地執行、復盤。

▍步驟一：梳理項目背景

透過項目背景的描述，梳理現況。同時，讓了解該增長實驗的其他同事能夠充分理解該實驗的背景及所要解決的問題與原因。

為何需要梳理項目背景？

一般提到項目背景，很多人在日常工作中，很容易因為先有了 idea，在撰寫文檔時，便基於你的項目 idea 去填充項目背景的內容。然而，項目背景聽起來容易回答，但是否真正透過這個環境，成功的梳理出業務現況的核心問題，就顯得非常關鍵重要了。

一個項目的成功與否、是否成功帶來巨大的商業影響力，其實關鍵在一開始的方向，若是方向上錯了，後續做再多，項目在厲害，對於整體的 business 來說也沒有意義與價值。因此，在擬定一個具體的增長實驗之前，你需要先找出你所希望透過增長實驗解決的真正問題是什麼。

梳理項目背景兩步驟：

如前面所說，能增長的東西很多，到底要怎麼挑選你當下所要增長的方向呢？你可以透過數據/目標驅動找到問題，再透過 5W 挖掘出核心根本原因（root cause）。

1. 數據/目標驅動常見的兩個方法：

• 從準備工作中的漏斗分析，你應該已經從數據中找到問題點，並藉此找到了接下來增長實驗所要解決的相關問題與方向了。
• 從既有的公司戰略目標去向下拆解，拆解時常會以 OKR 的方式去拆解。

2. 深入了解根本問題：透過上述的兩種方式找到了問題，接著可以透過 Toyota 所提出的 5W 方法論 — 透過連續問五個 why，去深入了解造成該問題的核心根本原因。

看完了 5W 框架後不知道怎麼應用？這裡順便和大家分享個例子。大家可以感受一下，然後將之應用到自己的日常工作之中。

▍步驟二：建立假說（hypothesis）

針對現況及打算優化的情況提出假說。

為何需要建立假說？

毫無目的的發想解決方案，在每分每秒都在燒錢的公司運轉中顯得不切實際。因此，需要透過假說思考的方式，來提升增長實驗的進行效率。

提出假說：

找出要解決得問題與方向後，接下來我們將基於挖掘出來的問題建立假說。建立假說的過程的思維框架，可以參考 BCG 的假說思考（hypothesis thinking）也可參考 AWS 的科學化假說方法（data-driven hypothesis）。

隨著數位化的普及、AI技術的成熟，Amazon也開始推行以科學化的方式提出假說，利用 machine learning（ML）的方式，在大量的數據中協助決策者挖掘出潛在的增長動能作為假說依據，進行後續的增長實驗。

• Magic number model: 利用 ML 技術從 CDP（customer data platform）中挖掘出影響新用戶留存關鍵行為因素，可作為增長實驗假說擬定的根據。
• HVE model: 設置 objective 後，利用 ML 技術從 CDP（customer data platform）中挖掘出各行為在未來時間各個時間點達成該 objective 的機率，藉此找出影響該 objective 的高價值用戶行為，此結果便可作為增長實驗假說擬定的根據。

▍步驟三：訂定指標

在訂定指標時，我們一般會採用 OKR 形式。

為何需要建立指標？

為了實現目標管理，在做任何決策時，都需要很明確知道，自己所在實施的項目，如何定義成功。唯有透過數據指標，才能科學化的去判斷你所做的項目是否符合預期。後續也能基於指標去決定下一步。

建立指標常用方法：

先定義此增長實驗的 O（Objective），再針對此 Objective 定義能夠拿來衡量的 KR（Key Results），一般會由大到小定義 2–5 個 KR。

▍步驟四：發想點子

訂定完假說及指標後，接著就是到了 brainstorming 的環節了。基於前面所分析的結果，盡可能發散的去發想任何可能的解決方案。

[案例補充]
這裡以 AWS 所使用的科學化方法所推行的增長實驗為例子，讓大家具體感受下是怎麼樣子落地在日常生活中的。

Objective（設置要增長的目標）：30天內的復購率
User Segment（選定用戶群）：上個月曾經購買過一次的用戶
Event list（列出所有用戶行為清單，同數據埋點的events）：購買過的品類、做過的行為（除了常見的瀏覽商品、加購物車外，像是商品詳情頁面領取優惠券、在首頁瀏覽熱門商品模塊、在訂單頁面加購推薦商品、收藏心願單....等）
HVE model（利用 AWS HVE AI model 將 data 轉為 actionable information）：在訂單頁面加購推薦商品30天內的復購率最高。
Actions（頭腦風暴出各種可行的方式去讓更多的用戶群達到上面所挖掘出來的insight）：訂單頁面的加購商品模塊：優化個人推薦算法、熱門商品推薦、折扣力度大的商品推薦、用戶在加購商品模塊選購商品直接給予八折優惠....

頭腦風暴完後，無論是產品優化的方案、運營策略的方案、營銷折扣的方案，透過優先級的排序，逐一透過實驗去驗證是否真能對目標提升有效。

＊對於AWS的增長實驗或是科學化的假說方法感興趣或是希望能夠將此落地到日常業務中，可以與我聯繫！目前AWS針對AWS客戶提供相關的免費/付費諮詢服務。

延伸閱讀推薦：

如何發想解決方案？產品團隊的創意思考流程！

▍步驟五：使用 ICE 原則排序優先級

ICE（Impact，Confidence，Ease）原則是由知名增長黑客 Sean Ellis 所提出，用來幫助對增長還沒有那麼熟悉的人作優先級排定使用的參考工具。

為何需要 ICE 原則？

判斷優先級的方法論其實眾多，這裡僅是提出一個方法論幫助對增長還沒有那麼熟悉的人大家參考使用，其實只需要挑選一個自己或團隊適合或者熟悉的就可以。

ICE 原則如何運行？

ICE 原則是希望透過大家對該項目的進行三面向的打分：Impact（影響力）、Confidence（自信度）、Ease（容易度），每個分數為1–10分區間，並將三面向分數做平均值（或只直接加總後比較分數高低），即為增長實驗的優先級判斷工具。

Impact：此方案對於所要增長目標的影響力有多少。

Confidence：對於此方案成功的自信心程度。

Ease：此方案實現的容易度。

若是擔心在評判分數上過於主觀，可以如同產品開發的評審會一樣，組成一個評審小組，取眾數或者平均值來判斷。

延伸閱讀推薦：

• Inside Product: Introduction to Feature Priority using ICE (Impact, Confidence, Ease) and GIST…
• Prioritize A/B Test Ideas With ICE

▍步驟六：上線＆持續迭代

上線與迭代的環節，如同知名的 PDCA（Deming Wheel）概念一樣。唯一差異在於，新增加了幾個新的思路在過程中：導入了近年來流行的 scrum 開發模式、MVP 形式上線、著重用戶體驗設計、數據驅動。

為何需要上線＆持續迭代？

回到開頭所說的，用戶增長的方法沒有標準答案，需要透過一連串的增長實驗找出適合自己公司業務的增長動能。

上線＆持續迭代如何進行？

將實驗idea進行優先級排序後，便應以 scrum 「小步快跑」形式著手開始將項目實現。在實現過程中，也應盡可能簡化項目需求與流程，以 MVP 的形式將之上線。上線後，再基於數據結果，持續不停的進行迭代。

▍步驟七：復盤實驗結果（Review / Retro）

針對實驗結果進行分析與反思。

為何需要復盤？

實驗上線了，若是沒有進行復盤，你並無法從實驗中得到學習。

整個過程中從假說的建立、指標的訂定，甚至是準備過程中的路徑、數據分析等，唯有「實驗」了，你才知道市場上、用戶反應上是否如你所想的。透過復盤與不停的迭代，持續優化，以達成增長目標。

復盤該做什麼？復盤後我又該做什麼？

實驗成功上線後，透過復盤去分析實驗結果與一開始所設置的假說是否一致、實驗結果是否符合預期。若是符合，除了full launch到日常的業務中外，持續思考下一步該如何繼續優化；若是不符合，反思什麼原因造成實驗不如預期或是修正假說。

回到開頭所說的，

用戶增長的方法沒有標準答案。

不同公司、不同業務、不同階段，所能驅動增長的實際方法都不一樣。但相同的是，都是透過一連串的增長實驗所「試」出來的。

因此，唯有透過不停的實驗、復盤、再迭代，進而挖掘出屬於自己業務當下的增長動能以達到增長目標。

【延伸閱讀】增長實驗案例分析：

• 20个增长黑客实验，提高你的用户激活率
• 实战解读用户增长：如何做到7天内测期增长6万付费用户？ | 人人都是产品经理

謝謝你的閱讀！如果有任何回饋或有興趣的主題，歡迎留言給我們 📒

如果單純想給我一點鼓勵，請給我 1–10 個拍手；
如果覺得文章對你有點幫助，請給我 11-30 個拍手；
如果想看更多「用戶增長」的相關文章，請盡情長按拍手（50個拍好拍滿）讓我們知道 👏🏻

想要持續追蹤我們的最新文章，請記得追蹤「產品三眼怪實驗室」(◉◉◉)！
我們每週末都會認真更新文章唷！千萬別錯過了～

拆解增長項目實操 — 擬定你的第一個增長實驗（Growth Experiments），從這裡開始！ was originally published in 3PM LAB 產品三眼怪實驗室 on Medium, where people are continuing the conversation by highlighting and responding to this story.

繼上回聊完了增長框架，大家應該也很好奇，有了框架，那我有哪些指標可以拿來搭配使用呢？一般提到增長，大家最常聯想到的是「提升營收」及「降低獲客成本」。因此，在制定或是談到業務增長指標時，「公司的營收數值（Revenue）」和 「獲客成本的計算方式（CAC，Customer Acquisition Cost）」便是最常被使用＆最直觀的指標。

除了這兩個以外，其實如增長框架所提到的，增長所涵蓋的範圍很廣，所以指標當然不會只有這兩個，更完整的增長指標介紹請見文末。而今天主要想來和大家聊聊一個增長常用的指標 — Customer Lifetime Value (CLTV or CLV)。

【文章目錄】
✔ Customer Lifetime Value (CLTV or CLV) 是什麼？ —— 起源、誰需要/為什麼需要 CLTV 作為衡量指標、如何使用
✔ 如何計算 CLTV？ —— 基礎原理、計算公式、輔助工具
✔ 其他常見的用戶增長指標 —— Revenue、Leads、CAC

Customer Lifetime Value (CLTV or CLV) 是什麼？

今天想和大家分享的 CLTV，顧名思義就是用戶在其生命週期內所能帶來的商業價值。以互聯網的產品來說，用戶生命週期（Life Time, LT）即是第一次下載並打開你的 APP 至再也不打開你的 APP 或者卸載。而 CLTV，即為在這段時間內用戶對於你的服務所貢獻的商業價值。

什麼是用戶生命週期（Life Time, LT）？

從用戶第一次與你接觸到你的服務至再也不使用你的服務的時間區段即為用戶生命週期（Life Time, LT）。

CLTV 的起源

CLTV 的出現，可以追朔到 Lloyd Melnick 在2013年時提到過 LTV（同 CLTV，有時簡稱為LTV）。 Lloyd Melnick 認為 LTV 是由三元素所組成：Monetization（商業化、變現）、Retention/Engagement（留存、活躍度）及 Virality（傳播裂變），即一個用戶在其生命週期內所能為 business 貢獻價值將受留存、活躍度及傳播率所影響。

其實不難理解，一個用戶對一個 business 所帶來的變現價值，將因為其留存率、活躍度、傳播率而有所不同。後續討論到如何計算 CLTV 時，將會使用到這三元素。

誰需要 CLTV 作為衡量指標？

1. 追求公司長遠商業價值成長
2. 導入用戶增長思維、全鏈路思維的團隊
3. 不知道如何制定 CAC （獲客成本，Customer Acquisition Cost）指標

什麼是全鏈路（full-process）？

全鏈路思維是從「UX設計」起源，2017 年由阿里巴巴所提出的概念。
意指在做用戶體驗設計時候，需要從頭到尾把整個商業鏈中每個會影響用戶的環節一併考慮進去，透過提升用戶的整體體驗來滿足商業目標。

「參與整個商業鏈條，為每個會影響用戶體驗的地方提供設計的可解決方案，最後既滿足了商業目標，又提升了產品的用戶體驗和設計質量。」 — 阿里巴巴 2017

＊全鏈路的思維與行銷/增長的關係可參考我之前在 WiDS 大會上的分享--行銷思維的趨勢：全渠道至全鏈路。

為什麼需要 CLTV 作為衡量指標？

• 輔助制定 CAC 指標：CLTV 一開始的出現，即是用來衡量 CAC 指標的制定。因為唯有 CLTV > CAC 的情況下，你的公司才能夠持續存活下去。

CLTV 為什麼和 CAC 指標的制定有關係呢？

CAC＆CLTV 如前面所提到，Customer Acquisition Cost，獲取一個顧客的成本；CLTV 則為用戶在其生命週期內所帶來的商業價值。

日常該如何制定 CAC 指標？CAC 多少算是合理的？怎麼判斷既有的 CAC 是否已經可以規模化的大量進行付費拉新獲客？除了採用不同渠道之間的 CAC 比較或是持續降低既有的 CAC 外，CLTV 是個能夠幫助你合理制定 CAC 指標的工具。

唯有用戶在其生命週期內所帶來的商業價值（CLTV） > 獲取一個顧客的成本(CAC)，這樣這個 business 才能持續地滾動下去。因此，透過計算 CLTV 來衡量 CAC 的上限為多少是可被接受的，以此作為 CAC 的指標制訂標準。

• 可持續性的增長指標：隨著技術對用戶的生活產生改變，用戶的觸點越來越碎片化，行銷策略與手段也發生了變化，光是倚靠 Revenue 或是 CAC 來作為指標，無法有效的去衡量日常所做的每個項目投入；若是持續的僅使用這兩個指標來做衡量，甚至可能因此讓錯失了很多重要的項目無法被實施。 CLTV 和傳統常見的指標最大的不同在於：是將多個部門的「心血」所匯集在一起呈現的指標。
  過往行銷、產品、業務跨三個部門獨立運作產生了斷層問題，造成轉化效率不佳，於是催生了增長駭客崗位的出現。而 CLTV 作為指標的出現也是一樣的。過往單點性質的指標僅能衡量當下而不連續，對於一些項目可能短期內無法有巨大的指標成長，但對於業務卻是有長遠有價值的。此時， CLTV 將會是非常重要的指標。

CLTV一直是 Amazon 內部採用作為日常增長指標來判斷一個項目/業務是否成功的衡量方式，像是知名的 Kindle 業務即是在這樣的文化下所誕生並且成功。以一個近乎成本價的方式銷售 Kindle device，而購買 Kindle 後的用戶其設備上產生的消費金額，才是衡量該業務成功與否的核心指標。除此之外，我們日常在內部，也有以此概念所搭建的指標工具來衡量你所做的項目，我們內部將之稱為 downstream impact (DSI)。當你發布了一個運營活動或是產品功能，系統將會替你計算，不同方案所影響的用戶 CLTV 為多少，作為你衡量項目的成功與否。

知道 CLTV 後，我可以怎麼使用？

1. 拿來衡量既有的 CAC 指標是否合理
2. 提升 CLTV 藉以提升公司整體營收與獲利
3. 衡量不同的用戶群 / 獲客渠道 / 行銷方案 / 產品功能迭代的質量與效果

如何計算 CLTV？

CLTV 的基礎原理

CLTV 的計算有很多模型，我們先用最簡單直白的方式來解釋 CLTV。

用戶生命週期價值（CLTV）＝平均用戶生命長度＊用戶價值

用戶價值（ARPU，Average Revenue Per User/Unit）＝一段時間內的平均用戶每次付費的金額＊一段時間內的平均用戶購買頻率。（按行業的不同，一般會採用年/月/週作為一段時間來計算）

平均用戶生命長度：平均用戶持續於平台上購買的時長

而因為現實生活中，你不可能能夠拿到準確的數值，所以之中需要利用一些模型來預測，幫忙推估用戶的 CLTV。

CLTV 的計算公式

基於前面提到的 Lloyd Melnick 所提出的三元素，我們可以利用下面的公式來計算 CLTV：

預測生命週期（predicted CLT）：1/(1-留存率），如月留存率35%，即用戶生命週期為1/(1–35%)＝1.54（月）。

傳播率這塊則可以計算平均每個用戶會帶來多少人，而把這個人數＊ARPU即為透過傳播率所帶來的價值。

因此，CLTV=ARPU＊predicted CLT+傳播率所帶來的價值。

[補充說明] 關於傳播率所帶來的價值，這塊在日常計算較為困難，但仍極為重要。

有種用戶群為，自身對你的服務所帶來的商業價值可能不高，但卻是個非常有影響力的 KoC，可以為你帶來眾多用戶或者高價值用戶，因此這類型的用戶仍十分仲要，甚至高於高價值用戶。

如今在 AI/Big Data 相關的技術成熟，在互聯網世界裡已有很多相關的技術可以幫忙實現區分高傳播力的用戶。Google Ads 更有替遊戲公司以ML進行投放廣告時，可以圈選高傳播力的用戶進行重點投放的相關案例。

上面的計算方法較為適用於互聯網的產品（採用留存率），而下面將和大家介紹另種計算方式，主要以零售與電商為主的計算方式：

平均客單價 AOV (average order value)＝營業額/訂單數

平均購買頻率 F（frequency）＝一段時間內的訂單數/消費過的顧客

顧客價值＝平均客單價＊平均購買頻率（一段時間內）

而CLTV，即為生命週期內的顧客價值＝predicted CLT＊顧客價值。

其實，上面兩個計算 CLTV 的方式是概念及邏輯是雷同的，只是分別以不同行業常用的指標來做計算。APP 類型的業務多數會以 ARPU 及留存率來看；電商及零售類型則多會以平均客單價及購買頻率來看，而這兩者皆為一段時間內顧客所帶來的商業價值。

那麼，Predicted CLT 該怎麼計算呢？

較為簡單粗暴的方式是，若是你已運營了一段時間，你可採取過往的歷史用戶數據來估計你的 CLT，但 CLT 可能是隨著時間而產生變化，若是想要比較嚴謹的方式，目前也有蠻多計算模型，感興趣的人可以參考 Appflyer 所使用的模型或者自行上網查詢深入研究，這裡就不針對模型進行更深入的討論。

Pros and Cons of LTV-Based Predictive Models | AppsFlyer

但其實，現今很多數據追蹤工具（像是上面所提及 Appflyer 或是 GA 等）都已經直接提供計算好的 CLTV 數值，因此，你其實不必完全弄懂背後的模型如何計算，你只需要理解這數值所代表的意涵，學會如何拿來做應用即可。

手邊沒有帶有 CLTV 的數據追蹤工具，但又想要動手算算？也可以試試下面的線上計算器來輔助你計算 CLTV 吧：

• Customer Lifetime Calculator | CleverTap
• Download The Customer Service Metrics Calculator

弄懂了指標以後，接下來大家該做的就是利用指標輔助自己的日常工作啦！

除了以提升整體 CLTV 為目標外，更可以拿 CLTV 作為各渠道的獲客品質衡量或是觀察既有用戶中不同用戶群的 CLTV 變化去做更深層次的分析與優化！

寫在文章最後，和大家稍微簡單介紹下其他常見的用戶增長指標。其實除了Revenue和CAC外，因行業/部門的不同還有 Leads 也是常見的增長指標。

Revenue
GTV（Gross Transaction Value）
GMV（Gross Merchandise Volume）

這是電商常用的增長指標，各家會因為業務模式的差異及自定義上略有所不同。像是，是否包含：交易手續費、稅費、下單後未支付、退換貨等數據的包含與否。

Leads
MQL: Marketing Qualified Lead
SQL: Sales Qualified Lead

這是 marketing/sales team 常用的增長指標，尤其是 toB 業務，用來衡量收集了多少有價值的潛在用戶數量。

toB 常見轉化漏斗：Sales Qualified Lead >> technical validation >> business validation >> committed >> kick-off

CAC
CPC/CPA/CPD/CPS: cost per click/acquisition/download/sales

toC 業務常用的增長指標，一般按照行業類型、投放渠道，會以點擊、下載、銷售額等不同方式去計算獲客費用，像是：網頁投放多為 CPC（cost per click），APP 下載多為 CPD（cost per download），KOL 帶貨多為 CPS（cost per sales）等，甚至現在還能做到 cost per conversion，為自定義的 conversion 事件付費。

CLTV: Customer Lifetime Value

即是本篇文章主要闡述的增長指標。

＊備註：這裡所提及的增長指標皆是較高層級的業務增長指標，一般落地到項目上，會依照公司的業務類性/公司狀態/項目類型等，還會有很多其他維度的增長指標，像是 DAUMAU/3日7日留存率/發布率/復購率/CTR/轉化率等。

延伸閱讀：

• 16 Startup Metrics | Andreessen Horowitz
• How to Talk About Revenue - What VCs Really Look For

謝謝你的閱讀！如果有任何回饋或有興趣的主題，歡迎留言給我們 📒

如果單純想給我一點鼓勵，請給我 1–10 個拍手；
如果覺得文章對你有點幫助，請給我 11-30 個拍手；
如果想看更多「用戶增長」的相關文章，請盡情長按拍手（50個拍好拍滿）讓我們知道 👏🏻

想要持續追蹤我們的最新文章，請記得追蹤「產品三眼怪實驗室」(◉◉◉)！
我們每週末都會認真更新文章唷！千萬別錯過了～

你不能不知道的增長指標 — 用戶全生命週期價值 Customer Lifetime Value （CLTV or CLV） was originally published in 3PM LAB 產品三眼怪實驗室 on Medium, where people are continuing the conversation by highlighting and responding to this story.

▍增長思維雖起源於 Startup，近年傳統企業亦已開始採納

Y-Combinator 創辦人 Paul Graham 曾在 2012 年定義「Startup = Growth」：Growth is why startups usually work on technology — because ideas for fast-growing companies are so rare that the best way to find new ones is to discover those recently made viable by change, and technology is the best source of rapid change.

Growth 的概念最早是從 Startup 起源，尤其是互聯網內 Startup。在這所指的 Startup 並不等於廣泛指稱的「新創公司」，而是需具備「增長動能」思維，在執行快速增長策略又能同時滿足大市場需求，這也是其與一般 business 的差異。更多關於 Growth 的定義與早期增長思維如何幫助Startup 成功，可以參考 Paul Graham 此篇文章：

Startup = Growth

隨著矽谷 Startup 的成功、GrowthHackers community 的出現，後續也有很多文章與書籍的分享；而隨著互聯網上的獲客越來越昂貴，大型企業甚至是傳統產業也開始推動 Growth 思維甚至設置 CGO (Chief Growth Officer) 職位，開始帶動整個 Growth Hacker 思維與方法的普及。

因此，今天所要分享的五個用戶增長框架，不只是可以幫助互聯網產業的產品經理或行銷團隊，也適用於各種產業在做策略增長使用。這五個常用的用戶增長框架分別為：AARRR、RARRA、Growth Loops、HEART、AIDA。

AARRR

▍框架背景
第一個要和大家分享的增長框架是 AARRR！AARRR 是目前在 User Growth 裡最常被提及和使用的框架，由 Dave McClure 於 2007 年提出，目前仍被廣泛作為用戶增長的思考框架。

▍框架內容
AARRR 代表著 A（Acquisition，任何形式的獲取用戶）A（Activation，透過用戶了解到你產品的aha moment來激活用戶）R（Retention）R（Referral）R（Revenue）。

▍要如何使用AARRR作為思維框架呢？
AARRR 是以「漏斗」的形式，把用戶從開始到成功轉化的行為路徑歸結成幾個關鍵核心步驟 — Acquisition、Activation、Retention、Referral、Revenue。

在制定指標時，可以按照 AARRR 框架裡的每個關鍵核心步驟再往下拆解去訂定 KPI / KR (Key Result)，進而優化每個關鍵核心步驟為目標，提升漏斗間的每一步轉化，達到整體增長目的。

延伸閱讀：YOTTA 課程的免費課堂小教室-「如何使用AARRR模型，做數據洞察的實際應用案例」： https://www.yottau.com.tw/course/intro/845?action=openprewatchmodal/20015#chapters

RARRA

▍框架背景
隨著移動互聯網興起與發展進入成熟階段，AARRR 已經不再夠用，因此出現了 AARRR 的變形 — RARRA。

RARRA 是由 Thomas Petit 和 Gabor Papp 在 2017 年提出的概念。Gabor Papp 在提出 RARRA 的同時，也對當下的「成熟移動互聯網」背景做了下面的歸結：「移動 app 市場趨於飽和，紅利時代結束，獲客也不如以往容易、便宜。」亦即，移動互聯網已經從一個「增量」的時代來到一個「存量」的時代了，因此在獲得流量後的「用戶留存」顯得更加重要。

The App Store was very different in 2008. It was:
1. young
2. had 500 apps
3. had low competition (no saturation)
4. low acquisition cost channel
5. was starving for apps

------------------------------------------

Fast forward 9 years, and today the App Store is:
1. mature
2. has 2.5+ million apps
3. incredibly high competition, not only from sheer number of apps — but from well-funded large companies (there is a reason why FB dominates the leaderboards)

By Gabor Papp https://phiture.com/mobilegrowthstack/why-focusing-on-acquistion-will-kill-your-mobile-startup-e8b5fbd81724/

而早在 2015 年，矽谷知名創投 Andrew Chen 其實就已從數據中點出留存的重要性。

Based on Quettra’s data,
1. It loses 77% of its DAUs within the first 3 days after the install.
2. Within 30 days, it’s lost 90% of DAUs.
3. Within 90 days, it’s over 95%.

By Andrew Chen (General partner at Andreessen Horowitz) https://andrewchen.co/new-data-shows-why-losing-80-of-your-mobile-users-is-normal-and-that-the-best-apps-do-much-better/

▍框架內容＆與 AARRR 框架不同的地方
RARRA 的步驟組成與 AARRR 相同，主要的差異在不同的優先級考量而重新排序各步驟，強調 R（Retention）留存的重要性。 RARRA 的框架邏輯來源於：為了達到留存（R，Retention），需努力讓用戶體會產品/服務的核心價值（A，Activation）；這樣同時也能達到讓用戶自主分享（Referral），邀請身邊好友一起使用該服務/產品；最後就能順其自然地獲利（R，Revenue）並且獲取到新的用戶（A，Acquisition）！

▍為什麼在「成熟移動互聯網」時代，留存變得更加重要？
當獲取流量變昂貴，又不能有效地把流量轉成產品的用戶群，便讓企業負擔且浪費了「看似擁有的流量」的高額成本。2017–2018年中國互聯網講「增長駭客」，到了 2019年開始則是強調「私域流量」，這個詞的出現與行業內開始重視留存為正相關，「私域流量」便是著重在將「公域流量」進行留存成為自己用戶群。

因此，此框架的核心精神是因應「存量時代」的來臨，把留存作為最高優先級目標，調整框架步驟順序為 RARRA，亦即強調產品對用戶的價值能自然帶來更多用戶的增長動能。

「公域流量」與「私域流量」各自代表什麼意思呢？

公域流量就是指不屬於你的流量，像是搜索引擎、社交媒體、其他平台上的流量。你日常需要獲取「公域流量」需要透過付費廣告投放、商務合作等方式獲取。而在你獲取之後，倚靠策略與手段將用戶留在你的平台上，未來你再次觸達或是用戶主動自行返回都不需再額外付費，那這樣的流量才是你真真實實所擁有的，這就是所謂的「私域流量」。

若是不將流量留存成為你的用戶群，那你每天都需要對公域流量進行付費，對用戶進行「租用」；當用戶沈澱成自己的用戶群時，你才能說這些流量是你所擁有的。當然，擁有後不代表就永遠擁有，還是需要倚靠策略與手段去進行促活與維護，否則留存後的用戶還是有可能流失的。

Growth Loops

▍框架背景
光是提高留存的優先級還是不夠的！2018 年由四個知名的矽谷互聯網公司的高管/創投提出了一個全新增長框架 — Growth Loops。常見的幾個 Growth Loops：Viral loop、Paid loop、User-generated content loop。

四個知名的矽谷互聯網公司高管/創投分別為：
Brian Balfour（Founder/CEO @ Reforge. Former VP Growth @ HubSpot）, Casey Winters（Chief Product Officer @ Eventbrite. Growth Advisor. Former Pinterest, Grubhub.）, 
Kevin Kwok（Former Greylock Ventures）, 
Andrew Chen （Partner @ Andreesen Horowitz. ex-Growth @ Uber）。

▍框架內容
Growth Loops 的步驟組成主要有三個：Input、Action/Step、Output。

Growth Loops 的核心理念在於，是否能夠讓三步驟流程建立一個系統而非斷裂的模塊。

過往行銷、產品、業務跨三個部門獨立運作產生了斷層問題，造成轉化效率不佳，於是催生了增長駭客崗位的出現；而前述的漏斗式框架思維（AARRR / RARRA）依舊造成在「 增長」團隊中的三個子團隊分離運作，導致在制定策略、部門分工時是呈現斷裂。例如將獲客 (Acquisition)、留存 (Retention) 與營收 (Revenue) 切為三個目標後分給三個小組去負責優化。

這也是為什麼增長項目依舊時常被人懷疑，項目都是單點、不可延續的，但其實好的增長策略應該要能夠把這些看似單點的項目串起來，點連成線甚至變成面。而 Growth Loops 這個框架，不只是把整個環節串起來變成可持續性，更能達到 「複利」 的效果，希望大家在使用時候能夠更全面性、系統性的去考慮而非只是單階段的考慮。

難以理解 Growth Loops 的概念嗎？在這四個知名的矽谷互聯網公司的高管/創投提出了一個全新增長框架的同時，他們也以 Pinterest 和 SurveyMonkey 作為例子來說明 Growth Loops，讓大家更能理解這個框架！更多詳細的案例說明可以參考：https://www.reforge.com/blog/growth-loops。

Pinterest 的核心增長動能，就是來源於網站上 UGC 的內容。種子用戶 input了內容，其他用戶因為內容而在平台上產生了更多的 engagement，而後因為這些 UGC 內容持續從外部為 Pinterest 帶來更多的新老用戶而形成了Loop。

談到 Loop，知名的 Amazon 飛輪理論 (flywheel model)，其實也是 Growth Loop 的概念。Amazon 能夠發展到今天這麼成功，歸功於他所做的事情能夠推動飛輪持續不斷的滾動！關於 Amazon 的飛輪理論，更多詳細的介紹可以觀看這個影片：https://www.youtube.com/watch?v=5jcDlGn-tZA

▍與 AARRR / RARRA 框架不同的地方
前面提到的 AARRR / RARRA 若以更抽象的概念來看，其實也是Input (top funnel)、Action/Step、Output (Conversion/Revenue)。不過漏斗形式的框架，有以下兩個特色：

1. 每個環節依舊還是斷裂的。
2. 從流量的進入到獲利的終結。

因此，雖然漏斗式框架 (AARRR/RARRA) 與 Loop 式框架 (Growth Loops) 都有 input 與 output，而之中最大的差異在於 output 是否能夠再回到 input。一旦output 的結果能回流進 input 裡，這個增長將是「可持續性且複利的增長」。

【實際案例分享】小紅書如何透過 Growth Loop 框架找出增長動能並落地。

///用戶數據發現///
之前我在小紅書擔任Growth PM時，曾從用戶數據發現每天有大比例用戶，會自主地將小紅書上的內容分享到其他社交平台上給周遭朋友，透過這樣分享所帶來的回流量卻非常的低，我覺得十分可惜。於是，我思考如果每個自主分享的用戶只要每天再帶回一個用戶（不論新老用戶），這樣DAU就能夠直接翻倍了！

///Growth Loops 框架應用/// 
(Input)第一批用戶在平台上看到感興趣的內容自主分享給（Action）外部用戶，外部用戶因為第一批用戶的分享行為接觸到了平台（Action）。多次接觸後，外部用戶感知到平台價值下載APP正式加入平台（Output/Input），養用戶期間所獲取的偏好數據幫助算法產生個性化內容，進而提高新進用戶的留存(Input)，同時當新用戶更容易也在平台上找到感興趣的內容，也能促使他們加入分享行列，將喜愛的內容再分享給其他外部用戶（Action）。

///具體執行項目/// 
基於這樣的思考，我與團隊著手開始執行一系列項目落地此 Growth Loop。像是，從「分享」這個行為路徑出去所乘載的「每一個」用戶體驗節點（如：分享UIUX設計、分享後的鏈接標題及縮圖優化、被其他用戶打開後的落地體驗、行為路徑中的數據採集...等）都是我們優化的範圍。
同時，也利用這樣的機會去做到「養用戶」，並同時收集被帶進來的用戶偏好，做後續當這群用戶正式下載APP成為我們「真正用戶」時，推薦算法冷啟動時所需的初始數據（比起我們用其他方式去猜測更加精準），如此一來，在用戶onboarding的過程能也能提供更好的用戶體驗（進而增進留存）。

這個一系列項目落地後，即能透過這個 Growth Loop 去實現「可持續性且複利的增長」！

＊養用戶為什麼重要？
小紅書是個社區與電商結合的APP，要一個用戶因為一篇內容或是一個商品就立刻下載一個app非常困難，若不想辦法「養用戶」就這樣讓他流失也十分可惜。若是能夠先提供他輕量級的服務，當後續他感知到了更大的平台價值（例如對頁面進行收藏後想查閱等），他就更願意去下載app，成為你更有價值的用戶了！

▍總結此框架與 AARRR＆RARRA 兩處最大的不同：

1. 從 linear growth 變成了 compounding growth。
2. 從斷裂的漏斗式變成了連續性的 Loop。

如前面提到的，相較其他產業，產品開發對於互聯網公司來說，往往與用戶增長更加環環相扣。產品的開發的更動，無論是新功能的上線或是對既有功能的迭代甚至是個性化算法的更動，對於增長目標拉新、留存、轉化甚至是營收都有很大的影響。（這也是為什麼 Growth Loops 的框架會出現，希望增長、產品、商業化不分家，能緊密的結合在一起形成一個系統）因此，用戶增長與產品開發的關係十分緊密。

延伸閱讀：Growth PM 和 Functional PM 有什麼差異？歡迎查看我之前在 3PM LAB 的分享。

【PM 總動員】Growth Hacker 與 一般產品經理有什麼不同? 讓前亞馬遜 Amazon, 小紅書, 摩拜增長 PM 用一句話告訴你！

HEART

說完了 Growth Loops 後，想再來和大家介紹另一個也是和產品開發息息相關的增長模型：HEART。

▍框架背景
HEART 是由 Google 的 Quantitative UX Researchers 團隊提出的，最初是用來做 Data-informed design 使用。他們提出了 HEART 作為衡量 UX 指標的框架。

▍框架內容
HEART 代表著H（Happiness）E（Engagement）A（Adoption）R（Retention）T（Task success）。

而 HEART 是發源於產品開發流程作為 UX數據化衡量的框架，因此更著重在用戶與產品之間的「關係」。不只是單純地看有多少人使用了，而是更近一步的去了解用戶對於產品的滿意度（Happiness）、使用深度（Engagement）、採用率（Adoption）、留存率（Retention）、成功率（Task success）。之間的「關係」越緊密，當然增長的效果就會越好！

當然，HEART 不只是可以用於產品開發，用於日常的 business 業務上也可以 — 將產品替換為所提供的服務，去看用戶與公司所提供的核心服務之間的「關係」。

想了解更具體的 HEART 使用案例嗎？Kerry Rodden (Google的quantitative UX researchers) 在這裡有以 Google 內部的案例做更詳細的介紹。

[同場加映] 之前我在 WiDS 分享的行銷思維的趨勢-全渠道至全鏈路中的全鏈路（full-process）概念也是起源於UX！全文詳見：

WiDS Taipei 2020 | AI 賦能的行銷科技趨勢與組織實踐 — 鄭芝郁 Josie

AIDA

「增長框架」是起源於AARRR嗎？其實不然。

▍框架背景＆框架內容
早在19世紀，美國廣告學家 E. St. Elmo Lewis 就已經以消費者行動模式提出了 AIDA 框架，AIDA代表著 A（Awareness，注意力）I（Interest，興趣）D（Desire，慾望）A（Action，行動）。

如果從傳統 Marketing 常見的指標 — Impression & Leads 來看，會發現這兩個指標與這個框架有極大的相關性。透過這個框架也能說明傳統 Marketing 的日常工作 — 透過大量的 Impression 獲得用戶的 Awareness，而後對於感興趣的用戶收集名單（Leads）。再讓感興趣的用戶意識到產品符合需求，激起其慾望，進而產生 Action 做轉化。

▍與 AARRR 框架不同的地方
AIDA 和前面提到的知名增長框架 AARRR 一樣都是以漏斗形式作為框架，同時都是著重在 top funnel — Acquisition 環節。

兩者的差異在於，AIDA 更講究「寬泛」的 Acquisition。仔細看這四個步驟就會發現，AIDA 只涵括了AARRR中的 A（Acquisition）、A（Activation）、R（Revenue），並沒有提及 Retention 及 Referral 的部分。

AIDA 更講究「寬泛」的 Acquisition 和當下背景有很大的相關。19世紀，互聯網尚未出現，更沒有 digital marketing。要做到這麼精細化的追蹤、分析與運營都是不可能的！

▍落地用戶增長（Growth）四步驟

瞭解完五種可以運用的 User Growth 方法論框架，相信你也想要知道如何成功落地到自己的業務上。但在這麼多增長框架中該如何選擇？

用戶增長框架的選擇，主要取決於你目前所負責的公司/業務/產品當下的狀態來決定，目前團隊在此階段更在意 Retention 還是 Top funnel 的流量曝光?

用戶增長框架之間沒有絕對的好壞，只有合適與否！甚至可以跨框架使用！因時制宜挑對增長框架才能有效地為業務做增長，要將 Growth 框架落地到你的業務上，可以簡單拆解成四個步驟思考：

• 目標 Goal
  你當下做用戶成長的目標是什麼？Acquisition？Retention？Engagement？Revenue？
• 策略 Strategy
  決定好目標方向後，制訂你的策略，策略包含目標客群 (Target Audiences)、渠道 (Channel)、Growth Funnel/Loops。
• 指標 Metrics/Key Results
  執行策略之前，你需要訂定衡量策略成功的標準是什麼？
• 方案 Action Plans
  落地策略的具體方案，增長武器是什麼？

增長要做的事很多很雜涵蓋的範圍也很大，因為每件事都能「增長」 。如果沒有一個好的框架帶領你去系統性思考思考，很容易會迷失在眾多增長項目之中。最後，再次快速總結一下此篇文介紹的五個增長框架：

• AARRR｜以漏斗形式呈現的用戶增長框架。
• RARRA｜按優先級重新排序 AARRR，強調留存的重要性。
• Growth Loops｜以 Loop 形式取代漏斗形式，Sustainable ＆ Compounding 是這個框架的核心。
• HEART｜源自於 UX，更加重視產品/服務與用戶之間的關係。
• AIDA｜最早的增長框架，更加重視 Top funnel 環節。

介紹了這幾個常見的用戶增長框架後，有沒有哪個框架你覺得更加適合現在業務/公司狀態下去使用的呢？歡迎留言與我分享哦！

如果你對用戶增長相關的具體案例更感興趣，歡迎查看我之前在 AsiaYo Meetup 的用戶增長案例分享或我在 YOTTA 上的課程。

• AsiaYo MeetUp #8 從 1 到 100- 中國互聯網用戶增長實戰經驗分享
• 引爆用戶成長｜3小時掌握成長駭客思維與技巧 | YOTTA 跨領域線上課程平台

延伸閱讀：

• AARRR Framework- Metrics That Let Your StartUp Sound Like A Pirate Ship
• AARRR vs. RARRA: Which is Better? | CleverTap
• The essential guide to crafting a successful Growth Loop - Phiture - Mobile Growth Consultancy
• From AIDA Model to Conversion Funnels

謝謝你的閱讀！如果有任何回饋或有興趣的主題，歡迎留言給我們 📒

如果單純想給我一點鼓勵，請給我 1–10 個拍手；
如果覺得文章對你有點幫助，請給我 11-20 個拍手；
如果想看更多「用戶增長」的相關文章，請盡情長按拍手（50個拍好拍滿）讓我們知道 👏🏻
想要持續追蹤我們的最新文章，請記得追蹤「產品三眼怪實驗室」(◉◉◉)！

我們每週末都會認真更新文章唷！千萬別錯過了～

一次弄懂五個常見的用戶增長框架：AARRR、RARRA、Growth Loops、HEART、AIDA was originally published in 3PM LAB 產品三眼怪實驗室 on Medium, where people are continuing the conversation by highlighting and responding to this story.

【PM總動員】是產品三眼怪的每月定期客座單元，挖掘邀請海內外業界產品開發相關領域的大大們和大家分享！本月邀請到的是前Amazon China, User Growth Manager --Josie。她在中國業界打滾多年，熱愛用戶成長產品並有豐富的實戰經驗，也曾在小紅書與摩拜單車(Mobike)擔任 Growth Hack PM，本篇文章 Josie 將分享作為一個成長駭客，也就是「用戶成長」專門領域的 PM 與一般功能型 PM 有什麼不同？

你覺得你和一般的產品經理有什麼不同？

是我最常遇到別人問我的問題，尤其是擔任了「專職的」用戶成長（又稱用戶增長）產品經理以後。

說實話，一開始我還真不知道什麼叫「一般的」產品經理。在這裡呢，我將所謂的「一般的」產品經理理解為在用戶成長產品經理崗位出現前的產品經理角色，並在文章中將他稱為「功能型」產品經理。

而用戶成長產品經理（Growth PM）的出現，或是業界常稱為「成長駭客 Growth Hacker」，其實也是近年來隨著用戶成長（User Growth）的概念逐漸熱門起來所產生的一個新崗位，也越來越多人從事這個崗位，主要是負責和用戶成長相關功能的產品經理，包含用戶全生命週期如拉新、留存、促活、喚回等相關的產品功能。

近幾年在中國的互聯網產業整體相對成熟，產品經理崗位已經相當成熟，在許多互聯網巨頭大廠都對此崗位有完整框架與成熟方法論的培訓，許多中國業界的產品經理是系統化地受過技能培訓，並擁有完整的相關工作經驗。

而我的職涯並非從此「科班」體系出來，一直以來做產品與工作上所習得的技能，都是為了讓想法實現而慢慢培養起來的。因此，隨著這個問題越來越被常問到，我自己也開始特別留意，我和身邊那些從中國互聯網巨頭科班出身的產品經理，在思考事情、平常做事的邏輯與過程有什麼樣的不同？

網路上關於功能型產品經理的文章分享很多，但用戶成長的產品經理文章分享相對較少（用戶成長相關的產品案例實作分享也日漸增加，但在工作模式上及差異比較上還是相對較少）。而我這幾年下來，陸續待過中國互聯網公司、美國互聯網公司、大公司、新創公司，也算是經歷不同的組織架構、不同的工作文化後所歸結出的一些想法，所以今天想藉由 3PM Lab 的場子，和大家分享，近年來興起的 「用戶成長產品經理」與「功能型產品經理」在日常的工作中或是職涯上有什麼差異？同時也會以自己的親身經歷＆具體的例子來和大家分享一下我自己的看法。

用戶成長與功能型產品經理的日常差異

功能型產品經理日常

• 日常工作中都是會圍繞在一個特定的產品功能或方向上且在策劃這一個產品功能時候，會需要對這個產品功能有清晰的發展藍圖，接著按短中長期訂定 Product Roadmap，進而去明確每個階段具體要實現的 feature。
• 會因為產品特性不同（用戶產品/商業產品）以及產品思維的不同（用戶型思維/數據型思維），在產品策劃過程中著重點及具體做事方式會有所差異。

用戶成長產品經理日常

• 不負責特定的產品功能，而是圍繞在所有可以「驅動用戶成長」的產品實作。
• 在產品功能的策劃上往往不會有「明確的產品藍圖」；若是你有了清晰的藍圖反而代表你充滿了假設，又或者是代表著你與用戶狀態及市場外部的動態是脫節的。
• 你的每個決定理論上都應該是基於數據發現或是外部市場動態發現，並且以用戶路徑及用戶生命週期去考慮事情 — 用戶從進到你的平台到完成第一個關鍵行為過程的路徑拆解，圍繞在「成第一個關鍵行為」的指標上，挖掘過程的每一個可能流失點，優化相關轉化。
• 更多時候會像打游擊戰一樣，在不同的時間階段，會透過改動不同的產品功能，去驅動用戶的成長；在同一個時間段，會有多個零碎的項目在針對不同的產品功能同時做改動。

以廣告投放落地頁為案例說明

舉個具體的例子來說，針對廣告投放的落地頁（Landing Page）這個產品，功能型產品經理與用戶成長產品經理在負責這個項目時，他們分別會怎麼做？

• 功能型產品經理：會設想一個落地頁就像是一個內容編輯頁面，所以會先抽象化出這個頁面上應該要有哪幾種可編輯模塊，進而搭建出 CMS （內容管理系統）供行銷人員使用。
• 用戶成長產品經理：會去思考行銷部平常的投放渠道有哪些，用戶在怎麼樣的場景進到落地頁的？是不是有什麼好的產品功能可以作為轉化的「武器」？是不是有可能跟隨廣告素材、用戶畫像連動而讓落地頁面「千人千面」（個性化推薦）？透過一連串的快速迭代並進行 AB test 持續找出較佳解，在確定了模塊的價值後，才開始進行 CMS 的搭建，供行銷人員操作使用。（為什麼是持續性呢？因為市場環境始終變動，公司及用戶狀態也始終在變動，因此不同階段所需要的落地頁面也會有所不同）

延伸閱讀：關於廣告落地頁的案例分享（成長駭客跟 Performance Marketing 的區別）

引爆用戶成長｜3小時掌握成長駭客思維與技巧 | YOTTA 跨領域線上課程平台

延伸閱讀：如果你對用戶成長相關的案例更感興趣，更多的用戶成長案例分享歡迎查看我之前在 asiayo meetup 的分享。

AsiaYo MeetUp #8 從 1 到 100- 中國互聯網用戶增長實戰經驗分享

一句話解釋用戶成長（User Growth）與功能型產品經理有什麼不同

相較功能型產品經理擁有產品藍圖與願景，穩扎穩打鋪成整面柏油路；用戶成長產品經理，更像是在花園裡打造碎片化的石頭路。 — Josie Cheng

相對於一般產品開發，朝向願景規劃持續發展迭代的 Product Roadmap，穩扎穩打連續性的鋪成一整面柏油路；用戶成長型產品，更像是在花園裡鋪石頭路！

對用戶成長產品經理來說，隨著市場動態發展碎片化的功能與項目像一顆顆的石頭，而貫穿這些項目的 Growth 策略思維終將讓這些零碎的石頭（項目）從點連成石頭路（線）以發揮綜效(面)。以下和大家分享我從過去的工作經驗中歸結出這段註解的心路歷程！

最早我是從數據分析的角色進入到用戶成長領域的。那時候主要是從數據中挖掘出 insight ，進而 initiate 出多個不同方向的項目。而在各種不同面向的項目上發現自己對產品驅動用戶成長的項目更感興趣，因此往用戶成長產品經理的角色前進。而當自己的角色成了「產品經理」後，開始發現其他的產品經理及工程師都更加偏向做有完整 Product Roadmap 及可持續性發展的 Product feature 時，我開始思考，究竟如何在這些用戶成長項目裡，讓這些產品功能也能兼顧具有這樣的特質。

在思考過程中，我也更加好奇用戶成長發源地矽谷的那些互聯網公司，是怎麼樣看待的呢？印象最深刻的就是，當我和我在矽谷互聯網公司工作的工程師朋友表達我最近的迷茫時，

我朋友說：哦，如果你想要追求有完整 Product Roadmap 及可持續性發展的 Product feature 的工作方向，那我想你可能進錯組了。 Growth 的項目就是這樣碎片化的一個點一個點的。

後來我找到了一個解決方案：找到一個具有用戶成長潛力的平台，在平台上構建產品功能！但我個人覺得這樣的機會並不是那容易被挖掘和實現。那還有其他辦法可以兼顧嗎？

而我另一位曾待過矽谷多家互聯網公司產品經理的朋友跟我說，

他說：你這些看似一個點一個點的項目，其實背後是有策略將這些點串成線最後構成面的，這樣你的每個點的項目也都能發揮最大的效益的。

噢！是啊，點串成線而構成面，就像石頭路一樣！由多個不同的項目串成一條路，而這條路通往一個目標，這正是用戶成長產品經理日常的工作模式，也成了我自己對用戶成長經理的工作形式所做的註解。

舉個例子來說明，你的目標是提升 organic growth 的拉新量，那麼你的整條線上就是圍繞關係鏈，去實現人帶人的拉新，而鋪在路上的眾多石頭就會是那些不同「玩法」的 referral 變形項目。在別人看來，你確實做了 N 個獨立的項目！但其實這些項目正串連著「關係鏈」的主軸，帶你通往你的目標（有機增長）！

職涯能力上的差異與關注點不同

綜合上述，大家會發現功能型產品經理與用戶成長產品經理在職涯規劃上及能力培養上也會有所不同，這兒幫大家總結如下：

• 功能型產品經理：在發展過程，著重的是去抽象化產品功能，從小 feature 到模塊到整個大功能上的 Product Roadmap 制定與策劃能力。
• 用戶成長產品經理：持續與運營團隊、行銷部及數據團隊合作，圍繞在用戶的新增、留存、喚回三個面向上，針對用戶全生命週期做產品策劃。

文章看到這裡的你可能會說，不會呀，如果是從事會員體系、營銷工具相關的用戶成長產品經理，就能做到具有長期 Product Roadmap 且可持續發展的產品項目啦！是的，但在我看來這樣的一個崗位更像是用戶成長方向的功能型產品經理。因為「會員體系」、「營銷工具」 都能被歸類成 「某個功能」。

這篇文章，主要是想和大家分享，除了以功能方向為主的產品經理外，隨著用戶成長（User Growth）的成熟，也開始有產品經理是以一個 「業務目標」為方向，去制定一連串的產品方案，去達到 「用戶成長」。就和組織的發展過程一樣，從最早期的職能型單向匯報到後來的項目型雙重匯報線、矩陣型混合形組織結構一樣。那麼，依照你的個性/專長/目前所從事的工作狀態，你覺得你自己更適合哪一種型的產品經理呢？在評論區和我分享吧：）

對於用戶成長方向感興趣，想要了解更多？今年初受 YOTTA 之邀開設了3小時掌握成長駭客思維與技巧，終於在最近上架啦！！！這堂課程會將近幾年我從美國學會的方法論及在中國互聯網市場上的應用經驗進行融合，幫助想進入這個領域的初學者有系統地掌握入門知識與理解其中的應用概念。

同時也為產品三眼怪的粉絲爭取到超低驚喜優惠折扣！2019年10月13日前，前30名下單使用專屬折扣碼：PMLabGrowth，即能享受專屬優惠價！

引爆用戶成長｜3小時掌握成長駭客思維與技巧 | YOTTA 跨領域線上課程平台

謝謝你的閱讀！如果有任何疑問也歡迎留言給我 📒
如果單純想給我鼓勵，請給我 1–10 個拍手；
如果想看更多【PM 總動員】或 Josie 的相關文章，請給我 20-50 個拍手！
如果文章對你有一點啟發或幫助，請長按拍手按鈕（50 個拍好拍滿也沒問題）讓我知道 👏每週末我們都會在 產品三眼怪實驗室 (◉◉◉) 定期更新產品經理相關文章✨

【PM 總動員】Growth Hacker 與 一般產品經理有什麼不同? 讓前亞馬遜 Amazon, 小紅書, 摩拜增長 PM 用一句話告訴你！ was originally published in 3PM LAB 產品三眼怪實驗室 on Medium, where people are continuing the conversation by highlighting and responding to this story.