用户增长运营是做什么的 用户增长定义及运营
很多同学会的同学经常会看到“用户成长”、“成长黑客”、“成长团队”这样的说法，而这些岗位往往一看就和数据分析有关。例如:“建立系统的增长模型，驱动增长的持续化和规模
很多同学会的同学经常会看到“用户成长”、“成长黑客”、“成长团队”这样的说法，而这些岗位往往一看就和数据分析有关。
例如:
“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”
乍一看，好像什么都可以自己做，但好像有点不一样。“用户增长”到底是什么，跟数据分析有多大关系？今天系统讲解一下。
一、用户增长的起源
很多互联网概念来自硅谷，用户增长或者增长黑客也是如此。有意思的是，成长黑客(Growth Hacking)首先对付的假想敌是传统营销(Marketing)。要解决的问题是:传统营销中，大家都知道50%的钱被浪费了，却不知道浪费在哪里。
因为在传统企业中，销售的主导权掌握在销售/业务/分公司手中，营销活动需要通过销售来进行。因此，在评估营销活动的效果时，很难讲清楚“一亿元的销售额归功于营销策划、产品本身的吸引力和销售的努力”。所以商品管理、活动策划、营销的信用是很难衡量的。
品牌推广更是难以衡量。老板每年只看到大量的金钱荣誉媒体，根本无法说清真正起到了多少作用——你甚至不知道你在电视、报纸、路牌、电梯、网站上投放的广告，实际上让用户跑到实体店购买商品的有多少。在互联网的PC时代，这种情况并没有太大的改变。即使网站打广告，用户还是要去实体店购买商品——在PC时代，互联网行业由游戏公司主导。
直到移动互联网改变了这一切。因为移动互联网时代:
移动支付+智能手机，可以让用户随时随地消费。基于智能手机，企业可以直接和用户互动。物流一类基础服务极大完善。
2014年，4G开始普及。与此同时，微信和支付宝大量攻城略地。2015年，滴滴、饿了么、王者荣耀，这些移动互联网时代的标准开始出现并迅速占领我们的手机。同时，《成长黑客》这本书也在2015年同步上市。真的是时代造就的英雄。有一阵子风波很大，甚至有人宣称以后只有CGO(首席成长官)不会有CMO(首席营销官)。
二、用户增长的意义
用户增长是对抗营销的不可知。基于移动互联网应用，这是可以做到的，因为:
不需要线下销售，所以不需要和销售部扯皮。用户对广告的点击、下载应用、应用内购买行为均可以记录。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，企业可以相对准确地记录:
我投放的广告，获得了多少客户点击、下载。客户更容易反馈XX类的产品、活动、宣传。没有反馈的客户，停在了哪个环节。
终于在一定程度上回答了困扰营销行业的永恒问题。(注意，所有永恒的问题都没有得到解答。既然数据可以记录，那就可以造假。广告行业有那么多种造假方法，光写一本书都有可能。有兴趣可以关注微信官方账号的计算广告，和大神一起开开眼)
基于这些准确的记录，企业可以:
追溯客户来源了解客户需求分析广告效果改善产品设计改善操作流程
在所有这些工作之后，我们可以自信地说:
我们投入营销费用，实现了
增长
！我们知道钱花到哪里去了！
这也是为什么增长黑客或者用户增长这个概念流行了一段时间。
当然，硅谷的一切到了中国都会被扭曲，用户的增长也是如此。国内互联网公司太沉迷于烧钱补贴市场的模式，沉迷于先免费圈人，再收费割韭菜的套路，沉迷于“上瘾就死，不上瘾就富”的赌博游戏。于是用户增长，逐渐演变成三大流派:
裂变流量:这部分人群中的“用户增长”是指做基于微信的各种裂变，各种快圈人群，往往伴随着三级分发等边缘性的东西。
投放流量:这群人的“用户增长”是指基于各种广告平台规则的广告投放和砸钱给人。他们经常喜欢喊“流量为王”，最近流行的“私域流量”也是他们发明的。
ABtest流量:以上两类都是小平台，大平台往往存量规模很大，所以尽量做“质”的增长，其中的核心就是ABtest。自己做不到也没关系。多尝试一些想法就好。
当然你会说，从工作内容来说，这个东西和数据运营、渠道运营、用户运营有很多交集。为什么不把这些传统部门承接下来，还要搞一个新概念。要知道，管理者不像我们这些搞技术的。经理们总是天生喜欢摆弄新概念。只有新的理念更有吸引力，新的团队才能融合，才能晋升更多的职位。为了创造更多的个人成长机会。所以习惯就好了。
细心的读者发现，以上三种工作都与数据分析直接相关！这也是一开始各种质疑的来源。
三。用户增长和数据分析
用户增长必须依靠数据分析来对抗未知。可以说，数据分析能力是成长团队
的核心能力之一
(必须补充一条，理解这一点很重要)。
最基础的就是数据仓库和数据埋点。没有这两条，就没有记录，后续的分析也做不了。
接下来，最基本的指标是AARRR，常用于衡量用户群体的规模、增长趋势和关键环节。陈老师之前分享并戳中链接:AARRR模型使用注意事项【防坑提醒】。
再往下，三大流派对应的分析方法是不一样的。下面就来详细分享一下:
▌
裂变流:k因子和超级传播者
裂变流量的核心是:参与裂变的用户有多大比例能真正响应，响应裂变的新用户能带来多少。所以裂变流喜欢讲K因子(K因子=邀请数*转化率)。来测量裂变效应。但从实用的角度来看，超级传播者的分析思路会更适合。因为每一次裂变真的能带来很多新的补充，往往是几个kol或者至少是一个KOC，所以区分是否存在超级传播者，以及最终有多大的传播力，对于设计裂变方法有很大的参考意义:
▌释放流量:转换漏斗
交付流的核心是交付漏斗，在很多地方都是共享的。只看图片:
【/s2/]▌ABtest流:ABtest开始...
AB有很多成熟的文章可以分享，这里就不赘述了。看看图片就知道了。
需要提醒的是，ABtest本身并不是检验idea的唯一方法。还有很多其他的使用方法。ABtest耗时太多，从经验上看，结果会有偏差。产品过程中经常使用Abtest，接近传统过程的方案通常胜出。Abtest，这往往是一个转换问题，通常以较大的折扣获胜...所以ABtest可以用，但是不要沉迷其中。
四。增加工作岗位对用户有好处吗
说到这里，很多同学自然会问:加入用户增长团队做数据分析师好吗？没啥坑可关注的。这里有一个解释:
首先明白:用户增长不是数据分析！用户增长本质上是一个业务部门，应该对业务负责。甚至有可能是个人负责活跃用户数、付费用户数、转化率等业务指标。这是对很多做数据分析的同学的考验。有的同学只要你愿意就让他写报告，但一提到“责任”、“绩效挂钩”、“不扣分”他就畏首畏尾。所以在选择团队的时候，一定要注意看清楚:自己是否有责任，自己负责什么责任，然后再评估自己是否能抗住。
其次，用户增长的核心能力不止是数据分析。比如裂变形式怎么设计，奖励范围怎么衡量？比如如何设计海报，如何选择渠道？需要的是运营能力。这是学生做数据分析的另一个坎。很多做数据的同学都卡在“活跃度低，水平高”，缺乏实际业务能力。所以在选择团队的时候，一定要小心看清楚:到底这个岗位是否需要业务能力，需要多少。当然，有些成长团队只是简单的招数据分析师，所以要注意甄别。最后，评估自己是否能抵抗。
说前面难听的话，说吸引人的话。增长部门可能是一些公司的核心，可能是一个新的部门，可能有很好的绩效奖励(远大于数据分析部门)，所以从薪资待遇和个人成长机会来说，可能是一个不错的选择。毕竟不是所有的程序员都能成为架构师。毕竟不是所有的公司都需要首席数据科学家，所以对很多同学来说是个好机会。如何把握，看个人能力和公司条件。
