1

    User Growth Engine

    by Joker

    Growth strategy engine with AARRR/RARRA/flywheel/PLG/SLG models. Cold start to maturity lifecycle guidance.

    Updated Jun 2026
    0 installs

    Free

    Included in download

    • Downloadable skill package
    • 1 permission declared
    • Instant install

    About This Skill

    # 用户增长决策引擎 专家级用户增长策略制定与执行指南,帮助产品/运营团队在全生命周期内实现可持续增长。 --- ## 一、增长阶段路由 根据产品当前所处阶段,选择对应的增长策略重心。 ### 阶段判断矩阵 | 阶段 | 用户规模 | 核心挑战 | 策略重心 | |------|---------|---------|---------| | **冷启动期** | 0-1K | 验证PMF | 产品打磨、种子用户获取 | | **增长期** | 1K-100K | 规模化获客 | 渠道拓展、裂变放大 | | **成熟期** | 100K-1M | 效率优化 | 精细化运营、LTV提升 | | **衰退期** | 趋势下滑 | 防止流失 | 创新转型、第二曲线 | | **第二曲线** | 新周期 | 再次验证 | 差异化定位、迁移策略 | ### 阶段转换信号 ``` 冷启动 → 增长期 ✓ NPS ≥ 40 ✓ 周活跃率 ≥ 25% ✓ 用户留存曲线趋于平稳 ✓ 自然推荐意愿出现 增长期 → 成熟期 ✓ 获客成本趋稳 ✓ 用户结构趋于稳定 ✓ 收入增速放缓但稳定 ✓ 市场渗透率 ≥ 15% 成熟期 → 衰退期 ✗ 核心指标连续3个月下滑 ✗ 用户获取成本上升 > 30% ✗ 竞品市占率快速提升 ✗ 新生代用户认知度低 ``` --- ## 二、增长模型决策树 根据业务模式和增长目标,选择最适合的增长模型。 ### 模型对比矩阵 | 模型 | 适用场景 | 核心指标 | 优势 | 劣势 | |------|---------|---------|------|------| | **AARRR** | 通用型、漏斗思维 | 获客→激活→留存→变现→推荐 | 结构清晰、易理解 | 留存权重偏低 | | **RARRA** | 留存驱动型产品 | 留存→激活→推荐→变现→获客 | 留存优先、更健康 | 初期增长较慢 | | **增长飞轮** | 平台型、网络效应 | 用户参与度、NPS | 自驱增长、正循环 | 冷启动门槛高 | | **PLG** | SaaS、工具类产品 | 激活率、免费转付费率 | 获客成本低、自下而上 | 付费意愿弱 | | **SLG** | B2B、大客户导向 | MQL、CAC回收周期 | LTV高、客单价大 | 扩张速度慢 | ### 模型选择决策树 ``` 业务模式判断 │ ├─ 消费级产品(toC) │ ├─ 有明确社交传播路径 → 增长飞轮 │ ├─ 无明显网络效应 → AARRR │ └─ 用户需长期使用才见效 → RARRA │ ├─ SaaS/工具产品(toB/PLG) │ ├─ 产品可自探索使用 → PLG优先 │ └─ 需要销售介入 → SLG+PLG混合 │ └─ 平台型产品 ├─ 双边/多边市场 → 增长飞轮 └─ 单边工具+平台 → PLG切入,飞轮转化 ``` ### 各模型核心公式 **AARRR漏斗** ``` LTV = ARPU × (1/流失率) × 毛利率 CAC = 总获客成本 / 新增用户数 PBP = CAC / (ARPU × 毛利率) ``` **RARRA健康度** ``` 留存率 = 第N日活跃用户 / 第0日新增用户 Golden Metric = 核心功能使用率 × 核心行为频次 ``` **增长飞轮** ``` 飞轮转速 = (用户参与度 × 互动频次 × 传播系数) / 摩擦阻力 ``` --- ## 三、获客渠道矩阵 ### 渠道效能评估框架 | 渠道类型 | CAC范围 | 规模化潜力 | 优化周期 | 适用阶段 | |---------|--------|-----------|---------|---------| | **SEO** | 低 | 中 | 3-6月 | 全阶段 | | **SEM** | 中 | 高 | 1-2周 | 增长+成熟 | | **社媒运营** | 低 | 中 | 1-3月 | 全阶段 | | **内容营销** | 低 | 高 | 3-6月 | 全阶段 | | **裂变分销** | 低 | 高 | 实时 | 增长+成熟 | | **BD合作** | 中 | 中 | 1-3月 | 冷启动+增长 | | **应用商店** | 中 | 高 | 2-4周 | 全阶段 | | **KOL合作** | 高 | 中 | 1-2周 | 增长爆发期 | ### 渠道ROI计算 ``` 渠道ROI = (渠道收入 - 渠道成本) / 渠道成本 × 100% 归因权重(多触点归因模型) ├─ 首触点模型:100%归因首次触达 ├─ 末触点模型:100%归因最终转化 └─ 线性归因:平均分配各触点权重 └─ 时间衰减归因:越近触点权重越高 ``` ### 渠道组合策略 **冷启动期(0-1K用户)** ``` 渠道优先级:BD合作 > 内容营销 > KOL > 裂变 资源配置:BD 40% | 内容 30% | KOL 20% | 种子用户 10% 核心目标:找到100个真实种子用户 ``` **增长期(1K-100K用户)** ``` 渠道优先级:SEM + 裂变 + 社媒 > SEO > BD 资源配置:SEM 35% | 裂变 30% | 社媒 20% | SEO 15% 核心目标:CAC最优前提下的规模化增长 ``` **成熟期(100K+用户)** ``` 渠道优先级:裂变 + SEO + 应用商店 > SEM > KOL 资源配置:裂变 35% | SEO 30% | 商店 20% | SEM 15% 核心目标:降低CAC、提升LTV、开拓新渠道 ``` --- ## 四、留存优化方案 ### 留存诊断框架 ``` 留存曲线三阶段: ├─ 恐慌期(Day 1-7):新用户流失高峰 ├─ 调整期(Day 8-30):用户重新评估产品价值 └─ 稳定期(Day 31+):核心用户群体形成 ``` ### 留存优化四板斧 #### 1. 新手引导优化 ``` A-ha Moment定义公式 A-ha时刻 = 关键行为 × 达成时间阈值 示例: ├─ Facebook:7天内添加10个好友 ├─ Dropbox:成功同步第一个文件 ├─ Twitter:关注30人 └─ Slack:2000条消息团队 新手指引Checklist □ 首次体验 < 3分钟完成核心价值感知 □ 单次引导步骤 < 5步 □ 实时反馈机制(进度条/动画) □ 容错设计(可跳过/可重置) □ 个性化配置(基于用户选择调整) ``` #### 2. A-ha时刻设计 ``` 发现A-ha时刻的方法: 1. 留存用户 vs 流失用户行为对比 2. Cohort Analysis(同期群分析) 3. 行为序列挖掘 4. 关键行为与长期留存相关性 A-ha时刻验证实验: 实验组:引导至A-ha时刻 对照组:自由探索 胜利条件:Day 7留存提升 ≥ 15% ``` #### 3. 核心使用循环设计 ``` Habit Loop = 触发 × 行为 × 奖励 × 投入 触发类型: ├─ 外部触发:推送、邮件、短信、通知 ├─ 内部触发:情绪、场景、习惯 └─ 自动触发:时间、位置、设备状态 奖励设计原则: ├─ 即时反馈(< 5秒) ├─ 可变奖励(随机性增加粘性) └─ 社交奖励(点赞、评论、排名) ``` #### 4. 用户分层运营 ``` 用户分层金字塔 ┌─────────┐ │ 超级用户 │ Top 1% ├─────────┤ │ 活跃用户 │ Top 5-10% ├─────────┤ │ 普通用户 │ 活跃但低频 ├─────────┤ │ 沉默用户 │ 注册但未激活 ├─────────┤ │ 流失用户 │ 30天未回访 └─────────┘ 分层运营策略: 超级用户(Top 1%) ├─ 专属福利:内测资格、优先体验 ├─ 荣誉体系:排行榜、勋章、称号 └─ 参与共建:功能优先体验、意见领袖 活跃用户(Top 5-10%) ├─ 会员体系:等级权益差异化 ├─ 积分激励:行为换权益 └─ 社区运营:专属群、线下活动 沉默用户 ├─ 触达策略:Push+短信+邮件组合 ├─ 召回内容:个性化价值主张 └─ 激励钩子:限时优惠、专属回归礼 ``` ### 通知策略矩阵 ``` 通知类型 × 价值 × 频率 = 用户感知 | 通知类型 | 即时价值 | 长期价值 | 建议频率 | |---------|---------|---------|---------| | 核心功能提醒 | 高 | 中 | 按需 | | 内容推荐 | 中 | 中 | 1-2条/天 | | 社交互动 | 高 | 高 | 实时 | | 运营活动 | 低 | 中 | 1-2次/周 | | 系统通知 | 低 | 低 | 必要才发 | 通知优化原则: ✓ 个性化 > 通用推送 ✓ 推送时间基于用户活跃时段 ✓ A/B测试通知文案和时机 ✓ 沉默用户先分析流失原因再召回 ``` --- ## 五、变现策略 ### 变现模式对比 | 模式 | 适用产品 | 毛利率 | 可预测性 | 用户感知 | |------|---------|--------|---------|---------| | **广告变现** | 流量产品、社交 | 60-80% | 中 | 低(干扰) | | **订阅制** | SaaS、工具、内容 | 70-85% | 高 | 中 | | **增值服务** | 游戏、社交、社区 | 50-70% | 中 | 高 | | **交易抽成** | 电商、交易平台 | 10-30% | 高 | 低 | | **数据服务** | 企业服务、BI | 80%+ | 中 | 中 | | **API授权** | 开发者工具 | 85%+ | 高 | 低 | ### 变现设计原则 ``` 变现时序: 1. 先增长后变现(验证PMF前不急于变现) 2. 变现方式与产品价值一致性 3. 免费用户体验核心价值,付费解锁扩展价值 定价心理学: ├─ 锚定效应:高价SKU衬托低价选择 ├─ 尾数定价:199 vs 200 ├─ 套餐捆绑:捆绑价 < 分开购买之和 ├─ 损失厌恶:限时优惠、周年庆典 └─ 社会认同:XX人已购买、年度TOP选择 ``` ### 订阅制设计框架 ``` 订阅层级设计(Tiered Pricing) 免费版 → 基础需求、有限功能、显示品牌 ↓ 价值对比 付费版1 → 核心功能、基础权益、解除限制 ↓ 价值对比 付费版2 → 高级功能、团队协作、优先支持 ↓ 价值对比 付费版3 → 企业定制、专属客服、SLA保障 定价比率参考: ├─ Tier1 : Tier2 : Tier3 = 1 : 3 : 10 ├─ Tier2 vs Tier1 功能差异 > 30% └─ Tier3 vs Tier2 价格增幅 < 50%感知 ``` ### LTV优化路径 ``` LTV = ARPU × (1 / 月流失率) × 毛利率 LTV优化杠杆: ARPU提升: ├─ 价格优化(基于支付意愿调研) ├─ 交叉销售(相关功能包) ├─ 升级转化(免费→付费) └─ 付费路径优化(减少流失节点) 流失率降低: ├─ 合同锁定(年付优惠) ├─ 使用深度锁定(数据迁移成本) ├─ 社区锁定(社交关系) └─ 习惯锁定(行为惯性) 毛利率改善: ├─ 降低服务

    Reviews

    No reviews yet - be the first to share your experience.

    Only users who have downloaded or purchased this skill can leave a review.

    Security Scanned

    Passed automated security review

    Permissions

    Read Files

    File Scopes

    user-growth-engine/**

    Creator

    Frequently Asked Questions

    More Premium Skills

    Free