很多新人都有这种感受：相对其他运营岗位来说，用户增长运营显得有些生涩、高门槛。

主要原因是用户增长运营涉及的底层术语、理论，在大部分运营实习生、乃至运营新人的实际工作中都很少出现。

本节内容，旨在从术语、理论层面，带大家认识用户增长工作（用户增长运营，简写为“用户增长”，下同）。

由于用户增长的业务不同，用户增长关注的数据指标也有所不同，本节将重点挑选通用的术语及理论，结合实际案例为大家展开介绍。

一、LTV

举个极端的例子，你下载某音乐app，花了 12 块钱开通付费会员，又花 6 块钱买了一首付费电子专辑，听完后你就卸载app，再不会使用该app了。

在上述的例子中，你为该app产生的LTV就是18块钱。

在现实中，用户不太可能这么快在极短的时间内就完成安装、注册、付费、卸载的全流程，也不可能就在app中只消费一次就扬长而去。

LTV可以衡量业务的盈利能力，是大多数用户增长在增长试验中重点关注的指标。

1.1 如何让用户产生增量LTV？

从图中可以看出，LTV对应的是曲线向下的面积，为了让面积更大，一方面需要让延长用户的生命周期，另一方面需要提升用户消费的价值——一是提升用户的消费频次，二是提升用户消费的单价。

举个实际的例子，一家网红酒店需要提高LTV，那么首先需要用户在酒店住更多天，然后这个过程中，最好还能让用户不断选择升级住更贵的房间。

实际工作中，我们要面临的增长问题更为复杂，但是围绕LTV去拆解，能让我们不会偏离基本目标。

二、HVA

HVA（High Value Action），即 高价值用户行为，指那些能帮助我们显著提升LTV的用户行为。

举个例子，你很喜欢的歌手在某音乐app出了新专辑，你花了 6 块钱买了一份，听完很过瘾，你发现可以继续购买赠送给好友，于是你又花了 18 块钱买了 3 份送给 3 位好友。

在这个例子中，你本来只会产生一次付费行为，因为一张电子专辑再好也不可能买 2 次。

如果我们仔细深挖，你并不仅有自己听歌的需求，你还有社交需求——”向朋友安利自己喜欢的歌手“。

”向朋友安利自己喜欢的歌手“就是我们所说的HVA，当为用户提供相应的功能（赠送好友专辑），完美满足用户的社交需求（向朋友安利自己喜欢的歌手），就能让用户顺理成章地再次付费，并产生自发性传播行为。

2.1 如何找到HVA？

从用户出发，分析用户存在的需求，梳理用户基于需求产生的行为，然后就能找到HVA。

然后提出你的HVA猜想：”让用户产生动作A，就能直接或者间接提升LTV“。

在反复测试验证后，你可以建立一套HVA的用户路线图，让用户从一开始就按照你的想法行动。

三、ROI

ROI（Return on Investment ），即投资回报率。ROI= 利润 / 成本，指业务的投入与产出的综合效率，用来评估业务的经营效率以及发展空间。

使用 ROI ，我们能更准确地判断一项业务或者策略的可持续性营收能力，从而决定后续是追加投入还是减少甚至取消投入。

举个例子，我们认为短视频是接下来的用户增长流量洼地，向部门申请了100万预算搭建短视频团队，1年后短视频业务为部门带来200万的营收，那么“搭建短视频团队”这个运营策略的ROI就可以粗略估算为 2 ( ROI = 营收 200 万 / 成本 100 万 = 2 ）。

3.1 如何根据 ROI 判断业务？

一般情况下，ROI 大于或等于 1 是我们预期理想的状态，代表我们能赚到比投入还多的钱。

当 ROI 小于 1 时，也不完全意味着业务或者策略的失败。在特定情况下，比如抢占市场的时期，是可以接受一定周期内 ROI 小于1的。

这时我们就需要判断短期的 ROI 偏低是否可以带来未来的营收？接下来的 ROI 是否有提升空间？我们有哪些可行的提升 ROI 的方法？提升需要多长的周期？

这些都是大概的方向，具体的情况，你需要结合业务实际去展开思考。

四、A / B test

A/B test，即AB测试，指在基本相同的环境下，测试A、B两个方案对同一类用户的影响，这个过程中要尽量将A、B两个方案的变量因素控制在1~3个。（此处的定义可能与学界有所出入，因为运营的工作实际中很难做到像科学实验般的严谨）

4.1 如何开展 AB测试

举个例子，我们认为“周一到周五期间，相比于12点，20点是给初中生推送消息的黄金时间，能提高我们的转化效果”，于是我们就该设计两个方案：

A方案，选定同一地域的 10000 名初中生用户群体，在周一到周五期间，12点推送转化消息，监测转化效率

B方案，选定同一地域的另一批 10000 名初中生用户群体，在周一到周五期间，20点推送转化消息，监测转化效率

在这个测试中，主要变量为推送时间。有同学可能困惑，为什么两个方案中的用户人群不算另一个变量？

理论上的确应该选择同一批用户，但实际中如果同时对同一批用户测试AB方案，可能存在互斥性，即用户被A方案提前转化，影响B方案的转化，那么结论就有失准确性。

于是我们选择同一地域的初中生，确保他们的行为轨迹大致相同，又分别以10000名学生的数量去规避极端样本造成的偶然性，这样一来，我们在最大程度上保证了AB测试对象的一致性。

在用户增长的实际工作中，为了确保增长的稳定性，我们的增长猜想在未经验证前，都只能算假设，不能作为实际结论去大规模推进复制。

五、MVP

MVP( Minimum Viable Product )，即最小可行性产品。这是一个产品经理常用的术语，但是也会高频出现用户增长的实际工作中。

现实中很多创意的产生只需一瞬间，产研的开发落地工作却需要大量的资源和时间，因此无法对每个创意都提供对应的产研资源支持。

MVP恰好可以解决这个问题 ：以一个初具雏形的最小产品，投放到目标用户，可以快速验证创意的可行性以及收益，从而判断是否值得大规模投入资源支持。

5.1 MVP的 2 个特点

MVP具有以下 2 个特点：

1、业务的底层逻辑初具雏形

2、针对目标用户进行实验

举个例子，我们认为”以奖励为吸引点，引导学生用户将0元课程分享给学生，可以提高0元课程的成单量和后续ROI“，但我们目前没有相关的工具。

为了争取到产研资源替我们开发一个分销工具，我们需要：

先明确分销业务逻辑，然后选定一群高活学生用户，通过app、公众号等渠道向他们投放相关活动规则和奖品介绍，并及时引导他们完成活动任务，最后通过监测这部分用户带来的0元课成单量和 ROI 数据来验证分销MVP是否可行。

这个过程中，我们的业务底层逻辑基本明确：”以奖励为吸引点，引导学生用户将0元课程分享给学生，可以提高0元课程的成单量和后续ROI“，后续如果有产研资源支持，也是基于这个逻辑进行迭代完善。

六、3 种用户增长策略

用点、线、面的思维来做用户增长，我认为是一个很形象生动且有效的思路。

点、线、面是几何学里的概念，是平面空间的基本元素。

现在请想象，前面的术语（LTV、HVA、ROI、A/B test、MVP）分别对应一个又一个的“点”，当我们每做好一个点，用户增长的效果就会提升一点，但是始终是1+1=2的增长速度。

我认为还有一种方式可以实现爆发式增长，这里就要引入到“线”的概念——用户增长策略，通过“穿点成线”，将增长方向聚焦，提升整个增长流程的效率。

经过总结，我认为有以下 3 种用户增长策略：

6.1 功能型增长策略

功能型增长策略，强调以开发一项或多项功能、工具来实现增长目标。

比如在外卖app中，每当用户下单后，就会收到一个分享红包的提示，如果用户将红包分享给好友，用户和被分享用户都能领到红包，一旦有用户使用红包下单，就能提升LTV。

功能型增长策略，优点在于投产使用后可以大规模提升效率，大幅节约人力成本。

缺点在于前期投入资源过大，需要多方配合，调研、开发、测试流程繁琐，如果没有成熟的调研和试验结论，还容易导致资源浪费。

6.2 漏斗型增长策略

漏斗型增长策略，强调梳理整个用户路径后，监测每个关键转化节点的效率，并针对性地展开优化提效，如果将其图像化，看起来就像一个漏斗。

举个例子，在某电商app，我们需要提升新用户的带来LTV，于是我们通过梳理用户路径：浏览商品聚合页>>进入某个商品详情页>>下单>>支付成功。

优点在于一旦建立起漏斗模型后，你可以快速清楚地定位问题所在，并给出相应的解决策略。

按照漏斗型增长策略，我们可以针对各个环节进行优化提效，比如优化商品展示在聚合页的头图，增加吸引力，提升详情页的浏览量等等。

缺点在于无法突破顶端限制，比如上面的优化策略可以为我们带来一定效率上的提升，但是效果是有限的——假设整体就只有1000个人在浏览聚合页，我们无论如何优化漏斗，也只能减少各环节的流失量而已，无法突破1000个人的限制。

6.3 组合型增长策略

组合型增长策略，便是将漏斗型增长策略和功能型增长策略组合使用，将功能型策略作为一个个点灵活嵌套在漏斗型策略中，既能发挥每种策略的长处，也能避开他们的短板。

继续接着上一个例子，如果我们在下单环节，加入功能型策略：邀请好友拼单，可以领红包、返现或者有优惠折扣，那么就可以实现1000个人浏览，最后却有可能出现1500人下单的情况。

你看，这就是组合型增长策略的好处，它很好地解决单一增长策略的弊端，还放大不同策略的优势，实现 1+1>2 的效果。

结语

通过本节学习，你已经知道 LTV、HVA、ROI、A/B test、MVP以及 3 种用户增长策略，文中也分别给出相关案例。在后续内容里我们也会结合实操案例进一步讲解，以便你加深理解。