如何通过用户分层，提升用户增长？ 用户分层，是一种对用户进行群组划分的方法，通常用于描述某一用户的当前状态；在用户分层模型中，某一个用户在某一特定时间应只属于一个用户层级。今天，我们主要讲以生命周期阶段为依据的用户分层方法。1．何为用户？在讨论用户生命周期价值（CLV）之前，我们先看看，这里的“用户”究竟指的是哪些人。举个例子：如果把地球看成一个APP，用户就好比地球上的人。每年出生1.4亿人，目前70亿人活在世界上，已经累计死去1080亿人。其中出生人数就像是新增用户，现存70亿人口等同于活跃，累计死去的人意味着流失，“人活七十古来稀”的概念与留存周期类似，人们生育繁衍又与产品的口碑传播很像。这样，我们可以一一对应这些用户生命周期中的概念：新增（Acquisition）、活跃（Activation）、留存（Retention）、传播（Refer）等，对于互联网产品而言，还有一个商业变现（Revenue）的环节。这五个环节，就构成了我们常说的AARRR用户生命周期模型。仔细观察上图过程，不难发现，我们经常很自豪地说我积累了几百万、几千万用户，其实没有太大的意义。因为，这个数字当中的大多数用户，可能已经流失了，他们不会再为你的产品创造任何价值了。因此，当我们讨论“用户”的时候，我们需要清醒地认识到，只有那些能够被激活、与产品有互动、长期留存、消费/点击广告，甚至主动为你做传播的用户，才是真正优质的、核心的、正在创造价值的用户。那么，如何找到这群真正的优质核心用户呢？我们要做的第一件事就是分层。2．何为用户分层？用户分层，是一种对用户进行群组划分的方法，通常用于描述某一用户的当前状态；在用户分层模型中，某一个用户在某一特定时间应只属于一个用户层级。今天，我们主要讲以生命周期阶段为依据的用户分层方法。在按CLV做用户分层的过程中，我们需要以不同的“行为”的触发情况，标识用户的当前状态。以此判断用户正处于新增、活跃、留存、传播、付费的哪一个阶段。3．如何给用户分层？举几个例子：1）社交应用（SNS）典型分层： 第一层是新增访客，只要启动应用就算一个访客，访客中流失的记为流失访客； 第二层可以标记为活跃用户，至少触发一次浏览事件的才算一个有效活跃，流失的记为流失参与者者； 第三层标记为互动用户，有点赞评论的用户就是互动用户，流失用户记为流失使用者； 第四层记为回访用户，以多次启动应用并且多次互动为标准，如果他们流失了，则记为流失高价值用户。 2）SaaS用户的典型分层： 第一层是访客用户，以打开网站为基准，访客中流失的记为流失访客； 第二层记为评估用户，以深度浏览或查看官网demo为准，流失的记为流失评估者； 第三层标记为试用用户，以完成注册为标准，流失用户记为流失试用者； 第四层记为付费用户，以完成合同流程为准，流失用户记为流失客户。3）互联网理财的典型分层： 第一层依然是访客，也是以启动应用做标准；若一定时间周期内没有回访记录，则记入流失访客； 第二层为评估者，分层依据是：触发[查看理财产品]等内容浏览相关的事件；如果一个用户仅仅启动了应用，却没有浏览任何产品，就可以记为一个流失了； 第三层可以定义为实名用户，分层标准是绑定银行卡、完成实名认证等；此时，2、3层之间的流失用户我们记为“浏览后流失”； 第四层标记为投资用户，这个分层标准很简单，比如：至少购买一次理财产品；对于绑定了银行卡却没有选购产品的用户，记为“理财前流失”； 第五层可记为复购用户或者忠实用户，这些用户在投资行为上能够满足[周期性]的特征，投资金额能够逐步[增长]；而时间周期内，有过投资记录却不满足该层级标准的用户，可以被记为“理财后流失”。 4．用户分层的价值对于上文提到的的用户分层案例，我们可以归纳出一个图形化的展示形式，如下图：上图所示金字塔模型，完整地展现了该产品的用户分层层级。企业可以通过跟踪研究用户行为，快速地明确用户生命周期中的不同阶段，并以此划分用户层级。这种基于行为的用户研究方法，会极大地提升企业的用研效率，了解不同层级的用户量及其转化途径，为用户增长的突破提供数据支撑。结合漏斗分析、同期群分析、留存率分析等多种分析模型，究竟哪些用户在为企业创造价值、用户为何购买为何流失……这些困扰着企业运营的难题都将迎刃而解。用户分层的展现与应用，可以通过堆积面积图、同期群百分比堆积图等形式进行。关于这两类数据展示形式的设计与解读，我们将在后期撰写独立内容做讲述。总 结用户分层，除了能够为企业提供科学的用户研究方法，其更重要的作用，在于拆分和构建业务流程中的指标衡量体系。在任何一个企业或团队里，不同角色、不同部门、不同岗位的人，需要关注的指标是不尽相同的。表1是个简单的例子：关注用户的生命周期，对用户进行分层分析与管理，探索各个层级阶段的核心指标，以此衡量业务部门的工作成效，这是每一个企业实现增长的必由之路。当然，这个过程并不是一蹴而就一成不变的。用户生命周期价值的分析与提升，同样遵循着精益分析的循环（loop of lean analysis），即：产生想法->构建指标体系->设计产品/方案->衡量实施结果à对过程数据进行分析->从分析中学习经验->产生新的想法。一个好的idea对于优秀产品而言固然重要，但更重要的，是对用户需求的深刻理解和对用户价值的深入挖掘。想要实现这两个“小目标”，CLV（用户生命周期价值）分析必不可少，用户分层模型及其指标体系必不可少。

增长黑客进阶之路：关于A/A测试，看这篇文章就够了 增长黑客成长之路上，想比大家对A/B测试已经很熟悉了，但听过、实践过A/A测试的同学举个手我看看，喏，还没多少人。这篇文章我们就来讲讲A/A测试。什么是A/A测试？A/A测试可以理解成对两个相同版本进行的A/B测试。通常，这样做的目的是为了验证正在使用的工具运行试验在统计上是公平的。在A/A测试中，如果测试正确进行，控制组和实验组应该没有任何区别。在没做A/A测试之前，你可能什么都不知道，这里的逻辑是这样的：如果样本的A/A测试结果达到统计显著，那么A/B测试工具或测试方案就是不可信的。如果说A/B测试用来测试比较几个方案的优劣，那么A/A测试就是验证A/B测试及工具置信度的有效方式。为什么进行A/A测试？既然A/A测试的两个版本变量没有任何变化，为什么还要花时间精力来做？商业活动中，通常我们使用一切数据工具的目的，无外乎：用测量推动决策优化，同时用正确的决策获取比竞争对手更大的市场。可能通过数据能获取的决策信息点有很多，那么通过A/A测试来确保你得到的数据能用来自信地作出决定，减小决策失误。通常情况下我们做A/A测试的目的有下面几个： 保证精确的流量分配，换句话说，验证随机性实际上是通过确保每次试验产生的计数与统计范围相似 识别假阳性结果的频率（假阳性结果也可以理解为测试结果中的虚假繁荣，有相当的误导性） 确定方差“泡沫”帮我们更好的理解其他测试结果 关于假阳性A/A测试能被用来理解假阳性结果的频率。简单讲，如果你在测试中采用95%置信水平，那么20次结果可能会出现1次假阳性结果。这时候通过A/A测试，就能验证转化率的显著差异，比如，你运行20次A/A测试，其中有2次结果明显不同，这意味着假阳性的比例可能高于5%。方差“泡沫”A/A测试能帮助确定转化率中的方差“泡沫”，最小化对未来测试的影响。除了技术上的有效性，A/A测试能让“泡沫”在可接受范围内。比如，如果A/A测试中的泡沫是0.1%，测试转化率是3%，那么你可以接受的范围就是2.9%-3.1%。如果你看到0.1%的提升，那么你就知道这样的结果是没有意义的。A/A测试的时候，你不知道什么时候新变量和默认变量的转化率差别结果能达到统计显著。因此，A/A测试中的任何错误或置信度不应被用来作为未来测试的基准，因为A/A测试中本不应有转化率的明显差异。需要注意的是，有可能只是因为随机性，导致A/A测试的两个试验结果有所不同，而不是工具或测试方案本身的问题。当然，随着样本量的增大，这种差别会逐渐降低。这是因为，小样本下的结果是不可信的，小样本从总体上意味着可能存在分配不均的数据段。要消除这点，就需要A/A测试运行足够长的时间，以及有足够的样本规模。计算测试持续时间测试持续时间是两个因素的函数： 达到一个可接受的样本大小所需的时间 变量之间的不同表现差异大小 如果一个变量引起了50%的变化，测试就不必运行很长时间。这种情况，即使是在小样本下，也可以忽略统计误差。如何设置A/A测试？A/A测试好在不必做任何创造性的或研发上的工作。当设置A/B测试时，你需要在A/B测试软件上编程来改变、隐藏或删除页面的某些部分，对A/A测试来说这些都是不需要的。A/A测试面临的挑战是正确的选择运行测试的页面，通常做A/A测试的页面都应该有两个特点： 相对较高的流量。网页流量越多，越早看到变量的对比。 访客可以从页面购买或注册。我们希望根据最终目标来校验我们的A/B测试工具。 出于这些原因，通常我们会在网站主页上运行A/A测试。运行A/A测试的成本运行A/A测试的唯一成本：机会成本。有的人宁愿把A/A测试上投入的时间和流量用来多做几次A/B测试也不是没有道理的。应该考虑运行A/A测试的唯一种情况：1.你刚安装了一个新的测试工具或更改了测试工具设置。2.你发现了A/B测试与数据分析工具结果之间存在差异。参考文章： blog.analytics-toolkit.com/2014/aa-aab-aabb-tests-cro/ blogs.oracle.com/marketingcloud/optimization-shorts:-aa-testing www.optimizely.com/optimization-glossary/aa-testing/  本文由 Zoran @吆喝科技（微信：appadhoc）授权发布，未经作者许可，禁止转载。