增长黑客内容摘要（第七八章）

增长黑客内容摘要（第七八章）

一、第七章

7.1　用病毒传播撬动增长的杠杆

       传真机效应”：单独一台传真机是没有什么价值的，只有它处于一个网络中时才能被赋予价值。对于拥有一台传真机的人而言，网络中的传真机越多，你的传真机价值也就越大。用户买下传真机，实则买下的是整个传真网络——这比传真机本身更加值钱。

        衡量病毒传播的两大核心指标是K因子（K Factor）和病毒循环周期（Virial Cycle Time）。

K因子，用于评判病毒传播的覆盖面。其公式为：K因子＝感染率X转化率。感染率是指某个用户向其他人传播产品的程度，例如发送一封邮件邀请、进行一次口碑推荐。转化率是指被感染用户转化成新用户的比例。更简单地说，1个K因子表示平均1个用户能带来1个新用户。K因子越高，产品自我获取新用户的能力越强。提高K因子，主要从提高感染率和转化率两个方向入手。鼓励用户平均发送更多邀请，如在一对一的通讯录联系人邀请之外，增设发微博、邮件群发选项，可以增加感染更多用户的机会。优化被感染者看到的着陆页，让注册步骤尽可能简短，则能提高注册成功的转化率。

         病毒循环周期，是指从用户发出病毒邀请，到新用户完成转化（如点击阅读、注册、消费的行为）所花费的时间。病毒循环周期越短，效果越好。

       

7.2　坏事传千里——Bug营销

      这起看似由Bug引发的网络狂欢，背后极有可能是精心策划的一场炒作。

 

7.3　借势营销，乘势而上

时机的艺术

        现代社会信息的剧增和传递速度的加快，使一篇文章、一条微博在发布之时起，会迅速爆发并迅速衰减。从某种程度来说，社交网络时代对病毒传播的把握，追求的是“时机的艺术”。一条消息从什么时候开始推送，在什么时候影响到特定的人群，如何延长半衰期，看似听天由命撞大运，实则仰赖技术层面的精密策划。

       当网络热点爆发后，聪明的产品懂得借势营销，将产品的推广融入到用户喜闻乐见的语境中，通过争夺用户的注意力加强自身的曝光和转化。聪明的借势可以事半功倍。

“光棍节程序员闯关秀”

         

7.4　构建产品体外的病毒循环

朋友圈小游戏的能量

         再向前追溯到中国互联网早期，快速崛起的各种地方门户、站长论坛、电商服务，经常采用的策略之一就是自行圈养一批高自然流量但内容相对低俗的网站，为主站导流，源源不绝地堆起用户量。

 产品体外病毒循环的三大考验

          类似的体外病毒循环构建，主要面临的考验有三个：创意来源、生命周期和产品契合度。

        首先是解决创意从何而来。类似的HTML5小游戏开发难度并不高，开发周期也相对较短，神经猫团队的两名成员只花费了一天半就完成了开发。与低开发成本相伴的是低抄袭成本，一款游戏火了，敏锐的市场就会迅速出现模仿者，2048、别踩白块儿、Flappy Bird都是热门山寨对象。因此核心创意的破旧立新、层出不穷，成为此类朋友圈小游戏的灵魂所在。

优秀的创意来之不易。它需要扣动人们情绪的扳机，打通与现有资源的脉络关节，搭乘网络的顺风车，还要有讨人喜欢的界面和新颖有趣的交互，简单来说，就是让人们眼前一亮。

         其次是尽可能延长体外病毒循环的生命周期。

        最后，构建的体外病毒循环策略应当与被主推的产品相契合。一般而言，使用体外循环推广起来的大众产品契合度高、推广难度较低，而垂直产品效果则有待观望。

 

7.5　产品内置的传播因子

       在产品之外建立独立传播渠道的方法，有时也会面临以下尴尬：第一，渠道特性与产品特性不匹配，获得的用户质量参差不齐，覆盖效率低。第二，渠道传播与下载转化之间可能存在断链，造成统计困难或无法下载。第三，渠道传播的策划固然异常成功，但用户对真正宣传的产品却缺乏兴趣，本末倒置，最后开发者发现产品失败了，“营销大号”倒是堆起来了。

       

7.6　病毒传播中的用户心理把握     

         法国社会心理学家古斯塔夫·勒庞（Gustave Le Bon）在他的经典著作《乌合之众》中认为，群体不善推理，却急于行动，原本理性的个人一旦结成群体，便容易智商尽失，轻易被影响操纵。互联网是人性的试炼场，互联网产品的病毒传播策略如果能把握群体心理中的一些特征共性，就能从深层次激发人们的传播动力。

        1．喜爱

      2．逐利

      3．互惠。基于理性经济人假说的传统经济学认为，经济行为主体是单纯追求个人利益最大化的，人们的复杂行为和社会参与，都是基于成本收益的计算。互惠是逐利的一种变体，是人类社会日常交际的基础。

       4．求助

       5．炫耀

       6．稀缺。稀缺资源引发人们的好奇争抢，而邀请机制则将病毒传播的效果成倍放大。

       7．害怕失去或错过

       8．懒惰。人天生是懒惰的。当产生分享传播的冲动时，如果需要用户费事打开操作网页、编写一套原创说辞，操作成本过高，无形之中会将一部分人阻拦在外。作为产品开发者，应当充分利用人们懒惰的心理，提供便利的分享方式，如一键分享按钮、跳转手机客户端直接获取身份认证等。

 

7.7　用邮件提醒增强传播效率

7.8　病毒传播的策划与打磨

       在摩尔定律的催熟下，计算机存储设备的成本不断降低，硬件性能稳步提升，服务商可提供的服务范围不断扩大，用户的期待也水涨船高。网络硬盘（或者说以其为代表的云存储业务）正是摩尔定律发展的写照，它深刻揭示了存储硬件价格的降低和储量的扩容，为个人及企业用户市场带来的存储空间的数量级上的跃升。

      1．用户需要一下一下手动点选，才能逐渐递增数字，而不是输入一个值，一步到位地领走空间。有了辛劳付出的过程，才更能体现出奖励的价值。

2．云诺官方承诺点击到多少数字，就能领走多少。在我们预估实验中，用户保持点击姿势久了会疲劳，充其量只会到数百下，也就是领走几百GB（后来经验证，实际数字比几百略高，在一千至两千之间比较多）。这从机制设计上有助于控制我们的成本。

3．用户为了参与本活动，会疯狂点击鼠标/键盘/触控板，“哒哒哒”的声音很容易吸引左右同事/同学前来围观一探究竟。于是很自然地形成了线下的病毒传播。（事后有用户反馈，他们办公室的确所有人都在玩，点击声此起彼伏，大家都无心工作了。）

4．随着用户点击数字的增加，我们会在页面随机出现卡通彩蛋（下图是手绘原稿），在帮助用户缓解单调疲劳的同时，传达品牌和赞助商的理念。

 

1．打造与众不同、别出心裁的创意，同时保证能够浓缩成一句话进行传播，例如“云诺免费赠送无限空间”。

2．提供简单直接的参与形式，不要挑战用户的耐心，不要抬高用户的期望后令他们失望，而是要超越用户的预期。

3．借鉴游戏设计元素，在“成就时刻”鼓励用户通过社交网络分享战果。

4．尽量设置较多亮点、槽点，让传播者有话可说。

5．故意设置漏洞，借高级用户去主动发现、宣传，往往有奇效。

6．在策划之初就准备好二次传播乃至三次传播的方案。

 

二、第八章

8.1　Airbnb

附录A　增长黑客应当关注的常用指标

网站类产品常用指标

1.页面浏览量（Page View，PV）：在一定统计周期内（通常为24小时）所有访问者浏览的页面总数。该指标重复计算，即如果一个访问者浏览同一页面3次，那么PV就计算为3个。PV之于网站，就像是收视率之于电视，从某种意义上已成为投资者衡量商业网站表现的最重要尺度之一。严格意义上来说， PV只记录了页面被加载显示出的次数，并不能真正确保用户进行了浏览，有些网站会利用这一特性“刷”PV，例如在页面中嵌入不可见的iframe。还有的网站编辑为了完成PV指标，会将一篇长文（或组图）拆分成多页，从而制造出阅读量大的假象。

2.独立访问者（Unique Visitor，UV）：在一定统计周期内访问某站点的不同IP地址的人数。通常在同一天内，UV只记录第一次进入网站的具有独立IP的访问者。如果某人访问网易首页，又点开了三条新闻，则记作4个PV和1个UV。UV反映了网站覆盖的绝对人数，但没有体现出访问者在网站上的全面活动。此外，由于校园网络、企业机关等一些部门通常有统一的对外IP出口，依靠IP来判断的UV也并不能做到完全准确，更优的做法是结合Cookies。

3.着陆页（Landing Page）：指访问者浏览网站时所到达的第一个页面，又称用户捕获页。针对着陆页的分析追踪可作为判定外部广告或其他营销推广活动效果的依据，因此着陆页应当是经过恰当优化的。

4.退出页（Exit Page）：指访问者浏览网站时所访问的最后一个页面。退出页数量大，并不等同于网站的黏性差，此时应当参照退出数与页面浏览量的比值，即退出率。若某个页面本不该有较高的退出率（如在线购买流程的下单环节），则需要检查该页面，防止其成为整站的流量漏洞。

5.跳出率（Bounce Rate）：用于衡量整站或网页的黏性。跳出，指访问者仅仅浏览了一个网页就结束了访问（Visit）。整站跳出率＝全站跳出数/全站页面浏览量，它反映了整站的导航效率；而针对单独页面计算的跳出率＝该页面跳出数/该页面浏览量，它是对单个网页导航能力的评价。一般而言，跳出率越高代表网站的问题越大。

6.展现数（Impressions）：又称印象数，指广告在浏览器中被加载的次数。只要广告内容被加载出一次（如刷新了页面），展现数就加1。

7.服务器打点数（Hit）：打点指服务器收到一次请求。如访问者浏览了一个仅有10张图片的网页，则打点数记作11，其中包括1次网页请求和10次加载图片的请求。

转化率（Conversion Rate）：转化，指达成了某种预设的目标，如引导用户完成下载、注册、新闻订阅、走完新手介绍流程等。转化率是计量这种转化成效的指标，可用于衡量网站内容对访问者的吸引程度和宣传效果等。例如，广告条的转化率＝通过广告条点击进入着陆页的流量/广告条的展现数；注册的转化率＝完成注册流程的用户数/到达注册页面的流量。

停留时间（Duration）：指一次访问的持续时长。通常较为简单的计算方法是用最后一次访问的时间减去访问第一张页面的时间（但这将无法统计最后一次访问的持续时长）。

初访者（New Visitor）：初次访问网站的访问者。通常用Cookie判断，并以一定时限为统计周期，通常为一个月。如果上月某人访问过网站，次月再次访问，则对于次月内的第一次访问行为而言，这个访问者仍视作该月内的一个新的初访者。

回访者（Return Visitor）：相对初访者而言，如果一个访问者在该月内重复访问，则视作回访者，也就是“回头客”。该指标衡量网站内容对访问者的吸引程度和网站实用性。统计周期内所有初访者数量＋所有回访者数量＝独立访问者数量。

访问来源（Referrer）：指一次访问或一个网页浏览的流量来源，又被称作“推荐来源”。访问来源可从不同维度进行划分。如按来源网站的性质，可划分为来自搜索引擎、网站推荐（如友情链接、广告条、软文植入）、无网站来源（用户直接进入网站，如从浏览器收藏夹点入、直接在地址栏输入域名）等；按来源网址的形式，可划分为来自域（如fanbing.net）、网站（如www.fanbing.net）或URL（如http://www.fanbing.net/about.html

）；按照内外部，可划分为站外链接或站内来源。

其他属性：有的第三方统计工具可结合自身收集的其他数据，获取访问者进一步的信息，如地域分布、系统环境、性别比例、年龄分布、学历分布、职业分布等。

软件及移动应用类产品常用指标

 

新增用户数（New Users）：指首次打开应用的用户数量，通常通过设备识别符（如苹果系统的UDID）来识别用户的唯一身份。由于传输统计数据需要联网，因此即便是首次打开应用，若未能联网，也统计不到。此外，卸载再安装通常不会算作新增用户，老用户的版本升级也不会计算在内。当然，如果下载了应用但并未安装，或安装之后没有启动过，也无法统计为新增用户。

活跃用户数（Active Users）：指统计周期内有过特定使用行为的用户数量。同一用户在一个统计周期内多次使用记作一个活跃用户。这里“使用行为”的定义因应用而异，有的团队将启动即视作活跃，有的则需要满足启动＋执行某种操作（如浏览过至少一条新闻），还有的则索性将常驻后台的守护进程没有被杀死也统计进了活跃范畴中。因此如何计量活跃用户数，归根到底还是看团队真正追求的是什么。活跃用户数一般看“日活”（Daily Active Users，DAU）和“月活”（Monthly Active Users，MAU）。

升级用户数（Updated Users）：指由已装的老版本升级到新版本的用户数量。时常有人问，像QQ这样保有量已经很大的应用，为什么每天还能在应用市场上创造如此巨大的下载量？其中很重要的因素之一，就是将用户从老版本升级到新版本的下载行为统计了进去。

留存率（Retention Rate）：指用户在某段时间内开始使用应用后，经过一段时间，仍然继续使用，这部分用户占当时新增用户的比率，也就是“有多少人最后留下来了”。留存率用于衡量应用的质量和营销效果的好坏。通常新增用户如果因为真实需求而来（如从应用市场主动搜索并下载获得），则留存率较高；而因为博眼球的营销推广（尤其是有奖活动）进来的用户，留存率较低。并且，不同种类应用的留存率也有各自的基准，如游戏的首月留存率通常比社交类高，而工具类的首月留存率又比游戏高。留存率通常看次日留存率、3日留存率、7日留存率、15日留存率和30日留存率。

总用户数（Total Users）：指历史上所有新增用户数之和。该数字由单纯地相加获得，存在一定水分，无法体现已经流失或极不活跃的用户情况。

单次使用时长（Duration）：指用户从一次启动到退出应用所耗费的时间长短，用于衡量应用的黏性。应用在后台运行并不会计入其中。不同类别的应用，单次使用时长可以千差万别。工具类产品解决问题目标明确，用户完成任务之后就会立即退出，比如看一下天气、优化一下内存占用等，用几秒就可以关闭。而视频播放类应用则能持续更久，通常可达到几十分钟。

平均单次使用时长（Average Duration）：计算方法是某日总使用时长/

该日启动数，可用于更准确地评估用户的使用状态。因为一款应用在不同时段的使用时长可能存在差别，用户早上挤地铁时的一瞥与晚间睡觉前的沉浸使用，其单次使用时长本身是不具备可比性的，只有平均之后才能用于横向比较。

使用间隔（Interval）：指连续两次使用之间的时间间隔。如果一款定位于提供每日新闻资讯的应用的使用间隔过长，则说明对用户的黏性不够强，并未培养成每日使用的习惯，只是在偶尔想起来时看一眼。这就需要在产品上下功夫，或采取一些运营手段弥补，如定时推送当日的头条新闻。

转化率（Conversion Rate）：指应用内特定行为目标的转化情况，如让用户点击某个按钮、播放一段视频、邀请一批好友等。

K因子（K-Factor）：衡量产品的病毒传播能力，计算方法为每个用户平均发出的邀请数量/收到邀请转化成新增用户的比率。如果K因子大于1，表明产品具有自我传播能力，会随着用户的使用而持续扩散。

每用户平均收益（Average Revenue Per User，ARPU）：简单的理解就是“能从每个用户那里收多少钱”，是衡量产品盈利能力的指标，也可用来检测不同市场渠道获取的用户质量。ARPU的通常计算方法是产品在一定时限内的收入/活跃用户数。结合单用户的获取成本，可以推断出产品是否能形成自我造血的持续发展能力。

每付费用户平均收益（Average Revenue Per Paid User，ARPPU）：与ARPU将收入平摊到所有用户头上不同，ARPPU只计算从所有付费用户处获取的平均收益，据此更准确地把握付费用户的支付能力、消费习惯，并有针对性地对这部分付费用户重点运营和服务。

月付费率（Monthly Payment Ratio，MPR）：指一个月的统计区间内付费用户占活跃用户的比例。

生命周期价值（Life Time Value，LTV）：用户从第一次使用产品，到最后一次使用之间，累计贡献的付费总量。

 

三、总结

    作为一个学生，看完这本书感觉不会那么深刻，我从中看到的是许许多多以前不知道的内容，开阔了眼界，原来高手都是这么炼成的。其次是方法，开发软件的新方法，营销的方法，此时正是学习的时候，我会一点一滴的付诸实践，期待明天会更好！