第一步-产品概述
这是一个什么类型的产品
抖音是一款短视频社交平台，其核心产品体验是基于强大的个性化推荐算法，为用户提供源源不断的、沉浸式的短视频内容消费。用户既是内容的消费者，也可以通过低门槛的创作工具成为内容的生产者，并通过“关注”、“点赞”、“评论”、“分享”等功能进行社交互动。
为什么要关注和分析这个产品
抖音是全球范围内用户增长最迅猛、最成功的互联网产品之一，其崛起彻底改变了内容消费的形态和用户的娱乐习惯。在短短几年内积累了数以亿计的日活跃用户，其增长路径堪称“教科书级别”。
该产品在用户增长策略设计上有哪些值得分析的地方
抖音的增长策略精妙之处在于，它并非依赖单一的增长黑客技巧，而是构建了一个由内容生态、算法推荐、社交裂变和产品体验共同驱动的增长飞轮。其值得分析的关键点包括：
- 极致的算法驱动：如何通过算法在用户首次使用时就快速捕捉兴趣，实现“秒级”Aha时刻。
- 内容驱动增长：如何通过降低创作门槛和精细化的创作者运营，保证了海量、优质且多样化的内容供给，从而驱动用户消费增长。
- 上瘾机制的设计：如何利用人性的弱点，通过产品设计（如无限下拉、可变奖励）让用户沉浸其中，极大地提升了用户粘性和使用时长。
- 社交网络的运用：如何巧妙地结合熟人社交和兴趣社交，利用分享和关注机制实现病毒式传播和用户留存。
因此，分析抖音的增长策略，对于理解内容驱动型产品的增长逻辑具有极高的参考价值。
第二步-确定用户增长的北极星指标
北极星指标的确定
最终选择的北极星指标：每日用户有效观看总时长 (Daily Total Effective Viewing Duration)
有效观看的定义：用户单次观看一个视频的时长超过3秒，或完整观看了视频（对于时长小于3秒的视频）。这个定义确保了用户是在进行有意义的内容消费，而不是在快速、无目的地划水，过滤掉了无效的浏览行为。
选择该指标的理由
- 反映核心用户价值：抖音为用户提供的核心价值是“发现并消费感兴趣的、有趣的短视频内容”。用户愿意投入的时间越长，说明产品提供的内容越符合其需求，用户价值传递得越成功。
- 关联商业目标：抖音的主要商业模式是广告变现，而广告库存和价值与用户的总使用时长直接相关。更长的用户时长意味着更多的广告展示机会和更高的商业价值。
- 指导产品方向：这个指标可以引导团队思考如何让用户看得更久。这会促使团队去优化推荐算法的精准度、提升内容生态的丰富性和质量、改善观看体验等，这些都是对产品长期健康发展有利的方向。
- 综合性强：它是一个复合指标，其增长必然是由用户规模（DAU）的增长和用户粘性（人均使用时长）的提升共同驱动的，能够全面衡量产品的健康度。
考虑过但未采用的指标
- DAU (日活跃用户数)：这是一个规模指标，但无法衡量用户的参与深度。一个每天打开应用10秒就关闭的用户和一个每天观看1小时的用户，在DAU上被计为相同，但这显然是不对的。它无法反映用户是否真正体验到了产品的核心价值。
- 每日视频总播放量：这个指标容易被“刷量”或者低质、超短的视频内容所干扰。团队可能会为了追求播放量而引导生产大量“标题党”或“封面党”内容，损害用户体验。
- 每日总互动数 (点赞/评论/分享)：互动是用户深度参与的表现，也是一个非常重要的过程指标。但它不是最终目的。用户的核心行为是“看”，互动是“看”之后的衍生行为。过度关注互动数，可能会导致产品设计过于引导用户进行操作，反而破坏了沉浸式的观看体验。
第三步-认清产品的用户增长驱动模式
抖音的增长驱动模式是一个典型的、以内容驱动为核心，产品驱动为放大器的混合模式。
增长驱动类型梳理
- 核心驱动力 - 内容驱动 (Content-Driven Growth): 抖音增长飞轮的起点和基石是内容。没有源源不断、丰富多元的优质内容，任何强大的算法和产品体验都无从谈起。抖音通过极低的创作门槛（拍摄工具、剪辑模板、热门音乐库）和完善的创作者激励体系，撬动了UGC（用户生产内容）和PGC（专业机构生产内容）的巨大产能，构建了一个正循环的内容生态。用户因为内容而来，也因为持续有好的新内容而留存。
- 增长放大器 - 产品驱动 (Product-Driven Growth): 如果说内容是燃料，那么抖音的产品（尤其是其推荐算法）就是一台效率极高的引擎。这个引擎的核心作用是“分发效率最大化”。
- 个性化推荐：产品通过算法，将最可能吸引特定用户的内容精准推到他们面前，极大地提升了内容消费的转化率，让用户“上瘾”。
- 沉浸式体验：全屏、自动播放、上下滑动切换的产品设计，最大程度地减少了用户的决策和操作摩擦，让用户可以心无旁骛地沉浸在内容流中。
结论：抖音的增长策略，必须围绕“如何生产出更多更好的内容”以及“如何将这些内容更高效地分发给对它感兴趣的用户”这两个基本点来展开。增长的核心依靠的是“优质内容供给”与“高效算法分发”两者结合产生的飞轮效应。
第四步-确定用户增长的核心杠杆
1. 使用增长公式拆解模型对北极星指标进行下钻拆解
我们将北极星指标“每日用户有效观看总时长”进行两层拆解。
第一层拆解 (公式层)：
每日用户有效观看总时长 = 每日有效活跃用户数(Effective DAU) * 人均每日有效观看时长
进一步拆解：
- 每日有效活跃用户数(Effective DAU) = 新增有效DAU + 留存有效DAU + 回流有效DAU
- 人均每日有效观看时长 = 人均每日启动次数 * 人均单次启动有效观看时长
因此，增长公式最终形态为：
总时长 = (新增有效DAU + 留存有效DAU + 回流有效DAU) * 人均每日启动次数 * 人均单次启动有效观看时长
这个公式清晰地指明了所有可以发力的增长变量，涵盖了用户生命周期的拉新、留存、召回，以及用户行为的频率和深度。
第二层拆解 (维度层)：
我们选择第一层拆解中的关键指标“人均单次启动有效观看时长”进行第二层维度拆解，因为这个指标直接反映了内容和算法的匹配效率。我们从“内容分类”维度构建价值四象限进行分析（此处数据为基于行业观察的假设）。
| 四象限分析：内容分类 | 低用户消费规模 | 高用户消费规模 |
|---|---|---|
| 高单次观看时长 |
金牛业务 (潜力区)
|
明星业务 (核心区)
|
| 低单次观看时长 |
瘦狗业务 (待观察区)
|
问题业务 (优化区)
|
2. 从拆解结果中发现增长的方向
基于以上两层拆解，我们识别出以下几个关键的增长方向：
- 方向A (拉新): 提升新增有效DAU。
- 方向B (留存): 提升留存有效DAU。
- 方向C (召回): 提升回流有效DAU。
- 方向D (频率): 提升人均每日启动次数。
- 方向E (时长-核心区): 保持并优化明星业务（如搞笑、颜值）的内容质量，维持其时长贡献。
- 方向F (时长-潜力区): 重点突破金牛业务（如知识、影视），扩大其受众，将其转化为新的时长增长引擎。
3. 通过ICE评分模型，给增长方向评分
对于处于成熟期的抖音，市场渗透率已非常高，拉新成本和难度巨大。因此，增长的重心应放在现有用户的深度挖掘上。我们对上述方向进行ICE评分（0-10分，分数越高越优，评分为假设）。
| 增长方向 | Impact (影响) | Confidence (信心) | Ease (难度) | ICE Score (I*C*E) | 评分逻辑 |
|---|---|---|---|---|---|
| A: 提升新增 | 7 | 6 | 3 | 126 | 市场饱和，获客难度大(Ease低)，影响有限。 |
| B: 提升留存 | 9 | 8 | 6 | 432 | 提升1%留存对DAU的复利效应巨大(Impact高)，且有成熟的策略可执行。 |
| D: 提升频率 | 7 | 7 | 5 | 245 | 通过Push等手段可提升，但空间相对有限，容易引起用户反感。 |
| F: 突破潜力内容 | 9 | 9 | 7 | 567 | 潜力区内容本身粘性高，若能成功破圈，对总时长和用户留存都有巨大提升(Impact高)，且算法和运营有成熟经验(Confidence/Ease高)。 |
结论：ICE评分最高的增长方向是 F: 重点突破金牛业务（潜力内容），扩大其受众。我们把这个方向确立为当前的关键提升指标：提升知识类等潜力内容的用户消费渗透率和消费时长。
4. 针对关键提升指标构建价值四象限分析
我们已经确定了关键提升指标，现在需要找到实现这个指标的“增长杠杆”。我们从“人群”维度进行分析，看看哪类人群是消费知识类内容的关键。
增长杠杆：找到并服务好“对知识内容有潜在高消费意愿的新用户”，让他们在抖音建立起“抖音=娱乐+学习”的新认知，从而提升他们的长期留存和使用时长。
第五步-寻找可执行的用户增长的魔法数字
我们的增长杠杆是让新用户爱上知识类内容。那么，新用户需要完成什么关键行为，才会大概率留下来，并成为知识内容的长期消费者呢？这就是我们要找的魔法数字。
1. 通过用户调研评估影响因素
通过对新用户的访谈和问卷（假设），我们发现影响他们是否持续消费知识类内容的因素有：
- 内容推荐精准度：能否快速刷到自己感兴趣领域的知识。
- 内容获得感：视频是否有价值，是否“学到了”。
- 后续发现能力：看完一个后，能否方便地找到更多同类内容或同一个创作者的其他内容。
- 主动留存意愿：是否有动力将有价值的内容保存下来以便后续查看。
其中，“主动留存意愿”是一个非常强的信号，它代表用户认为该内容具有长期价值。在抖音中，这个行为最直接的体现就是“收藏”。
2. 通过数据分析评估关键影响因素
我们（假设）对一批新用户进行数据分析，发现“新用户首周内收藏知识类视频的数量”与“该用户次月留存率”之间存在极强的正相关性，远高于点赞、评论等其他互动行为。
3. 寻找拐点，确定魔法数字
我们进一步分析这种相关关系，寻找其“拐点”。
假设数据如下：
| 新用户首周收藏知识视频数 | 次月留存率 |
|---|---|
| 0 | 25% |
| 1 | 35% |
| 2 | 48% |
| 3 | 72% |
| 4 | 75% |
| 5 | 76% |
从数据中可以清晰地看到，当收藏数从2个增加到3个时，次月留存率出现了从48%到72%的巨大跃升，而超过3个之后，留存率的增长趋于平缓。这个“3”，就是我们要找的拐点。
魔法数字：新用户在首周内，完成3次知识类视频的收藏行为。
下面是该数据关系的曲线图：
第六步-基于魔法数字设计达成魔法数字结果的用户增长策略
我们的所有策略都将围绕一个核心目标：如何让更多新用户在首周内收藏至少3个知识类视频。
1. 基于黄金体验路径和Aha时刻模型
- 黄金体验路径 (Golden Path): 打开抖音 -> (通过引导) 对“知识”等标签表达兴趣 -> 在推荐流中刷到第一个高质量知识视频 -> 完整观看并产生“学到了”的感觉 -> 点击收藏按钮 -> 算法推送更多同类优质内容 -> 重复路径直至完成3次收藏。
- Aha 时刻: 第一次发自内心地觉得“原来抖音还能学到这么多有用的东西！”并主动收藏视频的瞬间。这个时刻是用户心智转变的关键，从“抖音=杀时间”到“抖音=杀时间+高效学习”。
2. 基于用户情绪地图和“转化=欲望-摩擦”模型
用户情绪地图: 新用户进入抖音时是好奇的，如果刷到的内容不感兴趣会感到无聊/失望，刷到感兴趣的知识视频时会感到惊喜/愉悦，想要收藏时如果找不到按钮或流程复杂会感到困惑/烦躁，成功收藏并得到正反馈后会感到满足/成就感。
我们的策略是放大“愉悦”和“满足”，降低“无聊”和“烦躁”。
转化 = 欲望 - 摩擦
- 提升欲望 (Desire):
- 策略1 (已上线-兴趣选择): 在新用户注册流程中，加入清晰的兴趣标签选择，并突出“知识”、“科普”、“技能”等选项，让用户主动告诉算法“我想要看这些”。
- 策略2 (建议-价值外显): 对于高质量的知识视频，在UI上给予特殊标识，如“精选知识”、“万人收藏的干货”，提前告知用户这个内容的价值，激发其观看和收藏的欲望。
- 降低摩擦 (Friction):
- 策略3 (已上线-算法优化): 持续优化推荐算法，在新用户冷启动阶段，提高知识类视频的探索权重，确保用户能更快地刷到这类内容。
- 策略4 (建议-新手引导): 当新用户首次在知识类视频停留时间较长时，通过气泡、动画等非干扰性方式，高亮“收藏”按钮，并配以文案“收藏起来，随时查看”，降低用户的认知和操作摩擦。
- 策略5 (建议-建立收藏心智): 用户首次收藏后，立即给予正向反馈，如“已收藏到‘我的收藏夹’，你可以在这里找到所有宝贝视频”，并引导其查看收藏夹。强化用户对于“收藏”功能价值的认知。
3. 利用上瘾模型 (Hooked Model)
让用户持续使用并收藏知识视频，需要构建一个上瘾循环。
- 触发 (Trigger):
- 内部触发: 学习/成长/解决问题的需求。
- 外部触发 (策略6): 设计针对性的Push推送。例如，基于用户收藏的视频，推送相关主题的优质内容，文案如“你收藏的《如何做红烧肉》有进阶版了，快来看看！”
- 行动 (Action):
- 通过上述降低摩擦的策略，让“刷到-观看-收藏”这一系列行动变得极其简单顺畅。
- 多变的酬赏 (Variable Reward):
- 策略7 (已上线-内容多样性): 知识内容本身是多变的，用户永远不知道下一个视频是生活小技巧、硬核科普还是历史故事，这种不确定性带来持续刷新的动力。
- 策略8 (建议-创作者关联): 在用户收藏一个视频后，在信息流中，智能推荐该创作者的其他高质量视频，为用户提供“挖掘宝藏创作者”的酬赏。
- 投入 (Investment):
- 策略9 (已上线-收藏夹/关注): “收藏”本身就是一种投入。用户收藏得越多，其在抖音的“数字资产”就越多，迁移成本就越高。
- 策略10 (建议-知识清单功能): 允许用户将收藏的知识视频创建成不同主题的“学习清单”，如“我的健身教程”、“Excel技巧大全”。这种整理行为是更深度的投入，极大地增强了用户粘性。
4. 汇总增长策略明细和提升目标
| 策略ID | 策略名称 | 所属模型 | 核心目标 |
|---|---|---|---|
| 1 | 新用户注册兴趣选择 | 欲望-摩擦 | 提升知识类内容冷启动推荐精准度 |
| 2 | 知识内容价值外显标识 | 欲望-摩擦 | 提升知识视频的点击率和完播率 |
| 4 | 收藏按钮新手引导 | 欲望-摩擦 | 提升新用户对收藏功能的首次使用率 |
| 6 | 基于收藏的智能Push | 上瘾模型 | 提升用户启动频率和知识内容复看率 |
| 10 | 知识清单功能 | 上瘾模型 | 深化用户投入，提升长期留存 |
第七步-设置AB实验，验证策略有效性
我们选择策略4：收藏按钮新手引导来进行AB实验设计。
实验方案设计
- 实验名称: 新用户收藏功能引导对核心行为及留存的影响实验
- 实验假设: 对首次长时间观看知识类视频的新用户进行收藏按钮的引导，能够有效提升其首周收藏知识视频的数量，并最终提升其次月留存率。
- 实验分组:
- 对照组 (Group A): 保持现有产品逻辑，不对新用户进行任何引导。
- 实验组 (Group B): 针对新用户，当系统识别到其首次观看知识类视频的时长超过10秒时，在“收藏”按钮处显示一个动态的气泡提示，文案为“收藏干货，不错过”，2秒后自动消失。
- 流量分配: 抽取每日新增用户中的2%作为实验对象，对照组和实验组各分配1%的流量，持续观察1个月。
观测指标
| 指标类型 | 指标名称 | 指标定义 |
|---|---|---|
| 核心指标 | 新用户首周达成魔法数字比例 | 组内新用户在注册后7天内收藏知识类视频数 ≥ 3的比例。 |
| 二级指标 | 次月留存率 | 组内新用户在注册30天后仍有登录行为的比例。 |
| 人均首周收藏知识视频数 | 组内新用户在注册后7天内收藏知识类视频的平均数量。 | |
| 人均观看时长 | 组内用户的人均每日有效观看时长。 | |
| 防卫指标 | 7日内卸载率 | 组内新用户在注册后7天内卸载App的比例（确保引导不造成打扰）。 |
假设的实验结果与结论
| 指标名称 | 对照组 (A) | 实验组 (B) | 提升/差异 | 是否显著 |
|---|---|---|---|---|
| 新用户首周达成魔法数字比例 | 12.5% | 16.3% | +30.4% | 是 |
| 次月留存率 | 45.2% | 47.1% | +4.2% | 是 |
| 人均首周收藏知识视频数 | 1.8个 | 2.5个 | +38.9% | 是 |
| 7日内卸载率 | 3.1% | 3.15% | +1.6% | 否 |
实验结论：根据假设的实验数据，实验组B在核心指标“新用户首周达成魔法数字比例”上获得了30.4%的显著提升，并且对最终的次月留存率也带来了4.2%的显著正向影响。同时，防卫指标显示该引导并未引起用户明显反感导致卸载率上升。因此，该实验成功验证了假设，建议将“收藏按钮新手引导”策略全量上线。