移动增长栈是什么（一）

原创： Andy Carvell MarTechCareer

本文作者：Andy Carvell

来源：MobileGrowthStack.com

翻译：MarTechCareer

移动增长栈是一个策略框架，可以帮助营销人、增长官实现移动产品的用户增长。不论你产品处于生命周期的哪个阶段、是什么商业模式，你都可以使用这套移动增长栈的方法。只不过对于不同阶段来说，增长栈里不同的元素和层级的重要性不同。

这篇文章讲解了什么是移动增长栈。

全文分为四部分，本文是第一部分。

阅读时长：15分钟。

历史和演变

移动增长栈最早是由Andy Carvell发明和发布的。这是基于他15年的移动产品职业生涯，尤其是他在SoundCloud做用户增长的那5年经历。2015年时，Andy和前SoundCloud增长团队成员Moritz Daan一起更新了移动增长栈，帮助了大量世界各地的app开发与发布商实现移动增长。

移动增长栈是什么？它是怎么用的？

移动增长栈包括了四层内容。其中三个层级代表了三个移动APP的关键目标：获取（Acquisition）、Engagement/Retention（活跃与留存）、Monetization（变现），这三层内容必须获得第四个层级的支持：Insights & Analytics（洞察与分析）。

有着不同成熟水平的产品当然会侧重“增长栈”里的不同层来达到他们短到中期的目标，但是一个成功的策略需要你在某一时刻在所有三个层级上产生影响，要达到这个目的，是离不开对洞察与分析的投入的。

移动增长栈里的每个元素代表着移动战略的一部分。对于特定的app、品类或垂直领域，并不是所有的元素都同等适用。一个聪明的增长战略并不试图用到所有的元素，而是选择一套合适的组合，为短期增长提供最优机会，并为下一阶段的更大的增长投入开发额外的功能和渠道。

今天这篇文章，我们先说洞察和分析（Insights & Analytics）这一层。因为这是其他层级的前提条件与关键。这一层的内容被总结在了下面这张图里。

（下面这张符适合把手机横过来看）

洞察和分析层是整个移动增长栈中最综合的部分。强调了定量和定性数据、变量的重要性。模型和报告对指导增长、测量影响、识别机会异常重要。很多工具都为了这一层的数据收集和处理而生。

以下是这一层的主要组成部分：

1.营销归因

想要把app下载安装归因到特定的营销战役、社交网络的内容分享、邀请、或者其他的获客渠道需要很多不同的追踪技术。浏览器cookies可以用于移动/响应式网站，但对于原生app，用户是通过具体设备的ID（比如IDFA或者安卓ID）来定向的，这些ID匹配了一个用户（或者更准确地说，一台设备）与一个安装点击。在负责多点归因和跨平台流量（比如从桌面端网页到移动设备安装）的归因时，归因就变得更加具有挑战了。戳我了解营销归因。

2.深度链接（Deeplinks）

原生移动app在不断演变，app不再需要通过按下home键回到主屏幕来启动，现在越来越多地通过深度链接，从app内部直接带用户去到他在app里所点击的内容里。很多移动app都安装了深度链接模式，这可以让app有多个进入点。

深度链接可以用来推送提醒、邮件、信息、从网站来的链接和几乎任何普通网络URL可以启动的地方。不仅如此，应用内的内容可以被谷歌检索，并在搜索结果中浮现出来。深度链接也用于重定向战役，已有用户在其他app中被推荐广告，让他们重新回到app中的某个部分。

如果你的app支持深度链接，那非常重要的一点就是要收集信息了解这些链接表现如何，了解哪些深度链接URL被打开了，以及用户从哪里来（比如，浏览器链接，推送消息，重定向战役等）。这些信息可以让你理解哪些内容更受欢迎、不同的渠道和战役对重新激活已有用户的效果如何。这些数据还可以为新的内容编辑策略提供启发，帮助优化传递给用户的内容。

3.事件追踪（Event Tracking）

想要做数据驱动优化、评估功能表现和使用，关键是在细节水平测量用户活跃。

用户在app里的任何行为（打开app、注册账号、屏幕间浏览切换、按键、内容分享、购买等）都是“事件追踪”的候选人。SDK通常会把这些事件以及相关的metadata（通常叫做“事件属性”）传输给服务器。

整合和存储事件水平的数据已经是个常见的操作了，很多分析工具都可以用来简化数据收集和处理的过程。这种定量的事件数据展示了用户们是如何与app互动的，哪个功能被用得最多/少，这也可以帮助识别bugs（比如，如果事件数量突然急转直下，那么和事件相关的功能可能有问题），另外这些数据还能可视化关键用户路径以及活跃漏斗。

4.战役测量（Campaign Measurement）

营销战役，不管他们是为了用户获取，留存，还是变现，都需要恰当地测量，才能计算出这些营销战役的ROI。缺少了对战役和创意/文案表现的定量理解，广告预算不能被恰当地分配，战役无法被优化。戳我学习如何做战役测量。

在用户获取（User Acquisition）或者重定向战役（Retargeting Campaign）中，战役测量这个话题与深度链接、营销归因以及事件追踪都紧密相关。营销人需要看见每个战役获得了多少下载、他们获取这些新用户花了多少钱，以及这些用户的质量（通常用某战役所获得的用户群体的活跃/留存度来分析）来优化广告花费和表现。

生命周期营销，比如邮件、推送和app内的营销战役也需要详细的测量，这样才能做实验来优化打开率、点击率以及漏斗下游的目标（比如提高app内购买、驱动更多app内的关键行为，提高留存率等）。

5.应用商城的分析与智能（App Store Analytics & Intelligence）

任何app发布商都会通过至少一个应用商城（很可能多个）来分发他们的app。除了iTunes App Store和Google Play，还有很多其他的分发渠道比如Windows Store，Amazon App Store，Samsung Apps，Myapp（腾讯）等。

在基本的应用商城分析报告中，你可以看到app下载和app内购买的测量和报告，可以按国家、设备、OS版本等分类汇总，也能看到竞争对手的信息。报名《移动APP增长黑客》，学习App Store Analytics与Optimization。

随着每天数以千计的新app和游戏进驻应用商城，在商城里保持自己的可见度是app发布商们旷日持久的战争。观察竞争趋势、关键词搜索量和其他市场智能可以帮发布商找到竞争优势。回顾品类内顶级app的下载预测数据可以推测出一个发布商每天需要多少下载量来获得商场内的某个排名。尽管如此，应用商城数据的分析加上可行动的洞察，对于产品生命周期的每一阶段都是非常有用的。

应用商城的搜索也组成了应用发现的重要部分，仔细识别和测试关键词可以提高商城内自发地下载量。很多ASO工具用来估计关键词搜索量以及搜索排名。

6.用户细分（User Segmentation）

并非所有用户都是平等的，有些群体更加活跃，在app中消费更多。有着相似特征的群体被组成同一个有分析意义的细分群体。大多分析工具可以根据用户属性或app内行为来创建和追踪动态更新的用户细分。通过改进app对特定用户细分传递的信息，营销人可以提高他们营销对不同用户的相关度。

7.群体分析（Cohort Analysis）

为了理解用户增长和留存是如何随着时间演变的，很重要的一点是做群体分析（根据相似特征，通常是相同的下载/注册日期，来将用户分组）而不是依赖高度概括的数据比如总注册人数、月活、日活数，这些高度概括的数据会掩盖潜在的留存问题。

一个典型的群体留存表将用户按照他们第一次使用app的日期来划分，并展现在这一群体中，多少用户（或者都少比例的用户）在后续的日期里回到了app。戳我了解Cohort Analysis的具体做法。

8.内容分析（Content Analytics）

如果一个app或者游戏包括了动态的内容（比如新闻、食谱、照片、音乐等），那么追踪活跃度（阅读、点赞、收藏、购买等）以及内容分享就可以让你知道哪些内容和品类带来了最高的ROI。

9.情绪追踪（Sentiment Tracking）

用户满意度非常重要。不高兴的用户很容易流失，并且也可能在应用商城或是网上社区里传播负面评价，吓走潜在的用户。反过来，快乐的用户能成为一款移动产品的强大拥护者，他们应该在用户细分里被识别出来。

有很多测量用户满意度的方法。线上、app内或者邮件调查都可以用来收集用户的反馈，不过更常见的是方法是一个弹窗来让用户给app打分，或者问“你有多可能向你的朋友同事推荐这款产品”。

情绪追踪技术还可以用来估计用户对新功能或内容的反馈，在推向市场前评估用户接受度。

10.用户测试（User Testing）

产品团队如果想要reality-check，没什么比邀请真人来试用新产品/功能更快的方法了。尽管这种方法的本质是定性的，但是它可以揭示很多有价值的洞察，通常只要几个用户测试就可以识别产品的使用问题。这可以帮助你做产品优化。

对于早期的初创公司，频繁的用户测试尤其有价值。带入真人，与产品原型交互，挑战关于PMF的假设，让团队更清晰地看清产品的定位。

11.A/B 测试（A/B Testing Measurement）

多变量测试是增长营销官的关键武器。计划、执行、解释A/B测试的结果，通过假设检验来修正对产品增长的假设是增长的面包与黄油。戳我了解A/B Testing的门门道道。

为了A/B测试新产品特征、UX、营销战役和用户沟通，必须使用实验框架来保证实验结果具有统计性显著意义。

12.页面流程（Screen flows）

与事件追踪相似：通过页面流程追踪，你可以知道用户是如何在app内部浏览的，他们着陆到哪个页面，以及他们到达那里的路径是什么。分析页面流程可以识别不太被使用的页面和功能，也可以看出用户是否在哪个部分逗留了超乎预期的时间。

13.转化漏斗（Conversion Funnels）

追踪和可视化关键用户路径中的每个事件，比如账号创建、购买、搜索等，有助于识别表现不好的路径，并通过展现每一阶段流失的用户数来制定优化的方向。

也可创建新的漏斗来监测新功能的表现。详细的事件追踪是漏斗可视化的前提。

14.增长模型（Growth Modeling）

增长是一个系统，包括了很多的输入和反馈循环。增长模型会随着时间被改进和重新定义，因为模型是通过实验学习和深度理解用户行为、市场环境和运营数据抽象出来的。

除了开发出一个概括性的定性模型，连接获取Acquisition和留存/流失Retention/Churn的定量方法也有助于理解当下和预测未来。通过这样的模型，情景规划（scenario planning）成为可能，团队可以根据什么能对用户增长产生最大的影响来调整他们的获取与留存的做法。

15.LTV模型

当app开始变现后，理解用户生命周期价值就尤其重要。LTV是计算一个用户在生命周期里可以对app产生的预期收入价值。由于这是一个面向未来的预测，LTV模型不仅仅是科学（也是艺术），用户产生的实际收入可能超过或低于LTV计算出的值，也正因如此，在用LTV来做广告购买决策时应尽量保守。LTV有很多影响因素，包括获客来源、用户人口学数据、产品内变现范围等。如果用户留存（生命周期）可以被提高，LTV也会相应增高。

16.增长核算（Growth Accounting）

LTV是用来做未来的预测的，而增长核算则是用来追踪现在和过去的用户增长。活跃用户增长可以用一个简单的公式来表达：