画一张 AARRR 漏斗图
打开数据后台，把五个环节的核心指标拉出来：
- 获取（Acquisition）：每日新增用户数、主要渠道来源
- 激活（Activation）：注册到完成核心动作的转化率
- 留存（Retention）：次日留存、七日留存、三十日留存
- 收入（Revenue）：付费转化率、客单价、LTV
- 推荐（Referral）：邀请率、病毒系数（K 值）
不需要每个数字精确到小数点。目标是看清哪个环节的数字明显低于预期或行业基准。
如果连基础数据都拉不出来，先停下来补埋点。没有数据的增长优化等于盲人摸象。
定位数字最差的那一环
五个环节里，找到瓶颈。
留存率低于 10%？先别投广告，产品留不住人。注册到核心动作的转化率低于 20%？激活流程出了问题。获客成本高于 LTV？渠道选择或变现模型有问题。
只挑一个环节。同时优化多个环节，资源分散，结论无法归因。
如果留存率极低——次日留存低于 15%——在留存修复之前，所有获客投入都是往漏桶里倒水。优先级是产品改进，不是增长实验。
为瓶颈环节设计一个最小实验
针对定位到的环节，设计一个最小可行实验：
- 激活断了——重新设计新用户引导，缩短到达"aha moment"的步骤
- 留存断了——在流失高峰节点增加干预（推送、邮件、产品引导）
- 获取成本过高——测试一个新渠道或引入邀请机制
实验要满足三个条件：只改一个变量；有明确的成功和失败指标；48 小时内能出结果。
设计不出满足这三个条件的实验，说明对瓶颈的理解还不够具体。回到上一步，把"激活不好"细化成"注册第二步流失率 60%"这样的具体问题。
跑测试，记录结果
把实验上线。A/B 测试是首选——对照组保持原样，实验组应用改动，跑够样本量。
实验开始前，写下预测。"预计新引导流程会把激活率从 25% 提升到 35%。"预测不需要准确，但必须存在。没有预测的实验无法产生有效学习。
样本量不够大时，不要急着下结论。200 人的实验，5% 的差异可能是噪音。
结果出来后，记录三件事：改了什么、数据变化了多少、下一步做什么。
放大有效手段，砍掉无效手段
正向结果——全量上线，观察一周确认效果稳定。
无效或负向结果——记录原因，换一个假设重新设计实验。不要在同一个失败方案上反复调参。
连续三轮实验都没有正向结果？退回来重新审视瓶颈定位。可能不是执行层面的问题，而是产品方向或市场匹配出了偏差。
建立周期性增长复盘
增长不是一次性项目。每周固定一个时段，团队一起看三件事：上周实验的结果、本周计划的实验、AARRR 漏斗各环节的趋势变化。
渠道会衰减，用户行为会变化，竞争对手会跟进。上个月有效的策略下个月可能失效。持续增长依赖的不是某个天才创意，是一套持续发现问题和测试解决方案的机制。
一页清单
- [ ] AARRR 五个环节的核心指标已拉出
- [ ] 瓶颈环节已定位到具体的数字和节点
- [ ] 实验只改了一个变量
- [ ] 实验有明确的成功/失败指标
- [ ] 实验前写下了预测
- [ ] 结果已记录（改了什么、变化多少、下一步）
- [ ] 无效实验已砍掉，有效实验已全量
- [ ] 团队有固定的增长复盘节奏