用growth accounting打地基

💡 每家公司都应该把北极星指标按growth accounting拆开来看。

growth accounting是什么

growth accounting（增长核算）就像给你的产品建一份详细的健康档案。比如你在追踪一个app的使用情况，它能告诉你用户从哪来、在app里往哪去。这跟看银行流水差不多，只不过记的不是钱的进出，而是用户的进出。

它在三件事上帮你：

• 看清增长到底从哪来：是新用户注册，是老用户一直在用，还是走了的人又回来了。
• 早早发现问题：是走的人太多（流失），还是来的人不够。
• 决定力气往哪使：该提升留存，该拉新，还是该把流失的用户找回来。

用户增长核算

每个产品都有用户，追踪用户的增长是基本功。用户增长核算帮你理解用户随时间怎么和产品互动，具体是三件事：

• 分析用户的参与历史；
• 衡量新用户获取的效果；
• 追踪留存和流失。

这一章先把这个框架讲透，最后再介绍几种变体。

搭一个growth accounting框架

四个组成部分

1. 单位。你追踪的基本对象，通常和北极星指标对齐。比如北极星指标是月活（MAU），一个单位就是一个用户。

2. 什么算活跃。清楚定义一个单位怎样才算「活跃」，这个定义要反映用户真的在用产品。比如：

• 视频app：至少看了10秒；
• 聊天app：成功发出一条消息。

3. 时间粒度。按天、按周还是按月衡量活跃。选哪个，要和你期望的用户使用频率一致。

4. 状态转换。追踪每个单位在活跃和不活跃之间怎么转换。一共五种状态：

• 新增（New）：第一次用；
• 留存（Retained）：昨天活跃，今天也活跃；
• 流失（Churned）：昨天活跃，今天不活跃；
• 回流（Resurrected）：昨天不活跃，今天活跃了（不是第一次用）；
• 沉睡（Stale）：昨天和今天都不活跃。

这些状态可以按天算，也可以按周或按月算。

两个最基本的指标

把不同状态组合起来，就得到对产品决策有用的指标。最重要的是两个：

1. xAU = 新增 + 回流 + 留存，x代表时间粒度；
2. 净增长 = 新增 + 回流 − 流失。

xAU。按天算，x就是D，DAU是日活；WAU是周活，MAU是月活。这个公式告诉你，任一时间段的活跃用户由哪几部分组成。比如日活可以拆成：

DAU = 今天的新增 + 今天的回流 + 今天的留存

一般地，xAU = x窗口下的新增 + 回流 + 留存。x可以是天、周、两周、月，或者任何你定的时间段。

净增长。净增长衡量的是，跟昨天比，你的用户多了还是少了多少：

DAU净增长 = 今天的新增 + 今天的回流 − 今天的流失

成功的产品应该持续增长，也就是说，不管按天、按周还是按月算，净增长都应该是正的。

但净增长为正，不一定说明增长可持续，它有时会把问题盖住。比如你砸大钱买新用户，「新增」那一项很大，净增长是正的，可老用户正在以惊人的速度流失。

状态转换怎么算：用重叠窗口

要准确追踪状态，就要比较两个时间窗口里的用户活动：前一个窗口和当前窗口。就像给用户群拍两张快照，看两张照片的差别。比如一个用户在前一个窗口不活跃、在当前窗口活跃了，我们就把他算作「回流」。

直觉上会用不重叠的窗口。比如算月流失，就数上个月活跃、这个月不活跃的人。但在growth accounting里，这样算流失是不对的。

growth accounting用的是重叠窗口。比如1月31日算月流失：

• 前一个窗口：1月1日到30日；
• 当前窗口：1月2日到31日。

重叠窗口能捕捉每天的变化，也和净增长的公式对得上。它考虑到了用户在一个月里不同时间点活跃的情况，比拿两个完整的月份硬比要准确。

具体看一下。月活净增长（今天的MAU − 昨天的MAU）= 月活新增 + 月活回流 − 月活流失。这个算式量的是MAU每天的变化，所以必须用重叠窗口才算得准。下面是1月31日这天，各状态用到的两个窗口：

案例：一款手游的一月复盘

来看MGA，一款上线六个月、正在冲增长的手游。

框架参数：

• 分析单位：单个用户；
• 活跃定义：玩游戏超过10秒；
• 时间粒度：用月活（MAU）作北极星指标。

月活走势

月活涨得很猛：每周大约涨52%，一个月翻了两番。增长很强。接下来把月活拆开，看是哪几种状态在驱动增长，还有哪里能继续扩大。

下图把月活按growth accounting的几类拆开来看。

1. 新增用户

• 1月10日有一个明显的低谷；
• 头两周增长放缓；
• 1月21日之后明显加速，正好赶上一轮新的营销活动。

2. 流失用户

• 1月下旬流失偏高；
• 和季节、节假日都没有关系；
• 原因还要进一步查。

3. 回流用户

• 1月28日有一个大尖峰；
• 归功于有针对性的推送和营销活动。

4. 留存用户

• 1月中旬先是持平；
• 下半月明显加速；
• 整体趋势向好，说明用户参与度健康。

该优先抓哪一块

看完走势，下一个问题是：要推动增长，该优先抓哪一类？走势分析能给线索，但关键一步是对走势背后的原因提出假设、验证假设，再判断哪些值得去做。

新增：新增用户周环比涨73%，一个月翻了一倍。把手游的整体市场按细分人群拆开看，日本的青少年是一个很有潜力的获客人群。1月16日起在Google和Meta投的广告，提高了游戏的知名度和下载量。确认这批用户留存也好之后，就可以加大投放，获取更多这样的用户。

留存：留存用户周环比涨62%，一个月涨了五倍。如果留存用户时不时往下走，可能说明流失在随时间变多。这款游戏的留存用户在某些时段持平甚至下滑。要让这个指标持续增长，重点是提升留存用户的参与度。

回流：回流用户周环比涨了251%，一个月几乎翻倍。上周回流猛涨，来自1月28日的大尖峰：那天针对日本青少年上线了日语翻译功能，再加上对这批用户发的推送。

流失：流失有多严重？一般先看净增长。

流失怎么影响增长？先看净增长是不是负的。记住，净增长量的是跟昨天比用户多了还是少了。

净增长从1月中旬起一直是负的，到月底最后几天才明显回升。这时就要把净增长拆开，看流失到底影响了多少。

1月15日到20日，回流明显少于流失，所以净增长是负的。1月23日之后流失又变多了，主要原因是游戏对日本用户的语言支持不够，1月中旬拉来的很多日本年轻人开始流失。上线日语支持之后，很多流失的用户在1月28日回来了。

growth accounting的几种变体

变体一：业务增长核算

传统的growth accounting主要看活跃用户。一个重要的变体是把同样的框架用在收入上，帮你理解用户行为对收入的影响。第七章会详细讲。

变体二：更细的状态划分

自然转换和非自然转换。产品变大以后，既会吸引正常用户，也会吸引坏人，所以要区分自然的和非自然的状态转换。非自然流失指的是用户因为下面这些原因被停用：

• 检测到可疑行为；
• 识别出是机器人账号；
• 违反了平台规则。

对成熟产品来说，盯住非自然流失，才能做好防御。用户在被调查期间，可能暂时处于非自然流失状态；查清没问题，就转为非自然回流。这能帮你追踪风控系统误伤（假阳性）的比例。

SaaS里的主动流失和被动流失。在SaaS业务里，要区分用户是不是自己选择离开。主动流失是用户自己决定走，比如觉得Netflix不值这个钱就退订了。被动流失可能来自：

• 支付失败；
• 因为规则问题账号被暂停；
• 技术原因导致用不了。

区分这两种，应对办法就清楚了：主动流失靠改进产品，被动流失靠运营手段，比如改进支付系统。

变体三：更细的活跃定义

growth accounting的活跃和不活跃状态，可以按需要划分得更细。考虑这么做之前，先问一句：

更细的状态划分，会改变哪些业务决策和行动？

多邻国（Duolingo）就是一个例子。¹它在用户分类里加入了「有流失风险」的状态，区分有流失风险的周活和有流失风险的月活，从而对不同人群做有针对性的召回。

这种细分让多邻国能针对不同风险等级的用户，做不同的游戏化设计。更细的状态定义，会直接带出更有针对性的干预。

本章要点

growth accounting把用户增长拆成几个核心组成部分，让你完整地看到产品的健康状况和增长动态。分析用户在各状态之间的转换，从新增到留存，从流失到回流，就能找到驱动增长的关键因素，以及需要关注的问题。

搭建一个有效的growth accounting框架：

1. 定义有意义的活跃，反映用户得到的真实价值；
2. 列出用户的各种状态和转换方式；
3. 系统地追踪状态转换；
4. 把精力放在对净增长影响最大的那几个状态上。

growth accounting的威力在于：

• 指导战略决策：告诉你哪类用户需要关注，是该拉新、该留住老用户，还是该把流失的人找回来；
• 从历史走势里得出可行动的洞察：评估过去的举措有没有用，发现新冒出来的问题；
• 方便和外部对比：流失率、回流率这些标准化指标，可以拿来和竞品比；
• 看全局：不只盯单个指标，保证增长是平衡、可持续的。

练习

练习1：增长侦探

你是TrendyApp的数据分析师，这是一个快速增长的社交平台。CEO想知道用户增长到底是怎么回事。下面是日活数据：

任务：

1. 算出第二天的净增长（提示：比较来了多少人、走了多少人）。
2. 第二天的用户里，留存用户占多少？写出算法。
3. 第二天流失了多少人？

加分题：根据这些数字，你会给CEO什么建议？

参考答案（按本章的公式推算）：

1. 第二天日活1200 = 新增300 + 回流100 + 留存，所以留存 = 800。第一天的1000人里只有800人留下，流失 = 1000 − 800 = 200。净增长 = 新增300 + 回流100 − 流失200 = 200，正好等于1200 − 1000。
2. 留存占比 = 800 ÷ 1200 ≈ 66.7%。
3. 流失200人，也就是第一天用户的20%。

加分题：增长看起来不错，但第一天的用户第二天就走了五分之一，而新增的300人能不能留下还不知道。建议先看新用户的短期留存，弄清第二天流失的人卡在了哪里，再决定要不要加大拉新。

练习2：用户旅程日历

Alex在用一个健身app，叫FitTracker。来看他的使用记录：

1. 1月1日：第一次下载并使用；
2. 1月2日到7日：每天用来记录训练；
3. 1月15日：休息一阵后回来，记了一次健身；
4. 1月20日、28日、30日、31日：零星地用。

问题：找出关键的状态转换日期。

1. Alex什么时候成为周活流失用户？
2. 什么时候回流？
3. 第一次以日活新增出现是哪天？
4. 第一次日活流失是哪天？
5. 第一次日活留存是哪天？

答案：

1. 周活流失：1月14日；
2. 周活回流：1月15日；
3. 第一次日活新增：1月1日；
4. 第一次日活流失：1月8日；
5. 第一次日活留存：1月2日。

再检查几个时间点：

1. 1月20日，Alex的周活状态是什么？
2. 1月27日和28日，他的周活状态怎么变？
3. 1月10日、30日和31日，他的日活状态分别是什么？

答案：

1. 1月20日：周活留存。
2. 1月27日：周活流失；1月28日：周活回流。
3. 1月10日：日活沉睡；1月30日：日活回流；1月31日：日活留存。

注释

1. Erin Gustafson，「Meaningful Metrics: How Data Sharpened the Focus of Product Teams」，多邻国博客，2023年2月17日，https://blog.duolingo.com/growth-model-duolingo/。↩︎