很多公司都會問“我們該如何獲取更多用戶？”這樣的問題，但我們更應(yīng)該問的是“我們?nèi)绾文軌蚋玫乇３忠呀?jīng)擁有的客戶？”

處理增長問題的時(shí)候，你會理所當(dāng)然的以為只需要獲取更多用戶，畢竟這似乎是我們對增長的定義。然而，如果你退后一步，把增長看做是隨著時(shí)間推移，用戶數(shù)以周為單位的最大化，那么很快就能看到，專注于留存比拉新更重要。這更多的是一種可持續(xù)增長的心態(tài)。用戶快速增長快速流失，是不可持續(xù)的增長指標(biāo)。隨著時(shí)間推移保持較高的用戶留存是產(chǎn)品與市場匹配的很好的指示，這也是你無論如何都希望實(shí)現(xiàn)的。

很大程度上講，用戶留存比病毒性更重要，因?yàn)槿绻愕挠脩袅魇В敲丛谝欢螘r(shí)間內(nèi)就不能邀請其他人。如果你的產(chǎn)品有高留存率而沒有病毒性，隨著時(shí)間推移你也能可持續(xù)的增長你的用戶基礎(chǔ)；反之，如果只有病毒性而沒有留存，則不會有用戶的持續(xù)增長。在這兩個(gè)極端之間，似乎有點(diǎn)復(fù)雜，為了更詳細(xì)的解釋，我們先來看看幾個(gè)術(shù)語：病毒因子（viral factor）和留存（retention），這將讓你更好的理解這篇文章里的內(nèi)部增長模型，我們后面引用的圖表就是由此衍生的。

它描述網(wǎng)站或應(yīng)用的現(xiàn)有用戶邀請其他人的增長率，通常被稱為 k 因子。

• i = 每個(gè)客戶發(fā)送的邀請數(shù)
• c = 這些邀請的轉(zhuǎn)化率（c = 注冊數(shù)/邀請數(shù)）
• k = i * c

以周為單位，病毒因子通常像下圖這樣，視不同產(chǎn)品而有所不同，但在我服務(wù)的這些產(chǎn)品里我一次又一次看到了這樣的形狀，它的趨勢是這樣有下面三個(gè)原因：

1.登陸邀請流程的有效性

登陸是在完成特定目標(biāo)（用戶注冊）時(shí)獲得用戶高度關(guān)注為數(shù)不多的幾個(gè)節(jié)點(diǎn)之一，并且當(dāng)你指示用戶邀請其他用戶時(shí)，他們一般不會考慮太多。

2.用戶的興奮程度

人類對新鮮事物最感興趣，這也適用于互聯(lián)網(wǎng)產(chǎn)品。用戶在嘗試新產(chǎn)品時(shí)獲得的興奮感讓他們分享更多東西，但這種分享會隨著產(chǎn)品在日常生活中變得平常而逐漸消失。

3.用戶網(wǎng)絡(luò)的低邀請飽和

當(dāng)一個(gè)用戶第一次開始使用產(chǎn)品時(shí)，他們知道不使用這個(gè)產(chǎn)品的人比使用這個(gè)產(chǎn)品的人多。隨著時(shí)間推移，他們會給認(rèn)識的人分享你的產(chǎn)品。最終，即使是一個(gè)對你的產(chǎn)品非常熱衷的用戶也會發(fā)現(xiàn)已經(jīng)沒有人可以去繼續(xù)分享了，因?yàn)楹芏嗳藳]聽過這個(gè)產(chǎn)品，導(dǎo)致病毒性隨時(shí)間降低。如果你的公司發(fā)展的很大，這可能會是一個(gè)問題，但這是一個(gè)很好的問題。

它指一段時(shí)間到另一段時(shí)間內(nèi)還保持粘性的用戶數(shù)。兩種方式來表示留存，總留存和周留存：

1.總留存

總留存是隨時(shí)間累積的。如果你在第三周的總留存率為30%，這意味著有30%的用戶從第一周到第三周一直在。這是公司內(nèi)部討論時(shí)通常表示留存的方式。

2.周留存

為了增長目的，它通常用于查看每周的用戶留存情況。周留存指這周到下周有多少用戶留下來。如果第二周有40%的總留存，第三周只有30%的總留存，那么第二周到第三周的周留存是75%。如果周留存低于100%，意味著我們依然在失去用戶。

周留存曲線通常像下面這樣，第一周到第二周是最低的，隨著時(shí)間的推移逐漸接近100%。

為了使病毒性比留存更重要，你的病毒因子必須大于當(dāng)時(shí)的總留存。后文會用數(shù)學(xué)證明，數(shù)學(xué)很難確切地簡化，但有一個(gè)基本原則，你可以跟隨并接近。如果從這篇文章里你只吸收一個(gè)觀點(diǎn)的話，會是下面這句：

除非你的總留存是穩(wěn)定的，否則不要關(guān)注于提高病毒性，直到它在一段合理的時(shí)間后不再繼續(xù)減小。

為了幫助說明這一點(diǎn)，讓我們看幾個(gè)例子：

1.你的產(chǎn)品有一個(gè)非常高的即時(shí)病毒因子，如果你的產(chǎn)品在前端加載發(fā)出邀請，并以很高的比例被接受，可以實(shí)現(xiàn)即時(shí)病毒因子 k > 1。在這種情況下，如果你的邀請的接受率足夠快，即使你的網(wǎng)站/應(yīng)用首次使用后的留存為零，你每月的激活用戶數(shù)仍然會持續(xù)增長。但由于可利用的 k > 1 的即時(shí)病毒循環(huán)最終會到期，高病毒性，低留存型的增長幾乎總是不可持續(xù)的。這解釋了很多公司的垮臺，看起來似乎快速增長，在增長中賺了不少錢，然后很快死亡。比如 Viddy……

1.你的總留存很高，并隨時(shí)間推移緩慢下降，但你有很強(qiáng)的病毒性。在這種情況下，長期關(guān)注于病毒性的增長確實(shí)能讓產(chǎn)品得到受益，但這通常是一個(gè)錯(cuò)誤信號。如果你認(rèn)為你可以讓病毒性高于總留存，這是唯一值得關(guān)注病毒性的時(shí)候。如果你過早切換焦點(diǎn)，它將導(dǎo)致低于標(biāo)準(zhǔn)的增長指標(biāo)。這是因?yàn)楦纳屏舸婺軒淼膹?fù)合效應(yīng)比改善病毒性能帶來的要強(qiáng)太多。可以用留存/病毒模擬器很容易地說明這一點(diǎn)，并且將周留存和病毒性設(shè)置為相等。然后，我們可以根據(jù)我們在未來某個(gè)時(shí)間點(diǎn)的用戶數(shù)量來衡量比例變化對其中一個(gè)的影響。在現(xiàn)實(shí)世界里，病毒性似乎不太可能等于周留存，但是這樣設(shè)置有助于以最清楚的方式說明我們的觀點(diǎn)。

基本案例-病毒因子等于留存：在第七周約有88k個(gè)用戶，從44k的留存用戶和44k的病毒式用戶條形圖堆疊可以得到

第一周病毒性增加了20%：在第七周約有110k個(gè)用戶，留存53k與病毒57k堆疊

第一周病毒性增加了20%：在第七周約有125k個(gè)用戶，留存65k和病毒60k

如你所見，留存的變化有長期的影響力，比等量的病毒性帶來的變化影響更大。

你的總留存高且穩(wěn)定。如果你已經(jīng)把留存最大化到你認(rèn)為可以增加病毒性而不是來提高總留存的程度，即使考慮到留存的復(fù)合影響，關(guān)注病毒性也是有意義的。

證明它！

在 Excel 中對增長建模很容易，有一些在線共享幫助，我用的是從 http://bit.ly/growthmodel 下載的。如果你插入一些數(shù)字，它能對你所期望的增長有一個(gè)那好的概述，從用戶計(jì)算上來看，這是偉大的，但有點(diǎn)難以概念化實(shí)際工作中的增長。為了得到一個(gè)不同的視角，建立一個(gè)樹狀圖，對確切的了解一周中存在的用戶來自哪里非常有幫助。

在下面的樹中， w0 表示時(shí)間為0時(shí)開始的一組用戶。樹的每一級代表一周時(shí)間，在每個(gè)后續(xù)的級別，你會從留存或病毒式邀請中得到用戶。給定節(jié)點(diǎn)的用戶數(shù)量是通向該節(jié)點(diǎn)的所有節(jié)點(diǎn)的乘積。系數(shù)表示隨時(shí)間變化的病毒和留存因數(shù)， v2 是第二周的病毒系數(shù)， r3 是第三周的留存系數(shù)等。

任何給定級別的用戶數(shù)可以簡化為遞歸方程。

如你所見，這與我們在上面的樹狀圖中看到的一致。主要病毒因子（當(dāng)前病毒i）與總留存（n‘s乘積有關(guān)）有關(guān)。