做增长的人大概都有过这种时刻投放预算批下来了活动页上线了数据看板上的新增曲线也翘了几天然后呢一周之后曲线回落用户留存像漏斗底部的沙子一样往下漏团队开会时大家各说各话——做渠道的说产品承接不行做产品的说渠道拉来的人群不对做运营的说激励力度不够。每个人说的都有道理但拼不到一起。问题往往不在执行而在于整个团队脑子里没有同一张地图。我后来反复梳理自己做过的大小项目发现真正能被复用的不是某个裂变玩法、某套推送模板而是一个能把洞察、激励、互动、迭代串起来的思维框架。我把它叫作模型4i理论——四个以 i 开头的关键词Insight洞察、Incentive激励、Interaction互动、Iteration迭代。它要解决的核心问题很朴素用户增长不是一个动作而是一条有起点、有回路、能自我修正的链路。这套东西适合谁适合已经从“拉新冲量”阶段走过来、开始被留存和效率折磨的运营、产品、市场同学也适合刚接手增长工作、面对一堆零散指标不知道从哪下手的新人。它不承诺爆款但它能让你在每一次动作之前知道自己站在链条的哪一环。1. 先把4I讲清楚为什么增长需要一个模型而不是一堆技巧1.1 从游击式拉新到模型化增长的分水岭绝大多数团队的增长起点是“游击式”的看到别人做拼团火了就做拼团看到别人发券就发券看到别人做内容种草就招人做内容。这种打法的特征是单点、短周期、强依赖个人经验。它在产品早期是有效的因为那时候你要验证的是“有没有人愿意用”试错成本低随便打几枪都能打到靶子上。但当产品进入有稳定用户基数的阶段游击战的边际收益会急剧下降——你会发现每个动作的效果都在衰减而成本在上升。分水岭出现在什么时候我的判断标准是当你开始需要回答“为什么这个动作有效”“下次还能不能复现”这两个问题时。能回答说明你有模型回答不了说明你只有运气。模型化的价值不在于它更高级而在于它把“个人判断”变成了“团队共识”。一个没有模型的团队每次开会都在重新发明轮子一个有模型的团队讨论会聚焦在“这次是哪个环节的假设错了”而不是“到底该听谁的”。模型4i理论在这里扮演的角色就是那张公共地图。它不规定你必须做什么动作但它规定了你在动手之前必须先回答哪几个问题。这四个问题的顺序不能乱因为后一个环节的质量高度依赖前一个环节的输出。1.2 四个字母分别代表什么以及和其他版本的对照先把定义摊开讲清楚。市面上叫“4I”的理论不止一套营销学里经典的4I原则指的是趣味性Interesting、利益Interests、互动性Interaction、个性化Individuality那套框架主要解决的是内容传播和广告创意的问题。而我这里讲的模型4i是面向增长链路的版本四个词分别是字母关键词核心问题主要产出I1Insight 洞察用户是谁卡在哪一步为什么卡分群画像、流失点定位、可验证假设清单I2Incentive 激励给他什么理由让他现在就动激励方案、奖励额度、成本模型I3Interaction 互动怎么把一次性接触变成多回合关系触达节奏、频控规则、关系深度指标I4Iteration 迭代怎么知道有效怎么把有效变成可复用实验设计、复盘结论、知识沉淀四个环节不是流水线而是环。洞察决定激励方向激励效果要在互动里被放大和验证互动的数据回流又成为下一轮洞察的原料而迭代负责把这一切固化下来。任何一环断掉整条链路的效率都会塌陷。我见过太多团队只做 I2 和 I3——发券、推送、做活动做得热火朝天但从来不做 I1 和 I4结果是每个月都在重复同样的错误只是换了个活动名字。需要说明的是这四个词的选取带有我个人的实践偏好不同的业务场景下也可能演化出别的拆法比如把“个性化”单列出来。框架的价值在于它的约束性而不在于它是否唯一正确答案。你完全可以在这个骨架上增删但增删之前先把它跑通一遍这是我一贯的建议。1.3 适用边界什么阶段该用什么阶段别硬套这套框架不是万能的硬套会很难受。我的经验是它最适合的阶段是产品已经验证了核心需求、有一批自然留存用户、开始追求规模化效率的时候。这个阶段的特征是你有一个能用的产品有基础的埋点数据有一批可以访谈的真实用户但增长动作零散、成本不可控、效果不可复现。反过来两种阶段我不建议硬套。第一种是极早期产品还在找 PMF产品市场匹配这时候最重要的是快速试错和用户访谈做完整的激励成本模型和实验设计纯属浪费你连基准转化率都没有实验根本跑不出显著性。第二种是资源极度受限的团队一个人身兼数职连基础的埋点都没打通这时候先做 I1 里最轻的部分——人工访谈和简单的漏斗梳理别一上来就搭实验平台。我自己踩过的坑是在一个日活只有几百的产品上硬做 A/B 实验每组样本量不到两千跑了三周结论是“差异不显著”。三周时间白扔。后来我才明白样本量不够的时候定性访谈的性价比远高于定量实验。这个判断模型本身也是 4i 的一部分——你得先洞察自己的资源约束。2. Insight 洞察增长的地基拍脑袋拍不出来2.1 用户分层别把所有人当成同一类人新手做增长最容易犯的错是把所有用户看成一个整体然后盯着一个平均值做决策。平均值的欺骗性极强一个产品整体次日留存 35%听起来还行但如果拆开看自然搜索来的用户次日留存 60%信息流投放来的只有 12%那这个 35% 就是个毫无意义的数字它掩盖了一个正在漏钱的窟窿。分层的维度怎么选我一般用四层来源渠道怎么来的、首次关键行为第一次做了什么、生命周期阶段新用户、活跃用户、沉默用户、流失用户、价值倾向付费意愿、传播意愿。这四个维度不需要全用但来源和首次行为这两个必须拆因为它们直接决定了后续激励方案的设计。有个细节值得说分层不是越细越好。我见过一个团队把用户分成 47 个群组结果每个群组的数据都不够做统计判断分析报告写出来没人看得懂。我的经验是单次分析控制在 5 到 8 个群组能覆盖 80% 以上的用户量就够了剩下的长尾合并成“其他”。分层的目的是让决策变简单不是让报表变好看。2.2 关键行为路径与流失点的定位方法洞察里最值钱的部分是找到“用户在哪一步放弃以及为什么”。这件事有轻重两条路。轻的路是漏斗拆解把用户从进入到完成目标的核心路径画出来一般是 4 到 6 个关键节点看每一步的转化率。这里的关键不是看绝对数值而是看相对落差——哪一步的流失率显著高于其他步骤那就是重点怀疑对象。比如注册流程五步前四步转化都在 70% 以上最后一步只有 25%那问题十有八九出在最后一步的验证环节或者权限申请上。重的路是定性还原找 10 到 15 个在该节点流失的真实用户做访谈问的不是“你为什么不继续”而是“当时你在做什么、看到了什么、心里在想什么”。这两个问法差别巨大前者会得到礼貌的敷衍后者才能挖到真实卡点。有条件的话配合会话回放工具看用户的操作轨迹你会发现很多自以为设计得很清楚的界面用户根本找不到按钮。我个人的习惯是先做漏斗定位嫌疑点再做定性验证原因两者交叉印证之后才敢下结论。只做漏斗容易误判——某一环节流失高可能只是因为这一步的用户本身就是低意愿人群只做定性容易被个案带偏——三个用户抱怨同一个问题不代表这个问题影响面大。2.3 洞察的最终产出一份能落地的假设清单洞察的产出不是一份 PPT而是一份可验证的假设清单。格式我建议统一成三段式如果做出某个改动那么某个指标会发生某个方向的变化因为来自洞察的原因。举个通用例子如果在新用户首次进入时把核心功能入口前置到首屏那么次日留存会提升 3 到 5 个百分点因为访谈中有多位用户提到“第一次进来不知道该点哪里”。这个格式的好处是它自带验证条件——上线之后指标没动你就知道假设错了而不是模糊地觉得“效果一般”。假设清单还要标注优先级。我用的排序逻辑是两个维度预期影响面影响多少用户和验证成本做出来要多久。高影响、低成本的排前面低影响、高成本的直接砍掉。这个排序本身也是防止团队陷入“完美方案陷阱”的有效手段——很多人喜欢憋大招结果三个月过去什么都没上线。2.4 这一环最容易踩的几个坑第一个坑是用问卷代替访谈。问卷适合验证已经形成的假设不适合发现未知问题。你问卷里没有的选项用户选不出来。第二个坑是只听活跃用户的声音。活跃用户告诉你的是“为什么留下”而增长要解决的是“为什么走”这两拨人往往不是同一批。流失用户访谈的难度大但信息价值高得多。第三个坑是洞察做完就锁进抽屉。我见过团队花两周做完用户研究报告写得很漂亮然后……就没有然后了。洞察必须绑定到具体的动作排期上否则它只是一份昂贵的自我安慰。3. Incentive 激励让用户现在就动而不是下次再说3.1 激励的本质是改变行动的成本收益比很多人把激励等同于“发钱”“发券”这是把手段当成了本质。激励真正在做的事情是改变用户某一次行动的成本收益比要么降低他的行动成本简化流程、减少等待、免去验证要么提高他的行动收益优惠、特权、身份、情绪满足。这两条路里降低成本往往比提高收益更有效因为它不增加你的边际支出。举个生活里的类比你想让邻居帮你收快递。方案一是给他十块钱提高收益方案二是把快递柜挪到他家门口顺路的位置降低成本。前者每次都要花钱后者一次改造长期有效。增长里的激励设计也是这个逻辑先问“能不能让这一步更省事”再问“要不要给点好处”。这个顺序很重要。我见过太多团队一上来就设计复杂的奖励体系结果用户压根没走到领奖那一步——因为前面的流程太麻烦。激励的前提是路径通畅路径不通的时候加钱只是在给漏水的桶加水。3.2 三类激励工具的适用场景差异按作用机制分我常用三类类型具体形式适用场景主要风险利益型优惠券、返现、赠品、积分兑换决策成本高、需要临门一脚的转化补贴依赖、薅羊毛、成本失控情绪型进度条、成就提示、稀缺提示、即时反馈行为本身有内在动机需要被点燃用多了会疲劳强度递减身份型等级、勋章、专属权益、优先权有社群属性、用户在意比较和归属等级通胀、老用户价值稀释三者的组合方式决定了激励的质感。单纯用利益型用户会形成“没券不动”的条件反射单纯用情绪型对价格敏感人群吸引力有限。比较稳的做法是用身份型做长期粘性用情绪型做即时反馈用利益型做关键节点的临门一脚。三者各司其职不要指望一种工具解决所有问题。3.3 奖励额度怎么算一个可套用的成本模型这是实操里最容易被拍脑袋决定的环节。老板说“发个二十块的新人券”没人算过这二十块到底合不合理。我给一个自己常用的推算路径。先确定单用户的经济价值上限。假设某产品的客单价是 100 元毛利率 40%平均一个用户首年复购 2 次那么首年毛利大约是 100 × 40% × (12) 120 元。这个数字是毛利不是收入用收入算会严重高估承受能力。然后设定安全系数。首年毛利不能全拿来发奖励还要覆盖获客成本、运营成本、退款损耗。我一般取 0.4 到 0.5 作为激励预算的上限比例也就是单用户激励总额不超过 48 到 60 元。再拆分到具体节点。如果激励分布在“首单”“复购”“邀请”三个节点按 5:3:2 分配那么首单激励上限 30 元复购 18 元邀请 12 元。这只是一个上限框架实际发放还要考虑核销率——发出去的券不等于成本用户用了才是。假设核销率 40%那么券面额 30 元的实际成本约 12 元这时候你就有空间把面额做得更有吸引力。这个推算过程的价值在于它把“发多少钱”变成了一个可以被讨论、被修正的模型而不是老板的个人偏好。参数变了就重算逻辑是透明的。3.4 激励的反噬薅羊毛、补贴依赖与成本失控激励做得越猛反噬来得越快。三种反噬我基本都遇到过。薅羊毛的特征是行为模式异常集中在特定时间段、设备或账号存在关联、领取后立即离开、不产生任何真实使用行为。防御手段是分层的轻的量级用规则限制同一设备、同一支付方式、同一收货信息的领取上限重的用行为序列识别领取与使用的间隔时长、路径合理性。要注意的是风控规则不能做得太严误伤正常用户的成本往往高于被薅走的那点钱。补贴依赖的表现是停补之后转化率断崖式下跌跌幅远超预期。判断方法很简单做一次小范围停补测试看转化率的恢复曲线。如果停补两周后转化率回到补贴前的 80% 以上说明激励起到了“助推”作用用户形成了习惯如果一直在 50% 以下徘徊说明你的增长是买来的不是长出来的。成本失控往往源于激励的叠加。新人券、活动券、会员折扣、满减用户是可以同时享受的财务月底一算账才发现实际折扣率远超设计值。防御办法是设置全局折扣上限在系统层面限制单个订单的最大优惠比例而不是靠每个活动自己约束自己。4. Interaction 互动把一次性接触变成多回合关系4.1 互动不是多推送而是多回合很多团队对互动的理解停留在“多触达”于是推送频次一路加码最后用户把通知关掉、把应用卸载。这不是互动这是骚扰。真正的互动定义是用户对你的动作产生了回应并且这个回应让你下一次的动作更精准。单方面的广播不构成互动双向的往返才构成。这个定义带来一个直接推论互动的质量不看发了多少条而看回合数。一个用户从“收到推送—打开—浏览—完成动作—再次回访”这是完整的两个回合另一个用户“收到推送—划掉”这是零回合。前者可能只发生了一次价值却远高于后者发生的一百次。所以设计互动时我的第一问永远是这次触达之后我能不能拿到一个明确的反馈信号用来判断下一次该说什么拿不到反馈的触达本质上是在消耗用户耐心。4.2 触达节奏与频控规则的设计频控是互动的刹车没有刹车的车跑不远。我常用的规则是按用户分层设定触达上限用户分层触达渠道上限触达频次上限触发条件高活跃高价值站内 推送每日不超过 1 次有实质新内容或权益时才发高活跃低价值站内为主每周 2 到 3 次结合行为节点触发沉默召回中推送 短信每周不超过 1 次分层递进连续无响应则降级已流失短信或邮件每月不超过 1 次仅在有大版本或强权益时触达这套规则的关键不是具体数字而是降级机制用户连续不响应就自动降低触达强度和渠道侵入性。我见过的最糟糕的做法是“越不理我我越找你”这是把沉默用户直接推向卸载。另外一个容易被忽视的点是触达时机。同样的内容在工作日上午十点发和在晚上九点发打开率能差一倍以上。时机不该靠直觉应该看你自己产品过去三个月的打开率时间分布取峰值区间做测试。4.3 衡量互动质量的四个层次指标打开率、点击率这些是表层指标它们能告诉你“有没有被看到”但告诉不了你“关系有没有变深”。我一般看四个层次第一层是触达效率送达率、打开率、点击率。这一层用来判断渠道和文案是否有效。第二层是行为转化触达之后的动作完成率。这一层用来判断触达内容和用户需求是否匹配。第三层是关系深度主动访问比例、主动搜索次数、消息回复率。这些指标反映的是用户会不会在没有推送的情况下想起你这是关系是否真正建立的标志。第四层是负向反馈关闭通知率、退订率、投诉率。这一层是护栏任何正向指标的提升如果伴随负向指标恶化都不算成功。我特别想强调第三层。很多团队只看前两层因为数据好拿、报表好看但真正决定长期留存的是第三层。一个用户主动打开你的产品十次价值远高于被动点击推送十次。4.4 社群与内容在互动结构中的位置社群和内容不是互动本身它们是互动的容器。社群提供的是用户之间的横向连接内容提供的是持续对话的话题。这两样东西的价值在于它们能让互动从“平台对用户”变成“用户对用户”后者的边际成本低得多。但这个容器不是建起来就自动生效。我见过的失败社群绝大多数死于两个原因一是没有明确的参与理由用户进来之后不知道干什么二是运营方只发广告不做内容社群退化成了通知栏。有效的社群通常有稳定的内容节奏比如每周固定主题的讨论和明确的角色分工有人提问、有人解答、有人整理。内容侧的逻辑类似。内容的价值不在于数量而在于它是否给了用户一个“回来的理由”。评测、教程、案例、避坑指南这些形式之所以长期有效是因为它们对应了用户的真实决策场景而不是为了填充更新频率。5. Iteration 迭代让增长从项目变成系统5.1 实验化的思维方式假设、实验、结论、沉淀迭代这一环本质上解决的是“怎么知道有效”和“怎么让有效可复用”这两个问题。没有这一环前面三个环节的经验会随着人员流动而丢失团队永远在从头开始。我推行的流程是四步闭环写下假设设计实验得出结论沉淀成规则。第三步和第四步最容易被跳过。很多人做完实验看到数据涨了就急着全量上线从不追问“涨的原因是什么”“在什么条件下会失效”。结果换个场景一上线就翻车因为当初的结论是在特定条件下成立的。沉淀的形式我建议做成一份实验档案每条记录包含假设原文、实验设计、样本量、核心指标变化、结论、适用条件、后续动作。这份档案积累到几十条之后会变成团队最值钱的资产——新人接手时不用重新摸索直接查档案就知道哪些路走过、哪些坑踩过。5.2 最小可行的实验设计样本量和指标怎么定实验设计里最容易出错的是样本量。样本量不够跑出来的差异大概率是噪声样本量过大浪费时间和流量。给一个我常用的经验公式用于比率类指标每组所需样本量 ≈ 16 × p × (1 - p) / Δ²其中 p 是基准转化率Δ 是你希望检测到的最小绝对提升幅度。这个公式对应的是显著性水平 0.05、统计功效 0.8 的常见设定。举个例子基准转化率 10%你希望检测到 1 个百分点的绝对提升即从 10% 到 11%。代入公式16 × 0.1 × 0.9 / 0.01² 1.44 / 0.0001 14400。也就是每组需要约 1.44 万个样本两组接近 3 万。这个数字往往会让人清醒。如果你的日流量只有两千跑这样一个实验需要两周以上期间还不能有大的外部干扰。所以现实中的做法是放大预期效应——与其检测 1 个百分点的提升不如设计一个改动更激进、预期提升 3 到 5 个百分点的实验这样每组样本量可以降到一千多一周内就能出结果。指标的选择也有讲究一个主指标决定成败、两到三个辅助指标解释原因、若干护栏指标防止负向影响。主指标只能有一个多了就等于没有。5.3 复盘机制与知识库的搭建复盘不是追责会也不是流水账。有效的复盘只回答三个问题预期是什么实际是什么差异的原因是什么。第三个问题最重要也最容易被敷衍成“市场环境变化”这种废话。我的做法是要求每次复盘必须给出一个可执行的下一步要么是“扩大范围再验证”要么是“调整方案重跑”要么是“确认无效关闭这条线”。没有下一步的复盘不算完成。知识库的搭建不需要复杂工具一个共享文档加统一模板就够。关键是检索友好按业务模块分类按时间倒序排列每条记录带标签比如“新用户”“激励”“推送”方便后来人按关键词查找。我见过团队用很高级的知识管理系统但内容零散、没有模板最后没人用。工具不是关键纪律才是。5.4 指标体系与护栏指标的搭配指标体系的常见病是“指标太多重点不明”。我的建议是三层结构一个北极星指标反映用户获得的核心价值比如周活跃创作数、月度完成订单数三到五个过程指标拆解北极星的形成路径若干护栏指标防止为了过程指标牺牲长期健康。护栏指标的选择要贴合业务风险。内容型产品看低质内容占比和举报率交易型产品看退款率和纠纷率工具型产品看卸载率和通知关闭率。护栏指标的作用不是考核而是预警——它一旦异动就说明某个增长动作可能在透支未来。我踩过最疼的一个坑是某个季度核心指标涨得很好团队士气高涨结果下个季度初退款率突然翻倍一查发现上季度为了冲转化放宽了审核标准。当时如果护栏指标是实时监控而不是季度复盘才看损失能小很多。6. 四环咬合把4I串成一台能转的机器6.1 四环之间的依赖关系与典型断点四个环节单独看都不难难的是让它们咬合。我总结过几种典型的断点第一种是洞察与激励脱节。用户研究说用户卡在“不知道怎么用”激励方案却在发优惠券。方向错了钱花了也没效果。这种断点通常源于部门墙——研究归研究运营归运营中间没有交接机制。第二种是激励与互动脱节。激励发下去了但没有配套的触达和提醒用户根本不知道自己有权益。券的核销率低很多时候不是券不够好是用户没看见。第三种是互动与迭代脱节。触达做了很多但从来不做对照测试不知道哪个渠道有效、哪个文案有效全凭感觉调整。第四种是迭代与洞察脱节。实验做完了结论沉淀了但没有回流到下一轮的洞察里。结果是洞察永远在重复发现同样的问题。这四种断点的共同特征是每个环节单独看都在正常工作但整体效率上不去。解决的办法不是加强某个环节而是建立固定的交接物——洞察输出假设清单激励方案必须引用清单里的编号激励上线必须配套触达计划触达必须有对照组实验结论必须更新到洞察库。6.2 一个虚构场景的完整推演为了把这套框架讲得更具体我用一个虚构的场景走一遍。假设有一个通用的内容社区产品最近发现新用户次日留存从 42% 掉到了 31%团队要找出原因并解决。洞察阶段先做漏斗发现注册流程没变但“首次内容浏览”到“首次互动点赞或评论”的转化从 55% 掉到 33%。分群之后发现掉得最厉害的是从外部内容平台跳转来的用户。访谈十来个这类用户反馈集中在“进来看到的内容和我在外面看到的那篇不一样感觉走错了地方”。假设形成如果让外部跳转用户直接落到他所看内容的详情页并给出相关内容推荐那么首次互动转化会回升。激励阶段光有路径优化还不够首次互动需要一点推力。设计一个轻量激励完成首次评论后获得一次内容推荐位曝光机会身份型激励成本接近零。这里刻意不用现金券因为社区产品的核心价值是表达和被看见用钱反而弱化了这个心智。互动阶段新用户完成首次互动后24 小时内推送一条“你的评论收到了 X 条回复”的提醒把单次行为拉成回合。频控上限制为每天最多一条连续三天无响应则停止。迭代阶段整个方案拆成三个实验路径优化单独测、激励单独测、组合测。主指标是次日留存护栏指标是内容举报率和低质评论占比。样本量按前述公式估算每组约 1.2 万新用户。两周后出结论把有效的部分固化成规则无效的部分记录进档案。这个推演里没有任何神秘技巧全部是常规动作的组合。4i 的价值就在于它保证了这些常规动作不会漏掉某一环。6.3 团队分工与协作节奏的建议框架落地最终要靠人。我的经验是四个环节不必对应四个岗位但必须在每周的节奏里有固定的位置每周一次洞察同步15 分钟只讲本周新发现的用户问题和假设更新每周一次方案评审30 分钟激励和互动方案必须引用假设编号每两周一次实验复盘45 分钟只讲结论和下一步每月一次档案整理把当月结论归档并更新知识库。这套节奏听起来轻但坚持三个月以上团队的讨论质量会有明显变化——从“我觉得”变成“数据显示”“上次实验表明”。这种转变本身就是增长从个人能力变成组织能力的过程。7. 常见问题与排查技巧实录7.1 高频问题速查表现象可能原因排查动作新增涨了但留存没动渠道人群与产品不匹配按来源渠道拆留存看哪个渠道的次留低于基准 50%激励上线后转化短期涨、长期回落补贴依赖未形成习惯做小范围停补测试看两周后的转化恢复曲线推送打开率持续下降频次过高或内容同质拆分频次与打开率的关系曲线找出拐点实验结论无法复现样本量不足或存在外部干扰检查每组样本是否达到估算值检查实验期是否有大促分群数据互相矛盾埋点口径不一致对齐事件定义和数据源做一次全链路数据校验团队对优先级争执不下缺少统一的评估维度用影响面 × 验证成本二维排序强制量化打分7.2 几条不太会上台面的实操经验第一条先修数据再做增长。埋点口径不清的时候做任何实验都是在赌。我吃过一次亏两个团队对“活跃”的定义不一样一个按打开算一个按有行为算开会吵了两小时才发现是定义问题。后来我立了个规矩任何增长项目启动前必须做一次数据口径对齐哪怕只花半天。第二条激励的力度宁愿小一点、频率高一点。一次性大额激励容易吸引纯薅羊毛人群而小额高频的激励更容易筛选出真实用户。同样的预算拆成五次发和一次发效果差别很大。第三条护栏指标的监控要实时不能等复盘。核心指标涨的时候人容易兴奋兴奋的时候容易忽略负向信号。把护栏指标做成每日推送异动超过阈值就报警这个机制救过我至少两次。第四条别迷信显著性。统计显著不等于业务显著。一个提升 0.3 个百分点、p 值小于 0.05 的改动在流量小的时候可能毫无业务价值落地成本却很高。每次看实验结论我都会额外问一句这个提升换算成钱是多少值不值得投入工程资源。第五条实验失败要记录下来而且要和成功记录同等重视。团队最容易犯的错是只记成功案例导致后来人反复走同一条死路。我现在要求所有实验无论成败都入库失败的标注清楚“在什么条件下无效”这些记录的价值往往比成功案例更高。7.3 关于框架本身的一点提醒模型4i理论是一张地图不是一条必须走的路。地图的作用是让你知道自己在哪里、下一步可能往哪走而不是替你走路。我见过有人把框架背得很熟张口就是四个环节但真到了具体项目上还是拍脑袋决策。框架只有在你被迫用它来质疑自己的时候才有价值——比如你想发一张券先问自己洞察在哪你想加一次推送先问自己这次触达能拿到什么反馈。另外四个环节的权重不是平均的。产品早期洞察的权重应该占七成以上因为方向错了后面全错产品成熟期迭代的权重会上升因为增量空间变小只能靠精细化提效。这个权重的动态调整本身也需要你对自己所处阶段的清醒判断。我个人在实际操作中的体会是增长这件事最大的敌人不是没有方法而是方法和执行之间的那道缝隙。框架能帮你把缝隙说清楚但填缝隙还得靠一次次具体的、笨拙的、不太好看的执行。上面这些内容都是我在填缝隙的过程中攒下来的拿去用的时候别照搬结合你自己的业务参数改一改可能比原版更好用。