用户激活是获取用户后的第一步，它是增长团队的重点工作之一，想要完成用户几何增长，增长人员需要确定新用户激活阶段的目标并找到Aha时刻。

很多做增长的人，都把拉新作为第一目标，甚至认为拉新等同于增长，但是就算下AARRR模型每一步的转化率，会发现一个悲剧——95%的用户可能已经流失了。在这样的情况下，我们应该停下来反思，当前的首要任务也许并不是大预算的拉新，而是解决产品的根本问题，也就是让用户第一次体验到你的产品的价值，完成关键行为留下用户，从而提高整体漏斗转化率。

大多数公司对激活不足够重视，这也意味着大部分产品在用户激活阶段有很大的增长空间，那么如何找到增长点呢？

我们不妨可以问下自己：

用户为什么要继续使用你的产品，又因为什么流失？是因为产品的特色功能还是良好的体验呢？

留下来的用户在使用哪些功能，流失的用户去了哪？产品是否能满足用户的需求，是否能快速上手？

下图简单绘制了新用户体验产品后发生的激活留存曲线：

当一个我们从渠道获取新用户后，新用户在体验到产品价值后成为留存用户，如果养成习惯，发现这个功能很实用就会持续留存从而完成新用户阶段的留存。在持续体验并产生依赖后，用户深度参与可能会发现更多的产品价值或者发现产品其他功能，这就实现了老用户留存。

相反的，有一部分用户对产品的功能并不满意，那么在产品迭代完善功能之后，依然可以召回流失用户再次体验实现召回留存。

我们以支付宝为例，拆解激活和留存手段。我们可以先回想一下，最近一次吃饭用纸币或者银行卡是什么时候？当我们第一次使用支付宝完成一笔交易是否会觉得很新奇、很方便，是否还有红包拿？

支付宝在完成拉新后通过补贴的方式激活了用户，并且通过线上支付，线下扫码支付的方式持续养成用户习惯。慢慢的，使用支付宝支付的用户群体覆盖了年轻人、中年人，甚至不会用智能机的老年人。

在我们实践新用户激活的时候，很容易碰到下面几个问题：

（1）在没有明确目标的情况下，做了很多尝试并无法判断是否有效

如果你处于1的状况，我们可以通过分析AHA时刻给新用户激活一个明确的目的，根据激活指标衡量效果。

（2）有了目标，不知道如何从数据中寻找提升激活的线索，提升成功率

如果你处于2的状况，我们可以通过定量和定性的方式从数据中寻找激活线索：激活漏斗分析、新用户激动指数分析等。

（3）有了线索之后，没有可复用的方案和思路提升激活

如果你处于3的状况，我们可以通过参考最佳实践，提升激活，在寻找到增长规律后，继续复用。

激动时刻（AHA时刻）通常出现在新用户首次体验到产品价值的时刻，Aha是一种情绪表达，代表了产品给用户留下了足够强烈的第一印象，让用户感到惊讶，并为用户以后持续使用产品打下基础。一个用户是否经历了激动时刻，决定了用户会成为你产品的留存用户还是流失用户。

一般我们可以通过对留存用户和流失用户差异化行为标签数据分析，找到两者之间的差异，找到用户核心诉求，然后通过产品或者运营手段，让新用户的核心诉求尽可能的被满足，从而完成激活。

1. 产品对于用户是有长期价值，达到PMF状态。
2. 通过某些关键行为，用户可以快速感受到产品价值（新用户注意力和停留时间有限，我们需要找到最关键的一个行为，让更多新用户更快感受到价值，并不是要所有的新用户都感受到产品的所有价值）。
3. 感受到长期价值的新用户有更大的可能性了留存下来。

激活时刻的本质就是用简化的行为数据模拟用户首次体验到价值的时刻。

简化的行为：

• 实际业务中，新用户激活可能有多个行为导致，不同人可能行为不同，感受的价值不同，激活的时间点也不同；
• 激活时刻，就是找到一个对于大部分新用户最可能的激活行为，从而给新用户激活方案找到清晰的行为目标。

模拟得到的价值：

• 激活方案一定要让用户可以感受到产品价值并受益；
• 推动用户达到激活时刻，不能简单机械的强推用户做某些动作，而是要尽可能模拟用户受益的那一时刻。

如果你目前负责的产品仅仅是以简单的注册、登陆作为激活标准，你会发现你很难找到切入点去改善目前的产品留存。这两个行为很少能让用户感受到产品的价值，我们更应该去寻找真正能改变用户留存的Aha时刻。

找到新用户激活时刻的4个步骤：

• 明确产品的长期价值；
• 找到新用户在开始使用产品时能够最快感受到长期价值的方式；
• 根据上述方式，提出几个最可能的备选新用户激活行为。

通过定性分析找出备选激活行为：

（1）通过关键问题

• who： 用户是谁？
• what： 用户用这个产品要解决的问题是什么？
• why： 用户为什么要解决这个问题
• Vs： 用户还有其他什么方法解决这个问题？

（2）通过用户调研：对比不同用户的回答，发现产品对用户最重要的价值，找到备选的激活行为

• 长期最活跃的用户：为什么觉得产品有价值？
• 注册后迅速离开的用户： 为什么迅速离开？
• 注册后活跃使用的用户： 为什么留下来了？新用户时期做了哪些动作，有哪些关键的体验？

从几个备选激活行为里，找到早期留存相关性最强的早期行为。

• 原则1：使用频次越高，新用户越快期待从产品中获得价值，可以根据使用频次，预判新用户激活期；
• 原则2：生命周期越短，新用户越快期待从产品中获得价值；
• 原则3：分析新用户的实际数据，看绝大多数早期激活行为发生的时间窗口。

通过定量分析方式找到激活行为：

找到新用户激活期：评估激活行为要多快发生；

找到激活行为：对比早期留存曲线，找到该新用户激活期内，做了和没做对早期留存影响最大的1个行为。

案例：画出不同用户组新用户留存曲线

对比留存曲线，找到与留存相关性最强的行为：

1. 从30天留存率来看，【安装3天内使用特效元素】留存表现最好，【安装3天内使用文字】特效稍差一些，说明特效的功能比文字更具有吸引力。
2. 用户激活期前3天，【安装3天内使用特效元素】曲线优于其他。
3. 【安装3天内使用特效元素】【安装3天内未使用特效元素】30天的留存曲线差别最大，判断完成【安装3天内使用特效元素】可能是留存相关性最强的指标。

因此得出【安装3天内使用特效元素】最可能是Aha时刻。

为什么要计算魔法数字：

• 有些激活行为，只做一次就够了，比如电商的魔法数字就是完成首次购买；
• 有些激活行为需要多次，才能确保用户感受到产品价值，比如抖音；
• 理论上重复次数越多，对于留存提升越大。但是新用户激活时间优先，让用户重复太多次行为不现实；
• 因此我们希望找到激活行为的最佳次数，确保用户获得价值，同时又不给用户带来负担。

计算魔法数字方法1：边际效用最大法

• 画出新用户首日激活行为次数的分布图
• 分析首日激活行为次数和次日留存率关系
• 找到留存边际效益最大的点对应的激活行为次数

计算魔法数字方法2：韦恩图

目标：以有过一定次数该行为的用户和留存用户的交集最大化为标准

注意：魔法数字并不是绝对的

• 魔法数字具有相关性，类似的行为可能有多种统计方式
• 只代表多数用户统计情况，是大多数用户的转折点
• 后续可以根据不同的用户画像继续细化指标，使之更加精准、更有针对性

相关性：观察到有某个早期行为的用户，同时留存率更高

因果性：用户做了某个早期行为，导致留存率更高

相关性≠因果性

以上三步我们只是找到了Aha时刻和留存的相关性，接下来，我们需要通过AB测试让更多人触发Aha时刻，并且观察留存是否有所改善，才能证明最终的因果性

通过定量分析找出新用户激活漏斗的哪一步流失率最高，并针对这个环节做运营及产品的优化策略。

4.1.1 第一步：明确激活指标 – 激活率

新用户激活率=新用户在一定时间内达到aha时刻的比率。

激活率可以帮助我们定量衡量aha时刻，也是新用户激活的北极星指标。

4.1.2 第二步：梳理新用户流程

从头到尾记录整个新用户体验，以移动app为例：

新用户激活全链漏斗：外部渠道曝光吸引→应用商店下载→APP首次打开→注册流程→首次登陆→激活体验产品；

新用户激活产品漏斗：APP首次打开→注册流程→首次登陆→激活体验产品。

4.1.3 第三步：构建新用户激活漏斗

支持行为：用户必须完成支持行为才有可能达到aha时刻，但是这些行为不能让用户获得核心价值。

处理支持行为的原则：

• 直奔主题：多一个步骤就可能导致用户流失，因此减少不必要的支持行为，加速用户达到aha时刻；
• 权衡利弊：少数支持行为虽然推迟aha时刻，但有长远好处，可以保留，但要优化找到最佳方式，从而降低用户流失。

4.1.4 第四步：分析数据，发现线索

新用户激活有几步？是否可以去掉不必要的步骤？是否可以调整先后顺序？

新用户激活哪几步流失率最高？流失率高的可能原因是什么？

• 通过路径分析，了解用户的真实路径是什么？
• 通过激活漏斗分群，了解是否不同分群流失率不同？
• 通过激活漏斗的间隔分析，了解用户的激活速度？
• 通过用户调研了解背后的原因是什么？
• 通过点击热图了解用户首先点击的元素是什么？

通过激活漏斗分群，了解不同分群是否流失率不同。

用户画像：不同用户画像

获客渠道：不同渠道