AARRR模型——激活：获客红海背后的蓝海（下）

新用户激活

在上一篇文章中，我们讨论了新用户激活中优化着陆页和创造学习流的技巧，在这篇文章中我们接着上一篇的内容，讨论一下奖励的设置、注册流程的简化、社交关系的引入、触发物的设计以及在激活阶段需要关注的核心指标。

可以提供的奖励类型

我们在前面说过，对“学习流”中奖励的设置需要认真考究，如果“学习流”能够带来挑战、乐趣和有意义的奖励，那么它可能会成为一个强大的激活手段，但如果其中提供的奖励没有任何价值，或者奖励与用户体验的核心价值毫不相关，就会让用户觉得受到了捉弄或感到莫名其妙，尤其是在你的游戏化设计并不那么有趣时。我们最常见的奖励就是当我们刚刚注册各类多角色产品，如各大电商平台或社会服务平台如外卖、团购平台时，这些平台为我们提供的新手红包、新人专享商品、会员限时免费体验等“真金白银”的好处。比如注册成为网易严选新用户时网易提供的新人必买榜、新人红包及会员免费体验30天的用户激活奖励，目的就是让用户尽快完成首次下单，感受到网易严选的精选产品，增强新用户黏性。

当赢取和展示奖励的方法如果能为用户创造惊喜和乐趣，让用户感受到即刻的满足感甚至是惊喜时，你的新用户激活活动不仅能积累良好的口碑，甚至能引发刷屏的效果，达到意想不到的结果。“知群”的用户信息采集工作是通过调查问卷的形式开展的，填写调查问卷获得的奖励是详细的职业测评报告，为了获得真实有效的测评报告，用户自然愿意提供详细可信的个人信息，对企业而言，提供报告的边际成本几乎为零，但用户为了获得免费职业测评报告而填写的个人信息对企业而言却很有价值。这点还可以借鉴朋友圈里经常刷屏的测评页面，利用用户对自我的好奇，希望获得肯定以及攀比的心理，当活动达到刷屏效果时，用户一定希望自己也能完成这一任务，解锁背后的测评。下面即为网易曾发起的几次大型刷屏H5活动，如果能和产品核心价值相关联，则更会锦上添花。

此外，常见的较为有效的奖励还有地位，比如美国的“黑卡”，需要消费达到一定金额，满足一定条件才可以获得，它是一种地位的象征，可以获得金钱买不到的服务特权，因而美国大亨纷纷对其趋之若鹜。各类app都在做的积分、等级体系，这其实也是一种地位的象征。需要注意的是，所谓地位一定要和权利、权限或实物相关联，否则这种奖励就会显得毫无价值，无法激发用户的参与热情，甚至对用户产生恶劣影响。

另一种奖励的设置方法则是与产品的核心价值相一致，譬如百度网盘的任务奖励是为新用户增加网盘的永久免费容量。提供网盘的永久免费容量和向用户发X元现金红包相比，用户更难衡量免费容量的价值，但却更体现了产品本身的价值，因而更能吸引用户的参与，对企业而言所消耗的成本也大大减小。简化注册流程当新用户了解了产品的核心价值，获得奖励后，就需要引导用户注册为产品的正式用户，虽然很多产品经常在欢迎页就要求用户注册，之后才能开始使用产品，但这样很可能会增大用户流失率，毕竟注册过程其实也是用户个人信息的泄露过程，先引导用户进入新用户体验不止是让用户先体验啊哈时刻，用户投入时间和精力都增加了沉没成本还让他们更不容易放弃。此时用户才更有可能向你提供自己的个人信息。可以使用注册才能正常使用产品全部功能的方式引导用户注册。
为了减少注册过程中用户的流失，需要简化注册流程。单点登录，即通过社交账号登录是各大公司都普遍使用的方式，这对于多用户产品，如社交产品，尤其是熟人社交产品更加重要，腾讯系的许多产品就是靠这种策略形成了极有力的护城河。至于其他个人信息的补充，则可以通过新手任务奖励的多种方式获取。在这之后即可对用户进行贴标签和用户分群的工作。

此外，要利用好用户刚接触产品的这段时间，因为这是用户对产品最有耐心的一段时间，可以趁这段时间引导用户添加自己喜欢的内容，关注产品内的名人，比如初次注册微博后微博向你推荐关注的当红大V，流量明星；刚打开36氪后的第一页就是app让你选择自己的身份是在职人员，学生或是其他，在选择身份后系统便会向你推荐适合你关注的模块让你选择；百度或各类资讯类app让你选择你所感兴趣的标签；音乐app让你选择你感兴趣的音乐类型等。之后，通过人工智能等算法实现的信息找人就会更加针对，效果更好。

社交关系

现如今各类产品都在打着社交的主意，社交关系的对于产品的重要性不言自明，比如微信读书，通过微信登录引导用户导入微信关系链，再利用好友正在读进行用户的激活，排行榜及读书赠书币等活动维持用户粘性，组队抽取无限卡等活动进行拉新，一切都围绕着社交关系展开。

产品社交关系的引入分为从已有关系中沉淀和以新拉新，前者主要背靠微信，途径基本被腾讯系产品垄断。那对于非腾讯系的产品，就需要通过以新拉新的方式迅速沉淀用户的社交关系。以新拉新，即为裂变，其底层逻辑是人的爱占小便宜和竞争性，从心理学角度来看就是人的自恋和攻击性。虽然这里与AARRR模型中的最后一步Referral（推荐）有所重合，但由于很多新用户体验也将；拉取新用户作为重要的一部分，这里就简单先提一下。谈到裂变，不得不提拼多多，除了以“拼团”而闻名的裂变方式，拼多多一度刷屏的还有帮点领现金活动，不知道大家有没有见到过好友发来的拼多多上“帮我点一点”链接的“骚扰”，拉取到一定数量的新用户，用户就能获得200元现金的提现，真金白银的大额奖励虽与产品核心价值无关但也足够诱人，因此才获得了大规模的刷屏，而其ROI必然是经过拼多多的详细计算，牢牢把控在正常获客成本以内的。除了拼团，还有网易严选这样分享给好友领取“反馈金”的，这其实也体现了网易严选对自家产品“好货不怕比”的自信。有了社交关系的沉淀后，app内的的玩法也可以变得更多，比如淘宝双十一的战队叠猫猫，拼多多的拼小圈，用户购物后的分享也就能更深入地在好友中渗透和传播。

此外还有另一种通过“社交关系”激活用户的手段——水军，这些水军可能只是系统为了提升你的活跃度而制造的“假用户”，用于成为你的关注者或成为你内容的第一个点赞者，让你尽快感受到产品的啊哈时刻，但随着用户对产品了解程度的不断深入，用户会慢慢识别出这些“假人”，但对于已经充分体验到产品核心价值的用户来说，发现这些“假人”对他们而言可能也无伤大雅，另外随着人工智能技术的不断发展，“假人”也可能实现与用户的良好互动。

触发物

有些用户下载了产品后，由于各种各样的原因可能并没有完成新用户体验的所有流程就退出了app，又或是用户体验完成但并不决定在当下就使用产品的核心价值。这时如果不做些什么，用户可能会再也不打开你的产品，最终等待产品的就只剩下用户的流失。触发物的出现很好地防止了这种情况的发生。触发物是指任何刺激人们采取行动的提示，比如邮件通知（EDM），注册手机短信推送（MMS），产品移动推送（push）等。前两种方式都需要用户已经向我们提供了相关的联系方式，因此在用户激活阶段，我们主要通过push来实现用户的重新激活。
根据***用户行为公式，行为=（欲望-摩擦）×助推+奖励**，欲望、摩擦和奖励我们在前面都已经有所提及了，这里的push其实就是助推。行为公式不仅可以用于用户的激活，在AARRR模型的全阶段都可以使用，这里为了把触发物讲解得更加深刻，举的例子也不全是激活阶段的例子。在用户激活的阶段，产品接触用户的动机应该是提醒用户存在一个对他们明显有价值的机会，并且这个机会还需要契合App的核心价值。触发物可以分为以下几种类型：
1、刺激型触发物：刺激那些能力很强但动机不足的用户采取行动。如购买通知——鼓励用户利用短期折扣购买商品；状态改变——如购物车中某件商品降价了。
2、信号型触发物：帮助那些动机和能力都很强的用户沿着正确方向前进并鼓励他们重复行动。如新功能通知——分享产品升级的消息；好友行为改变——朋友采取了一个行动，如蚂蚁森林的好友偷了你的水。
3、协助型触发物：帮助那些动机很强但能力很低的用户采取行动。如创建账户——鼓励下载产品的用户注册，创建账户；用户唤回——提醒那些有一段时间没有访问网站或App的用户再次回来。
4、内驱型触发物：触发物是人们的核心习惯，而且能够激发长期使用。如顶级用户奖励——让那些大量使用产品的用户知道他们很特别，鼓励他们更多地使用产品，和产品建立更加紧密的联系。

由于push的出现很随机，无法控制，所以这里没有完备、典型的截图信息，但相信读者在读这些例子的时候平时看到的各种push已经在脑海中一一浮现了。

用户激活阶段需要关注的核心指标

在整个用户激活的过程中，从最初的方案制定到最后的案例复盘，数据贯穿始终，期间需要不断地监控产品数据，据此来进行不断的迭代。在产品以用户激活为目标组织实验时，我们需要时刻关注以下的核心数据指标：
1、用户激活率：用户体验到核心功能的占比，各个产品体验到核心功能的定义不同，用户激活的定义也就不同，每个产品都会有适合自己的激活定义，激活定义的设定要清晰合理；
2、用户激活花费时长：指用户从进入产品到被激活所花费的时间，时间越短，说明激活流程的设计越成功，用户感受的摩擦越小；
3、DAU/MAU：用户日活跃与月活跃的比值，不同类型的产品存在不同的基准线，而且这个指标并不是对每种产品都合理有效。比值越大，固然说明用户对于产品的粘性越强，激活效果越明显，但如果产品的自然节奏本来就不是很高，如携程这类的旅游产品，领英这类的求职产品等，就应该更换产品指标，本性是无法对抗的；
4、DAOT：用户日均使用时长。使用时长越长，用户粘性越强，但同时需要防止由于产品使用流程过长而导致的DAOT增加。

总结

随着获客成本的增加，激活拉来的新用户对于用户增长而言变得愈加重要，ROI更高。通过绘制通往产品啊哈时刻的路线图，创建漏斗报告找到优化新用户体验的节点，确定用户激活的定义，通过监控用户激活阶段核心数据指标的变化，不断设计策略进行优化，反复迭代，最终提升激活率，达到用户增长的目标。
欢迎继续关注增长黑客——AARRR模型的第二章——留存