確保新用戶在10天內(nèi)添加7個好友，完成了這個動作后，這個用戶就有很大幾率留存下來。

Aha Moment（多譯為“頓悟時刻”）這個表達是由德國心理學家及現(xiàn)象學家卡爾·布勒在大約100多年前首創(chuàng)的。

他當時對這個表達的定義是“思考過程中一種特殊的、愉悅的體驗，期間會突然對之前并不明朗的某個局面產(chǎn)生深入的認識。”現(xiàn)在，我們多用 Aha Moment 來表示某個問題的解決方案突然明朗化的那個時刻。

從產(chǎn)品體驗角度來說，Aha Moment 或者 Magic Moment ，是用戶在使用產(chǎn)品中的爽（G）點。從產(chǎn)品的優(yōu)化方向來說，它相當于是有價值的用戶行為，這些行為將決定用戶是繼續(xù)使用你的產(chǎn)品還是選擇你的競爭對手，它對用戶留存以及產(chǎn)品的穩(wěn)步增長有著決定性影響。

在作者看來，這兩個 Aha Moment 從本質來說是不一樣的，但又有一定相關性。前者代表著產(chǎn)品存在的價值，是在產(chǎn)品處于 MVP 階段時就定好的，我們今天要聊的是后者。因為普通用戶在使用產(chǎn)品過程中，通過哪些具體行為留存下來，從而成為優(yōu)質用戶，這個是我們無法準確預知的，然而一旦找到這這些行為，它就可以成為實現(xiàn)產(chǎn)品增長的秘密武器。

即便是再優(yōu)秀的產(chǎn)品，也會在產(chǎn)品發(fā)展方向中經(jīng)歷/遭遇迷失，如果在這個階段沒有及時找到正確方向引導用戶，產(chǎn)品的留存和增長就很難實現(xiàn)。

Facebook 在早期階段，就發(fā)現(xiàn)影響留存和活躍最重要的因素就是好友數(shù)量，之后他們再持續(xù)不斷的優(yōu)化和測試中，找出了屬于他們的 Aha Moment，就是確保新用戶在10天內(nèi)添加7個好友，完成了這個動作后，這個用戶就有很大幾率留存下來。在確認這個方向后，他們將這個目標作為產(chǎn)品優(yōu)化的核心目標之一，通過不斷的優(yōu)化和改進，打造了現(xiàn)今社交平臺在新用戶引導界面幾乎都在使用的 “Pepole you may know”。

除了 Facebook 以外，任何一個我們聽說過的硅谷公司都有他們自己產(chǎn)品的 Aha Moment ：

Linkedin ：添加一定數(shù)量的聯(lián)系人

Twitter ：用戶之間互相關注

Zynga ：次日留存

Dropbox ：上傳一個文件

現(xiàn)在我們情清楚了，Aha Moment 實際上就是用戶接觸產(chǎn)品后的一些特定行為，這些特定行為對于產(chǎn)品留存率有著決定性的影響，可以說是產(chǎn)品爆發(fā)的拐點。但是問題來了，我的產(chǎn)品目前還沒有這些公司的產(chǎn)品那么厲害，我也能找到自己產(chǎn)品的 Aha Moment 嗎？別急，這就是本文要幫助你解決的問題。

其實，要找到這個產(chǎn)品增長的拐點，有兩個秘密武器：同期群分析和A/B測試。

同期群分析 (Cohort Analysis)：找出關鍵用戶行為

A/B測試：驗證最佳用戶引導方向

以上兩個秘密武器（方法論）缺一不可，關于它們的概念和定義我就不在這里多介紹了，大家可以在百度找到很多詳細的解釋，目前第三方做數(shù)據(jù)分析的產(chǎn)品也幾乎都可以實現(xiàn)同期群分析，我們直接來看看具體的實施過程吧。

1.通過數(shù)據(jù)分析工具篩選出高質量用戶、留存用戶，以及低質量用戶、不活躍用戶的具體行為。

2.通過用戶行為跟蹤分別查看這兩部分用戶都做了什么，找到留存用戶、高質量用戶獨有的特定行為。

這點非常關鍵，所以要強調一下，之前有很多同學認為，只看留存用戶的行為就可以確認 Aha Moment 的方向，但事實上并非如此。我們需要對比找出留存用戶的行為與流失用戶行為之間的差異，確認那些在留存用戶中占比最高，并且與留存有正相關的用戶行為。

例如，找到留存用戶行為有添加3個好友，發(fā)送2條消息和瀏覽5篇文章后，進行研發(fā)評估后，我們確認引導用戶添加3個好友這個功能可以最快實現(xiàn)，然后確認運營策略，調配開發(fā)資源去實現(xiàn)這個功能了，但如果事實上，流失用戶中的用戶也有很大比例添加是3個好友，那就意味著我們有可能在做一個無意義的功能了。

3.與留存有正相關的行為可能不止一個，我們需要根據(jù)產(chǎn)品戰(zhàn)略，技術開發(fā)的難易程度、用戶調研和內(nèi)部討論進行綜合評估，確認一些可以盡快將其完善成功能的行為類別作為 Aha Moment 的首選假設，之后實施研發(fā)，將其作為后續(xù)A/B測試的試驗版本。

4.將那些不活躍的、低質量用戶設為試驗受眾，通過A/B測試觀察這些不活躍、低質量用戶的數(shù)據(jù)是否可以提升，從而達到活躍用戶的標準，進而找出真正的 Aha Moment 。

A/B測是驗證假設的最佳工具，我們將現(xiàn)有版本作為原始版本，有新功能的版本作為試驗版本，通過用戶行為驗證我們的假設是否成立。

5.通過不斷測試之后，試驗數(shù)據(jù)將告訴我們哪些行為會成為 Aha Moment ，我們確認之后通過A/B測試工具將附帶 Aha Moment 的版本推送給所有用戶。

除了這些，還有一點需要強調，就是在做同期群分析確認留存用戶的特定行為時，我們也需要關注通過用戶訪談和一些線下用戶的反饋所獲得的寶貴信息，這點非常重要（其實這點并不單單只適用這個場景，產(chǎn)品在做任何優(yōu)化和改動時，我們都應該聆聽用戶的心聲）。

作者：傅禮陽，微信：fly415

本文由 @傅禮陽 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉載。