从设计师视角，解析设计做增长的通用方法

在近几年里，企业降本增效成为趋势之一，其中，许多互联网公司都撤掉或暂停未能实现盈利增长的项目，而这对互联网从业人员，如产品、运营或设计师都是一种提示信号：如果想不被淘汰，对“增长”的关注将必然被提上日程。那么作为设计师，如何才能用设计赋能业务增长？一起来看看作者的分析。

前言

本文旨在帮助互联网设计师，掌握一套做增长的通用设计方法，无论你是交互、UI，抑或是运营、产品经理，都可以使用。

内容主要包括三部分：首先是笔者对增长的理解；其次是通用增长设计方法与增长思维；最后是通过一个具体的增长设计案例解析，帮助大家更好地理解，增长设计方法在项目中如何运用。

一、增长认知

1. 为什么要关注增长

回顾 2022 年以来互联网行业现状，许多互联网企业，先后开始裁撤掉不赚钱的业务，比如腾讯社交电商、滴滴橙心优选、NFT 等创新业务，不再投入大量资金抢占市场。企业纷纷开始降本增效，关注投入和产出比（ROI），关注盈利增长。

王赛博士在《增长五线》一书中提出：“企业的一切问题，都是增长的问题，增长是所有企业问题的原点。” 此外，混沌大学李善友也多次说过：“作为一个企业，第一重要的事情是增长”。可见，对一家企业而言，增长是企业的命脉，是决定企业生死的第一要务。

由此可见，作为设计师，要想在互联网企业处于竞争优势，不被淘汰，必然也要关注增长，通过设计赋能业务增长，进而赋能企业，体现设计价值。

2. 什么是增长

首先，从单个产品角度来看，一个产品的生命周期通常会经历四个阶段，分别是探索期、成长期、成熟期和衰退期，所以产品的增长是一条持续向上增长的 S 曲线。

如下图所示，纵轴表示用户量/利润，横轴表示产品发展阶段。产品在不同阶段，投入的成本和获得的收益是不同的，当产品进入成熟期遇到增长瓶颈时，必然会倒逼业务、产品和设计寻求增长切入点突破。

图：增长曲线

其次，从企业角度来看，增长是多条连续增长的 S 曲线。

以美团为例，美团起家于 O2O 生活服务的团购业务，发展于“百团大战”和“千团大战”，团购业务迅速升级为团购到店业务，成长为美团企业增长主赛道的第一曲线。在此期间，美团企业内容又不断孵化创新业务，同步探索的业务有酒店、电影票、外卖、打车、周边游、火车票机票等，在主业务团购到家业务基础上不断分形创新，其中，外卖业务在所有探索的业务中很快成长为美团增长业务的第二曲线。

在外卖业务基础上，企业内部又继续进行业务创新探索，在美团 B 端餐饮系统和 60 万+的骑手等资源加持下，如今已进化升级为到家业务，成为美团企业的第三增长曲线。从团购业务，一步步分化出到店业务、外卖业务、到家业务，夯实了美团在 O2O 生活服务主赛道的市场份额。

3. 我理解的增长

无论是产品维度的发展，还是企业发展，增长都是一条连续昂扬向上的 S 曲线，核心围绕成本和收益（ROI），用最小成本撬动最大价值，这是做增长的最为核心增长理念，即 MVP 精益增长思维。

图：增长设计理念

在日常工作中，作为设计师，可能会遇到不同的增长难题，比如通过体验走查发现并优化了很多体验问题，但是产品和业务指标数据依然没有明显提升？在支持增长类的产品需求时，感觉受限于产品原型或者竞品，设计上没有什么发挥空间？增长和体验会冲突吗？设计上难以找到增长切入点？

针对以上困惑，下面分享一个通用的增长设计方法，解决以上问题，提供解题思路。

二、通用增长设计方法

增长设计方法主要分五个步骤，按设计流程先后顺序分别是：指标、正向假设、优先级、分解、AB实验验证。

图：增长设计模型

具体而言，围绕北极星指标，通过目标拆解，洞察提出正向假设，寻找切入点。然后利用四象限法则，筛选低成本高价值的正向假设，再通过用户体验地图，围绕用户目标，分解设计目标和用户行为路径，寻找设计机会点。最后进行 AB 实验，验证假设，利用数据分析的结论，进行二次迭代优化，往复循环。

掌握以上设计方法的前提，我们需要具备 MVP 思维和增长思维，笔者称之为精益增长思维。

MVP，即最小可行性产品，MVP 思维的核心理念是用最小的成本快速验证假设，这个假设可以是业务、产品方向和设计策略等方面的假设，同时，所有提出的假设，又都是以业务增长为目标。增长思维主旨是用最小的成本撬动最大的价值。

两者的本质都是围绕成本和收益，如何用最小的成本，快速验证假设，产出更大的价值。

1. 指标

首先，指标是指北极星指标，北极星指标通常是代表了产品的长期价值，产品不同阶段的北极星指标可以不同，通常是一个互斥的指标，比如电商产品的北极星指标是GPV，即总销售额 GMV 提升的同时，退货和取消订单率下降。

图：指标 / 目标

2. 正向假设

如何进行正向思考洞察，提出假设？本人根据个人实战项目经验，总结了以下5 种常用的拆解方法。

图：常见拆解方法

1）公式&模型法

比如电商产品常用的 总销售额 GMV 公式、电商人货场模型、AARRR 海盗模型、双钻增长模型等等。可以根据公式变量，寻找增长切入点，拆解的颗粒度相对比较大，一般用于确定增长的大方向。

2）OKR法

OKR虽然是一种工作方法，但同样也可以用于增长设计。此方法需要设计师围绕产品的北极星指标，自上而下同时对齐运营和产品侧的OKR，在此基础上拆解设计动作，转化出设计关键结果。

因为北极星指标是团队统一认可的，代表产品长期价值，所以产品一定要先对齐业务的OKR，然后设计侧再对齐产品的OKR。设计师围绕产品目标和产品动作，再对交互链路上用户行为分析进行设计拆解，可采用头脑风暴等方式思考，从而推演出增长设计OKR。

以社交电商产品的分享裂变项目为例：

电商产品的北极星指标是GPV，产品通过公式对GPV指标进行拆解，选择通过优化商品分享小程序卡片的点击率，来提高增量用户的购物转化率，进而提升北极星指标GPV。所以，设计侧就需要先对齐产品目标和产品动作，思考如何提升商品分享小程序卡片的点击率，来达到增长的目的。在此产品目标下，再思考具体是什么因素影响客态用户点击小程序卡片。

通过分析熟人社交关系链，思考引导用户点击卡片的利益点信息。我们选择对人和货的信任度作为产品设计切入点，并且对人和货进行了二次拆解。首先，从人的维度分析，我们联想到分享者作为熟人背书推荐种草的影响力、熟人对商品的表态、买家的评价、商品销量；其次，从货的维度分析，联想到平台背书、商家对商品的质量保证、正品、商品价格优惠力度等。

图：商品分享小程序卡片

基于以上拆解和分析，提炼出有效利益点信息，突出优质好货和补贴力度，并根据信任度排列优先级，激发用户购物兴趣，从而产生点击卡片查看的动机。

使用场景：

比如电商购物场景：搜索、推荐列表、频道页、活动专场、分享链路等等。通常在提高曝光量时，会从多场景切入。

页面漏斗：

通过数据分析发现影响页面转化的问题，找到增长机会点。比如，电商频道好货，产品目标是提高此频道购物链路的四级页面（商品详情）购物转化率，可以选择从首页该频道入口-频道主页-内容导购详情购物链路页面，展开对应页面转化数据分析，基于数据角度，找出其中数据低的地方，从而分析出可能影响页面转化的因素。

图：页面漏斗示例

用户行为路径：

主要是围绕用户目标，通过用户体验地图拆解用户行为路径，对设计目标进行二次拆解，颗粒度更细，更容易落地思考用户行为和设计策略。

3. 定优先级

提出多个假设后，通过四象限法则，选择成本低价值高的假设，进行 AB 实验。

图：四象限法则

4. 分解

分解包括目标分解和策略分解。通过用户体验地图梳理用户行为路径，拆解设计目标并寻找机会点，通过体验走查、数据分析、竞品调研、定性调研等方式，洞察发现每个行为节点的问题，围绕每个交互行为节点目标，通过双钻模型，筛选影响行为节点目标的关键因素，提出设计策略。

图：用户增长体验地图

5. 验证——AB实验

上线后，选取至少一周（7天）的实验数据，观测实验组和对照组的相关数据，比如某功能或入口的点击pv、uv、pv转化率、uv转化率等，根据数据分析结论，验证实验假设，提出迭代优化计划，循环往复。

AB实验，需要控制实验变量，选择有效的样本量，保证实验的有效性。在验证环节，设计师需要对实验数据进行分析，发现问题，总结实验结论，判断实验结果是否正向。若为正向，则可以切全量。若暂时无明显正向结果，则仍需继续观测实验，或者将实验数据，录入置信度公式来判断实验结果正向与否，例如置信区间计算微信小程序。

三、增长设计案例解析

下面以本人操盘的搜索推荐优惠券导购项目为例，从产品和设计角度详细解析增长设计方法。

图：搜推优惠券导购案例分析

这是一个由业务发起关于大促增长的 AB 实验项目，在这个项目中，设计上主要有两个发力点。

首先，项目前期阶段，通过目标拆解和数据分析等方式挖掘发券关键节点的增长变量；其次是围绕增长切入点，分析用户券购链路行为，提出有效增长设计策略，助力业务目标达成。

项目背景是去年双旦节大促期间，在主站原有购物流程和营销利益点无法转化用户下单的前提下，业务侧为了进一步提升搜推场景商品 feeds 转化效率和 GPV，提出业务假设：给优惠敏感的目标用户发放大额优惠券，希望通过额外发的优惠券的利益钩子，提高搜推场景用户购物转化。

首先，拆解业务目标，通过两个产品目标衡量，分别是提升搜推场景商品的 CTR 和 CVR，这里用到了公式的拆解方法。

要提升产品目标，利用电商人货场模型和页面漏斗模型，拆解影响搜推场景券购转化关键节点增长变量因素，挖掘其增长规模并验证业务需求价值和增长空间。

首先，“人”：优惠敏感目标用户下钻搜推场景，其中未下单目标用户，通过数据验证有一定规模性，因此业务需求有一定价值。

其次，“货”：拆解为发券覆盖的商品品类、商品量、曝光量、点击量。

最后，“场”：拆解为发券覆盖的商品推荐渠道、搜索渠道、触发发券的用户场景。其中，对“场”的拆解，针对发券的使用场景，通过对搜推场景用户的两条核心购物链路漏斗数据分析，进行二次拆解。

基于以上分析，有两点问题发现。首先，首页和搜索场景，点击商品 feeds 后，有 70%的用户进商详后未下单，流失掉；其次，首页前 20 个坑位商品，近 91%的用户无商品点击行为，容易流失。

因此，可以锁定核心发券场景切入点是：

• 点击商品 feeds 回退发券；
• 逛商品 feeds 无点击商品行为快流失时发券。

图：四象限法则定优先级

基于发券场景，我通过调研竞品大促时期优惠券导购玩法，发现优惠券展示倒计时可以增加购物紧迫，缩短购物决策时间；资源弹框形式吸引力更大，结合这两点调研结论，确定发券交互方式分别是商品卡片内发券、资源弹框发券。

图：竞品调研

洞察到大促时期优惠敏感用户点击偏好商品未下单，购物决策时间偏长，所以确定设计目标是突出大额优惠券及降价，提高用户购物决策效率，从而提升 GPV。

图：设计目标

围绕设计目标，梳理搜推链路用户未下单交互路径节点，聚焦发券后的用户行为动线。

图：梳理搜推链路用户未下单交互路径节点

回到发券用户场景，点击偏好商品回退后发券，用户购物动线是继续逛商品 feeds，若要召回用户购买点击过的偏好商品，所以把用户行为分解为三个节点，分别是看、读取、点击。

图：用户交互路径拆解

根据这三个用户行为节点，再分解设计目标。分别是吸引用户注意力发券、提高发券后商品卡片信息读取效率、引导用户点击发券后商品卡片。

下面是一期最终的设计方案。

图：设计方案

首先，提高用户注意力。基于福格行为模型，强化触发提醒，通过动态交互方式吸引注意力。设计策略分别是：首先，发券商品卡片背景高亮闪烁 2 次，锚定发券商品，其次，动态弹幕循环播放 3 次，反馈发券的特定商品；最后，发券后，用红色大标签视觉样式，吸引用户视觉焦点。

其次，提高券购商品卡片信息读取效率。文案设计直接展示结果，券后价和降低金额。不用满减信息让用户思考计算结果。

最后，引导用户点击券购商品卡片。分解两个设计策略。展示券倒计时和发券文案提示，突出券稀缺性；价格展示券后价，且价格作下降动效，让用户从视觉和心里感知降价幅度。

上线后，PV-CTR 相对提升 10.11%；UV-CVR 相对提升 38.03%；GPV 相对提升 8.62%。

图：AB实验结果（数据已脱敏处理）

券购一期 AB 实验结果正向，验证了业务券购假设。主要原因是业务和产品切入点有一定的增长规模，以及有效的发券领券策略和设计策略；

设计侧提出业务和产品层面 4 条增长策略建议，包括手动领券改为自动领券、券有效期缩短至 30 分钟、发放优惠券面额需大于该商品已有优惠券面额（含个人账户已领的券）、增加弹框发券偏好商品数量以提高命中率。

以上设计案例主要贯穿使用了增长设计的方法。

写在最后

本文主要分享笔者个人对增长的理解，以及从设计师的视角，解析设计如何做增长的通用方法。主要是五个步骤，分别是指标-正向假设-优先级-分解-验证。

围绕北极星指标，洞察并提出正向假设，利用四象限法则，筛选低成本高价值的正向假设，再通过用户体验地图，分解设计目标和用户行为交互路径，寻找设计机会点。最后进行 AB 实验，验证实验假设，通过对实验数据分析，利用结论进行二次迭代优化。

总的来说，设计师做增长设计，一定要有精益增长思维，同时需要有正向思考的洞察力，以及提出假设、判断优先级、拆解、AB实验和数据分析的综合能力。

此外，设计师也要能够判断，做哪些事情对产品的业务增长更有价值，做有价值的需求，驱动有价值的需求，真正设计赋能业务，赋能企业。

​Read More