增长停滞诊断：五步框架定位产品不增长的真实原因

1. 增长停滞的第一课：它往往并不是“突然”发生的

增长仪表盘上的数字从一路向上变成一条水平线，甚至掉头向下，那种感觉像是被人按了暂停键。尤其是当周报、月报还在正常工作，团队也没换人，核心功能也没动过，产品却突然不涨了。经历过这种场景的人，多半都会先怀疑“是不是渠道跑完了”，再怀疑“是不是竞品截流了”，很少有人一开始就回看自己的产品链路。

我不只一次在项目复盘里见过同样的剧情：团队花了大量时间讨论外部原因，最后发现病根明明就在内部。这也是我在听完 Lenny 那档播客里关于增长诊断的内容后，最大的感触——它提供了一个不是靠感觉、而是靠流程来定位问题的方法。Lenny 的节目里常讲一个观点，增长团队的核心能力不是狂做实验，而是能够在增速放缓时快速判断“到底哪里错了”。

先说一个结论：真正“突然”不增长的产品极少。大多数停滞在爆发之前都有征兆，只是被整体月活、总营收这类大盘指标盖住了。新用户进来以后激活率下滑了三个点，老用户次月留存降了两成，渠道A的获客成本翻倍，渠道B的LTV还在恶化——这些变化如果同时发生，大盘数据通常还在缓慢上涨，因为它被存量用户撑着。可一旦存量增长见顶，整体曲线就会立刻平坦，看起来就像一夜之间出了事。实际上问题早在一个季度前就埋好了。

所以这个框架的第一原则就是：不要接受“突然”这个说法，把时间窗口拉长到12到18个月，把用户按生命周期切开，你才会看到真正的问题藏在哪一段。诊断不是一个“猜原因”的游戏，它是一个“找差异”的过程。

这背后还有一个容易被忽视的心理效应。创始人和增长负责人对自家产品最熟悉，也最容易陷入“解释性偏差”——数据一旦不好看，大脑会自动编一个合理的故事，比如“夏天就是淡季”或“市场预算不够”。框架的作用，恰恰是逼你先不要解释，只记录事实。这个区分听起来简单，做起来非常反人性。

2. 诊断前先搭好三块地基：数据基建、北极星指标、对比基线

没想清楚就开跑，是增长诊断最常踩的坑。我做过的几次诊断，凡是顺利的，都是因为前期的数据准备足够扎实；凡是不了了之的，几乎都是因为“先开会讨论一轮”然后不了了之。正式开始5步框架之前，你得先确认三件事：数据是否可信、北极星指标是否干净、对比基线是否合理。

2.1 数据基建：没有埋点数据，一切诊断都是猜

先说数据基建。很多团队手上只有一个用户数线和收入线，行为数据几乎没有。这种情况不是不能诊断，但只能停留在“假设层”，无法推进到“验证层”。理想状态下，你至少需要这些事件被稳定追踪：注册完成、首次激活（首次完成关键动作）、首次付费、持续使用频率、分享/邀请行为、流失前最后一个动作。

如果你的产品还没有这样的埋点，建议先花一到两周补，不要急。没有行为数据的诊断，就像医生不让你拍片子、不让你抽血，只问“你哪儿疼”就开药，偶尔能对上，但大概率误诊。埋点不需要特别复杂，先把“激活事件”定义清楚就行。很多B2B产品会把激活当成“注册成功”，这是错的；激活应该是用户第一次感受到产品价值的那一刻，比如 SaaS 里的“邀请成员并完成协作”，内容产品里的“收藏第一条内容”。

2.2 北极星指标“变脏”的几种情况

第二件要确认的事，是你的北极星指标还是不是“北极星”。增长放缓时，最常见的迷惑行为是团队为了曲线好看，偷偷把定义改宽。日活从“完成至少一次核心动作的用户”改成“打开App就算”，转化率从“试用转付费”改成“创建项目就算”，这样指标会短期“修复”，但彻底毁掉诊断的参照系。

北极星指标变脏有三个典型信号：第一，它连续几个月都没有自然波动，反而异常稳定；第二，产品团队为了优化它开始改定义而不是改产品；第三，销售和市场部门根本不拿它当目标，只关注各自的表。如果中了一条，诊断之前必须先恢复指标口径，否则后面所有分析都是空中楼阁。

2.3 对比基线的两个时间窗：环比窗口与同期群对照

第三件事是设定对比基线。诊断增长停滞，核心动作就是“对比”——和过去的自己比。这里有两条基线最重要：

一是过去6到12个月的环比曲线。把每个月的新增、激活、次月留存、付费转化、流失率放在同一张表上，你会立刻看到哪一段开始掉头。很多人只看今年和去年同比，但增长诊断更依赖环比，因为产品这一年里可能改过定价、改过首页、改过付费墙，同比已经失去了参照意义。

二是同期群（Cohort）对比。这是整个框架的生命线。不是你产品整体流失了，而是某一个月进来的用户，留存曲线突然变陡了。找到“从哪一个月份进入的用户开始变差”，你就能把问题定位到那个月产品发生的变化上。这个定位越精确，后面的访谈和实验就越有方向。

3. 五步框架速览：现象、分层、归因、访谈、验证的推进顺序

5步诊断框架不是我发明的，而是我自己在各种增长资料，包括 Lenny 的播客和访谈、Brian Balfour、Morgan Brown 他们分享的方法论之间，反复揉合出来的一套可以真正执行的流程。它不复杂，但每一步都承担不同的任务，顺序也不能乱。

整套框架可以概括成五句话：画漏斗、切人群、拆渠道、访用户、做实验。

第一步，画全盘漏斗，找到转化断点。你不是去看“整体用户数为什么不涨”，而是去看“从曝光到注册、从注册到激活、从激活到留存、从留到付费”的每个环节，转化率最近发生了什么变化。这一步回答的是“断点在哪”。

第二步，再做用户分层。把所有用户按照新增、活跃、沉默、流失，或者按照注册时间、使用深度来切分，找出到底是哪个群体不增长了。这一步回答的是“问题在谁身上”。

第三步，按渠道拆增长账本。同样是新增不涨，自然搜索不涨和付费广告不涨，处理办法完全不同。这一步回答的是“拉新侧的哪个水龙头出了问题”。

第四步，回访用户，做定性验证。数据只能告诉你“哪里不对”，不能告诉你“为什么不对”。去找最近流失的用户、被邀请但没注册的人、注册但没激活的人聊一聊，你会得到数据和工具之外的真实原因。这一步回答的是“用户嘴里的怎么回事”。

第五步，把前四步产出整理成假设，并按“可能性”和“验证成本”排出优先级，用一序列最小实验去验证，直到找到病根。这一步回答的是“到底该怎么办”。

这个顺序为什么不能乱？因为前两步是“定位”，后两步是“解释”，最后一步是“验证”。如果上来就访谈，你很容易被用户的情绪带走，访谈结果成了一堆“我觉得不好用”的碎片，没有数据做参照，根本分不清是普遍现象还是个别抱怨。反过来，如果只做数据分析不做访谈，你找得到断点但永远不知道断点背后的机制，实验设计也是瞎猜。

执行时间上，如果产品和数据基建比较完整，前四步大概需要一到两周。第五步看实验复杂度，快的话一个迭代就能完成，慢的话需要一两个月。要产出的不是一份长篇诊断报告，而是三个东西：一张标好断点的漏斗图、一份按用户群和渠道拆出来的差异表、一组可执行的高优先级假设。

4. 第1-2步实操：漏斗普查与用户分层，锁定断点和病灶

前两步是整个框架里最“硬核”的部分，不需要太多创造性，但需要极强的耐心。它们的目的很简单，就是把“增长停了”这个模糊的抱怨，翻译成“三七付费转化率的用户群在注册后第3天流失率异常”这种可处理的工程问题。

4.1 全盘漏斗：用一页纸画出产品完整链路

先画漏斗，但注意画法有讲究。不要画那种从“访问”到“注册”的两位三层漏斗，那是营销漏斗，不是增长漏斗。产品增长漏斗要把用户生命周期画全，至少覆盖四个阶段：获取、激活、留存、变现，有病毒传播机制的产品还要加一个推荐/邀请环节。

每个阶段都要预估口径和埋点来源。比如“获取”要看各渠道曝光到注册的转化；“激活”要看新用户进入产品后多长时间内完成首次关键动作；“留存”要看激活后的D1、D7、D30留存；“变现”要看免费用户到付费用户的转化路径。把这四个阶段放在一页纸上，旁边标上最近三个月每个阶段的环比变化率，你基本就能立刻看到断点长什么样。

4.2 用同期群分析锁定“哪个月开始变差”

全盘漏斗能看出哪个环节在恶化，但回答不了“从什么时候”开始。这要靠同期群分析。你按“注册月份”把用户分成不同队列，然后跟踪每个队列的留存曲线。正常的产品，越晚注册的队列，留存因为产品优化应该越高或至少持平。一旦发现某个月之后的队列留存陡降，你就找到了关键的“拐点月份”。

我遇到过一例：一个内容社区的日活连续两个月持平，团队想尽办法做拉新活动都没用。用同期群切完才发现，问题根本不在新增，而是三个月前改版后，新注册用户的7日留存率从18%跌到了9%。新用户留不住，拉再多进来也是漏斗漏掉。团队一直在给漏水的水桶加水，当然怎么加都满不了。

4.3 用户分层：把“整体不增长”翻译成“某一类人不增长”

切完同期群，再做用户分层。分层的维度不一定要特别复杂，通常按三个维度切三次就够用了。

第一层按“生命周期”切：新增用户、激活未付费用户、付费用户、流失回流用户；看每个群体的规模占比和贡献占比最近有没有变化。第二层按“使用深度”切：低频用户、中频用户、高频用户，看高频用户的比例是否在缩水，这通常是产品价值感衰减的信号。第三层按“获客来源”切：自然搜索、口碑推荐、付费广告、内容营销、活动拉新，看哪类来源的用户质量在下降。

这里容易踩的坑是“分层过度”。有些团队一次性切十几个维度，最后根本看不出规律，因为每个格子里的样本量太小，波动都是噪声。我的经验是：先切两三个关键维度，如果看不出结论再加维度；如果某个格子样本少于100，就别把它当成可靠信号。

完成这两步后，你手里应该有了一张断点漏斗图、一份“哪个月开始变差”的同期群结论、一组“哪个用户群体在衰减”的分层表。接下来可以进入渠道分析。

5. 第3步按渠道拆增长账本：区分自然衰减、渠道失灵和内容枯竭

漏斗和分层的视角解决的是“用户进入后的问题”，渠道分析回答的是“用户进入前的问题”。增长停滞，很多时候既是“前端不进水”，也是“后端漏水”，两个问题同时存在。所以第3步不能跳。

5.1 渠道矩阵：按获客来源拆开看，而不是看整体新增

大多数团队看渠道，只看“哪个渠道带来的注册量最多”，然后按这个排序分配预算。这不够。渠道拆分至少要回答三组问题：

第一，各渠道的曝光量和访问量是否在收缩？如果是，这是“流量池”在萎缩，比如搜索排名下降、社交媒体触达率走低、商店推荐位被撤，需要重新评估渠道本身的产能上限。

第二，各渠道的注册转化率是否在下降？如果是，问题可能出在“产品和渠道的匹配度”上，比如你用低价个人版广告去吸引企业客户，点击的人不少，一看到企业付费价格就走掉了。

第三，各渠道带来的用户质量是否在下降？这里的质量看三个指标：激活率、次月留存、LTV。我记得有个SaaS团队在 Facebook 广告上越投越多，注册量漂亮，但激活率只有其他渠道一半，算下来LTV还是负的。这种渠道即便量在涨，本质也在“制造亏损用户”，增长越快死得越快。

5.2 关键指标联动：CAC、LTV、PBP一起看

只看单一渠道指标很容易误判。我建议至少把CAC（用户获取成本）、LTV（用户生命周期价值）、PBP（回本周期）三个数字算出来，放在一张表里和三个月前对比。

举个例子：自然搜索渠道的获客成本一直是0，看起来最“便宜”。但如果它的注册量在大幅下滑，你就要追问：是SEO内容不再被收录，还是产品类型已经转向搜索满足不了的需求？如果是需求转向，那自然搜索的“免费”就不再值得依赖。相反，付费广告的CAC从80涨到了120，但如果同时激活率和留存也在涨，可能只是因为你投放的人群变得更精准了，不能简单判定为渠道失效。

渠道拆完，你要能画出一张二维矩阵：横轴是各渠道带来的用户量占比，纵轴是这些用户的激活率和LTV。落在“量大质差”和“量小质优”两个象限里的渠道，是最值得做定性研究的对象——它们往往是最容易“突然不增长”的爆点。

6. 第4步定性诊断：回到用户现场，问对问题的访谈清单

数据分析告诉你“哪里痛”，用户访谈告诉你“为什么痛”。这一步如果省掉，整个框架就退化成看板工具，最多只能发现问题，做不到真正定位病根。

6.1 访谈对象怎么选：三种人必须聊

访谈对象的选择直接决定结论质量。最忌讳的是只找现有活跃用户聊，他们还在用你的产品，而且是高忠诚度用户，根本代表不了那些离开的人。我建议至少聊三组：

第一组是最近3个月内注册但没激活的用户。他们已经跨过了获取门槛，但没感受到产品价值。问他们注册后的第一反应、哪一步卡住、什么原因没有再打开，能直接暴露激活环节的问题。

第二组是曾经活跃但在最近1到2个季度流失的用户。他们已经体验过产品价值，流失原因可能是需求消失、竞品替代、体验恶化、价格上升。重点问他们“离开前最后一次使用发生了什么”。

第三组是当前高频活跃用户。不是让他们夸产品，而是问他们在什么场景下使用、解决了什么具体问题、有没有差点放弃的时刻。这些“差点放弃”的瞬间，通常就是未来流失的埋伏点。

每一组聊8到10个人就够了，关键是保证每组内部身份、使用场景尽量一致，不要混着聊。B2B产品和C端产品访谈对象也不一样——B2B至少要覆盖决策者、使用者和付费者三个角色，因为他们的诉求可能完全不同。

6.2 提问清单与追问技巧：别问“你觉得如何”，要问“上次发生了什么”

访谈问题的设计，核心原则是“多问行为、少问态度”。不要问“你觉得这个功能好用吗”，要问“你上次用这个功能是什么时候，当时在做什么，后来为什么停了”。用户对“态度”的回答往往是社交性敷衍，但对“行为”的回忆会带出真实的细节。

我常用的几个问题模板如下：

• 你最初是怎么知道这个产品的？当时的第一个念头是什么？
• 注册之后，你做的第一个动作是什么？做到哪一步觉得“哦，这产品有用”或“这产品没意思”？
• 最近一次想放弃产品是什么时候？当时发生了什么？
• 如果这个产品明天不在了，你最怀念的是什么？最不怀念什么？
• 有没有试过其他同类产品？在什么情况下你会切换到另一个？

追问技巧比问题本身更重要。用户说“感觉不好用”，你必须追“哪个环节让你觉得不好用”；用户说“后来太忙没时间用”，你要追“是不是有其他工具更省时间，还是你其实没觉得非用不可”。通常问到第三层，才会碰到真实原因——比如“因为首页改版后我找不到之前常用的入口了，我懒得研究，就换了个工具”。

访谈资料整理也有技巧。不要只记录“用户说了什么”，还要给每条结论贴上“证据等级”：是用户行为描述，还是用户的主观解释，还是访谈者的推测。主观解释只能用来构建假设，行为描述才能直接指导实验。

7. 第5步假设分级与实验验证：用最小成本锁定病根

前四步做完，诊断报告已经成型，但你还没有“确诊”。唯一切实有效的确诊方式，是用实验验证假设。这一步最考验执行纪律，因为人人都想赶紧做“大改进”，而正确做法是做一个“最小实验”。

7.1 如何把“疑似病根”转成可实验假设

假设不能写得太宽，比如“用户觉得产品不够好用所以流失了”，这种话没法验证。一个合格的增长假设必须包含四个要素：人群范围、触发条件、预期变化、验证指标。

用我之前那个内容社区的案例来说，劣质假设是“新用户留存低是因为内容质量差”。合格假设长这样：“针对新注册用户，如果首页优先展示最近7天互动量最高的内容（而非最新内容），那么新用户7日留存率将从9%提升到12%。”人群明确（新注册用户）、变化明确（首页排序逻辑）、指标明确（7日留存），这个实验就能直接设计。

假设从哪里来？就是前四步的积累。漏斗断点、同期群拐点、渠道质量差异、用户访谈里反复出现的痛点，每一条都可以转化成候选假设。建议用一张表列出所有候选假设，然后按“可能的影响力”和“验证成本”打分排序。

7.2 实验设计与结果判定：别一次性改三样东西

实验设计上，最常见的错误是一次性改三样东西——首页、推送文案、定价都换了，最后留存涨了，但你根本不知道是哪一项的功劳。增长诊断要的是归因精度，不是增长幅度，所以每次实验只改一个变量。

结果判定要提前设好成功线。比如“实验组的7日留存比对照组高1.5个百分点就算通过，低于这个值回到假设池继续找”。这个成功线不是拍脑袋定的，而是基于你对最小有意义指标变化的判断——如果优化带来的提升不足以覆盖运营成本，那它就不算病根。

还有一个很多人忽视的细节：实验期间不要让销售、市场、客服团队做任何额外动作。我曾经遇到过实验跑到一半，市场团队突然给所有实验组用户发了优惠券，结果指标暴涨，整个实验作废，白白浪费了两周。实验窗口内要冻结所有干扰动作，这是铁律。

如果前五个高优先级假设都验证失败了怎么办？两个选择：一是回到第2步，重新切更细的用户分层，很可能病根集中在某一个细分人群里；二是回到第4步，补聊用户，或者翻看客服工单、社交评论，往往能找到新假设的来源。诊断不是一次性的，它是一个循环。

8. 真实复盘中框架的典型应用：增长停滞最常见的四类根因

最后把这套框架在实际项目中见过最多的四类病根总结一下，遇到类似症状时可以少走弯路。

8.1 激活率下滑：入口变了，价值感却没跟上

这类病根常见于产品改版或新增了渠道之后。比如原来用户从App商店直接下载打开，现在多了大量广告落地页进来的用户，二者对产品的预期完全不同。落地页用户看到的是夸张的宣传，打开App发现货不对板，激活率自然崩掉。框架里第1步漏斗和第3步渠道交叉看，很容易发现这一类。

8.2 留存率衰减：核心功能被“边缘化”

如果同期群分析显示某个时间点之后的用户，次月留存整体下了一个台阶，通常不是产品变烂了，而是新用户的首次体验路径变了。比如首页改版后，新用户第一眼看到的不是核心功能而是次要功能，结果用户就没学会用核心功能，留存自然下降。用户访谈里通常会出现“我一直没发现还有这个功能”的说法。

8.3 拉新效率衰减：渠道饱和或内容枯竭

如果你发现整体增长停滞，但同期群留存完全正常，那问题大概率在拉新端。靠内容营销起家的产品，最常见的是“内容池枯竭”，发的内容排名开始下滑；靠口碑增长的产品，最常见的是“邀请率还在但被邀请人转化率下降”。渠道矩阵会直接显示是哪一类。拉新问题不一定要立刻扩渠道，先看现有渠道能不能恢复产能，往往更省预算。

8.4 变现路径的隐性恶化：免费到付费的漏斗变长

有些产品用户量还在涨，但收入不涨了。这时要把“变现”当成一个单独的漏斗来画：免费用户中有多少看到过付费入口、点击过定价页、进入过支付流程、最终成功支付。每一个环节都可能藏着“病根”，比如支付切换了新服务商导致成功率下降、定价页改版后核心信息被折叠。这类问题在用户访谈里几乎问不出来，全靠漏斗拆解才能查出来。

在实战里，四个根因常常同时存在：拉新变慢、激活下降、留存走低、变现停滞，整个增长机器所有零件都在磨损，只是程度不同。框架的价值不是帮你一次性修好全部零件，而是告诉你哪一个零件磨损得最快、修好它的回报最大。先把最致命的断点接上，其余问题再一个个处理，增长曲线自然会重新动起来。

如果你当前正被“产品不增长”困扰，我的建议是先别急着做新功能，也别急着加大投放，停下来花两周时间，把这篇框架从头到尾跑一遍。做完之后你会发现，问题不是“不知道怎么办”，而是“终于知道该从哪一个具体环节开始办”。