知擎最近重听 Lenny's Podcast 里聊增长停滞的那几期，印象最深的是主持人反复强调的一句话：产品突然不增长，通常不是某个指标突然崩了，而是整个增长闭环里某个环节悄悄坏掉了。我做了多年增长，接手过好几个“前三个月突飞猛进，第四个月突然持平甚至下滑”的产品，最初的直觉总是怪渠道、怪竞品，后来发现大多数情况下病根藏在更内部的地方——漏斗在漏、留存在下沉、激活路径在变长。这套 5 步诊断框架，就是把这些经验收敛成一套可执行的排查流程，任何负责产品或增长的人都可以照着走一遍。
整套框架解决的核心问题很简单：当你的产品增长引擎熄火，你至少应该有一个标准动作，而不是拍脑袋决定“是不是该做新功能了”。这篇文章会把每一步的具体操作、常见误区和真实案例都拆开讲清楚。如果你正面临数据停滞，可以直接把文中方法套到自己的产品上，通常两周内就能帮你定位到最可疑的病根。
1. 增长放缓的三种典型“病型”：先判断你的产品属于哪一种
做诊断之前，先别急着看报表。我习惯把“不增长”粗分成三类，就像去医院挂号一样，先判断你挂的是内科、外科还是皮肤科。这三类病型对应的是增长链路里三个不同的关键节点：新客引入、新客转化、老客留存。
- 漏斗漏：新增访问量没问题，但注册、激活、关键行为转化率下降。比如App的访问量稳定在每天10万，但注册按钮点击率从20%掉到12%，这是漏斗中途漏了。
- 新客枯：入口变少了。自然搜索量下降、投放ROI变差、老带新分享率走低，导致进入产品的新用户绝对量在减少。
- 老客走：新用户看起来正常，但留存曲线变差，或者老用户的活跃频次、使用时长持续下滑。
三者经常缠绕在一起，但一定有一个是“原发病”。判断方法看三个核心比率：新增访问→注册转化率、次周/次月留存率、新增用户绝对量。你可以拉一张表，把这三个月的数据和去年同期对比，基本能锁定大方向。
| 病型 | 关键指标 | 典型信号 |
|---|---|---|
| 漏斗漏 | 激活率、关键行为转化率 | 访问量正常，但注册/激活/付费率明显下滑 |
| 新客枯 | 新增访问量、自然搜索占比、分享率 | 总访问量下降，渠道成本上升，新增注册数走低 |
| 老客走 | 次周/次月留存率、DAU/MAU、老用户打开频次 | 新增用户正常，但留存曲线下沉，老用户沉默 |
拿我之前做过的一款SaaS工具举例，连续两个月新增注册用户数和上月持平，但免费版到付费版的转化率从2.1%跌到1.2%。很多人第一反应是“用户没钱了”或“竞品出了低价套餐”，其实用框架一看，流量和注册都正常，唯有转化环节出了问题——这是典型的“漏斗漏”。方向判断对了，后续的排查才不会被带偏。
1.1 先把“不增长”定义清楚
很多团队喊着“不增长”，其实说的是“没有达到预期增长”，并不是真的下滑。预期是一个极其主观的东西。建议你先定义清楚：是绝对量负增长，还是增速放缓？是昨天比前天低，还是这周比上周低？如果是波动范围在正常区间内，就别兴师动众开诊断会。
我通常用两个标准判断“病发”：一是周同比连续三周走低，二是月环比下降超过10%。连续性和幅度同时满足，才值得立案。
1.2 三个核心指标，快速锁定大致方向
锁定病型不需要做复杂的归因分析，只需要把三个数拉出来：新用户注册量、激活率、次月留存率。如果注册量下滑，病在“新客枯”；如果注册量正常但激活率下滑，病在“漏斗漏”；如果注册量和激活率都正常但留存下滑，病在“老客走”。这三个数在Excel里用数据透视表就能算，不至于为了诊断先做个数据仓库。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 诊断第1步：校准观察窗口，找到“真实下滑”的开始点
很多人上来就看“最近7天DAU”，这是最容易误诊的。放假、周末、产品发版、渠道投放暂停，都会造成短期波动。若想给产品开药，必须先找到“真实下滑”的起始时间点，而不是在波动里瞎忙。
我的做法是拉取过去12个月的数据，按周和月两个粒度同时看。重点看两组对比：同比（今年第20周 vs 去年第20周）和环比（本周 vs 上周）。如果同比已经有问题，说明病不是最近才有的；如果只是环比掉了，要小心是不是一次性因素。
接手的项目里有这么个案例：某内容社区产品连续6周DAU没涨，团队怀疑是推荐算法出问题。我拉完数据发现，拐点其实在两个月前，正好是他们把新用户默认关注话题从10个改成5个的那次发版。这之后新用户的次日留存才开始跌，只是跌得慢，直到6周前累计到“总量不再增长”的临界值，大家才意识到出了问题。
2.1 如何定位下滑拐点：同比环比还不够
同比环比只告诉你什么时候开始变差，没告诉你为什么在那个时候变差。还需要叠加“事件日历”——把过去12个月所有产品发版、渠道变更、定价调整、策略改动记录在一条时间线上，和数据曲线放在一起看。
拐点附近往往藏着两三类事件，比如算法改版、onboarding流程重做、新增付费墙。你要做的是找出与数据下滑时间最吻合、且影响面最大的那个事件，作为重点怀疑对象。这个动作不需要工具，一张共享表格就能维护。
2.2 同期群分析：把用户分层后看趋势
总量数据是最会骗人的。新用户引入量增加时，即便留存率下降，DAU也可能暂时是平的。所以一到诊断阶段，我必定做同期群(cohort)分析：把每个月/每周新增的用户拉成独立队列，看他们各自在后续7天、30天的留存率。
用Excel就能做基础表。第一列是用户首次使用日期，第二列开始是后续每天是否活跃（1/0），最后算出每个队列的留存百分比。我见过太多“总量没变，但新用户留存率已经从25%降到18%”的隐藏问题，只有同期群表能把这种风险暴露出来。
3. 诊断第2步：拆解新用户漏斗，区分“流量问题”还是“转化问题”
确认了病型之后，第2步的任务是把“漏斗漏”或“新客枯”拆得更细。对大多数产品而言，新用户路径可以切成这几段：访问 → 注册 → 激活（完成一次核心行为） → 留存/付费。你要把每一段的转化率都算出来，然后对比正常时期。
之前做过一款效率工具，团队最初以为是“注册转化率太低”，做了一堆A/B测试去改注册表单。我把漏斗一拆，发现访问到注册的转化率没怎么变，注册到首次创建项目的激活率从60%降到了35%。用户注册了之后根本不知道下一步该干嘛——这才是真正的卡点。光盯着总转化率，容易把责任全推给“流量质量差”，实际上产品承接环节早就掉链子了。
3.1 不要只盯总转化率，要看每个节点的“卡点”
每个节点的转化率变化，对应的优化手段完全不同：
- 访问→注册下跌：可能是落地页信息不清晰、注册按钮被隐藏、或登录方式不稳定。
- 注册→激活下跌：可能是首次启动引导缺失、空状态没有示范、核心功能入口太深。
- 激活→付费下跌：可能是价值展示不足、定价页有问题、付费能力变化。
你需要把这些转化数据按天拉出来，再看每个节点在上滑拐点前后的变化幅度。变化幅度最大、且时间上最吻合的那个节点，就是第一嫌疑人。
3.2 渠道质量拆解：找到“虚胖”流量
很多时候总量渠道没有变，但“流量结构”变了。比如原本搜索流量占60%，信息流流量占40%，某月因投放策略调整，信息流流量涨到70%。整体访问量虽然上升了，但信息流用户意图弱，注册率和激活率被拉低，最后产品“看起来不增长了”。
所以在你判断是转化问题还是流量问题之前，把所有渠道先拆开：自然搜索、直接访问、付费广告、社媒、外部推荐、老带新。看每个渠道的访问量、注册率、激活率是否发生了结构性偏移。如果存在某个渠道注册率大幅低于均值，且占比在提升，那你要处理的可能不是产品，而是渠道策略。
4. 诊断第3步：深挖留存/召回，识别“老用户沉默”的临界点
如果新用户漏斗查完没发现大问题，或者修完之后发现增长仍然回来得慢，多半问题出在留存端。留存诊断比漏斗诊断难一些，因为用户的沉默是一个渐进过程，不像转化那样有一个明确的“未点击”事件。
第3步的核心是回答一个问题：老用户是在哪个时间点开始不再来的？
以周为粒度拉出活跃用户的上次使用时间分布。如果“31~60天前有活跃记录但最近30天没来”的用户数在持续增加，说明沉默池在扩大。然后拉出这些沉默用户在沉默前最后执行的3个行为事件。比如一个协作工具的用户，沉默前最后动作往往是“创建了一次团队”，然后就没有然后了；一个内容产品的用户，沉默前最后动作往往是“连续三天天天看，但从未关注任何人”，导致推荐源丧失。
4.1 留存曲线拐点：是次日差，还是30天后消失
留存曲线有几种典型病态：
- 次日留存差：新用户第一关都没过，问题大概率在onboarding和首次体验。
- 7日留存骤降：可能是一次性价值产品（如计算器类工具），也可能是引导用户找到了价值之后没有下一步。
- 30日留存持续下滑：核心功能疲劳、内容更新不足，或者用户完成目标后没有新的目标牵引。
你需要把不同时期新增用户的留存曲线叠在一起看。如果曲线形状没变，只是整体下移，说明体验质量下降了；如果曲线斜率变陡，说明用户衰减速度变快了，两者对应的解法不同。
4.2 行为事件下钻：沉默前最后发生的3个动作
要找到沉默临界点，不要只分析活跃用户的常规行为。把沉默用户单独拎出来，用事件流看他们在沉默之前发生过的3个动作。例如：
- 用户A：登录 → 浏览首页 → 没有任何点击 → 退出（说明内容匹配差）
- 用户B：登录 → 创建项目 → 邀请队友 → 没有再回来（说明协作闭环没有形成）
- 用户C：连续登录7天完成任务 → 任务体系结束后不再来（说明外部激励替代了内在动机）
把这些行为序列按出现频次排序，你基本能看到“用户想做什么但没做成”的证据。这就是后续访谈和试验的原始素材。
5. 诊断第4步：用访谈和小成本试验，验证病根假设
数据只能帮你建立假设，真正的病根必须经过验证。很多团队死在“数据分析很爽，但没验证”这一关——他们找到一堆异常，却无法确定哪个是“因”，哪个是“果”。
第4步分两条线：定性的用户访谈和定量的低成本试验。
访谈不用找很多样本，流失用户访谈5-8个足够暴露共性问题。关键是提问方式，不要问“你觉得我们产品哪里不好”，要问“你上次打开我们产品想做什么？最后做到了吗？”。从用户描述的行为过程里，你能发现到底是“没需求”“没理解”还是“没能力完成”。
低成本试验则是验证假设的最快方式。如果怀疑老用户是因为“不知道新功能”而流失，就做一次定向推送；如果怀疑新用户激活差是因为页面引导不清晰，就做一版新的首次启动引导，跑一周A/B测试。
5.1 用户访谈怎么问才不引导答案
访谈的大忌是用“你觉得……是不是……”句式。一旦问题里带了你的假设，用户就会顺着你回答。更稳妥的方式是：
- 还原场景：“你第一次听说这个产品是在什么情况下？”
- 描述过程：“你注册之后做的第一件事是什么？”
- 复盘情绪：“哪一刻让你觉得‘这个产品可能不太行’？”
每次访谈控制在20分钟，全程录音，事后整理成文字，找出重复出现的句子。比如如果5个人里有4个人都提到“不知道关注之后去哪里看更新”，这基本就是病根。
5.2 低成本验证试验设计：通知、邮件、着陆页
验证一个假设并不需要做大型功能开发。用“通知+测页”就能解决：
- 针对沉默用户的召回邮件/推送：文案里直接提供价值点，看点击率和回访率是否显著提升。
- 针对新用户的激活引导页：做一个只有文案差异的静态页，看注册到激活的转化率变化。
- 针对功能疲劳用户的“我来教你怎么用”弹窗：提供使用技巧或模板，看后续7日留存是否改善。
所有试验要设对照组，避免把所有消息发给全部用户。两周内没有显著结果就放弃这个假设，换下一个。这比开十次会争“是不是痛点”高效得多。
6. 诊断第5步：汇总原因，排出修复优先级
走完前4步，你手里通常会攒下3-5个疑似病根。第5步不是让你一次性全修，而是把这些病根排个优先级。
我用的方法是一个极简矩阵：影响面（涉及多少用户/多少营收）× 解决周期（多久能上线修复）× 证据强度（数据、访谈、试验是否都指向它）。三者综合打分，分成三挡：
- P0：证据充分、影响面大、不修会继续恶化。例如登录流程报错、支付链接失效。
- P1：证据较充分、影响面大、但修复周期较长。例如onboarding重新设计。
- P2：有证据但影响面有限，或只是“可能有问题”。这类先放着，不消耗团队产能。
排完之后，针对P0和P1各写一条“期望结果”，比如“新用户激活率从35%提升到45%”。接下来两周只盯这一两个指标，不做任何额外动作。等修复上线后，再用同一套指标体系验收。
6.1 病根优先级矩阵：影响面与修复成本的权衡
给三个变量打分时要注意“影响面”不是看总人数，而是看直接受影响的核心行为人数。比如注册页表单校验报错只影响注册人群，但影响的是100%的注册者，应该评P0。团队如果纠结某项体验优化，可以先问：不做这个修复，下周数据会继续变差多少？如果答案是“不确定”，那它的优先级一定低于某个已经开始伤害用户的事情。
6.2 用一页纸追踪修复验证
理想情况下，诊断应该输出一页纸，包含：待验证假设、验证方式、当前证据强度、执行负责人、上线时间、预期指标。这张纸每周同步一次，如果两周内指标没有变化，就要重新审视假设是否成立。
我曾经见过团队一个季度列了40多项优化，最后只上线3项，原因就是没有一页纸收敛。用优先级矩阵把80%的精力压到20%的动作上，诊断才不会变成空谈。
7. 一套实战演练：某内容社区产品突然不增长的完整排查过程
理论说多了容易飘，我拿一个亲历的案例把5步跑一遍。这是一款面向年轻人的内容社区产品，上线一年，DAU已连续6周不涨。团队很慌，差点要增加一个“贴近年轻人”的新功能。
第1步，我拉出12个月数据后发现了两个关键信号：一是下滑拐点在两个月前，刚好是推荐算法改版和新用户默认关注话题数从10个改为5个的发版日期；二是同期群显示，新用户次日留存率从32%降到21%。
第2步拆漏斗：访问量稳定，注册率稳定，注册到首日激活率没变，但“首日发生关注行为”的比例从55%掉到38%。问题不在流量，而在新用户激活路径里的关键行为没有真正被引导。
第3步深挖留存：沉默用户的数据显示，那些激活后没关注任何话题的用户，次日绝大多数流失了，即便他们头一天点赞了不少内容。因为没有关注对象，第二天首页推荐几乎全是爆款内容，用户感觉“这不是我想看的”。
第4步验证：找了7位最近7天注册但次日未回访的用户访谈，5个人都提到“我点了很多赞，但第二天打开推荐没有继续给我推我感兴趣的东西，而是又刷到一堆跟我无关的热门”。这让我确认病根是“推荐冷启动依赖关注关系，而onboarding没有把关注动作做扎实”。
第5步排优先级：P0是做首次启动引导优化，强制且自然地让用户至少选择3个感兴趣的话题；P1重启“默认关注n个优质内容源”的旧策略；P2是推荐算法层面的冷启动改进。两周后版本上线，新用户次日留存从21%回升到29%，DAU在第4周恢复增长。
7.1 项目背景与异常信号
这个项目的异常非常典型：总量没跌，增长停滞。如果不做同期群，只会看到“注册数没降”，可能就会去砸钱买量。但同期群算出“新用户次留下降10个点”，等于每天花成本买来的新用户，第二天走掉的比例多了不少。所以每当产品总量不出问题时，必须认真问一句：“增量用户的质量还跟以前一样吗？”
7.2 五步排查的推理链
我们实际用的推理链是：总量停滞 → 同期群发现新用户次留恶化 → 拆漏斗发现“关注行为”掉头 → 行为下钻发现沉默前动作是“只点赞不关注”→ 访谈验证“推荐不准”→ 修复引导。每一步都建立在证据上，没有靠竞品分析或用户投诉猜。
7.3 修复动作与结果验证
修复动作没有动推荐算法，只改了首次启动流程，把“选择感兴趣话题”从可选项改成必选项，同时加了一个“一键关注10个官方推荐创作者”的按钮。上线后，首日关注比例回到52%，次日留存回升，DAU恢复增长。最值得记的一点是：我们本来准备做的新功能项目在诊断后取消了，因为它不是病根。
8. 框架之外：常见误诊与团队执行建议
5步框架我用了很多年，仍然会踩到一些坑。最大的坑是把“大盘下降”等同于“自己的产品不行”。宏观环境、政策、季节性变化会同时影响所有同类产品。如果行业所有竞品都在跌，你首先要看的是“相对份额”，而不是孤立看自己的曲线。当然，宏观原因很难靠产品本身修复，但你可以判断要不要在这个时间点激进投入。
第二个坑是把“短期活动效应”当成“持续增长”。很多产品冲了一波老带新活动，DAU暂时上涨，活动一停就回落。这不算病，只是正常代谢。如果团队期望活动带来的用户长期留存，那该诊断的不是“为什么不增长”，而是“活动用户的长期价值为什么那么低”。
第三个坑是只盯着一个指标做归因。比如看到DAU下降就认为是留存问题，结果发现是新渠道买量拉高了分母，DAU/MAU在下降。诊断的时候，至少同时看三个相关指标，避免用单点波动给整个产品下结论。
团队执行层面，我建议成立一个“增长诊断小组”，不需要全职，但要有数据、产品、用研、开发各一个人。用两周时间走完这5步：第一周做数据清洗、同期群、漏斗拆解；第二周做用户访谈和低成本试验。最忌讳的是把诊断变成无限期的数据挖掘，毕竟产品还在等结论决定下一步动作。
最后再分享一个个人体会：这套框架最大的价值不是“救火”，而是“体检”。不要等产品突然不增长才想起用，我建议每个季度固定做一次增长体检。哪怕数据还在涨，也花两天跑一遍同期群和激活漏斗。当你能说出“上一次留存率升高是因为我们调整了用户首次关注引导”时，你才真的读懂了自己的产品。增长这件事，本质上就是提前看见系统里正在坏掉的零件，然后在它拖垮整台机器之前换掉。