§ 06Methodology
方法论框架
增长分析中常用的框架与工具
01九大增⻓框架
每个框架都有适用场景、局限性与实践案例
North Star Metric
北极星指标
适用场景 · 业务早期找唯一核心指标，对齐团队目标
局限性 · 单一指标可能掩盖结构性问题
实践 · 在理想，以「试驾转化率」作为阶段性北极星，连接线上线索与线下到店
Objective-Strategy-Measurement
OSM 模型
适用场景 · 将战略目标拆解为可量化的指标体系
局限性 · 拆解层级过深时执行成本上升
实践 · 用 OSM 将「提升试驾转化」拆解为「优化邀约话术 → 监测邀约响应率」
Pirate Metrics
AARRR
适用场景 · 互联网产品增长全链路量化
局限性 · 长决策周期业务需要增加状态流转维度
实践 · 汽车 To C：获客 → 激活（留资）→ 转化（试驾/订车）→ 留存 → 推荐
Happiness-Engagement-Adoption-Retention-Task
HEART
适用场景 · 用户体验度量，适合产品迭代评估
局限性 · Happiness 主观性强，难以横向对比
实践 · 在 App 端用 Engagement（页面停留时长）评估内容改版效果
Recency-Frequency-Monetary
RFM
适用场景 · 用户价值分层，指导差异化运营策略
局限性 · 仅反映历史价值，不预测未来行为
实践 · 将 4000+ 用户分为 6 群，为「重要挽留」群定制专属召回方案
Retention Analysis
留存分析
适用场景 · 评估产品粘性，识别流失拐点
局限性 · Cohort 口径选择影响结论
实践 · 发现 7 日留存率与试驾体验评分强相关，推动试驾流程优化
Funnel Analysis
漏斗分析
适用场景 · 定位转化断点，量化各环节流失
局限性 · 单一路径假设，忽略多路径并行
实践 · 全链路漏斗：曝光 → 点击 → 留资 → 邀约 → 到店 → 试驾 → 订单
Sample Ratio Mismatch
SRM 检测
适用场景 · AB 实验中检验分流是否均匀
局限性 · 仅检测分流异常，不解释原因
实践 · 一次实验中 SRM 报警，排查发现新老用户分层逻辑导致
Attribution Model
归因模型
适用场景 · 多触点场景下合理分配转化贡献
局限性 · 没有完美模型，选择取决于业务假设
实践 · 汽车长决策周期中，末次触达会低估前期种草价值，故采用时间衰减模型