假設您不知道 Product Growth 具體來說要作什麼，以下是我認為公司要開始推進 Growth 時，應該要開展的 Task Checklist。

當然，我也可以提供顧問服務，協助大家推動以下的 Growth Task。

TA、場景與訴求

• 定義 use case，一般來說一個產品會含很多個 Use case，要先區分 Use Case 才能開始作優化
• 定義市場區隔，一般來說若你不能把潛在市場區隔出四個 Persona 以上，就是還不夠了解市場
• 檢視是否 TA 太發散，以致沒辦法集中資源攻打
• TA規模確認，或是TA-業績間的合理性確認
• 區分用戶，了解狀況（現有用戶說為何用、流失用戶為何流失、用競爭者的用戶覺得我們如何、潛在用戶覺得什麼最重要）
• 確認訴求夠不夠力，到底是小小癢還是大大痛，從用戶得來反饋
• 有沒有什麼潛在訴求很重要，但別人還沒主打
• 有機制固定檢討跟我們表達過需求，但他不被我們列入 TA 的
• 現在獲取用戶最有效果的方法是什麼

Growth 基本建設

• North star（1~3個）
• 數據追蹤機制
• 定期的用戶反饋機制
• 增長速率圖（New, Retained, Dormant, Resurrect) or 增長速率圖（New + Resurrect） / Dormant
• Usability 反饋或研究機制
• 定期的流失用戶研究機制
• 客服問題分析彙整與比例分析（包含那些完全搞錯產品的人）
• Growth Goal Retro機制的建立
• customer voice Panel的建制
• Beta release機制，找出最佳key message，使用心得回饋，是否要繼續挖深一點下去
• 測試行銷的機制，找出大致的channel ROI、哪一種TA效果最好、訊息怎麼包裝最好

Retention

• Retention 指標與報表
• Retention Rate目標（撇除不正確的TA）
• 定義輕、中、重度、流失客戶
• 輕、中、重度用戶 Mind set 差異比較
• 輕、中、重度、流失客戶之間的比較
• 從功能面看，用了什麼功能的用戶，留存率比較高、使用頻率高、使用時間高、花的金額高（可以從高到低排序，如：從留存率數字，由高到低排序功能）
• 作一些簡單的profile切割，哪一種profile用戶，留存率比較高、使用頻率高、使用時間高、花的金額高（可以從高到低排序，如：從留存率數字，由高到低排序Profile）
• 作獲取方法比較，哪一個Channel或廣告訴求來的，留存率比較高、使用頻率高、使用時間高、花的金額高（可以從高到低排序，如：從留存率數字，由高到低排序Channel）
• 輕、中度客戶的提升策略
• 忠誠用戶不來了，也需要訪談了解原因
• 定期用 Max diff 法，了解不同 Persona 所重視的功能，幫助產品 Roadmap 發展
• 客服問題分析彙整與比例分析（包含那些完全搞錯產品的人）

迭代機制

• backlog 篩選機制是否有建立
• 每次 sprint 關鍵指標檢視與檢討機制
• 每次迭代的指標檢討機制（包含會議和再實驗的機制）
• 數據
• 沒效果的原因
• 有效果的原因
• 沒效果的狀況是如何，用戶是不知道，還是覺得沒需要
• 現在用戶用什麼方法解
• 有無副作用
• 迭代的每一張票最好說清楚是
• 哪一種用戶提的（現有用戶說的、流失用戶說的、用競爭者產品的人說的、潛在用戶說的，還是我們看競爭對手有作所以要作)
• 用戶大略的Persona
• 用戶需要的原因
• 現在用戶用什麼方法解
• 用戶提的需求有用什麼方式驗證過（ex：Prototype）
• 有無副作用
• 每次lauch前後要做的事，包含lauch時要在多久之內觸及多少人使用

Acquisition

• User Channel Map
• Channel 策略（SEO、內容、付費、交換、Viral、地推…）
• Acquisition funnel 定義與效率分析（通常是多個）
• Landing page優化機制
• 協助 Acquisition Channel 辨認埋點
• BD機會分析: 客戶有什麼其他痛點，這個痛點剛好我們能解決，但是不是產品focus的。

Activation

• Activation 指標
• Activation funnel
• Activation策略
• 定期的Activation失敗反饋機制

Monetization

• 可能變現模式 backlog 的建立
• 變現MVP的規劃
• 量化分析付費用戶和免費客戶的行為上差異、Profile 差異、Channel 差異
• 訪談免費用戶，為何不升級到付費用戶
• 付費用戶不付費了，也需要訪談了解原因
• 付費用戶升級或降級，也需要訪談了解原因

資料分析機制

• 培養用數字檢驗每一種現象和解釋
• 描繪增長速率，檢驗速率是否足夠達成目標
• 協助拆解大目標，使其成為部門或個人目標
• 資源試算，時常 check 是否有足夠的資源，使團隊達成目標
• 分析增長風險，替風險想Plan B

UX team or Data Team 研究題目

• 行為
• 分析用了甚麼功能（用人數排名）
• 分析到過哪些頁面（用人數排名）
• 分析買些什麼類型產品（用人數排名）
• 分析使用頻率（均值、中位數、四分位數）
• 分析平均金額、瀏覽頁面數（均值、中位數、四分位數）
• 分析各種時段使用人數（周間、週日、上午、下午、晚上）
• 分析哪些頁面退出率最高（排名）
• 分析指標表現好的用戶，比指標表現差的用戶，多用了哪些功能
• 用 feature 使用次數來作 cluster，看有沒有新的 Persona 出現
• 特徵
• 分析用戶怎麼獲取的，Channel是什麼
• 分析用戶裝置分布
• 分析年齡，性別，所得，職業，地區…分布
• 量化分析、訪談還使用什麼東西或APP
• 評價
• 訪談了解當初為何會用
• 訪談哪裡好用，好用的可以當作主要訴求
• 訪談哪裡難用
• 訪談以前用什麼（或是替代品是什麼）
• 訪談是否有推薦其他人，怎麼介紹這個產品
• 訪談什麼該改善
• 訪談在哪裡有卡住過，如何突破的
• 訪談認為哪一類人可以獲得最大的好處，哪一種人他不推薦使用
• 流失
• 要把activation沒成功和流失的人分清楚
• 量化分析用了哪些功能或event之後，接的是離開網站或APP，這可能代表這裡會當機或卡住
• 量化分析用了多久才放棄
• 訪談用了一陣子後卻不用的，問問為何停止，了解什麼事情發生讓你想放棄
• 訪談了解用戶原本希望是如何
• 訪談那些停了一陣子後再開始用的，了解怎樣會再開始使用

--
不想錯過我的新文章：訂閱免費電子報

---

我的線上課：數據化營運、產品增長 和 產品企劃力，歡迎大家報名