種子用戶，如何實現(xiàn)從0到1的增長？

相信很多初創(chuàng)團隊都遇到類似的難題：產(chǎn)品該如何推廣？如何獲取更多用戶。買流量？地推？燒錢砸廣告？……可能有很多答案。今天，我們以教育機構為例，探討如何從產(chǎn)品層面思考，如何深耕種子用戶，實現(xiàn)初創(chuàng)期健康增長。

一、種子用戶=增長的源泉

互聯(lián)網(wǎng)時代讓人與人之間的信息傳播效率呈現(xiàn)出爆炸式的提升，這使得“種子用戶”的作用尤為突出，“酒香不怕巷子深”的時代一去不復返了。任何一款產(chǎn)品/服務，只要精準的找到種子用戶群，通過不斷的維系種子用戶，大多可以獲得很好的用戶增長。美團、小米等成功產(chǎn)品無一例外都是在種子用戶運營到位的基礎上拉出了一條完美的用戶增長曲線的。

為了讓種子用戶群帶動用戶的增長，通常我們需要在第一時間找到對的人，讓“種子用戶”感受到產(chǎn)品的同時，更體驗到我們對他的尊重，這樣他才會主動向周圍的好友推薦，間接為我們做傳播，實現(xiàn)我們獲取新用戶的目標。

其次，要與種子用戶建立直接接觸的連接，采取多種手段，增強他們對產(chǎn)品的體驗，唯有這樣，才可以找到一個恰當?shù)钠鯔C，傳遞出這樣的“信號”給他們：“把我們推薦給您的好朋友吧，讓他們也一同體驗下”。

最后，激活種子用戶群的分享，提到分享，很多人會想到，幫我轉發(fā)一下，給你個紅包、送你個禮品。不能說這樣的方式不好，但是，在采取這樣的方式之前，你要確定，這一方式是否是你的種子用戶群所喜歡的。至少讓種子用戶覺得在獲得你的好處時也是“有面子的”。

一句話：種子用戶是我們的“衣食父母”，一定要用心去“呵護”他們！點滴的愛，他們會回報給你增長的源泉！

二、以個性化推薦的教育產(chǎn)品為例

1、種子用戶是誰

產(chǎn)品功能是圍繞用戶需求來設計的，所以我們需要根據(jù)產(chǎn)品屬性來判斷種子用戶到底是誰。

-產(chǎn)品特征

教育領域個性化推薦產(chǎn)品的賣點是通過全網(wǎng)課程聚合的產(chǎn)品形態(tài)，以技術手段為依托實現(xiàn)教育品類的個性化智能推薦，解決用戶找不到自己所需要的課程的難題。產(chǎn)品在前期可能功能并不完善，推薦結果很可能不準確。

-用戶需求

苦惱于市場上名目繁多的教育課程，希望找到能切實解決自己個性化問題的課程。

-用戶畫像確定

對所需要的知識有強烈學習動機，且有個性化學習需求，痛點甚至比一般用戶更強烈；敢于嘗鮮，知道產(chǎn)品不完善也愿意使用；且愿意將不完善的點反饋給企業(yè)。

-典型使用場景

比如，有人想找一節(jié)如何從小公司跳進大廠的職場課，可是搜索后發(fā)現(xiàn)內(nèi)容都是大同小異的，不知道該如何選擇，于是買課計劃就擱置了下來。再比如，有人看到一張文案課程的海報，措辭直戳痛點，看了讓人心潮澎湃，在沒有具體了解課程內(nèi)容時就報了名，然而在實際學習的過程中才發(fā)現(xiàn)，與“想象的”大相徑庭。

2、DEMO期如何驗證產(chǎn)品需求

從種子用戶獲取的時間順序和運營邏輯上來說，分為DEMO期和產(chǎn)品初創(chuàng)期，兩個時間段重點不同，我們以驗證產(chǎn)品可行性為重點的DEMO期為例。這一階段的投入主要在人工成本上，因為這一時期品牌背書弱，產(chǎn)品功能有缺失，產(chǎn)品研發(fā)人員需集中與用戶進行面對面溝通，所以無需把錢和精力花在廣告投放上，而將錢花在團隊福利上則更為恰當。

-從身邊人中引來最初的第一波用戶

素材準備：產(chǎn)品DEMO、調查問卷

我們有了一個idea之后將其做成DEMO，可以以H5的形式呈現(xiàn)，這個時候我們需要進行一波小范圍測試，邀請內(nèi)部成員和關系特別好的朋友參與即可，一共10人左右進行測試，主要對于功能完整性和產(chǎn)品流暢度提出意見，注意，他們對于產(chǎn)品的贊美之詞可不做考慮，主要搜集問題。

-從社交關系中引入第二波用戶

素材準備：產(chǎn)品DEMO2.0、調研問卷、海報

以海報的形式在朋友圈和社群引來第一波種子用戶，200人為宜。整體流程為海報、問卷制作→海報、問卷發(fā)布→用戶填寫信息→工作人員主動聯(lián)系→邀請用戶體驗后觀察→再做用戶訪談和針對性調整。

這一版DEMO的目的是觀察用戶對產(chǎn)品亮點是否感興趣，對產(chǎn)品交互層的反應、興趣點和認知盲點，通過用戶行為數(shù)據(jù)了解用戶對產(chǎn)品功能層的使用情況。

此外，調研問卷的目的在于全方位了解用戶，觀察最后表現(xiàn)良好的用戶是否是我們之前界定的種子用戶，確定種子用戶特征，對后期用戶尋找做準備。

-外渠推廣引來第三波用戶

素材準備：DEMO3.0、調查問卷、海報、推廣文案

我們同樣需要在外部渠道中做一波測試，驗證我們在第二步中確定的用戶畫像是否真實，為后期鋪開做準備。

比如說我們在第二步確定了中小企業(yè)中新媒體運營的新手小白，且之前買過2-3次付費購課記錄的同學在DEMO測試中最終留存率和活躍度表現(xiàn)最好。那么我們就可以找一個產(chǎn)品運營類目的賬號幫忙發(fā)文案，講述我們的故事和已經(jīng)做的事情，在文案結尾露出一頁海報，邀請用戶進行內(nèi)測。

如果說外渠推廣和社交關系中發(fā)現(xiàn)的留存率與活躍度數(shù)據(jù)相匹配，那么DEMO階段即告結束，如果說發(fā)現(xiàn)外渠推廣獲得的用戶表現(xiàn)不佳，那么需要去第二步用戶測試當中再次選擇，再次在外渠中進行測試。

通常來講，這一波預期參與用戶200人，預期留存100人以上。也即DEMO階段如果進展順利，將在產(chǎn)品上線前斬獲200名種子用戶。

3、產(chǎn)品種子期深耕用戶運營

該階段的重點工作是用戶新增+用戶留存（打磨口碑）。與此同時，對于通過機器抓取方式實現(xiàn)課程更新的平臺而言，前端問題主要通過技術可以解決，那么只需要關注后端用戶的運營即可。

-拉新策略

假如打算通過一波“招募學習控”的活動拉新，可參考如下思路：

描繪“痛點”場景：種子用戶小王報名無數(shù)課程，卻因課程匹配度不高，聽課后毫無收獲；

傳遞產(chǎn)品價值：我們的產(chǎn)品具有個性化推薦功能，極大地提高你尋找學習課程的效率。

框定用戶范圍：我們希望與怎樣的目標用戶，一起通過個性化的學習提升自身價值，復盤產(chǎn)品在種子期迭代研發(fā)進程，比如產(chǎn)品經(jīng)過怎樣的調整，取得怎樣的成果。

鼓勵報名福利：告知申請方式以及這次申請的用戶將獲得哪些福利

-留存用戶的二次傳播

產(chǎn)品是由有創(chuàng)新意識、愿意試錯的用戶首先進入的，但是往往大部分用戶卻因為各種顧慮沒有使用，或者處在觀望階段，這個時候我們需要將之前留存用戶的良好表現(xiàn)做成內(nèi)容，激發(fā)他們的報名動機，同時之前所有好友同樣也可以推薦一部分新人過來。兩個加起來一共能夠做到1000人，如果留存率也能達到30%的話就是300人的使用。

值得注意的是，雖然說用戶量越多越好，但是在產(chǎn)品初期不合適的用戶進入只會破壞整體的社區(qū)氛圍。為了避免這些用戶的進入，我們在前1000位用戶的獲取過程中可以采用審核機制，必須要和DEMO測試階段留存最多的用戶畫像相匹配的用戶才可以進入。

從用戶視角而言，我們一方面給用戶超出尋常的尊重感和參與感，保證所有用戶提出的產(chǎn)品建議快速給出首次反饋并盡快解決，另一方面，他們之所以參加內(nèi)測肯定有自己的需求，比如：有些用戶實在受不了網(wǎng)上紛繁復雜的課程，有的用戶則是為了社交，還有的用戶可能是看中了平臺的補貼，因此，我們需要與用戶溝通了解他們的需求并予以精準的滿足。

三、數(shù)據(jù)分析=增長的核心動力

沃頓商學院運營與信息管理學教授桑德拉?希爾（Shawndra Hill）表示：“這是一個激動人心的時代。有大量數(shù)據(jù)可挖掘，以深入了解用戶，了解他們的態(tài)度和他們在想什么”。數(shù)據(jù)分析已成為企業(yè)增長的核心動力之一。

當產(chǎn)品運營一段時間后，就會產(chǎn)生用戶留存數(shù)據(jù)，在這個情況下，我們根據(jù)這些數(shù)據(jù)判斷用戶“從哪里看到產(chǎn)品，為什么用產(chǎn)品？”從而對用戶來源有一個初步判斷了。根據(jù)數(shù)據(jù)結果，來源多的渠道就投入更大力氣去做。

此外，作為初創(chuàng)產(chǎn)品，A/B測試通過小范圍的不同內(nèi)容、功能、產(chǎn)品等測試，通過對測試數(shù)據(jù)的分析，找到用戶最喜歡的，從而應用到廣泛的推廣之中。在早期推廣中，我們需要與種子用戶群建立不斷的內(nèi)容互動?；拥哪康某私⑶楦新?lián)系外，更多的可以獲取到用戶想要的、需要的。從而我們可以根據(jù)互動的數(shù)據(jù)進行分析，為不同類型的用戶群體進行分群、做畫像，從而更好的迭代產(chǎn)品、服務，向用戶精準的推送產(chǎn)品、服務等內(nèi)容。

創(chuàng)業(yè)的道路并不平坦，我們需要制定最好的計劃，盡最大的努力，作最壞的準備，迎接可能到來的最好結果——教育機構初創(chuàng)階段以個性化推薦為切入點，雖然是一個可嘗試的方向，但也有很多問題，比如版權風險，比如，當課程需求弱總量少時，課程推薦錯誤一定會影響用戶體驗，因此，在掌握了用戶喜好之后推送用戶合適的課程將會是更加合理的一種解決方案。