砍指标竟让决策效率翻两倍？ 面对信息爆炸，我们该如何选择：“获取更多”还是“学会删除”？ 当Meta开发News Feed算法时，工程师们发现用户留存提升的秘诀不是增加功能，而是做减法，于是工程师们开始： 1.砍掉所有非核心数据指标。 2.聚焦用户裂变系数、履约成本曲线、反脆弱阈值。 2.1用户裂变系数 2.1.1定义：也称为病毒系数或K-系数，是指每个用户通过某种方式（如邀请、转发、分享等）平均能够带来的新用户数量。它反映了产品或服务通过用户自传播的能力，是衡量裂变效果的重要指标。 2.1.2公式：K（裂变系数） = 平均每个用户触达的新用户数（或单个用户平均邀请人数）× 转化率。K>1时用户量将呈指数级增长。 例如，若每个用户平均邀请10人，其中20%转化为新用户，则K=10×20%=2，意味着每个用户平均可以带来 2 个新用户。 在裂变活动中，提升K值的关键在于优化分享动机（利益驱动、社交认同——如优先展示引发互动的帖子，等等）和降低转化门槛（如简化流程、强化信任）。 2.2履约成本曲线 2.2.1定义：指用户增长过程中，平台提供服务（如内容推荐、广告投放、订单处理等）的过程中，单位获客成本随用户规模或需求变化的趋势曲线。理想情况下，通过裂变传播和规模效应，单位履约成本应逐步下降。例如： 初期：高成本投入（如补贴、广告，优化服务器资源分配）以启动裂变。 中期：用户自发传播降低边际成本。例如，裂变活动通过“分享返现”设计，使用户购买价格远低于心理预期，同时分摊了平台获客成本。 后期：成本趋于稳定，但需警惕因过度扩张导致服务成本反弹。 2.2.2意义：通过分析履约成本曲线，企业可以识别出成本的固定部分和变动部分，以及在不同业务量下的成本效率。这有助于企业在制定定价策略、优化运营流程和提高盈利能力时做出更明智的决策。例如，随着业务量的增加，某些固定成本可能会被分摊，导致单位履约成本下降，从而提高企业的竞争力。 2.3反脆弱阈值 2.3.1定义：源自塔勒布的“反脆弱”理论，系统在承受外部冲击（如流量峰值、用户行为突变、负面舆情）时，不仅不崩溃，反而从中学习并改进，甚至获益的临界点/临界值。阈值越高，系统面对黑天鹅事件时的稳定性越强，越能通过压力事件实现自我优化（如动态调整推荐策略、弹性扩容）。 2.3.2在用户增长中体现为： 阈值以下：系统脆弱，用户流失或负面反馈可能导致增长停滞。 阈值以上：系统具备弹性，如用户裂变形成的社交网络能抵御部分流失风险，甚至通过危机（如服务宕机后的补偿活动）提升忠诚度。 例如，当突发新闻导致流量激增300%时，算法能自动启用降级策略（如压缩图片分辨率、延长缓存时间），同时通过异常流量训练模型韧性。 2.3.3Meta的用途：通过A/B测试、容灾演练和实时监控，让算法适应极端场景（如突发新闻事件），同时将用户负面反馈（如投诉、流失）转化为迭代信号。 3.每周强制删除3个“伪需求”。 3.1定义：用户或团队主观提出的看似合理但偏离核心价值的需求，例如实际对核心指标（如留存、收入）无显著影响，甚至增加复杂度，需通过数据和行为分析识别。 3.2常见的“伪需求”类型。 3.2.1惯性需求，例如，竞品有所以我们也需要。 3.2.2边缘需求，例如，仅少数用户需要，或用户在实际使用中很少或几乎不会使用这些功能或服务。 3.2.3虚荣需求，例如，功能炫酷但无实际价值。 3.2.4非核心价值，不能为用户带来核心价值或解决关键问题，可能只是满足了一些表面的或次要的需求，与其真实核心需求存在偏差。 3.2.4.1表层需求：用户直接表达的诉求（如“增加题目难度”）。 3.2.4.2内核需求：实际痛点（如“题目个性化匹配学习进度”）。 3.3Meta采用的“每周强制删除3个”的机制对应的四种典型伪需求分别是： 3.3.1过度设计功能 ，如早期News Feed曾添加的“附近活动”板块。 3.3.2短暂流行现象 ，如效仿Snapchat的限时动态功能。 3.3.3错误模式复制 ，如强行引入电商模块导致信息流混乱。 3.3.4非本地化需求 ，如在欧美市场模仿抖音的瀑布流设计。 通过持续清除以上这类需求，可以避免功能冗余对核心指标造成干扰。 总之，以上这些措施共同构成了“减法式增长”框架，也是用户增长的核心逻辑：裂变系数瞄准增长本质，量化传播效率， 放大自然增长；履约成本控制规模成本，控制增长经济性与商业效率；反脆弱阈值强化系统韧性，保障系统的稳健性与可持续性；伪需求聚焦核心价值，清理则持续净化产品基因，避免资源浪费。 最终，这套工具使Meta的决策效率提升了230%。 我的宝藏兴趣万能生活指南 真需求（著名产品人梁宁首部图书作品）
