多邻国如何重燃用户增长

type

第一阶段：提高游戏化程度

我们重燃增长的最初尝试专注于提升留存率，也就是解决“漏桶”问题。我们优先考虑留存率而不是新用户获取，因为我们所有的新用户获取都是自然增长的，而且当时我们并没有明显的杠杆来提升留存率。此外，我们中的一些人也怀疑通过游戏化可以提高留存率。我认为这种方法是正确的，主要有两个原因。首先，Duolingo 已经成功实施了几种游戏化机制，例如主屏幕上的进度系统、连续记录和成就系统。其次，当时顶级数字游戏的留存率远高于我们的产品，我认为这证明我们尚未触及游戏化影响力的上限。

Duolingo 的游戏化主页和成就页面

我和首席设计师共同完成了一个简短的演示，并获得了其他高管团队的充分支持，最终组建了一个新的团队——游戏化团队。团队由一名工程经理、一名工程师、一名设计师、一名应用产品经理（APM）和我组成。

但有一个小问题：我们不知道哪种增量游戏化机制适合 Duolingo。

我们团队当时迷上了一款名为《Gardenscapes》的游戏_，这是一款类似《Candy Crush》的三消益智手游。_这款手游成为了我们最初的灵感来源。

Gardenscapes 三消益智关卡

当我们研究《梦幻花园》中的不同游戏机制时，我们并不真正确定自己想要什么——我们只知道《梦幻花园》似乎比多邻国更具粘性，并且我们发现了几个相似之处。一节三分钟的多邻国课程感觉类似于《梦幻花园》的三消关卡，并且多邻国和《梦幻花园》都使用进度条来提供视觉反馈，以显示用户距离完成课程还有多远。然而，《梦幻花园》的进度条配有步数计数器，而多邻国没有。步数计数器只允许用户在有限的步数内完成关卡，这为游戏玩法增添了一种稀缺感和紧迫感。我们决定将计数器机制融入我们的产品中。我们为用户提供了有限的机会来正确回答问题，否则他们必须重新开始课程。

我们的团队花了几个月的时间才添加计数器。更新发布后，我满怀期待地等待着它取得圆满成功。令人沮丧的是，所有这些努力最终却毫无成效。用户留存率没有任何变化，日活跃用户数也没有增加，几乎没有收到任何用户反馈。我感到很沮丧。这项计划对我们团队的影响最大。结果出来后，我们很快就陷入了分歧。一些人希望继续迭代这个想法，而另一些人则希望做出调整。团队几乎立刻（而且戏剧性地）解散了，这个想法也被放弃了。这真是太糟糕了。这次失败的唯一好处是，我学到了很多关于公司文化以及如何改进我的个人领导风格的东西——不过那是另一篇文章要讨论的内容了。

第一次尝试通过更多游戏化来重新激发增长，结果却以失败告终。

第二阶段：推荐

在游戏化努力之后，我们感到精疲力竭，于是彻底放弃了提升留存率的策略，组建了一支专注于获取新用户的产品团队，名为“用户获取团队”。当时，Uber 在用户获取方面做得很好，据说其增长很大程度上得益于其推荐计划。受此启发，我们创建了一个类似 Uber 的推荐计划。奖励是免费使用我们一个月的高级订阅服务 Super Duolingo（当时名为 Duolingo Plus）。这对我们来说似乎是一个相当不错的选择！

我们实现了这个功能，并希望第二次尝试能取得更大的成功。结果，新用户只增加了3%。这虽然是积极的，但并非我们想要的那种突破。尽管如此，团队还是加倍努力，坚持不懈，向推荐计划推送了迭代版本，并做了一些其他尝试，但最终还是无功而返。

当团队继续迭代时，我清楚地认识到我们必须找到一种不同的方法来解决我们的增长问题。

重组的时间

短短几个月内接连失败的经历，让我有一段时间反思如何做出更好的产品选择。

事后看来，我们终于明白为什么《梦幻花园》的步数计数器并不适合我们的产品。玩《梦幻花园》时，每一步都感觉像是一个战略决策，因为你必须巧妙地避开动态障碍，才能找到通往胜利的道路。但战略决策并非完成多邻国课程的必要条件——你通常要么知道问题的答案，要么不知道。由于缺乏策略，多邻国的步数计数器只是一个无聊的、附加的累赘。它根本不适合多邻国。我意识到，我之前太专注于《梦幻花园》和多邻国之间的相似之处，而忽略了它们之间重要的区别。

很快我们就明白了为什么我们的推荐计划没有取得像 Uber 那样的成功。推荐对 Uber 来说之所以有效，是因为乘客们是在永无止境的随用随付系统中支付乘车费用。免费乘车是一种持续的激励。对于 Duolingo，我们试图通过提供一个月的超级 Duolingo 免费服务来激励用户。然而，我们最优秀、最活跃的用户已经拥有了超级 Duolingo，如果他们已经加入了某个计划，我们就无法再给他们一个月的免费服务。这意味着，我们依赖优秀用户的策略实际上把他们排除在外了。

在这两种情况下，我们都借鉴了其他产品的成功功能，但方式却错了。我们未能充分考虑环境变化会如何影响功能的成功。这些尝试让我意识到，我需要更好地理解如何巧妙地借鉴其他产品的想法。现在，当我考虑采用一项功能时，我会问自己：

为什么此功能在该产品中有效？

为什么这个功能在我们的环境中可能会成功或失败，即它能否很好地翻译？

在我们的环境中，需要进行哪些调整才能使此功能成功？

换句话说，我们需要在采用过程中更好地判断和适应。如果在这方面更加系统化，我们选择的游戏化机制就会有很大的不同。而且，我们很可能也会因此放弃专注于推荐。我致力于确保我们接下来的尝试更加系统化。我们需要更好地基于数据、洞察和基本原则来做出决策。

第三阶段：使用数据和模型

Duolingo 一直擅长收集数据，尤其是在支持 A/B 测试方面。但在利用数据生成洞察方面，他们投入的精力并不多。在亲眼目睹了 Zynga 和 MyFitnessPal 内部如何使用数据后，我觉得我们可以利用 Duolingo 的数据找到一个“北极星”指标，从而取得我们所需的突破。

我在 Zynga 和 MyFitnessPal 的经历给了我们灵感，让我们知道如何根据用户参与度来细分和建模用户。Zynga 会根据以下每周留存指标来划分用户群体并衡量留存率：

**当前用户留存率 (CURR)：**如果用户过去两周都使用过该产品，那么本周再次使用该产品的概率

**新用户留存率（NURR）：**如果用户上周是新用户，那么本周再次使用该产品的可能性

**重新激活用户留存率 (RURR)：**如果用户上周重新激活，那么本周再次登录的可能性

后来，我在 MyFitnessPal 工作时，发现他们借鉴并扩展了 Zynga 的留存模型。他们不仅使用 CURR、NURR 和 RURR 来衡量增长，还用它来模拟未来场景。他们还添加了 SURR：

**复活用户留存率 (SURR)：**如果用户上周复活（长期缺席），那么本周回来的概率

我设想，我们可以以 Duolingo 的这些指标为起点，创建一个更复杂的模型，并利用该模型确定一个“北极星”指标。我们与数据科学家和客户获取团队的工程师经理合作，构建了以下模型。我们使用了与 Zynga 和 MyFitnessPal 相同的留存率，但将周视图调整为日视图，并添加了其他几个指标。

这些区块或_桶_代表着不同参与度的用户群体。每个使用过该产品的用户在任意一天都只能属于一个桶。这意味着模型中的桶是MECE（互斥的，集体详尽的）的，它们代表了曾经使用过Duolingo的整个用户群。_箭头_衡量用户在桶之间的移动情况（这些桶包括CURR、NURR、RURR和SURR，但演变为每日留存率，而不是每周）。将桶和箭头结合起来，该模型创建了一个几乎闭环的系统，新用户是唯一的突破口。

方便的是，该模型的前四个类别加起来就是DAU。这些类别的定义如下：

**新用户：**应用程序首次参与的第一天

**当前用户：**今天参与过，并且在过去 6 天内至少参与过一次

**重新激活的用户：**离开 7-29 天后第一天参与的用户

**复活的用户：**离开 30 天或更长时间后第一天参与的用户

其余三个桶代表今天不活跃且具有不同程度不活跃的用户。

**有风险的周活跃账户数：**今天不活跃，但在过去 6 天内至少有一天活跃

风险周活跃用户数 + 日活跃用户数 = 周活跃用户数

**处于危险中的 MAU：**过去七天内不活跃，但在之前的 23 天内至少有一天活跃

风险 MAU + WAU = MAU

**休眠用户：**过去 31 天或更长时间不活跃

MAU + 休眠用户 = 总用户群

由于日活跃用户 (DAU)、周活跃用户 (WAU) 和月活跃用户 (MAU) 都可以通过这些类别轻松计算，因此可以方便地对它们进行随时间推移的建模。这是该模型的一个关键特性。此外，通过操纵箭头所代表的比率，我们可以模拟这些比率随时间推移的复合和累积影响；换句话说，这些比率是产品团队可以用来提升日活跃用户 (DAU) 的杠杆。

模型创建完成后，我们开始每日采集数据快照，记录过去几年中所有这些用户群体和留存率的每日变化情况。利用这些数据，我们可以创建一个前瞻性模型，然后进行敏感性分析，预测哪些因素会对DAU增长产生最大影响。我们对每个比率进行了模拟，其中每个季度将一个比率调整2%，持续三年，其他比率保持不变。

以下是我们第一次模拟的结果。它显示了每个杠杆 2% 的微小变动如何影响预测的 MAU 和 DAU。

我们立即发现，CURR 对 DAU 的影响巨大——是第二佳指标的 5 倍。事后看来，CURR 的发现是有道理的，因为“当前用户”分组有一个有趣的特性：保持活跃的当前用户会返回到同一个分组。

这会产生复合效应，这意味着 CURR 很难改变，但一旦改变，其影响将更大。基于此分析，我们知道 CURR 是我们实现战略突破所必须改变的指标。我们决定成立一个新的团队——留存团队，并以 CURR 作为其北极星指标。

专注于 CURR 的最大好处之一，就是决定不再关注那些之前看似至关重要的事情，尤其是新用户留存。对于一家多年来一直将大部分增长实验优先于新用户并取得巨大成功的公司来说，这是一个巨大的思维转变。

另一个重要的教训是，我们发现一个指标对DAU和MAU的影响存在巨大差异；例如，CURR对DAU的影响是其对MAU影响的6倍。iWAURR（非活跃WAU再激活率）是提升DAU的第二大指标，但在提升MAU方面则远远落后于增加新用户和复活用户。这意味着，如果我们想要看到MAU的显著提升，在某些时候我们仍然需要找到新的新用户获取增长途径。但就目前而言，我们的重点是提升DAU，因此我们优先考虑CURR，而不是其他所有增长指标。事实证明，这是一个正确的选择。

排行榜矢量

有了这个明确的指示，我们回顾了历史模型数据和过去几年的 A/B 测试，看看我们过去是否无意中做了一些影响 CURR 的事情。令人惊讶的是，我们没有。事实上，CURR 已经好几年没有动过了。我们必须根据基本原理，找到移动 CURR 的第一步。

我仍然认为，在提升留存率方面，游戏化是一个不错的切入点。我们之前在类似《梦幻花园》步数计数器上的失败，实际上并没有推翻我们最初认为游戏化对 Duolingo 仍有优势的任何理由——我们只是意识到步数计数器是一个笨拙的尝试。这一次，我们会更加系统化、更加智能地处理我们添加或借鉴的功能。我们确保将之前在游戏化方面的经验教训运用到实践中。

经过一番考虑，我们决定押注排行榜。原因和方法如下。Duolingo 已经有一个排行榜，用户可以与朋友和家人竞争，但效果并不理想。根据我在 Zynga 的经验，我觉得应该有更好的方法。当我开始开发 Zynga 的《FarmVille 2》游戏时，它就包含一个与 Duolingo 现有排行榜类似的排行榜，用户可以与朋友竞争。根据我作为玩家的亲身经历，我曾假设，竞争对手的参与度比个人关系的亲密程度更重要。我认为，在一个成熟的产品中，尤其是在许多用户的好友不再活跃的情况下，这一点尤其重要。从我们在 Zynga 的测试来看，这个想法是正确的。基于此，我认为一个类似于我在 Zynga 参与设计的排行榜系统，在我们的产品环境中会取得成功。

FarmVille 2 的排行榜还包含一个“联赛”系统。除了每周登上排行榜榜首之外，用户还可以晋级多个联赛级别（例如，从青铜联赛到白银联赛，再到黄金联赛）。联赛为用户提供了更强烈的进步感和奖励感，这是游戏设计中不可或缺的元素。由于活跃用户会逐周晋级到更具竞争力的联赛，联赛还能随着时间的推移提升玩家的参与度。我们认为此功能可以很好地融入 Duolingo 现有的产品，因为它直接利用了人类共同的竞争动机——竞争和进步。

用户将与前一周参与度相似的其他用户进行匹配。本周结束时排名靠前的玩家将在下一周晋级到更高级别的联赛。

然而，《FarmVille 2》排行榜的某些方面并非都能完美移植到Duolingo。我们必须运用判断力，将这一游戏机制融入Duolingo的环境中。在《FarmVille 2》中，想要在排行榜上竞争，需要在核心玩法之外完成额外的任务。而我们特意省略了这项功能。在Duolingo的环境中，更多的任务只会给语言学习增加不必要的复杂性。我们特意将排行榜设计得尽可能轻松便捷；用户只需持续参与日常语言学习，即可自动加入排行榜，并晋升至第一级排行榜榜首。通过保持游戏机制的刺激性，同时使其比《FarmVille 2》更简洁，我们觉得在“采用”和“调整”之间找到了恰当的平衡。

排行榜功能对我们的各项指标产生了巨大且几乎立竿见影的影响。整体学习时间增加了 17%，高参与度学习者（每周 5 天，每天至少学习 1 小时的用户）的数量增加了两倍。当时，我们还没有弄清楚如何计算 CURR 的统计显著性，但我们发现传统的留存指标（D1、D7 等）得到了显著提升，并且具有统计显著性。展望未来，排行榜功能已成为改进指标的载体，团队至今仍在持续优化该功能。同样重要的是，排行榜是留存团队的首个突破！

推送通知矢量

留存团队充满活力，致力于寻找更多机制来保持现有用户的参与度，并激励他们每天练习。他们开始研究的一个领域是推送通知。基于前几年大量的 A/B 测试，Duolingo 已经确定通知可以成为增长的重要载体，但多年来，这种影响已经趋于稳定。随着团队重新焕发活力，充满新想法，我们觉得是时候重新审视这个载体了。

当我们开始深入研究这个问题时，有一条原则变得至关重要。它来自 Groupon 首席执行官的一则警示故事。他向我们的首席执行官 Luis von Ahn 解释说，Groupon 长期以来一直坚持每天只发送一封电子邮件通知。但他们的团队开始怀疑，发送更多电子邮件是否能提高指标。首席执行官最终让步，允许他的团队测试每天向每位用户多发送一封电子邮件。这项测试的结果是，他们的目标指标大幅提升。受到鼓舞，Groupon 继续尝试，发送更多电子邮件，甚至每天发送五封。然后，感觉就像一天天的变化一样，他们的电子邮件渠道失去了大部分效力。随着时间的推移，Groupon 激进的电子邮件测试积累起来，基本上摧毁了他们的渠道。激进的 A/B 测试电子邮件和推送通知的一个经常被低估的风险是，它会导致用户选择退出该渠道；即使你取消测试，这些用户也会永远选择退出。多次重复这种情况，你就毁掉了你的渠道。这是应该避免的结果。对于我们的推送通知，我们制定了一条基本规则：保护渠道。

考虑到这一限制，我们决定给予团队很大的自由度，让他们在时间、模板、图片、文案、本地化等维度上进行优化，但除非有充分的理由并获得 CEO 批准，否则他们不得增加通知数量。随着时间的推移，通过无数次迭代、A/B 测试和 Bandit 算法，团队最终取得了数十个中小型成功案例，这些案例的日活跃用户数逐年大幅增长。

2019 年，关于 Duolingo “咄咄逼人” 的表情包火了

条纹矢量

为了寻找更多增长向量，留存团队的 APM 开始探索留存率与 Duolingo 特定功能的使用情况之间是否存在强相关性。他发现，如果用户连续使用 10 天，他们离开的可能性就会大幅降低。显然，这很大程度上只是相关性和选择性偏差，但我们觉得这个洞察足够有趣，值得再次投资改进这项功能。

连续使用记录的概念其实很简单：向用户展示他们在应用上连续进行任何活动的天数。但事实证明，围绕连续使用记录，存在着大量令人惊讶的优化机会。

我们的第一个重大胜利来自连胜保存通知——当拥有连胜的用户即将失去连胜时，它会发出提醒通知。这条深夜通知证明了加倍优化连胜机制确实有相当大的好处。此后，我们又进行了多项改进：日历视图、动画、连胜冻结机制的改进以及连胜奖励等等。每一项改进都有助于改进最初的连胜机制，并显著提升了留存率。

到目前为止，连读功能是 Duolingo 最强大的互动机制之一。当人们谈论他们的 Duolingo 体验时，他们经常会提到他们的连读记录。我最近遇到一位用户，他告诉我：“我的连读记录已经 1435 天了！” 并补充道：“没有出现过任何卡顿！” 他炫耀的资本确实到位，因为他已经每天学习这门语言将近四年了。

连续学习机制之所以有效，原因有很多。其中之一就是，连续学习会随着时间的推移提升用户的学习动力；连续学习时间越长，他们就越有动力继续学习下去。就用户留存而言，这正是我们希望用户拥有的行为。学习者每天使用多邻国时，都会比前一天更在意第二天再次使用，从而提升留存率和日活跃用户 (DAU)。总结一下，我们在连续学习机制上的成功进一步表明，我们可以从现有功能中挖掘出巨大的潜力。我们可以看到，重大突破和快速优化都具有巨大的价值。而一个 A+ 团队通常兼具两者。

超越CURR的增长

我们并没有止步于CURR；我们一直有一种非常健康的担忧，担心CURR最终会达到上限，所以我们迟早要找到获取新用户的增长途径。留存团队一直专注于提升CURR，但作为一家公司，我们不断加大对增长的投入，组建了越来越多的产品和营销团队，以寻找新的增长途径（既用于留存，也用于获取新用户）。幸运的是，其中一些策略奏效了，包括国际扩张、打造社交功能（最终，获取团队转向了社交功能，并取得了巨大的成功）、加速课程内容创作、与网红合作、提升我们在学校的影响力、少量投资付费用户获取，以及在TikTok上疯狂推广。这些策略都值得我们认真分析。

总体结果

通过四年的努力，我们将用户活跃率（CURR）提升了21%，这意味着我们优质用户的每日流失率降低了40%以上。加上我们其他成功的策略，我们的每日活跃用户（DAU）增长了4.5倍。去年是Duolingo历史上增长最快的一年。用户群的质量也得到了提升；连续使用7天或更长时间的用户占比增长了近3倍，超过我们DAU的一半。这意味着Duolingo不仅拥有更高的活跃用户数量，而且这些用户更有可能继续使用、推荐给朋友并订阅“超级Duolingo”。这种增长是Duolingo成功IPO的关键。

以上内容均为翻译稿，如需原文请关注公众号“AI 产品星彦”，回复多邻国，领取原文链接。