Lenny 在 2023 年 2 月发表过一篇 How Duolingo reignited user growth，是 Duolingo 前首席产品官 Jorge Mazal 分享的，让已经成熟的 Duolingo 由几个产品变化驱动，增长 4.5 倍的故事。
原文链接：https://www.lennysnewsletter.com/p/how-duolingo-reignited-user-growth
我挑着意译部分。
## 信息
2017 年底到 2018 年中，多邻国的状态是：拥有数亿用户，但用户增长正在放缓，2018 年中的用户增长是个位数。
在多次实验失败、思考增长模型、找到突破口之后，多邻国四年内用户增长 4.5 倍，在 2021 年 IPO。
## 几次失败的尝试
失败 1：学习 Gardenscapes 游戏化
我们重新点燃增长的第一次尝试集中在提高用户留存率，即解决我们的“漏桶”问题。我们优先处理用户留存问题，而不是获取新用户。原因是：
- 我们所有的新用户获取都是有机的自然增长，而且当时我们没有明显的手段来大幅提升这一点。
- 部分同事认为可以通过游戏化来提高用户留存率。
- 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、连续签到和成就系统。
- 当时顶级数字游戏的用户留存率远高于我们的产品，我认为这证明了我们还没有达到游戏化影响的上限。
模仿 Gardenscapes，将计数器机制整合到多邻国：给用户有限的机会来正确回答问题，否则他们必须重新开始课程。
结果：毫无变化。
失败 2：推荐计划
学习 Uber 的推荐计划——我们组建了一个新的产品团队，专注于获取新用户，称为获取团队，我们创建了一个类似于 Uber 的推荐计划。奖励是一个月的我们的高级订阅服务 Super Duolingo（当时称为 Duolingo Plus）。
新用户只增加了 3%。这是积极的，但不是我们需要的那种突破。团队加倍努力做了各种尝试，都无济于事。
思考：为什么失败
Gardenscapes
当你在玩 Gardenscapes 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胜利的道路。
但完成一个 Duolingo 课程并不需要战略决策——你大多要么知道问题的答案，要么不知道。由于没有任何策略性，Duolingo 的步数计数器只是一个无聊的、附加的麻烦。它是错误的游戏化机制，不适合引入多邻国。
我过于专注于 Gardenscapes 和 Duolingo 之间的相似之处，以至于忽略了它们之间潜在差异的重要性。
Uber
推荐在 Uber 上有效，是因为乘客在一个永无止境的按需付费系统中支付车费。免费乘车是一个持续的激励。
对于 Duolingo，我们试图通过提供一个月的 Super Duolingo 免费使用来激励用户。然而，我们最好的和最活跃的用户已经拥有了 Super Duolingo，当他们已经在一个计划中时，我们无法再给他们一个月的免费使用。这意味着我们的策略实际上排除了我们最需要依赖的最佳用户。
反思
在这两种情况下，我们都借鉴了其他产品的成功特性，但方式不对。我们没有考虑到上下文的变化如何影响一个特性的成功。从这些尝试中，我意识到我需要更好地理解如何聪明地借鉴其他产品的想法。现在，当我想采用一个特性时，我会问自己：
- 为什么这个功能在那个产品中起作用？
- 为什么这个功能在我们的环境中可能会成功或失败，即它是否会很好地转换，我们能否很好地借鉴？
- 为了在我们的环境中使这一功能成功，需要哪些调整？
## 新数据和模型的思考
Zynga 根据以下每周留存指标对用户进行分类并测量留存率：
- 当前用户留存率 (CURR): 如果用户在过去两周内每周都使用该产品，那么他们本周回来的机会
- 新用户留存率 (NURR)：如果用户上周是新用户，本周他们回来的机会
- 重新激活用户留存率 (RURR)：如果用户上周重新激活，他们本周回来的机会
我在 MyFitnessPal 工作时，我发现他们采用并扩展了 Zynga 的留存方法，并扩展了 SURR：
- 复活用户留存率 (SURR)：如果用户上周从较长时间的缺席中复活，本周他们回来的几率
注：重新激活用户，表示这个用户还是月活，被重新激活了。而复活，表示这个用户已经消失超过 30 天了。
多邻国的模型如下：
这些区块，代表了不同用户群体的不同参与度。每一个曾经使用过该产品的用户在任何一天都只会在一个区块中。这意味着模型中的区块在表示曾经使用过 Duolingo 的所有用户时是 MECE（mutually exclusive, collectively exhaustive，相互排斥，完全穷尽）的。
箭头表示用户在区块之间的移动（这些包括 CURR、NURR、RURR 和 SURR，但演变为每日保留率而不是每周）。
结合区块和箭头，模型创建了一个几乎闭合的系统，只有新用户是唯一的突破点。
- 模型的前四个区块加起来就是日活（DAU）
- 新用户：第一天出现在应用里
- 当前用户：今天出现过，且之前 6 天中至少有一次参与（很像知识星球的“七日三活”，只是这里是两活）
- 重新激活的用户：离开 7-29 天后，今天回来
- 复活用户：离开 30 天或更长时间后，今天回来
- 剩下的三个桶代表“今天不活跃且不活跃程度不同”的用户
- 风险周活：今天不活跃，但在过去 6 天中的至少一天活跃
- 风险周活 + 日活 = 周活
- 风险月活：过去七天未活跃，但在之前的 23 天中至少有一天活跃
- 风险月活 + 周活 = 月活
- 休眠用户：过去 31 天或更长时间未活跃
- 月活 + 休眠用户 = 总用户基数
DAU、WAU 和 MAU 可以很容易地从这些区块中计算出来，这使得随着时间的推移对它们进行建模变得容易。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，我们可以模拟随着时间推移这些比率的复合和累积影响；换句话说，这些比率是产品团队可以拉动以增长 DAU 的杠杆。
在创建模型后，我们开始每天拍摄数据快照，以创建过去几年来所有这些用户群和留存率如何逐日演变的历史。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，以预测哪些杠杆对 DAU 增长的影响最大。我们为每个比率运行了一个模拟，在三年内每季度将单个比率移动 2%，而保持所有其他比率不变。
以下是我们第一次模拟的结果。它显示了每个杠杆上那微小的 2%变动是如何影响预测的 MAU 和 DAU 的。
我们立刻发现，CURR 对 DAU 有巨大的影响——是第二佳指标的 5 倍。事后看来，CURR 的发现是有道理的，因为当前用户桶有一个有趣的特征：保持活跃的当前用户会回到同一个区块中。
这会产生复合效应，这意味着 CURR 更难移动，但一旦移动，它将产生更大的影响。基于这一分析，我们知道 CURR 是我们必须移动的指标，以获得我们想要的战略突破。我们决定创建一个新团队，即保留团队，以 CURR 作为其北极星指标。
专注于 CURR 的最大好处之一是决定不再处理以前看似至关重要的事情，尤其是新用户留存。这对于一家多年来在新用户上进行大量增长实验并取得巨大成功的公司来说，是一个巨大的思维转变。
另一个重要的教训是看到一个指标对 DAU 和 MAU 的影响之间的巨大差距；例如，CURR 对 DAU 的影响是其对 MAU 影响的 6 倍。iWAURR（非活跃 WAU 重新激活率）是推动 DAU 的第二大杠杆，但在推动 MAU 方面却排在第四位，落后于增加新用户和复活用户。这意味着，在某个时候，如果我们想看到 MAU 的显著改善，仍然需要找到新的用户获取增长向量。但目前，我们的重点只是推动 DAU，所以我们优先考虑 CURR 而不是其他所有增长杠杆。事实证明，这是正确的选择。
## 最后几个成功的实验
排行榜
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，用户可以与他们的朋友和家人竞争，但它并不是特别有效。
当我开始在 Zynga 的 FarmVille 2 游戏上工作时，它包含了一个类似于 Duolingo 现有排行榜的排行榜，用户可以与他们的朋友竞争。
我根据自己作为玩家的个人经验认为，竞争者参与度的紧密性比个人关系的紧密性更重要。这在一个成熟的产品中尤其如此，因为许多用户的朋友已经不再活跃了。
FarmVille 2 的排行榜还包括一个“联赛”系统：
- 除了登上每周排行榜的榜首，用户还有机会通过一系列联赛级别（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的进步感和奖励感。
- 增加了随时间、参与度变化的晋级机制，因为参与的用户每周都会晋升到更具竞争力的联赛。
我们认为这个功能可以很好地转化到 Duolingo 的现有产品中，因为它直接利用了人类常见的竞争和进步动机。
并非 FarmVille 2 排行榜的所有方面都能很好地转化到 Duolingo。我们必须运用我们的判断力来将这种游戏机制适应 Duolingo 的环境。在 FarmVille 2 中，参与排行榜竞争需要在核心游戏玩法之外完成额外的任务。这是我们有意省略的。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。我们故意使我们的排行榜尽可能地休闲和无摩擦；用户会自动加入，并且只需通过持续进行常规的语言学习就能晋升到第一个联赛的顶端。通过保持游戏机制的刺激性，但使其比 FarmVille 2 更简单，我们觉得我们在采用和适应之间找到了正确的平衡。
排行榜功能对我们的指标产生了巨大且几乎是立竿见影的影响。总体学习时间增加了 17%，高度参与的学习者（每周 5 天每天至少花费 1 小时的用户）数量增加了三倍。此时，我们还没有弄清楚如何计算 CURR 的统计显著性，但我们看到我们的传统留存指标（D1、D7 等）在统计上显著改善。展望未来，排行榜功能成为了改进指标的一个向量，团队至今仍在不断优化这一功能。同样重要的是，排行榜是留存团队的第一个突破。
推送通知
基于前几年的大量 A/B 测试，Duolingo 已经确定通知可以成为增长的重要因素，但多年来这种影响对我们来说已经趋于平稳。随着充满新想法的团队重新焕发活力，我们觉得现在是重新审视这一因素的合适时机。
反面例子：Groupon 长期以来每天只发送一封电子邮件通知，后来激进地测试，高达每天五封，最后大家都退订了。
因此一个大原则：避免过度通知，保护渠道。
我们决定给予团队很大的自由度，让他们在时间安排、模板、图片、文案、本地化等方面进行优化，但他们不能在没有充分理由和 CEO 批准的情况下增加通知的数量。
通过无数次迭代，产生了数十个小型和中型的胜利，这些胜利每年都带来了 DAU 的显著增长。
连胜
团队发现，如果用户达到了 10 天的连续使用，他们流失的几率会大大降低。显然，这在很大程度上只是相关性和选择偏差，但我们认为这一见解足够有趣，值得再次投资改进这一功能。
连续记录的概念其实非常简单：向用户显示他们在应用程序上连续进行某项活动的天数。但事实证明，围绕连续记录有着惊人数量的优化机会。
我们通过连胜保护通知获得了第一个重大胜利——该通知会在用户即将失去连胜时提醒他们。这个深夜通知证明了在连胜优化上加倍努力确实有相当大的好处。在此之后，进行了几项改进：日历视图、动画、连胜冻结的变化和连胜奖励等。每一项都帮助改进了原始的连胜理念，并大大提高了用户留存率。
迄今为止，连胜功能是多邻国最强大的参与机制之一。当人们谈论他们的多邻国体验时，他们经常提到他们的连胜。
连胜机制之所以有效有多种原因。其中之一是连胜会随着时间的推移增加用户的动力；连胜时间越长，继续保持连胜的动力就越大。在用户留存方面，这正是我们希望用户表现出的行为。每一天，当学习者来到 Duolingo 时，他们比前一天更在意第二天再回来，从而提高了留存率和日活跃用户数。
## 最后
超越 CURR
我们并没有止步于 CURR，我们有一种非常健康的偏执，认为 CURR 在某个时候会遇到瓶颈，所以迟早我们必须找出新的用户获取增长方式。保留团队专注于增加 CURR，但作为一家公司，我们通过创建越来越多的产品和营销团队来寻找新的向量（既包括保留也包括获取），不断增加对增长的投资。幸运的是，其中几项赌注奏效了，包括：
- 国际扩展
- 构建社交功能（这是增长团队最终转向的方向，并取得了巨大成功）
- 加速课程内容创建
- 与 KOL 合作
- 增加我们在学校的存在感
- 投资于付费用户获取
- 在 TikTok 上传播
每一项都值得单独进行案例研究。
结果
通过我们四年的努力：
- 我们将 CURR 提高了 21%
- 我们最佳用户的日流失率减少了 40% 以上
- 与我们其他成功的举措一起，使我们的 DAU 增加了 4.5 倍
- 用户群的质量也有所提高
- 我们 DAU 中连续 7 天或更长时间的用户比例几乎增加了 3 倍，超过了我们 DAU 的一半
这意味着现在 Duolingo 不仅拥有更多的活跃用户，而且这些用户更有可能继续回来，推荐他们的朋友，并订阅 Super Duolingo。这一增长是 Duolingo 成功 IPO 的关键。
--
欢迎你加入我的知识星球，我们一起聊聊创业、产品、运营、阅读。微信识别二维码，付费即可加入，如不满意，72 小时内可在 App 内无条件自助退款。——>星球创业笔记传送门。
