编辑导语：供需作为原始动力驱动增长，宏观机会及商业模式驱动增长，数据驱动增长，营销驱动增长，找指数增长杠杆驱动增长，是增长人要经历的5种境界，本文作者分享了第一种境界，一起来看看吧！
作为增长人要经历以下5种境界：
系统学习增长5步曲，供需作为原始动力驱动增长（一） 系统学习增长5步曲，宏观机会及商业模式驱动增长（二） 系统学习增长5步曲，数据驱动增长（三） 系统学习增长5步曲，营销驱动增长（四） 系统学习增长5步曲，找指数增长杠杆驱动增长（五）
以供需为基础，向上支撑对宏观机会、商业模式的洞察，进一步通过数据分析更科学有效地完成营销策略落地，最后以增长杠杆加持实现指数级增长，这是一个用户增长的全局视野。接下来分别介绍全局视野中的要素。
一、供需作为原始动力驱动增长 为什么说供需是增长的原始动力？
商业社会、不说具体业务时的第一性原理（马斯克提出的概念）就是： 供需是商业社会的原始驱动力 ；经济学也说过类似观点，长期看供给，短期看需求，需求看政策。
农业革命→工业革命：听天由命的不稳定、生产力有限，需求端不被满足，导致寻找更优解决方案的供给，出现了农业到工业的转变。蒸汽机的发明，带动了相关一系列的生存技术革新，改变了过去基本依靠农业生产的，导致社会生产力的极大提升，人们生产的产品开始出现了相对的供大于求，这也是人类历史上第一次有供大于求的概念。
所以，无论什么产品，包括实体传统和互联网， 首先看供需，判断有没有巨大供需差，供需差是第一增长力，基于供需差找到提升效率的杠杆，借杠杆改善一端撬动另一端，实现快速增长。
农业社会存在巨大的供需差，杠杆是蒸汽机，蒸汽机使生产效率得到极大提升，改善了供给端，供给让需求得到了满足。
所谓经济建设决定上层建筑，往下还有一层，供需关系决定经济建设，经济建设决定上层建筑。
二、怎么研究供&需？ 1. 抓本质 利用归纳法（特例到一般规律）+演绎法（一般规律到特例）+穿越时间研究法，找到不变的东西，变化重要，不变更重要，不变的东西才能抵抗时间，才可能是最底层的第一性原理（马斯克说的第一性原理在中国叫万变不离其宗），将战略建立在不变的第一性原理上。
如何找到第一性原理？
第一步：归纳法归纳。
归纳法很好理解，就是我们经常说的经验，从特殊到一般的认识过程。
归纳法：
现象：现在看到的A死了，B死了，C死了，D死了…我们观察到的所有人，最后都会走向死亡。
结论：是人总有一死。
第二步：演绎法演绎。
演绎法是结构化思维，一般到特殊的认识过程。
演绎法：
大前提：所有人都会死。
小前提：苏格拉底是人。
结论：苏格拉底会死。
演绎法的一个特性是：大前提正确、小前提正确，就一定能得出正确的结论。如果结论错了，那这两个前提有一个是错的，或者都是错的。
第三步：穿越时间推演。
把归纳法和演绎法放到过去、现在、未来多个时空论证，看是不是本质不变的东西。
穿越时间研究法：
归纳现象：历史记载的A死了，B死了，C死了，D死了…我们没看到古代人现在还活着，最后都会走向死亡。
结论：是人总有一死。
演绎大前提：过去的所有人都会死。
小前提：苏格拉底是过去的人。
结论：苏格拉底会死。
所以，所有人都会死是人类的一个第一性原理。
举几个例子，看一下这套思维的应用：
例1：
穿越时间的现象：古时候挑货走街串巷找人买；无人售货机放到公司内找人买；抖音带货直播间推荐找人买。
穿越时间的本质：供>需；消费者无明确需求；货找人。
例2：
穿越时间的现象：古时候赶集去买货；现代商超去买；淘宝去线上搜索买。
穿越时间的本质：供<需；消费者有明确需求；人找货。
例3：
穿越时间的现象：炼丹；丹炉爆炸；四大发明火药；炮弹发射。
穿越时间的本质：2KNO3+3C+S=K2S+N2↑+3CO2↑
例4：
穿越时间的现象：苹果砸我头。
穿越时间的本质1：牛二：F=ma→牛三：F=Gm1m2/r^2
穿越时间的本质2：牛顿力学只是爱因斯坦力学的特例。（速度<光速，F=ma；速度>光速，F=Δp/Δt=Δ(mv)/Δt）
没有百年企业的说法从这个角度来说，是企业没发现不变的第一性原理，万变不离其宗的宗，而是将经验归纳法得到的表层规律去应用，还沾沾自喜。
淘宝和抖音两款产品的诞生，在于供需关系、消费明确或不明确、人找货或货找人的变化，淘宝在人找货上沾沾自喜，没看到供>需、货找人的变化，还疯狂在双11的营销上发力，实际上将会被抖音电商甩得更远。
做企业增长需要具备看透过去时空供需的本质、当前时空供需本质、推演未来时空供需本质的能力，增长策略以供需的本质为核心，向外扩散。
延伸阅读：有兴趣的可以了解一下怎样找到万变不离其宗的“宗”。
2. 量蛋糕 第一步：洞察底层人性。
有两个底层理论支持，一是七宗罪，二是马斯洛需求等级，两者都可以作为最底层的理论支持，但我更喜欢用七宗罪。
七宗罪以贪婪为核心，贪少则嫉妒，贪多则傲慢，贪色则色欲，贪食则暴食，贪怒则暴怒，贪逸则懒惰。
研究一个产品的时候看看他解决什么问题，用户的问题在哪种“罪”上，一般在七宗罪上的产品估值都不差，如饿了么的懒惰、抖音小哥哥小姐姐的色、写在刑法里的色和贪赌、豆瓣自称文艺青年的傲慢。
梁宁老师说的就更简单了，做让人愉悦的产品，或解决别人恐惧的产品，因为那是最强烈的诉求，或最痛的痛点。
由此衍生一个小问题，七宗罪里没有恐惧，也没必要大惊小怪，各专家的理论是可以贯通的；恐惧和愤怒是可随时相互转化的，被身材比自己小的人撞着了一下，你会愤怒、并要求他说对不起，但碰到持枪歹徒撞了你一下，你会恐惧。
第二步：研究具体用户。
对用户研究的几个维度拆解，包括用户说了什么、做了什么，定性、定量，组合得到4种用户研究方法。
问卷调研：用户说了什么&多少人有这种问题？ 数据分析：用户做了什么&多少人有这种问题？ 现场测试：用户做了什么&用户有什么问题？ 用户访谈：用户说了什么&用户有什么问题？ 但都存在弊端。
问卷调研的结果是用户说了什么，所以有可能是假话。
数据分析相对真实一些，但也可能是假的行为，因为可以通过非供需本身的运营手段拉升。
现场测试有以偏概全的嫌疑。
用户访谈既有以偏概全的嫌疑，又有说假话的情况。
所以仅仅做用户研究就得到的结论，不一定是对的，还需要后面的步骤优化、验证。
第三步：5w1h分类归纳具体用户。
who：目标用户是谁？ when：在什么时候有问题？ where：在什么空间、什么场景有问题？ what：有什么问题？ why：为什么有这个问题？（目标-利益-7宗罪或马斯洛） how：当前怎么解决这些问题，要付出多少成本？ 比如5w1h在优化获客策略上的应用。
获客4步：是谁→在哪→怎么触达他们→怎么提升转化
以饿了么外卖业务举例。
是谁：who里的目标用户画像，白领、大学生，投放定向用。 在哪：where里的场景和实际地理位置，1~2线城市、在公司不想下楼吃午饭，投放定向用。 怎么触达他们：根据投放渠道的素材各确定。 怎么提升转化：需要外卖12点送达，因为中午只休息1h、在11点点餐、20分钟吃完还能休息一会，这个需求很明显是及时达，发不发券减不减3块2块的根本不重要。 再结合福格行为模型B=MAT=触发*动机*能力（福格行为模型有很多文章，在此就不赘述），通知到位、增加动机、减少阻力，基本会交一个80分以上的结果。
同理，在活跃环节，谁、在什么场景、有什么问题，你就按B=MAT给对应的解决方案就行，如果他不来，那就在以下三个方面的排列组合有问题。
一是，谁在什么场景、有什么问题没搞清楚。 二是，触达、增加动机、减少阻力没做好。 三是，解决方案不行。 第四步：绘制用户旅程体验地图找机会。
用户旅程体验地图的绘制，横坐标维度是阶段，纵坐标维度是目标、行为、触点、想法、情绪、痛点、机会，横坐标与纵坐标的排列组合就组成了用户旅程体验地图。
下面是以医疗为例：
第五步：Kano需求分类。
KANO模型是东京理工大学狩野纪昭（Noriaki Kano）发明的对用户需求分类和排序的工具，通过正反两个方向分析用户对产品功能的满意程度，对产品功能进行分级，从而确定产品实现过程中的优先级。
兴奋型需求： 隐形需求，用户意想不到的，需要挖掘/洞察。若不提供此需求，用户满意度不会降低；若提供此需求，用户满意度会有很大的提升。 期望型需求： 痒点，当提供此需求，用户满意度会提升；当不提供此需求，用户满意度会降低。 基本型需求： 痛点，对于用户而言，这些需求是必须满足的，理所当然的。当不提供此需求，用户满意度会大幅降低，但优化此需求，用户满意度不会得到显著提升。 无差异需求： 用户根本不在意的需求，对用户体验毫无影响。 反向型需求： 用户根本都没有此需求，提供后用户满意度反而下降。
KANO模型是一个典型的定性分析模型，一般不直接用来测量用户的满意度，常用于识别用户对新功能的接受度，挖掘出让顾客满意至关重要的因素。
KANO模型怎么用呢？
1）设计问卷： 提供时的满意程度，满意程度被划分为5级（非常满意、满意、一般、不满意、很不满意）；不提供时的满意程度，满意程度被划分为5级。（非常满意、满意、一般、不满意、很不满意）
2）收集问卷： 选定目标用户投放。
3）清洗数据： 清洗掉个别的明显胡乱回答的个例。如全部问题都选择“我很喜欢”或“很不喜欢”的，这种回答毫无参考价值。
4）整理分类： 为了能够将需求区分，需按照正反的回答对属性进行分类，具体分类对照下表。
第六步：串联用户消费路径，定位自己产品所在位置。
我把大多数消费型产品，用户的消费路径（非产品体验路径）分为以下几步。
以电商业务为例：
未产生需求：抖音 产生需求：抖音 寻找解决方案：淘宝、京东、拼多多、抖音商城 消费决策：小红书、抖音、淘宝逛逛 交易：淘宝、京东、拼多多、抖音商城、小红书 可以看到同为电商产品，产品所在用户消费路径的位置并不相同，抖音这些年看起来有抢淘宝蛋糕的趋势，而小红书愈发难生存。
小红书只占最后2步。
淘宝占最后3步。
抖音5步全覆盖。
第七步：量化蛋糕量级，俗称画饼。
量化蛋糕量级：蛋糕大小=用户疼痛程度*有多少人有这种痛*用户付出的成本*付出频次 用户痛疼程度：1~10分，找一部分种子用户样本，让他们对定位的痛点的疼痛程度打分。 有多少人有这种痛：国家统计局、艾瑞咨询、竞品公司财报找到相关数据。 用户付出的成本：国家统计局、艾瑞咨询、竞品公司财报找到相关数据。 付出频次：国家统计局、艾瑞咨询、竞品公司财报找到相关数据。 如：瑞幸咖啡给美国投资人画饼，说了这么一组数据：中国每年人均咖啡消费量只有4杯左右，与欧洲的750杯、美国的400杯、日韩/港台的200杯有很大的差距，市场增长空间巨大，这是在说消费频次。
3. 建模型 说几种业务的商业模式，古时候挑着担走街串巷找人买货，现在线下去商超买货，线上淘宝买货，抖音买货。
这几种商业模式有什么共同点，可以用什么结构去表述？
首先，他们都有必不可少的三要素：人、货、场。
其次，因为古代、商超，人和场和货都在同一时空下，所以不太讲究履约，而互联网商超人和货不在同一空间，所以多了个履约环节。
所以可以抽象成以下几个环节，需求和需求组成的那一群人，供给和供给组成的那一群人或货，需求和供给交易的场所，供给给到需求的履约。
抽象出模型后，业务的优化方向就很清晰了，人、货、场、履约四个优化方向。
人货场理论不仅可用于有形商品的新零售，无形商品的供需也一样，只需要把货定义成“解决方案的交付物”即可。
4. 定策略 双边市场的产品，增长策略是动态变化的。
供>需，hmw出解决方案，ice排序，抓需求带动供给。
供<需，hmw出解决方案，ice排序，抓供给带动需求。
例如：社交产品早期，分析发现供<需，即女少男多；结论：引入更多女性可以带动男性。
HMW定策略，如何引入更多女性。积极法：给女性好处，例如，钱、流量访问量、赞评转、小哥哥私聊。
ICE排序：钱、流量访问量、赞评、小哥哥私聊。
整体策略：钱、流量访问量、赞评、小哥哥私聊→女性进场→男性进场。
同理，滴滴早期烧钱给乘客补贴，由需求端的乘客带动供给端的车主。
前提了解知识1：HMW
1）积极法
给用户好处：瑞幸咖啡【邀请1好友 双方免费得1杯咖啡】。 给用户方便：支付宝给用户支付方便。 让体验有趣：b站评论→弹幕。 2）否定
不这么做就不能进行下一步：百度网盘不登录收回空间。 不做这个也可以完成：未点关注按钮 进入主页就自动关注。 3）转移
让第三方推动用户：王者荣耀实名，应国家要求。 让系统推动用户：push。 让第三方解决问题：曹冲称不动象称能称动石头。 4）拆解：朱元璋高筑墙、广积粮、缓称王vs袁术高筑墙、广积粮、急称王
没问题的用户做了什么？ 没问题的用户没做什么？ 有问题的用户做了什么？ 有问题的用户没做什么？ 5）脑洞：凭经验、认知凭空想象
前提了解知识2：ICE排序
影响范围：解决方案的影响范围评判，找一个参照系打分，基于参照系给该方案打分1~5分。 自信程度：解决方案对解决问题的自信程度评判，找一个参照系打分，基于参照系给该方案打分1~5分。 实现难易：解决方案实现难度的评判，找一个参照系打分，基于参照系给该方案打分1~5分。
5. 看未来 找到基于自己核心业务的外围延伸业务，当核心业务增长受限时，看看影响因素是否可以发展成一个业务，来促进和业务的增长。
如阿里的电商业务：
影响GMV的其中一个因素是，支付的安全性；就有了支付宝。
影响GMV的另一个因素是，物流的快捷、低成本；就有了菜鸟物流。
各个业务之间相互作用可以形成增长飞轮。
淘宝&天猫：越好的用户体验→越多流量订单→越多商家→淘宝&天猫品控、议价→越好的用户体验，闭环。
当淘宝&天猫发展到一定阶段，自然有支付转账的安全问题：第二增长曲线支付宝到来，同时又带动第一业务的增长。
同理，物流、云计算作为第三、四增长曲线，同时又带动第一业务的增长。
可以用增长飞轮的模型，看自己公司已有各业务之间的关系，也可以发现缺失的业务，其他业务变好是不是能促进第一业务变好，如能就加强这种飞轮效应；如不能那就要考虑是否砍掉了。
总结：
抓本质：归纳+演绎+穿越时间研究法→找到第一性原理。 量蛋糕：七宗罪或马斯洛需求等级→用户研究→5w1h→绘制用户旅程体验地图→kano对需求分类→串联用户决策路径→三维量化蛋糕。 建模型：洞察人货场，抽象业务核心链路。 定策略：量化供需的匹配程度。（供>需，HMW拆解出解决方案抓需求，带动供给；供<需，HMW拆解出解决方案抓供给，带动需求。） 看未来：多对业务的供需匹配相互作用驱动增长。（又叫增长飞轮） 由于篇幅过长，准备分篇写，敬请期待！
本文由 @狗顿 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自 Unsplash，基于 CC0 协议。
给作者打赏，鼓励TA抓紧创作！
{{{path> 赞赏
