通过符合MEMC原则的分析框架，我们可以把用户增长这个大目标，分解成可以进行针对性提升和优化的若干步骤。把衡量战略性目标的虚像指标，分解成能够指导和评估具体方案和执行的实行指标。

　　分析案例

　　前面我们介绍了顶层指标框架的基本理念，接下来，我们针对三个阶段：用户获取、初次体验和回头客，介绍三个使用数据支持决策的案例。

　　用户获取分析案例 之 A/B Testing

　　所谓 A/B 测试，简单来说，就是用对比试验的方法找到做一件事情的最佳方案。网站和产品设计中，我们可以用A/B测试从多个版本中选择最佳方案。

　　A/B 测试的大致过程是这样的：首先，选定一个需要提升的指标，比如用户转换率，然后制定两个方案(比如一个网页的两个版本)，用随机分组的方式，让一部分用户使用方案A，另一部分用户使用方案B ，通过收集和分析这两组用户的行为数据，我们会发现一个方案给用户的互动或者引导更好，并且直接反映在那个目标指标上。这样，我们就可以选出指标表现最好的方案了。

　　做实验的原则就是明确目标、设定前提、采样随机、而采样的数据和其他方面要有足够的统计显著性。

　　举一个例子：

　　公司H的免费用户在考虑升级成专业版用户之前，往往会跑到对比产品套餐的网页了解免费版，专业版的功能区别。

　　为了让更多的免费用户在比较套餐后升级为专业版用户，营销部门设计了几个不同版本的产品套餐网页。

　　这些版本之间只是小改动，区别仅仅是免费版一栏的按钮和描述。如果凭借营销经理的业务经营，可能也很难确定到底哪个版本的效果最好，表现差异有多大。

　　那么，哪个方案对于公司H提升免费版用户转化为付费版用户的数量最有效果?(可以给自己几秒思考一下)。我们接下来用A/B testing的科学方法的选出最佳版本。

　　通过AB对比实验，我们发现方案二的转换效率是最好的，而且效果比原有方案提高了20%。

　　数据只能告诉我们结果，无法告诉我们原因，这个时候就需要营销主管用业务经验去核实这个结果是否合理有逻辑性。

　　为什么呢?方案二适当的突出了专业版，但也没有过分的弱化免费版，没有给用户一种强行推销专业版的感觉，却潜移默化地引导了用户的选择。因此在各方案中胜出。

　　你觉得呢？

　　用户初体验分析案例之Aha Moment

　　什么是Aha Moment呢?Aha moment是用户感受到产品真正价值所必须要做的事，譬如说在Facebook发展的故事里，7天内加上10个好友就令用户感受到Facebook真正的价值。确定Aha moment可能是件复杂的事情，但最后表现出来的是全公司都能理解和执行的时间。所用它有两个特征：简单易懂，和短期见效。

　　刚才的Aha Moment的定义还是非常模糊，怎么可以定义成一个通过数据分析确定事件呢?如下图所示，Aha moment是同时在留下的用户和使用功能(经历过某个moment)的用户都占大比例的事件。这个定义是从体会产品价值的必要性和充分性出发的。必要性是指留下用户中经历这个moment的比例大(蓝色部分)是它的必要条件。而充分性是指经历这个moment的用户最终留下来的比例大(红色部分)才充分说明这个moment的意义。两个都要做到才是Aha Moment。

　　为了进一步说明Aha Moment的必要性和充分性。我们接着用对于聊天软件发信息的数量分别说明两种情况(必要不充分和充分不必要)。第一个是必要但不充分。譬如说微信里留下的用户都发过一条微信，这是必要的，但是不充分说明这是Aha Moment，因为他们有可能留下，也有可能发完一条就离开譬如下图

　　第二个是充分不必要。譬如发八条微信的人都留下了，充分说发八条的作用，但这不一定是必要的，因为有很多人少发于八条的也留下了。