答：用户分为主动用户、被动用户、推荐用户。第一类主动用户是指不做任何推广自然流量获取到的用户。第二类被动用户是指通过广告吸引到的用户。第三类推荐用户是指通过用户间的口碑传播带来的新流量。这三类不同的用户的影响因素均不同。影响主动用户的因素包含基础量和变量，天辰软件下载基础量是指现在整个市场的供需情况、产品渗透率、产品的NPS及品牌口碑，变量是指在当前的供需情况下是否要做一些营销活动或促销。影响被动用户的因素，除了影响主动流量提到的基础量与变量以外，还包括媒体的选择（人群匹配度、场景匹配度）和素材的选择。影响推荐用户的因素包括基础量、变量、漏斗转化、素材及交互等等。

获取几万的用户数与获取全中国一半用户数的方法是完全不同的。其中有个行为发生的公式，B = MAT，行为（Behaviour）=动力（Motivation）+能力（Ability）+触发器（Trigger）。这个公式是我们总结实践后在获取用户上较好用的。

所有的产品其实分三类需求：痛点、爽点、痒点。痛点是不满足感，爽点是满足感，痒点是指不是用户的刚需，但长期体验会有心痒地感受（例如女生逛街买的非必需的产品或看韩剧的代入感）。滴滴出行是将这痛点与爽点结合，例如滴滴平台没有推出时用户在风雨中等车，有了滴滴后可先叫车，司机到达后再出门即可，这就是痛点与爽点的对比。

滴滴出行除了APP以外，头部流量、尾部流量基本都抓住了，只要与滴滴有结合的场景，基本上均有合作。例如墨迹天气的页面有滴滴打车的入口，碰到天气不好的情况可通过入口来打车，滴滴基本与所有互联网较大的APP都有合作，天辰平台挂机软件下载能够让用户随时随地的享受到滴滴的服务。 以上就是我们用户的增长的相关策略及方法。

如果我们最终的目标是中国一半的用户，那我们该怎么做呢？滴滴的成功是点、线、面、体四个维度的成功。体：今日头条、美团、滴滴这三家公司基本上是在移动互联网兴起的时候产生的，这是大的趋势。面：滴滴诞生的时候，正好需要找一个场景来推广移动支付，所以阿里系与腾讯系会投入很多支持。线：用户具体的打车需求。点：用户看到的营销活动。所以滴滴出行才能把用户做到如今的体量。

产品从诞生到慢慢的衰退，我们把它分了五个个阶段。 第一个阶段叫种子期：大概触达了目标用户的3%。第二个阶段叫导入期：用户量快速的成长。第三个阶段叫早期大众：进入到了大众市场。如果能够跨越第三个阶段，就证明我们的产品已经进入到了主流市场并且是在健康成长。在产品早期3%的用户是种子期，主要精力要投入到主动流量，这个时候的产品还不够优秀，种子用户的容忍度很高并且希望与产品共同成长。第二阶段是推广期，需要做大量的广告。绝大多数广告的方式在这个阶段完成。第三阶段进入到大众市场，此时的多数流量来自于推荐，通过数据可以看出50%以上的流量都是通过推荐获得。后面还有两个阶段，分别是后期大众以及衰退期。

问：关于付费与免费推广，如何选择适合本企业广告投放策略？

答：产品需要大量的推广的阶段，通过早期的商业模式了解了用户的需求、痛点就去需要去做大量的付费推广。无预算或预算低的情况就要加强主动流量、推荐流量的环节、优化新手引导、产品入口、转化漏斗这些都可以通过内部产品实现，不需要太多成本。用户的需求是多维的，钱是垂直的刺激物，偷懒的办法就是直接用钱去激励。

确定投放的是品牌类型还是效果类型的广告？配比是多少？很多企业会走到一个误区，因为感觉效果类的广告好评估，所以会大量的投放，因此忽视了品牌类型广告的投放。第二个误区：单纯的看ROI，某些渠道天然就会优于其他渠道，例如商店的效果好是因为里面有一定数量的主动流量。第三个误区：广告投放更偏向于新用户，通过后续的数据验证，投放给老用户带来的用户推荐效果可能会更好。”

问：在用户的促活上你们都做了哪些工作？如何评估？

答：滴滴出行内部有完善的用户成长体系，大致可以可分成三个维度。第一维度：物质性奖励，例如打车次数越多的用户，可能越容易叫车及折扣券会越多，这是实实在在的物质性奖励。该阶段有需要特别关注的是“内升性”，提供给用户的物质激励一定是我的平台内升出的权益，而不是我们去置换或者BD来的资源，这些资源不会让用户与平台产生更强的粘性。第二个维度：精神层面的，不论是快车还是专车，消费到一定的额度都会有专属的黑金卡，用户不仅可以享受黑金卡的权益，也是一种身份的象征。第三维度：趣味性，例如说年度账单，会员系统里简单的小游戏等。

在数据维度上的评估效果，最直接有效的是看LTV（生命周期总价值）。而且LTV其实能够看到用户从哪个渠道过来，然后呈现了怎样的一种特点。

我们会在不同的渠道间做对比，发送红包、投广告、应用商店的广告都是渠道，不同的渠道间做LTV（生命周期总价值）的对比及CAC（用户获取成本）

问：如何看待数据驱动？

答：目前多数的非互联网公司还不够数据驱动，因为没有大量的数据去支持。另外我认为不光要依赖数据，还要拥抱不确定性。如果某件事情我们有70%的成功率，通过数据优化的情况下，这件事情的最终结果就会变得更好。