一个产品从诞生到衰退称为其生命周期，关注产品的生命周期有利于更好地调整发展策略，促进产品发展。本文将从三个方面对产品生命周期展开介绍，希望对你有帮助。

一、产品生命周期深入理解

1. 产品生命周期是什么

万事万物都有生老病死的生命周期，即使是恒星、星系那样宇宙中的大存在，也是有诞生有死亡这样的生命过程。所以产品也是有生命周期的。

产品的生命周期描述的就是产品的生老病死，如下图就是一个典型的包含了产品四个阶段的生命周期划分：

注意：这张图我将Y轴改成了用户量，其实用用户增长速度来描述，这个曲线是不准确的。

这里为什么要使用用户量呢？这里需要使用到一个产品价值公式：

不同产品的用户单体价值有高有低，不同行业产品的用户价值标准也不尽相同。

但是有一点，由于网络协同效应，一个产品中用户数量越多，它的平均单体用户价值可能也就越高（凡事都有例外，这里只谈普遍情况）。

因此有效用户总量就是衡量一个产品活力的最底层的指标，我们使用它来衡量产品生命价值也就水到渠成了。

产品生命周期包含四类阶段：

1. 冷启动：也被成为探索期，寻找种子用户；
2. 成长期：用户量级的快速增长；
3. 成熟期：用户量级趋向平稳增长，产品核心工作在活跃留存用户上；
4. 衰退期：用户量级停止增长，甚至出现负增长。

我们这里主要搞明白的是：

第一点，一个产品的生命周期中的各个阶段分为四类（至于到底怎么判断，我们后面会详解），注意这里是四类，而不是四个，就是说可能有很多阶段，但是可以划分为四类。

第二点，一个产品的生命周期中可能不止四个阶段，可能会循环往复。

如下图所示，bilibili在2018年重新定位产品、力求破圈，因此B站在这个阶段停止衰退，重新进入启动期（再启动），从而在19年到20年重新进入爆发期。

bilibili的产品生命周期

2. 为什么要了解产品生命周期

产品的生命周期最大的意义就在于确定当前的目标，让产品和运营工作有的放矢。

因为公司资源是有限的，不可能同时干所有的事，应该集中力量办大事，所以每一阶段都要有一个核心目标，所有的产品、运营工作都要围绕各自的目标展开。

这里需要注意一点，产品和运营工作紧密联系，又是有区别的，所以我们分别从产品和运营两个方面去看四类阶段：

1）产品工作

• 冷启动期：用户需求的挖掘、功能的探索、产品的定位、商业模式的确定；
• 爆发期：升级服务器或后台架构以满足用户爆发带来的流量压力，围绕拉新进行产品迭代，继续修正商业模式；
• 成熟期：围绕活跃和变现进行产品迭代，思考新的爆发点（朝行业上下游扩展、朝相关行业扩展）；
• 衰退期：重新审视渠道圈层、重新挖掘用户需求、重新进行产品定位、重新思考商业模式，从渠道和用户感知两个层面打破产品的品牌边界，把老产品当成新产品来做，才有可能置之死地而后生。

备注：其实商业模式在创业之初就应该有一个清晰的认识，就应该是基本确定的，我们在产品的各个过程中，只是对它的不断修正。当然也存在认知错误后面大改的情况，例如钉钉的前身往来，在定位出错之后，重新梳理了用户需求，从2C社交模式变成了2B社交+OA模式，顺势而为成就了钉钉。

2）运营工作

• 冷启动期：种子用户的拉取和运营，这个时期主要是探索和定位；
• 爆发期：一切围绕拉新展开，趁着大家认可你的产品，都进来玩时，你再添把火，把火烧得更旺，拉更多的用户进来；
• 成熟期：活跃和变现，想办法变现，一切不赚钱的生意都是耍流氓，为了股东利益、为了公司同仁利益，也为了公司日后的发展，必须变现。积累资金，分红也好、再投入也好，都少不了变现；
• 衰退期：重新审视渠道圈层、重新挖掘用户需求、重新进行产品定位、重新思考商业模式，从渠道和用户感知两个层面打破产品的品牌边界，把老产品当成新产品来做，才有可能置之死地而后生。

备注：关于衰退期，我们反复提及“从渠道和用户感知两个层面打破现有产品的品牌边界”。

渠道，即信息触达到用户的渠道。

实际上，渠道流量现在呈现出一种圈层化现象，这是因为现在所有的渠道平台，在做投放和面向用户推荐的时候，都会基于用户画像和用户兴趣去做精准化推荐。在这样的一种精准化推荐算法大行其道的情况下，基本上所有的信息都开始慢慢的形成一个又一个的孤岛。

例如，大家肯定都有这样一种体验：你在你的朋友圈里发现的刷屏事件，你老妈老爸在他们的朋友圈是看不到同样的刷屏事件的，在你的另外一个朋友圈里面，他们也完全没有听说这件事情。

因为渠道的圈层化现象，导致我们的推广会局限于某些特定的人群，而无法触及到其他人群。

因此，通过打破渠道的圈层化，触及到其他用户群体，可以带来直接的用户增长，从而打破现有的衰退期，重新进入爆发期。

用户感知层面，实际上就是产品和服务的定位。

用户感知层面的品牌边界，是指你对这个品牌没有任何感觉，这个品牌不是你所需要的品牌。

我们可以设想一下，我们在自己常常逛的商场里，会记住每一个品牌吗？你常常去逛各种商场，你能够记住的品牌可能也就是那些你常逛的品牌。那甚至在你经常光顾的商店旁边的商店卖什么牌子，你可能都记不起来。为什么记不起来呢？是因为这个品牌跟你没有任何关系，他提供的产品和服务不是你要的，无论是调性，还是设计，还是价格，都不是你要的，所以你就会对这个品牌完全没有任何感觉。

这就是用户感知层面的品牌边界：虽然这个品牌不断在你面前曝光，可是你对你却对它毫无感觉。

用户感知层面的品牌边界根源在于产品和服务的定位。他不是渠道的圈层化造成的对某些用户群体的无法触及，而是在于你所提供的产品和服务，到底是不是用户需要的。

二、如何判断当前产品所处的位置

前面说了产品的生命周期可能有多个阶段，一共可以分为四类。

他们出现的顺序不太固定，一般是冷启动期开始，到衰退期结束，也可能衰退期之后产品经过渠道和用户感知层面的双重破圈又重进进入爆发期–成熟期这样的循环。也可能产品还没来得及进入衰退期，公司团队就已经提前破圈，让产品重进进入爆发期——成熟期这样的循环。

如下所示列出了可能的产品生命周期（包含但不限于）：

• 冷启动期——爆发期——成熟期——衰退期……
• 冷启动期——爆发期——成熟期——爆发期——成熟期——衰退期……
• 冷启动期——爆发期——成熟期——衰退期——爆发期——成熟期……
• ……

到这里，我们已经知道了产品的生命周期模型主要作用是为了帮助我们确定当前阶段的产品和运营目标，使得工作有的放矢。

那么问题来了，我们如何判断产品当前所处的阶段，又如何判断产品所经历的各阶段的时间节点呢？

我们在前面的定义中，可以看到我们使用产品的有效用户量这个概念去衡量周期的各个阶段，那么这个有效用户量到底是什么指标呢？我们从哪里可以获取到这个指标数据呢？

1. 用活跃用户指标来衡量

使用活跃用户指标来衡量有效用户量，要好于注册用户总量。

因为现在的大部分产品都是不提供账号注销服务的，流失的用户也就无从注销，甚至他们根本就想不到要注销账号，不用这个产品了就是直接走掉。所以注册用户数是不断在增长的，但是这里面包含了很多“死”用户，并没有什么切实意义。

而活跃用户指标能够真实反映当前产品的实际用户数，而且还能精确定位出不同层级用户的数量。因此判断产品生命周期最好的指标是：活跃用户指标。

活跃用户数量，一般是通过后台埋点，收集用户行为数据，然后根据活跃用户的定义来计算。

例如，我们一般埋点收集用户的登录频次、登录时长等数据，根据一定的标准（例如一天登录1次，或者一周使用3个小时）来判断当前用户是否是活跃用户，然后计算出日活跃用户数、周活跃用户数、月活跃用户数等指标。具体的计算标准和方法，其实还是要根据产品特性来确定，这里不展开讲。

需要提醒的是，我们要明白这个数据给谁看的，给投资人看的可以标准定宽松点，给自己内部团队看的，就要实事求是、以效果为准绳、通过统计测算来确定最优的计算标准。

有些同学就要问了，我在做练习时分析别人家的产品，拿不到后台埋点数据，怎么办呢？

这里有个小窍门，就是用百度指数的关键词搜索指数来替代活跃用户数量，即我们以产品名称作为关键词，查看它的搜索指数。这个指数反应的是用户在百度搜索引擎上搜索这个关键词的热度，一定程度上是和这个产品的活跃用户数量是趋势契合的。注意这里是趋势契合，即他们可能量级、数量都对不上，但是他们一般具有相同的走势，因此可以用来代替活跃用户数量进行产品生命周期判断。

事实上，大家看完后面的判断方法，也就知道这种替代并无不妥。因为产品生命周期的判断本来就是一个判断趋势的过程，而不是一个需要精确量化的过程。

从证券投资的案例来看，精确量化本身可能就不是一个准确的事情，反而是拉大时间范围看趋势，这样对整体市场的判断才会更加清晰可靠。

2. 根据活跃用户数量曲线来判断

我们有了活跃用户数量，可以做一个活跃用户曲线，然后拉大时间跨度、过滤波动、只看趋势，得出活跃用户数量的走势箭头。

如下图的bilibili的数据（这里使用百度搜索指数代替），我们可以清晰地看到冷启动期是比较平缓的上升或平行箭头，爆发期时明显的上升箭头，成熟期是爆发期之后的平缓上升或者平行箭头，衰退期是明显的下降箭头：

因为我们这里使用的数据是百度搜索指数，并不是准确的产品活跃用户数量指标，因此还要根据企业的发展历程进行验证并修正。

例如上图的bilibili，可以看出2017年到2018年它是经历了一个衰退期的，事实上，这个时间段也正是B站竞争对手A站倒闭的时间：

这说明整个二次元视频业的发展都进入了瓶颈，这与趋势图是基本一致的。

2018年开始，B站踅摸着破局，力求将B站从垂直的二次元文化视频平台变成包容万象的中国Youtube，进行了一系列的破局操作（渠道和用户感知层面）。尤其是2019年底到2020年中，B站纪录片、B站春晚、后浪、入海、B站科普卫星、大V和权威媒体入驻等一些列骚操作，给B站拉来了一大波流量，正好和趋势图上的走势吻合，这说明我们这波分析基本没毛病，不需要进行修正。

备注：这里我们使用了目标企业的发展历程事件进行了验证修正，反之，如果我们正在做一家企业，进行了很多产品迭代和运营动作，我们也需要用指标数据来衡量我们的迭代和运营效果。尤其是活跃用户指标，是可以直接影响企业价值的。

同理，再给出知乎的产品生命周期趋势图，如下所示，依旧是百度搜索指数替代活跃用户数：

大家可以看到，从2019年到2020年现在，趋势是走出了一个上涨的态势，事实上，我们去梳理知乎的产品迭代路线时，发现这个时间段也是知乎在高频迭代产品的时候，知乎大学、盐选会员等等一些列新模块诞生，才造成了这一波走势。

大家可以看到在百度搜索指数走势图上，有很多突然下降的低谷，我们没有考虑这些波动，直接过滤掉。因为百度搜索指数本身就不能精确代表活跃用户数，只是趋势相近，所以我们没必要把注意力集中在这些波动上，这就是我们前面红字部分强调的：过滤波动。

而事实上即使你使用了精确的活跃用户数据，也是需要过滤掉异常波动的。过滤波动、清洗数据这个是数据分析的基本功，无论我们是在做宏观分析还是微观分析时，异常波动数据都是一个十分影响结果的数据。过滤的方式也有很多，我们这里不展开讲。但是对于产品生命周期这样的宏观分析来说，直接滤掉是比较高效的操作，对结果没什么影响。

3. 总结

• 使用活跃用户数据（或百度搜索指数代替）画出活跃用户数据变化曲线；
• 在曲线图上标注出走势箭头，根据走势箭头判断周期阶段；
• 对于结论，要带入企业发展历程事件进行验证，所有的走势都是有迹可循的，不是突然发生的。
• 这是一个宏观分析过程，可以直接过滤掉数据中的异常波动，只看趋势。

关于宏观和微观：

很多初学者拿到数据之后会很迷茫，我们一定要搞清楚我们要分析的目的是什么，像产品生命周期这样的宏观分析，一定要拉大时间跨度，从宏观视角去看数据走势，而不是具体某个数据的变化。

对于具体的月度KPI、季度KPI来说，我们才需要将数据拆开看微观，看增长率，这个这里不展开，因为挺复杂的，而且和主题无关，以我现在的水平也没法系统的讲解，只能就事论事，看着案例分析。

三、产品生命周期和用户生命周期的关系

1. 什么是用户生命周期

万事万物皆有生死，产品有生命周期，用户也有生命周期。用户的生命周期揭示了用户从被拉新进入产品，逐步成长为老用户、高价值用户，到最后觉得产品没意思，逐渐不玩卸载了这个过程。

如下图所示，X周是时间，Y周是用户价值：

同产品生命周期一样，用户生命周期的这几个阶段也是可以互相转化的。

例如一个游戏用户到了衰退期准备不玩了，突然游戏又发布了新版本新任务，他又开始玩又充值，那他可能又重新回到了成熟期。

用户生命周期的作用在于：判断用户处于哪个阶段，设定对应的运营策略。

• 外部引流：拉新策略
• 新客户期：引导用户熟悉使用产品
• 成长期：引导用户持续活跃，进而付费
• 成熟期：引导用户持续活跃、持续付费
• 衰退期：引导用户使用新功能、参加新活动
• 流失期：通过利益刺激引导用户重新回到产品使用新功能、参加新活动

用户生命周期的判断在于用户价值的判断，这里有2点需要注意：

1. 用户价值的定义公式，例如用户登录时长、用户消费金额、用户发帖数量等数据来组合衡量，这些数据一般通过后台埋点获得；
2. 用户价值的等级划分，即确定哪些属于成长期、哪些属于成熟期等等。这里不展开，因为用户价值还涉及到用户分层、用户分群等，设计一套好用的用户成长体系不是一个简单的事情。但是对于初创企业而言，这个成长体系可以逐步建立、先易后难。

2. 产品生命周期和用户生命周期的关系

产品的生命周期和用户的生命周期之间没有必然的一一对应关系，但是有重点运营关系：

• 任何一个产品阶段，都可能存在各个周期的用户，而且这些用户是可以相互转化的，即老用户可能流失，流失用户也可能重新回归；
• 每一个产品阶段都有各自的重点运营用户和运营策略，如下图所示：

注意：这里的用户量级是一个平均的数值，具体的还需要根据市场规模来确定，毕竟小众市场和大众市场的用户量级是不一样的。

四、总结

这里我们花了一点时间梳理了什么是产品生命周期，产品生命周期怎么判断、怎么用，以及它和用户生命周期的关系。

写这个话题主要是源自于很多新入门的同学的提问，我觉得有必要跟大家讲清楚这些事情，让大家不要把宏观概念和微观概念混淆，不要把目标和具体的技巧混淆，这是初学者经常容易犯的毛病：不见庐山真面目，只缘身在此山中。

其实解决这个问题最好的办法就是把大纲目录提取出来，搞清楚一些概念、模型的定义和适用范围，不要被里面纷繁复杂的知识点搞晕了。

对于初学者，一定不要贪多，先抓框架，然后再一个知识点一个知识点地深入理解、知行合一，最后再回过头梳理所有学过的知识，将其融会贯通。只需要知道每一个概念和模型都有其作用域（适用范围），就不会混淆混乱了。