产品方法论 · 用户增长

驾考宝典 DAU 翻倍:一个 MVP 与 300+ 用户标签的起点

从 300 万到 600 万日活,早期产品架构与标签体系如何决定后续的天花板。 这篇复盘 2014–2017 年那段经历里,几个当时并不起眼、后来被反复验证的判断。

2014 年 4 月到 2017 年 3 月,我在北京木仓科技股份有限公司的初创团队做产品,负责驾考宝典 App 的 MVP 设计与整体架构。三年时间里,这款产品的日活跃用户从 300 万增长到 600 万,实现了翻倍。 今天回头看,真正决定这个结果的,不是某一个功能,而是两件很朴素的事:早期架构留没留出空间,以及有没有人认真做用户标签。

驾考宝典官网首页
驾考宝典官网首页。

起点:先看清楚自己站在什么赛道上

「驾考」这个需求有一个很特别的性质:它是低频的事件型需求,却带来高频的期间型使用。 一个人一生可能只考一次驾照,听起来是典型的低频;但在真正学车的那两三个月里,他几乎每天都要刷题、看视频、做模拟考。 低频的入口,配上高频的使用期 —— 这个结构决定了产品的核心不是「拉新一次」,而是把用户使用期内的每一天都服务好。

这也解释了为什么在案例复盘里,这段经历被概括为「用户增长」而不是「拉新」。 在一个学员必然会离开的产品里,日活的意义不在于「留住」一个人,而在于让他在使用期内的活跃天数尽可能多、尽量不流失。 目标一旦这样定义,后面的架构选择与标签体系就有了明确方向。

MVP 设计的取舍:先把主干跑通

初创团队做 MVP,最大的诱惑是「什么都想做」。但在资源极度有限的阶段, MVP 的价值不是覆盖最多功能,而是用最短路径验证「这件事有人真的在用」。 我们当时的选择是:围绕驾考宝典 App 本身,先把最核心的使用链路跑通,让学员「进得来、用得上、考得过」。

值得注意的是,这套 MVP 里除了 App 本身,还包含了两块很容易被忽略的基础设施 —— 自研 IM 通信系统与推送系统。在很多团队把这两件事当成「接个第三方 SDK 就行」的时候,我们选择了自研。 这不是为了技术炫技,而是因为它们是与用户建立日常触达的基础通道:只要用户还在学车期,推送就是把他拉回来刷题的钩子,IM 就是承载答疑与交流的场域。

◆ MVP 取舍的三条标准

回头看,当时判断一件事该不该进 MVP,其实就三条:一、它是不是核心使用链路上的一环;二、它能不能被数据验证效果; 三、它未来有没有可能被复用。三条里能命中两条的,才值得在 MVP 阶段就投入。

架构决定天花板:为什么坚持自研 IM 与推送

产品架构这件事最残酷的地方在于:它的问题不会在第一天暴露,只会在第二年、第三年集中爆发。 一个在十万用户量级下「能用」的架构,到了百万、千万量级就可能处处是瓶颈。

以推送为例。它的本质是「在正确的时间,把正确的消息,发给正确的人」。当用户规模是几十万时, 全量推送也能凑合;但当你要做到按人群、按进度、按状态分层触达的时候,推送系统就必须具备与用户标签体系打通的能力。 如果推送是外包给第三方的黑盒,这种细粒度的分层触达就很难实现。自研带来的最大价值,不是省了成本, 而是把「触达能力」和「用户理解能力」握在了自己手里,可以自由组合。

IM 通信系统同理。它承担的不只是「聊天」,更是把用户的提问、互动、反馈沉淀成产品可以理解的信号。 一个自研的 IM,意味着这些信号可以直接进入分析体系,而不是停在别人的服务器上。 早期架构给未来的增长留没留口子,直接决定了后期能跑多快。

用户标签体系:29 组画像与 300+ 细分标签

如果说架构是「骨架」,那用户标签体系就是「神经系统」。在这段经历里,我们一共创建了 29 组用户标签画像、300+ 细分标签,并引入了神策用户画像能力来支撑分析。

为什么要做到「300+ 细分标签」这种颗粒度?因为驾考这个场景的差异,远比表面看起来更细。 同样是在刷题的学员,处在不同的备考阶段、面对不同的科目、处在不同的地区、有着不同的学习节奏, 他们需要的内容与提醒完全不同。标签的意义,是把「一群用户」拆成「一群处境相似的人」。 只有拆到这个程度,个性化才不是一句空话。

◆ 29 组画像的组织方式

29 组画像的价值在于分层:先按大类把用户分组,再在组内用 300+ 细分标签刻画差异。 这样既能向上做整体判断,也能向下做精准动作。标签体系不是越多越好,而是「能对应到具体动作」才有价值。

2x
DAU 翻倍增长
300万→600万
日活跃用户
29组
用户标签画像
300+
细分标签

DAU 从 300 万到 600 万:增长是怎么发生的

需要说明的是,增长从来不是某一招的结果。把当时的动作拆开看,是「触达 + 内容 + 分层」三件事同时在起作用: 推送系统负责把用户叫回来,内容负责让他有得看、有事做,标签体系负责决定「对谁用什么方式叫」。

这套组合带来的直接好处是可迭代。因为触达是可分层的,每一次推送的效果都能被分人群回收, 于是「哪个阶段该提醒什么」这个问题,就有了数据答案,而不是靠猜。产品就这样一轮一轮地调整, 活跃天数一点点往上走。增长的复利,来自可测量的迭代;而可测量,前提是有标签。

在一个用户必然会离开的产品里,日活的意义不是「留住他」,而是让他在使用期内的每一天都被服务好。把这件事做扎实,数字自然会来。

—— 驾考宝典项目复盘

沉淀:四条可复用的产品方法论

这段经历过去了很多年,但其中有几条经验,我在后来的信贷、环卫、通信、影视等完全不同的行业里,依然在用。

  1. 先定义目标,再定义功能。把「拉新」换成「使用期内的活跃天数」,整个产品的优先级排序会完全不同。
  2. MVP 只押核心链路。能命中「核心链路、可被数据验证、可被复用」两条以上的,才值得在 MVP 阶段投入。
  3. 架构要为下一阶段留口子。早期是不是自研推送与通信,决定了后期能不能做细粒度的分层触达。
  4. 标签体系要能对应动作。29 组画像 + 300+ 细分标签的意义不在「多」,而在每一个标签背后都能挂上一个具体动作。

如果要把这四条再压缩成一句话:产品的天花板,往往在它还没有长大之前就已经被定下来了。 你在 MVP 阶段选择自研什么、坚持记录什么、把标签拆到多细,都会在几年后以「增长空间」的形式还给你。

如果重来一次,我会改的三件事

复盘如果只讲做对的地方,价值会打折。站在今天回看那段经历,有三件事如果能重来,我会做得不一样。

第一件,标签体系上得太「重」。29 组画像、300+ 细分标签这个规模,在数据治理能力还不足的早期, 会产生大量「建得起、养不起」的标签。更稳妥的做法是,先把与核心动作强绑定的那一批标签做扎实, 再按季度扩容。标签的价值不在数量,而在每一个都真的被用上。

第二件,推送的「度」把握得不够精细。触达能力一旦握在自己手里, 很容易从「精准」滑向「频繁」。当时如果更早建立一套触达频次与打扰的约束规则, 中长期的用户体感会更好。这件事的教训是:能力越强,越要给自己定边界。

第三件,跨团队的方法沉淀偏晚。很多判断当时只存在于少数人的脑子里, 没有及时写成文档与规范。产品方法论的复利,来自它能不能被团队里下一个人接手。 今天我做任何项目都坚持把结论写下来,源头就在这里。


资料来源:本文数据引自本站 商业化案例 页面「驾考宝典 App · 用户增长」条目与 创始人经历 页面 2014.04–2017.03 履历。

张栩铭
张栩铭
横店影视 · 信息技术部 · 数智化专项产品负责人

13 年产品一线实战,长期关注 AI 在传统行业的商业化落地路径。欢迎就企业 AI 项目与我交流。

张栩铭 |横店影视 |信息技术部 |AI赋能专家 |数智化专项产品负责人