一句话回答
上瘾模型是 Nir Eyal 提出的四阶段循环:触发、行动、多变奖励、投入,描述产品如何变成用户的习惯。它是诊断重复使用的透镜,不是增长配方:每一环都要先在数据里看得见,才谈得上动手去改。
公式: 触发到行动转化率 = 行动人数 ÷ 被触发人数;回访率 = 下一期回来的人数 ÷ 本期行动人数;投入占比 = 投入人数 ÷ 回访人数;习惯强度 = 一期内活跃 ≥ N 天的人数占比(辅以平均活跃天数)。
什么是上瘾模型?
在产品设计里,上瘾模型(Hook Model)是 Nir Eyal 在《Hooked: How to Build Habit-Forming Products》(Portfolio 出版社,2014 年)中提出的四阶段循环:触发 → 行动 → 多变奖励 → 投入。它描述的是:每走完一遍循环,刻意的使用就向自动化的习惯靠近一步——用户自己回来,不需要昂贵的广告。早在出书两年前,Eyal 就在 2012 年把循环写成一篇四步文章,发表在 NirAndFar.com 上。
本文的核心观点:上瘾模型是描述习惯的框架,不是增长配方;要用它,就得能在数据里看到每一环。模型告诉你该往哪里看——线索、行动、回报、用户的投入——但它不承诺一个连续打卡或一条推送就能造出留存。测不到的环节,就是修不了的环节。
用一个 B2B 报表工具把整个循环摆在一张表里:
| 阶段 | 它回答的问题 | 例子(报表 SaaS) |
|---|---|---|
| 触发 | 是什么线索让用户过来? | 每周指标邮件,或开会前想核对数字的心理需求 |
| 行动 | 用户为了期待中的回报,做的最简单的一件事是什么? | 打开应用,跑一张报表 |
| 多变奖励 | 什么回报让用户想要下一轮? | 本周数字里一个出乎意料的洞察 |
| 投入 | 用户放进来了什么,让下一轮更容易或更好? | 保存报表模板,邀请一位同事 |
每走完一轮,产品对这个用户都应更有价值,下一次触发也更容易生效。这让循环成为诊断工具:重复使用疲软时,四个问题里有一个答案很差,而每个答案都能在分析数据里观察到。
四个阶段,各配一个例子
触发。外部触发在环境里:一封邮件、一条推送、同事发来的链接。内部触发在用户脑子里:无聊、不确定、一种被感觉到的需求。按 Eyal 的说法,当把用户送回来的是内部触发、而不是你的营销日历时,产品才算习惯。早期靠外部触发干活;要问的是它们有没有交棒给内部线索。
行动。行动是为期待中的回报而做的最简单行为——打开应用、跑报表。Eyal 借用福格行为模型 B = MAT:行为只有在动机(motivation)、能力(ability)和触发(trigger)同一时刻凑齐时才发生。行动没发生,要么用户不够想要回报,要么行动太难。把行动变容易——更少步骤、更少填写项、更快加载——是更便宜的杠杆。
多变奖励。这个想法源自斯金纳的操作性条件反射研究:按变动节奏发放的奖励,比可预测的奖励更能让对象持续想要。《Hooked》分三类:部落的奖励(社交认同、点赞、回复)、狩猎的奖励(信息、资源、下一条有意思的内容)、自我的奖励(掌控感、完成感、清空的收件箱)。关键就在「多变」:每周数字一模一样,报表就是苦差事;偶尔冒出意外发现的报表,才值得点开。
投入。用户往里放东西:时间、数据、精力或社交资本——保存的模板、上传的数据集、被邀请的同事。投入储存价值,让产品对这个用户更好用,并给下一次触发上膛:同事的评论变成明天的通知,模板让下周的邮件值得点开。循环就此闭合。
| 阶段 | 机制 | 消费级产品例子 | 测什么 |
|---|---|---|---|
| 触发 | 外部线索,逐步交棒给内部的心理需求 | 每周摘要邮件;无聊时刷比分 | 触发送达、打开率、无外部线索的自主回访占比 |
| 行动 | B = MAT:动机 × 能力 × 触发,同一时刻 | 打开应用刷新信息流 | 触发到行动转化率、行动耗时、行动步数 |
| 多变奖励 | 斯金纳的变动节奏;部落 / 狩猎 / 自我 | 一条意外的好回复;一条惊喜视频 | 下一期的回访率;按奖励类型拆分的回访 |
| 投入 | 储存价值,并给下一次触发上膛 | 关注账号;收藏歌单 | 投入占比;按投入状态拆分的回访率 |
每一环怎么测
每一环都对应一个能从事件算出的比率。定好一个核心行动、一个投入行动和一个周期(多数产品按周即可),跟踪同一批用户走完循环:
| 阶段 | 指标 | 公式 | 要埋的事件 |
|---|---|---|---|
| 触发 → 行动 | 触发到行动转化率 | 行动人数 ÷ 被触发人数(另算:行动人数 ÷ 打开人数) | trigger_sent、trigger_opened、core_action |
| 行动 | 核心行动完成率;行动耗时 | 行动人数 ÷ 打开人数;从打开到行动的中位分钟数 | 带时间戳的 trigger_opened、core_action |
| 多变奖励 | 回访率 | 下一期回来的人数 ÷ 本期行动人数 | 下一期任何符合条件的活跃事件 |
| 投入 | 投入占比 | 投入人数 ÷ 回访人数;按投入状态拆分的回访率 | investment_action(如保存模板、邀请同事) |
| 习惯 | 多天活跃 | 一期内活跃 ≥ N 天的人数占比;平均活跃天数 | 每个用户按天的活跃标记 |
计数规则:每个比率用同一批用户、同一套周期边界;触发到行动的分母是被触发的用户,不是发出的消息数;只数真人,机器人分开;识别登录用户,「一个用户」是一个人,不是一个 Cookie。习惯那一行是 DAU/MAU 思路的粘性度量,但更严格:月度比值会掩盖一次性猛用然后消失的用户,「每周 ≥3 天活跃占比」掩盖不了。回访那一行是把留存用在行动者而非注册者身上;跨过多天门槛的是候选重度用户。把首次价值分开:顿悟时刻是一次好体验,习惯是它在你不推的情况下反复发生。干净的新手引导流程喂的是头一圈;它不是循环。
算例:把一轮钩子循环算成数字
以下全部为示例数据。一个项目工具在第 0 周进来 1,000 名新用户。核心行动:创建项目;外部触发:每周邮件;投入行动:保存模板或邀请同事。
第 1 周——触发与行动。1,000 人全部收到邮件;400 人打开;250 人创建项目。触发到行动转化率 = 250 ÷ 1,000 = 25%;打开者中为 250 ÷ 400 = 62.5%。一起读:打开的人大多会行动,定向没问题——但四分之三的被触发用户根本没打开。头一个瓶颈在触发,不在产品。
第 2 周——回访。250 名行动者里 100 人回来了:回访率 = 100 ÷ 250 = 40%。这 100 名回访者里,60 人保存了模板或邀请了同事:投入占比 = 60 ÷ 100 = 60%。
第 3 周——投入有没有给下一次触发上膛?按第 2 周的投入状态拆分第 3 周回访:投入者 45 ÷ 60 = 75%;未投入者 12 ÷ 40 = 30%;整体 (45 + 12) ÷ 100 = 57 ÷ 100 = 57%。投入者的回访率是未投入者的 2.5 倍——与模型预期一致,但这是相关:会投入的人可能本来动机就更强。
第 4 周——习惯检验。数全部 250 名第 1 周行动者第 4 周的活跃天数:
| 第 4 周活跃天数 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|---|---|
| 人数 | 120 | 50 | 35 | 25 | 12 | 6 | 2 | 0 |
人数合计 250。活跃 ≥3 天的占比 = (25 + 12 + 6 + 2) ÷ 250 = 45 ÷ 250 = 18%。平均活跃天数 = (0×120 + 1×50 + 2×35 + 3×25 + 4×12 + 5×6 + 6×2 + 7×0) ÷ 250 = 285 ÷ 250 = 1.14。结论:48%(120 ÷ 250)第 4 周什么都没做,只有 18% 呈现多天使用。多数行动者还没形成习惯——正常,不是失败:Lally 等人(2010)的研究里,自动化程度沿渐近曲线上升,达到平台期 95% 所需时间从 18 天到 254 天不等,BPS Research Digest 的摘要给出的中位数是 66 天。判断钩子,看「≥3 天占比」和均值在连续几批周度用户群里、用几个月往上走——绝不能看一次尖峰。
修一环。弱环节是投入(回访者的 60%)。假设在用户创建头一个项目后立刻引导保存模板,把投入占比提到 80%——100 名回访者里 80 人——两组第 3 周回访率不变(投入者 75%,未投入者 30%)。修复前:60×0.75 + 40×0.30 = 45 + 12 = 57(57%)。修复后:80×0.75 + 20×0.30 = 60 + 6 = 66(66%)。效果:+9 个百分点,全部来自把回访者挪进回访率更高的组。前提:示例数据、演示性分解,不是因果估计——假设两组比率不变,投入者是自我选择的。验证靠同一口径比较前后用户群。核心观点的落地:每一环看得见,弱环找得到,效果有一个下个月可核对的数字。
常见误区和伦理边界
| 误区 | 为什么不行 | 怎么改 |
|---|---|---|
| 把模型当增长配方 | 不诊断哪一环弱,就上打卡和推送 | 先把四个比率都测出来,修弱的那一环 |
| 把新鲜感尖峰当习惯 | 上线周的热度会衰减,见应用活跃度 | 连续几批用户群、跟踪几个月的「≥3 天占比」 |
| 把发出的触发当行动 | 用没人看到的消息灌水循环入口率 | 分母 = 被触发的用户;打开者单独报 |
| 把投入 → 回访读成因果 | 投入者是自我选择的;动机强的人既投入也回访 | 标注为相关;用可比的前后用户群比较 |
| 制造强迫性使用 | 榨取注意力却不给价值;用户耗尽后流失 | 测量是为了改进回报,不是为了制造依赖 |
关于最后一行:习惯不等于成瘾。习惯是可以服务于用户的自动化行为——开会前核对数字是有用的;成瘾是即使想停也停不下来、并造成伤害的强迫性使用。Eyal 把制造习惯的技术定位为应当改善用户生活的「超能力」;出版社对《Hooked》的介绍也是做让用户受益、愿意回来的产品。边界:把真实价值交付得更快,不制造强迫——不造假稀缺,不把人为焦虑当内部触发,不做愧疚感机制。
频率上的限制是《Hooked》里的「习惯区」(habit zone):习惯潜力取决于感知效用 × 使用频率。按季度报税的工具,再有用也在频率门槛之下;每日打卡产出的是厌烦,不是习惯。低频产品该追求需求出现那一刻被想起。「如果……就……」规则:如果只有持续推外部触发回访才高,你没有建成习惯——你在租注意力。真钩子的特征是:推送停了,回访还在。
在 TapCub 里怎么看上瘾模型
把上面算例里的循环放进 TapCub 跑一遍,一环一个测量。这正是本文的观点:哪一环在数据里看不到,就不能说这个钩子在起作用。
- 先定义循环里的事件。在全端分析 › 数据管理 › 埋点方案里登记
trigger_sent、trigger_opened、core_action(如project_created)和investment_action(如template_saved),写清触发时机、必填属性、负责人和状态。打开「24 小时实时校验」,先看到每个事件的到达数和必填属性完整度,再相信任何比率。用tapcub.login识别登录用户,循环才按人统计;匿名访客没有档案,也不进分群。 - 触发 → 行动。在全端分析 › 行为分析 › 行为分析里建漏斗
trigger_sent→trigger_opened→core_action:整体 250 ÷ 1,000 = 25%,打开者中 250 ÷ 400 = 62.5%,说明第一个瓶颈在触发。 - 回访。在同一页按周跑留存,起始事件选
core_action:第 1 期是第 1 周行动者的 100 ÷ 250 = 40%。 - 投入的作用。在全端分析 › 用户 › 分群与标签里定义规则分群「做过
investment_action」。分群定义一次,就能作为群组带进留存,比较投入者和未投入者的第 3 周回访(75% 对 30%)不用重建群组。和算例一样,把这个差距标成相关,不是因果。 - 习惯。回到全端分析 › 行为分析 › 行为分析,粘性视图按周统计「这一期活跃了 N 天」的人数和占比,就是第 4 周那张表:活跃 3 天及以上的占 18%。同一页的生命周期把每周的人分成新增 / 留存 / 回流 / 流失;改了触发之后,盯住回流。
边界:TapCub 不做 A/B 测试和特性开关,投入环节的改进要在相继的群组上、用同一套计数口径验证。识别出的机器人单独统计,不会抬高这些比率。
Sources
- Nir Eyal,The Hooked Model: How to Manufacture Desire in 4 Steps,NirAndFar.com,2012-03-04。
- Penguin Random House,Hooked: How to Build Habit-Forming Products,ISBN 9781591847786。
- Lally, P., van Jaarsveld, C. H. M., Potts, H. W. W., & Wardle, J. (2010),How are habits formed: Modelling habit formation in the real world,European Journal of Social Psychology,40(6),998–1009。
- BPS Research Digest,How to form a habit,2010-10-06(Lally 等人研究的 66 天中位数摘要)。
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
