Growth Autopilot 帮助您根据实际表现数据以及市场上同类应用的情况，确定应运行哪些实验。无需猜测哪些方法可能奏效，您将获得更有可能改善结果的具体测试建议。

本文将透明地呈现 Autopilot 的运作逻辑——它使用哪些数据、如何评估机会，以及为何会出现某些建议。我们的目标是帮助您对将其作为增长工作流一部分充满信心。

Autopilot 的实际功能

Autopilot 会分析您的应用和付费墙数据，找出最有可能提升收入的 A/B 测试。它会综合以下维度进行评估：

• 当前配置：定价、试用期、产品以及转化效果
• 市场规律：类似应用的优惠结构及其定价方式
• 增长潜力：哪些调整最有可能带来实质性差异 Autopilot 根据测试的潜在影响力对其进行优先级排序，并将其转化为可立即启动的实验。您将获得一个有针对性的计划，无需研究竞争对手或猜测下一步该测试什么。

Autopilot 背后的数据

每条推荐都基于三个主要数据来源的协同分析。

您应用的自有数据

Autopilot 会分析您应用当前的表现：

• 各付费墙的转化数据图表
• 定价与产品结构

这为 Autopilot 在提出任何改进建议之前提供了一个基准参考。

付费墙分析

Autopilot 会分析您的付费墙截图，并将其设计与您所在类别中表现最佳的应用所采用的成熟模式进行对比。它会评估布局选择、文案、订阅方案说明，以及转化导向元素（如优惠标签或评价区块）。

该分析将生成两类建议：

• 基准推荐，基于表现最佳的应用有何不同之处——每条推荐均附有具体数据支撑（例如，“72% 的顶级教育类应用采用此做法”）。
• 视觉分析推荐，由 AI 根据您的截图生成，涵盖文案改进、布局调整及其他设计优化建议。

这些推荐将直接输入您的增长计划，作为 A/B 测试轮次。

竞品数据

Autopilot 会利用定价、订阅结构以及同类产品中的常见规律等公开信息，将您的配置与市场上的同类应用进行比较。由于竞争对手的定价和结构因市场而异，这些比较是针对特定国家/地区的。相关数据来源于第三方和公开渠道，而非其他 Adapty 客户的私密数据。 通过这种方式，您测试的是已在同类应用中被证实有效的策略，而非随机想法。当您查看分析结果时，可以将自己的基准数据与竞品价格进行并排比较。如果同类应用采用不同的定价或结构后表现更好，这就是一个有力信号，说明同样的方法也可能适用于您的应用。

行业基准

Autopilot 还使用类别级别数据，展示您在特定国家/地区内与行业平均水平的对比。这些数据经过匿名化处理，并从 Adapty 自身的数据图表中聚合而来，不与特定应用绑定。

例如，您的转化漏斗可能会与您所在类别和国家/地区的应用平均水平进行对比。这有助于您了解自己是表现不佳、大致持平，还是已经领先于平均水平。

地理市场数据

Autopilot 会分析各个地区市场，找出通过区域定价调整可以释放更多收入的机会。对于每个国家/地区，它会评估以下指标：

• 转化率：安装到付费的转化率与全球平均水平的对比。转化率较高可能意味着有提价空间；转化率较低则可能表明用户对价格较为敏感。
• 价格指数：该国家/地区在 Adapty 定价指数 中的位置，反映其居民的购买力水平。 您可以根据增长计划中的地区定价建议创建 A/B 测试，从而落实这些推荐方案。

Autopilot 如何决定推荐内容

Autopilot 会生成一批建议，帮助你提升付费墙转化率。这些建议设计为逐一测试，以便可靠地衡量每项变更的影响。

以下是 Autopilot 生成建议的方式：

1. 找出最大的改进空间

   Autopilot 会分析你的定价、产品和漏斗表现，并与行业规律及同类应用进行对比。它会找出你最有机会提升的地方，无论是调整价格、添加试用期，还是改变优惠结构。

2. 选择下一个实验

   每条建议都是测试序列的一部分。你可以测试新产品、价格点、试用配置或设计变更，具体取决于哪些因素最可能带来最大影响。

3. 进行冠军与挑战者轮次

   每次实验结束后，获胜者将成为新的基准。下一条建议将以该结果为基础，引入新的挑战者。每一轮都让你离应用的最优配置更近一步。

4. 保持实用性 Autopilot 只会推荐那些基于你现有产品和配置就能启动的测试，或者只需少量改动（比如新建产品或调整价格）即可运行的测试。目标是让测试保持高效、易于管理。

5. 展示推理依据

   针对每条建议，Autopilot 都会提供清晰的假设说明，解释为什么这个测试值得运行。你可以看到当前数据图表与竞品及行业平均水平的对比、潜在机会点，以及我们预期会改善的关键数据图表。 这将实验转化为一个可重复的过程，每次测试都让您学到一些东西，并推动您向更有效的付费墙迈进。

完成实验后会发生什么

一旦您完成所有推荐实验并看到收入增长，您的工作并未结束。在新设置运行一段时间后，您可以重新运行分析并开始新一轮实验。在优化了基准之后，您甚至可以选择与更高级别的竞争对手竞争。这种迭代方法帮助您随着应用的成长和市场的演变持续最大化收入。