硅谷增長黑客實戰筆記

非常棒的一本關於增長黑客的落地工具書，對於2C的客戶，可以直接抄作業，立即落地實戰。 這本書對我最大的啓示在於以下幾點。 ①用一個數學公式來描述自己的生意。這種高級思維決定了一項業務的本質，如果我們不能理解到這一層，那麼說明我們並不掌握這個生意的核心競爭力。 ②任何增長背後都必須有一個北極星指標，用於區別與其他虛榮性指標。而增長需要繞着這個北極星指標推進，以確保團隊成員統一行動。 ③增長實驗是個試錯的過程，團隊必須容忍失敗，容忍更多的失敗，容忍連續失敗，這需要戰略定力。 ④增長黑客是一種演繹法邏輯的產物。先假設再驗證，然後實施。而假設必須建立在理性邏輯分析之上，假設的質量決定了試錯的週期和成本。 ⑤增長黑客不同於市場運營和產品研發，他介於產品經理和市場經理中間，是一個跨界的物種。 ⑥所有的增長黑客必須有權力調動資源，確保整個增長過程得以順利推進 ，而任何增長都需要時間去沉澱。 …… 好工具書，配合《增長黑客》一起閱讀，應該會更有收穫。創業者和產品經理必讀。

前一週，我剛讀完《增長黑客》，獲取、激活、留存、變現、推薦還在腦子裏排着隊。緊接着又翻開曲卉的《硅谷增長黑客實戰筆記》，這是我最近讀的第三本增長書。 讀書的時候，我一度覺得增長之道、增長之術已經七七八八了。北極星指標知道，AARRR 熟悉，啊哈時刻也能解釋，A/B 測試更不用說。結果這本書還沒讀完，我的第一個增長需求就來了。理論學習立刻被增長實戰打斷。 真做起來，腦子裏沒有什麼海盜模型，只有一連串問題：這是什麼？那個配置在哪裏？爲什麼環境走不通？誰能告訴我上游到底返回什麼？這個頁面爲什麼臨時才定交互？ 寫這篇筆記是在週末，第一個需求終於上線。準確地說，只上線了一半，原本該配套的分流實驗還沒跟上，下週得繼續折騰。 所以這本書讀得很應景。曲卉寫的是怎樣把增長做成一套科學、穩定、可複用的工作機制，我剛經歷的卻是一個小需求怎樣靠倒排工期、臨時協調和加班硬推上線。書裏是“開發—衡量—學習”，現實先給我上了一課：開發就夠人喝一壺了。 第三個老師，還是沒有銀彈曲卉確實在 GrowthHackers.com 做過增長，與 Sean Ellis 一起工作，後來又去 Acorns 負責市場和實驗。用江湖話說，她算得上增長黑客的嫡傳；用普通職場語言說，她不是坐在旁邊研究案例，而是真的在增長團隊裏背過指標、跑過實驗、搭過流程。 這使《硅谷增長黑客實戰筆記》和《增長黑客》有一點微妙的區別。《增長黑客》更像總綱，告訴我增長團隊是什麼、爲什麼要高速實驗、怎樣覆蓋用戶生命週期；曲卉這本則更像一名中國從業者在硅谷上完班以後，回來把會議怎麼開、模型怎麼搭、實驗怎麼排、團隊怎麼組，一樣樣拆給我看。 但她從 Sean Ellis 那裏學到的最重要一課，恰恰不是某個神奇招數，而是增長沒有萬能藥。連提出“增長黑客”概念的人，遇到具體問題時也只能問：“你的假設是什麼？合理的話，就試試看。” 這句話讓我舒服。專家不負責掐指一算給出答案，專家只是比別人更會提出問題、設計驗證、從結果裏學習。 書裏還有一句：“任何事情都是一個實驗，通過它，你或者實現增長，或者學到經驗。”聽起來很鼓舞人，真正成立卻有前提。實驗必須知道自己在驗證什麼，數據要可信，失敗之後要能留下認識。如果上線前沒有假設，上線時沒有完整分流，上線後也沒有統一指標，那就算忙了一週，也不一定能叫實驗。 最多算把功能發出去了。 我的第一場增長實戰，被一個小需求打懵了需求本身很小：在一個成熟產品的流程結束頁，面向特定用戶展示一項後續可用的權益，希望他們以後再次回來。方案裏還要區分不同人羣和領取方式，觀察哪種設計效果更好。聽起來不復雜，甚至有點像增長書裏的標準練習題。 問題是上線時間先定了，方案和排期還在後面追。 臨近週末完成評審，下週就要交付。產品剛講完需求，第一句不是實驗假設和指標口徑，而是問研發週末能不能支持。我當時就覺得離譜，可需求不會因爲我覺得離譜就自動消失，只能開始往前拱。 第一步是寫系統設計。我讓 AI 幫忙，結果我不太懂新鏈路，AI 也不懂新系統。兩邊半斤八兩，它特別努力地給我生成了一萬多字：背景、原則、擴展性、異常處理，看上去很完整，真正關鍵的調用流程反而沒寫多少。 一萬多字，沒什麼用。 最後還是去讀現有頁面和上下游代碼，抱着上游負責同事的大腿，才把流程勉強串起來。這件事挺諷刺。增長講究找到最關鍵的變量，我寫設計文檔時卻沒有先找到最關鍵的鏈路；增長講究小成本驗證，我卻讓 AI 在錯誤理解上高速擴寫。它確實提高了產出速度，只是產出的主要是廢話。 接着寫代碼，我又走到了另一個極端。 舊實現一路平鋪，針對每次活動直接定製，沒太多封裝，看上去很像用完就扔的一次性代碼。我本能地不舒服：這些流程明明有相似之處，是不是可以抽象？是不是應該套一個設計模式？以後再做同類需求，不就能直接複用了嗎？ 於是一頓操作猛如虎。我給 AI 寫了幾千字提示詞，討論接口、策略、工廠、擴展點，最後把一個簡單流程做成了幾千行代碼。結構看起來豐富了，我自己卻越來越不確定每一層爲什麼存在。 增長工程裏的代碼到底該薄一點，還是厚一點？這次把我問住了。 完全不封裝，重複需求一來就複製粘貼，系統遲早變成垃圾場；可一個假設還沒驗證，就提前爲未來五種變化設計框架，也是在給不確定性修宮殿。實驗代碼可以簡單，但應該隔離清楚、容易下線、出了問題能快速回滾。真正確認會長期存在的公共能力，再投入時間抽象。不是所有一次性代碼都草率，也不是所有設計模式都高級。 我這次的問題，不是“愛思考”錯了，而是在業務都沒搞懂時就開始抽象。抽象應該從幾次真實重複里長出來，不該從 AI 提示詞裏憑空長出來。 預發、聯調、灰度：書裏沒有畫出的那一半代碼寫完以後，事情纔剛開始。 新的業務鏈路在線下環境沒法完整驗證，只能部署到預發。每次改一點問題，都要重新走一遍部署，少說半個小時。第一次上去以後流程沒通，繼續查才發現，活動命中、人羣准入和相關配置都沒準備完整。開發以爲自己在調接口，實際還得順着運營平臺把活動怎麼配、用戶爲什麼命中不了一起摸清楚。 那幾天我還在出差。白天開會，晚上聯調，同事約宵夜也沒喫上。第二天折騰到十一點多，總算把主流程走通，趕緊提測。 留給測試的時間只剩一天。測試發現問題，改完又要上預發；上完再驗，驗完又冒出新的配置問題。後來準備灰度時，發佈資源還和別的迭代撞在一起，只能排隊等。真正灰度出去時已經接近凌晨。 第二天繼續驗收，又發現產品和運營缺少合適的驗證條件，只能等測試同學騰出時間。主流程看着通了，真正使用權益的後半段還沒驗；等後半段跑起來，又發現活動配置本身有問題。 到週末，需求總算發完。我腦子裏只剩四個字：草臺班子。 運營在臨時補配置，產品在臨時補交互，研發在臨時補鏈路。我自己也沒資格站在旁邊笑，畢竟我剛把一個簡單需求過度設計成幾千行代碼。大家都在努力，只是努力主要花在填前面沒對齊的坑上。 最尷尬的是，原計劃裏的分流實驗還沒有真正上線。沒有完整分流，就很難回答哪種方式更有效；觀察窗口被壓縮，數據結論也更容易失真。這一週完成的是交付，不是閉環。可增長最容易把“功能上線”“活動開始”“數據能看”混成一件事，彷彿只要頁面出現了，實驗就已經成立。 書裏反覆強調實驗流程，這次經歷讓我知道，流程並不是多填幾張模板。真正的實驗紀律，應該在立項時就說清楚：假設是什麼，面向誰，實驗組和對照組怎樣分，主指標是什麼，護欄指標是什麼，要觀察多久，哪些異常會讓實驗提前停止。少一樣，後面都可能靠加班補；有些東西加班也補不回來。 AI 能加速，也能高速跑偏這次還有一個意外收穫：我更清楚 AI 適合在項目裏做什麼，不適合做什麼了。 它很擅長把一個模糊主題擴寫成一份看起來完整的材料。我說要系統設計，它就給我背景、目標、原則、模塊、異常、擴展性和風險，章節一個不少。問題是，它沒有充分理解內部接口真正長什麼樣，不知道哪個配置只能在特定環境驗證，也不知道老系統裏那些不寫在文檔裏的約定。上下文一旦缺失，它不會停下來替我找知情同事，只會用通用經驗把空白填滿。 文字越完整，我反而越容易產生一種“已經想清楚”的錯覺。 增長實驗也有同樣的風險。把一份活動數據丟給 AI，它很快能總結出轉化提升、用戶偏好和下一步建議。如果分流有問題、口徑不一致、同期還有其他活動，它照樣能講出一個通順故事。AI 最強的能力之一就是解釋，而增長最需要防範的恰恰是對隨機波動的過度解釋。 以後再讓 AI 幫我寫設計，我應該先給它經過確認的事實：關鍵接口、真實數據結構、調用時序、環境限制和驗收標準——核心前提是人要懂。沒確認的地方明確標成問題，不讓它自由補齊。它可以幫我整理檢查清單、找遺漏、生成測試用例、解釋陌生代碼，甚至先搭一個簡單骨架；架構邊界和業務判斷仍然得由我負責。 提示詞寫得長，不代表問題理解得深。我這次寫了幾千字提示詞，最後得到幾千行過度設計的代碼，某種程度上也是一次增長實驗：假設“描述得越多，AI 越能做對”，結果並不成立。下一輪該改變的不是繼續加長提示詞，而是先縮小問題，把真實鏈路搞明白，再讓 AI 處理邊界清楚的部分。 AI 能把我跑得更快。至於方向對不對，它不負責。 道：增長固然好，留存纔是永恆曲卉很喜歡一句話：“Growth is good, but retention is forever.”增長固然好，留存纔是永恆。 這和我前面讀的兩本書能夠接成一條線。《增長黑客》強調好產品是增長的根本，《我在一線做用戶增長》把產品比作前面的“1”、增長比作後面的“0”，曲卉則直接把留存放到增長的核心位置。說法不同，底層判斷一致：用戶來了以後得持續得到價值，否則越會拉人，漏得越快。 BranchOut 是書裏的典型反例。它藉助 Facebook 的關係鏈迅速獲得大量用戶，一度看上去要挑戰 LinkedIn，但產品本身沒有給用戶足夠強的職業價值。增長機制把人帶進來，卻沒給出留下來的理由。增長越猛，反而越快暴露產品的空心。 國內也有相似故事。有些產品靠看內容給金幣、簽到獎勵和拉人返現迅速做大，用戶表面上很活躍，實際是在做任務，不是在消費內容。補貼一停，行爲也跟着停。把這類產品簡單概括成“完全沒有用戶價值”有點過頭，畢竟真有人需要低門檻娛樂和小額激勵；問題在於，它提供的核心價值如果主要來自補貼，平臺就很難擺脫持續花錢購買時長。 補貼可以是點火器，不能永遠冒充燃料。 這也讓我重新看待剛上線的第一個需求。一次權益投放當然可能把數據抬起來，也可能讓一些用戶再次使用，但短期參與不等於留存。留存得回到關鍵行爲：過了一段合適的時間，用戶是否仍在用產品解決原來的問題？如果獎勵停掉，行爲還剩多少？如果下一次仍要靠更大的權益才能把人叫回來，那可能只是把營銷做成了連續劇。 更麻煩的是，不同產品對“回來”的定義不一樣。社交產品也許按天看，訂閱服務可能按月看，低頻交易甚至幾個月纔有一次真實需求。把登錄當成統一的留存標準最省事，也最容易誤判。用戶沒有打開應用，卻持續通過某項自動能力獲得價值，仍然可以算留存；用戶天天來領積分，卻從不使用核心功能，也未必真的留下。 所以留存不是讓用戶一直待在 App 裏，而是核心價值能不能持續發生。 法：北極星不是全公司每天拜一個數這本書的“法”，我會歸成三件事：北極星指標確定方向，增長模型拆出槓桿，實驗循環把猜測變成認識。 北極星指標最吸引人的地方，是它逼公司回答一個難題：我們到底用什麼數字代表用戶獲得了價值？ 書裏拿 MySpace 和 Facebook 對比。MySpace 更關注累計註冊，Facebook 更看活躍用戶。這個對比不能證明一個指標直接殺死了 MySpace，也不能把 Facebook 的成功全算在月活頭上。產品、技術、競爭和組織都在起作用。但指標會把管理層真正重視的東西暴露出來：看累計註冊，團隊容易不斷往漏斗口灌水；看活躍，至少會繼續追問用戶來了以後有沒有使用。 不過，北極星也不是“全公司只許看一個數”。一個好的北極星代表用戶價值，還要能夠預測長期商業結果；它下面必須有可以行動的輸入指標，旁邊也要有成本、風險和體驗等護欄。只盯一個總數，很容易讓團隊用任何方法把它做大。 北極星指標和 OMTM 也不用硬揉成一個概念。北極星相對穩定，描述產品長期要創造的核心價值；“當前唯一重要指標”更像某個階段最需要突破的問題，會隨着瓶頸變化。北極星是方向，階段指標是眼前這段路最該修的坑。 成熟平臺爲什麼也會有活躍焦慮？因爲今天的競爭早就不只發生在同一類產品之間。一個高頻入口積累了注意力和關係鏈，就可能不斷進入交易、內容、本地服務甚至更多低頻領域。原本低頻的產品突然發現，對手每天都能見到用戶，自己只有用戶有事時才被想起，當然會緊張。 但緊張不代表 DAU 天然正確。對一個幫助用戶快速完成任務的產品，日活可能是業務規模的結果，卻未必完整代表用戶價值。爲了活躍硬加簽到、內容流和紅點，數字可能上去了，核心體驗卻更吵。北極星的意義正是在這裏：活躍到底是用戶得到價值的證據，還是團隊缺少安全感的止疼藥？ 這個問題我作爲增長新人還答不了，但至少知道不能向指標下跪。 增長模型：先把大詞拆成能動的變量北極星指出方向，增長模型負責把它拆開。 電商銷售額可以拆成流量、註冊率、首購率、復購率和客單價；一個內容產品的活躍，也可以拆成新增用戶、激活比例、已有用戶留存和流失用戶喚回。模型不一定非要長得像數學論文，它的作用是把“增長不好”變成幾個可以討論的問題：到底是人沒來，來了沒體驗價值，體驗過卻沒回來，還是回來了但頻次太低？ 以前在一家電商創業公司時，我見過老闆每天看的漏斗。獲客成本高得驚人，第一單的收入根本覆蓋不了拉新成本，只能指望復購。那時我不熟悉 LTV 和 CAC 這些字母，卻知道賬算不過來：用戶如果只買一次，公司越拉新越虧。 創業公司又很難完全按成熟生意的方式算賬。不增長，就沒有故事，沒有下一輪；只顧增長，單位經濟又可能越來越差。LTV 大於 CAC 是一條很重要的長期約束，卻不是說所有早期投入都必須立刻賺錢。關鍵是團隊知不知道自己在賭什麼、何時驗證、虧損能不能換來更高的長期價值，而不是拿“規模優先”替所有壞賬開脫。 增長模型還有一個更實際的價值：幫助團隊不打開所有門。《怪誕行爲學》裏的多重門實驗已經提醒過我，人爲了保住所有選擇，會在幾扇門之間來回跑，最後反而得分更低。增長可以做的事情太多，今天想優化落地頁，明天想發券，後天想改 Push，再聽說競品做了裂變，趕緊也插一個。沒有模型，實驗庫越大，團隊可能越忙亂。 曲卉把增長作戰計劃比作方向標、路線圖、儀表盤和用戶心理地圖。我覺得這個比喻好用。北極星告訴我往哪走，增長模型標出路徑，數據看板告訴我走到了哪裏，用戶研究則解釋爲什麼這段路總有人掉下去。 A/B 測試，不是把用戶一分爲二就結束增長書裏一說實驗，最容易想到 A/B 測試：一部分用戶看方案 A，另一部分看方案 B，比較指標，誰好就上誰。流程簡單得像初中數學，我第一次真碰到才發現，最難的並不是最後那張結果表。 首先要定義誰真正進入了實驗。按用戶身份提前分組，和用戶打開頁面以後纔算曝光，口徑不同。有人被分到實驗組，卻一直沒有進入對應場景；如果直接把他們也算進去，效果會被稀釋。只分析已經曝光的人，又可能引入新的偏差，因爲能走到那一步的用戶本來就更活躍。 然後是分流本身。兩組應該儘量隨機、穩定、互斥，同一個用戶不能今天看 A、明天看 B。還要檢查實際人數是否明顯偏離預期。看起來只是一個簡單的對半分，背後其實依賴統一的身份、可靠的分流服務和不被其他活動污染的實驗空間。 指標也不能臨時挑。一個頁面的點擊率提高了，後續關鍵行爲未必增加；領取更多，實際使用可能不變；短期活躍上升，也可能伴隨成本、投訴或打擾增加。主指標回答實驗想改善什麼，護欄指標負責提醒團隊別爲了一個數字傷害別的東西。最好在看到結果之前就定好，否則數據出來以後，人很容易挑那個最好看的講。 觀察時間同樣關鍵。有些活動第一天靠新鮮感衝得很高，幾天後就回落；有些權益要到下一次真實需求出現時纔會被使用。項目日期可以倒排，用戶行爲卻不會配合彙報日程。樣本不夠、週期沒走完就急着下結論，統計顯著也救不了錯誤的問題定義。 還有很多場景根本不適合 A/B。強監管、高風險、低流量，或者改動會產生強網絡效應時，隨機分流可能不可行。團隊仍然可以用灰度、同期羣、前後對照和定性研究獲得證據，只是對因果結論要更剋制。 我第一個需求原本就包含兩種觸達方式的比較，可功能先上線，完整分流留到了後面。這讓我很難把它稱爲一次完整實驗。頁面發出去是產出，用戶行爲發生變化纔是結果；兩種方案有了可比較的證據，團隊才真正學到東西。 A/B 平臺可以一鍵分流，卻不會替我們把這些問題想清楚。 總量數據是垃圾，只有下鑽還不夠書裏有句話：“所有的總和數據都是垃圾，要麼分組來看，要麼不如去死。”話當然說得誇張，意思卻對。平均值經常把完全不同的人揉在一起。 以前做老產品體驗優化時，我會把用戶問題按來源、訴求、年齡、場景和行爲繼續往下拆。總量上只看見“失敗”或“求助”，拆開以後才知道，有些問題集中在特定入口，有些與用戶不熟悉規則有關，還有些其實不是系統失敗，而是產品沒有阻止用戶犯一個常見錯誤。 分組之後纔有策略。新人和老用戶不一樣，偶爾使用和高頻使用不一樣，主動尋找功能和被活動吸引進來的人也不一樣。同樣一張券，對價格敏感用戶是動力，對原本就會來的用戶可能只是白送成本。 但下鑽不是把維度越切越細就一定更接近真相。樣本切得太碎，波動會變大，很容易從噪聲裏看出一個故事。團隊如果先有結論，再不停切分，總能找到一個支持自己的小羣體。分羣應該來自業務假設，也要有足夠樣本，並在新的數據或實驗裏驗證。 定量數據之外，還得做那件很苦的事：看用戶原聲。 以前爲了理解用戶爲什麼求助，我看過大量用戶和客服的對話。用戶當時在做什麼，情緒是什麼，已經嘗試了哪些辦法，真正想解決什麼，這些信息很難從一張漏斗圖裏長出來。數據告訴我哪兒不對，原聲讓我看見“爲什麼可能不對”。 曲卉說增長團隊的高境界，是站到用戶第一人稱視角，做用戶的“貼身帶刀護衛”。這句話有點武俠味，我喜歡。增長不是坐在報表後面研究怎樣讓一羣數字多點一下，而是理解一個活生生的人爲什麼願意繼續，爲什麼嫌麻煩，爲什麼覺得不值。 術：AARRR 是地圖，不是五個部門AARRR 對我已經是老熟人了。獲取、激活、留存、推薦和變現，把用戶從第一次聽說產品，到持續使用、付費和願意介紹給別人，放進同一張生命週期地圖。 它最大的價值不是背五個英文單詞，而是防止團隊只盯漏斗的一小截。投放團隊可能認爲下載就是成功，產品團隊覺得註冊完成就算交付，運營關心活動參與，商業團隊只看收入。AARRR 把這些動作串起來：拉來的人有沒有體驗價值，體驗以後有沒有留下，留下以後有沒有產生足夠價值，願不願意讓關係鏈繼續放大。 每一環也不是一個固定部門。產品改一處流程可能同時影響激活和留存，客服體驗可能影響留存和推薦，價格策略會同時改變變現和用戶質量。真把 AARRR 畫成五個互不相干的框，最後還是會長出五堵部門牆。 獲取：便宜流量未必便宜 獲取階段最樸素的約束還是 LTV 和 CAC。用戶一生帶來的價值，長期要覆蓋獲取成本。付費廣告最容易量化，也最容易燒錢；搜索、內容、合作、推薦和產品自傳播各有自己的天花板。 移動互聯網對搜索引擎並不完全開放，很多 App 內容藏在圍牆裏；推薦雖然看起來免費，實際會消耗用戶的社交信用。用戶願意把產品發給朋友，通常是因爲產品真的好、分享本身有意義，或者獎勵足夠有吸引力。正面口碑本來就比吐槽更難傳播，產品沒做好時，指望用戶自發推薦有點一廂情願。 書裏用 K 因子衡量一個老用戶平均能帶來多少新用戶，這有助於拆解邀請機會、發出數量、接受比例和註冊轉化。但 K 大於 1 的漂亮算式，不等於現實一定會指數增長。人羣會飽和，重複觸達會變煩，渠道會限制，後續用戶質量也會變化。把某次裂變的邀請數和轉化率隨手一乘，再滾六輪畫出千萬用戶，數學很興奮，現實一般不會這麼配合。 推薦獎勵最好貼着核心價值。打車產品送乘車券，協作工具送空間或席位，都能讓新老用戶繼續使用產品；直接給現金傳播快，卻可能吸來一批只爲獎勵的人。獎勵不是越大越好，得看它最終把用戶送到了哪裏。 激活：不是註冊完成，是第一次真的覺得有用 激活是我現在最關心的一環。 新用戶給產品的耐心很短。他下載、打開、註冊，不代表已經理解產品。激活發生在用戶第一次真正得到核心價值時，大家習慣把那一刻叫“啊哈時刻”。Dropbox 可能是上傳並在另一臺設備看到文件，內容產品可能是連續遇到幾條合胃口的信息，社交產品可能是收到重要聯繫人的回應。 這些例子只能幫助理解，不能直接拿來當結論。某個行爲和長期留存高度相關，不代表它必然造成留存。也許本來就更有興趣的人，才更容易完成那個行爲。數據先幫團隊縮小範圍，用戶調研和實驗再繼續確認。 福格把行爲發生的條件概括成 B=MAP：動機、能力和提示要在同一時刻碰到一起。用戶很想做一件事，哪怕流程難一點也可能硬着頭皮完成；動機不強時，多一個字段、多一次跳轉都足以把人勸退。某些稀缺服務的網站體驗再差，用戶照樣守着時間搶，因爲動機已經高到能跨過摩擦。 可大多數產品沒有這種待遇。產品更能控制的是能力和提示：把動作做簡單，在合適時機提醒，讓用戶知道下一步爲什麼值得做。新用戶引導不是給界面配一本說明書，更不是一次塞給用戶八個任務。讓用戶儘快親手完成一個關鍵行爲，比在旁邊講五分鐘功能介紹更有效。 當然，去摩擦也不是把所有門檻刪光。有些設置能幫助產品理解用戶，有些確認能防止高風險錯誤，有些投入會形成承諾。問題不在步驟數量，而在用戶能不能看見回報。沒有價值的步驟叫摩擦，有價值而且時機合適的步驟叫準備。 留存：用戶可能按自己的方式留下 留存要先定義關鍵行爲，再選擇合適的觀察週期。只看登錄很危險，因爲登錄不一定代表價值，沒登錄也不一定沒有使用。 以前做過一個工具類產品，原本想幫助多人處理某類共同活動，後來發現有一小羣用戶把它當成私人記錄本。一個人建一個活動，只導入自己的記錄，也不走產品最初設計的收尾流程。他們明顯偏離了我們想象的標準路徑，卻可能真的從產品裏獲得了價值。 這類用戶該算錯誤用法，還是意外找到的新場景？不能只憑團隊原始設想決定。如果他們留下得更久、使用穩定、也願意付出成本，也許產品應該認真研究；如果只是因爲某個臨時便利，之後大批流失，那就不是第二增長曲線，只是一段數據噪聲。 YouTube 的觀看者、評論者和創作者，動機和留存機制完全不同。沉默用戶不一定沒有價值，超級用戶也不是簡單地多發幾條 Push 就能培養出來。用戶分羣不是爲了把報表做得更花，而是承認不同人留在產品裏的理由不一樣。 參與度也不能代替留存。一場短期營銷能讓用戶多點幾次、多完成幾項任務，卻不代表下個月還會回來。有些增長活動天然就是一次性產品：活動結束，頁面下線，代碼丟掉，用戶關係也隨之結束。它們可以創造短期收益，但如果團隊把每一輪峯值都叫長期增長，最後只會不斷尋找下一個峯值。 一次性活動，到底留下了什麼我對增長團隊的一次性代碼很敏感，背後其實是對一次性活動也有疑問。 一個活動只運行一週，不代表沒有價值。它可能幫助團隊驗證用戶對某種權益有沒有興趣，找到更有效的表達，喚醒一批本來快要流失的人，或者在關鍵節點完成明確的業務目標。運營本來就需要製造階段性事件，不能因爲它不永久存在，就說它不是增長。 問題是活動結束以後，究竟留下了什麼。 最差的情況是隻留下一張戰報：曝光多少、領取多少、峯值多高。頁面下了，代碼還躺在主流程裏；爲什麼某類用戶反應更好沒人繼續研究，下次活動又從頭拉羣、重新接接口。團隊做了很多次“一次性產品”，組織卻沒有多長一點能力。 稍好一點的情況，是留下可複用的組件和平臺能力。分流、人羣、觸達、獎勵、使用驗證和數據看板越來越成熟，下一次實驗能更便宜地啓動。但只留下平臺也不夠。工具複用了，錯誤假設同樣可能被高效複用。 真正應該積累的還有用戶認識。什麼場景下用戶有動力，哪種表達容易理解，哪類權益會帶來真實使用，什麼人本來就會來、不值得額外補貼，活動停止後行爲能保留多少。這些結論進入實驗庫，下一輪纔不是重新猜一次。 所以增長和普通運營的邊界沒有一刀切。短期活動也能服務長期增長，前提是它被放進連續的學習過程；週期性營銷也不自動等於用戶習慣，重複發券可能只培養出等券的習慣。功能是不是一次性的，不如問知識和能力有沒有留下。 從這個角度看，我的第一個需求至少還沒結束。真正有價值的部分，不是週末終於上線，而是後面的分流結果能不能回答問題，以及這次踩過的環境、配置和協作坑，下一次還會不會原樣再來。 變現和推薦：別把用戶價值榨成短期數據 用戶願意付費，是因爲已經感到值得。錨定、免費、損失厭惡和誘餌選項都可能影響決策，《怪誕行爲學》講過很多，但這些方法不能替產品製造價值。首購做得很高，退款、投訴和流失一樣會在後面出現。 習慣產品也常利用“用得越多，積累越多；離開以後，損失越大”的機制。微信裏的關係鏈、創作平臺裏的作品和粉絲、工具裏的歷史數據，都提高了遷移成本。這裏當然有損失厭惡，但更直接的是用戶已經在產品裏積累了真實資產和網絡價值。 這種黏性有好壞之分。用戶因爲持續獲得價值而捨不得走，是產品護城河；故意把導出、取消和遷移做得很難，只是把用戶鎖在裏面。增長可以設計習慣，不能把退出自由一起設計掉。 器：模板比工具名耐用，判斷比模板重要這本書真正像“實戰筆記”的地方，是給了很多可以直接拿去討論的模板：北極星清單、增長模型、關鍵行爲漏斗、實驗記錄、留存分析、渠道篩選、用戶心理地圖，還有增長團隊的會議流程。 相比列一串軟件名字，我更喜歡這種工具箱。軟件會關停、改名、被收購，模板背後的問題卻很穩定：目標是什麼，用戶是誰，哪一步掉得最多，爲什麼相信這個方案，怎樣知道它成功，失敗以後留下什麼。 ICE 是最常見的實驗排序方法之一：Impact、Confidence、Ease，也就是影響、信心和測試的容易程度。Ease 越高，意味着越快、越便宜、越容易驗證。三個維度組合起來，幫助團隊先做更可能產生價值、證據相對充分、成本又可控的實驗。 它不是精密公式。影響力和信心都帶着主觀判斷，大家完全可能給自己喜歡的項目打高分。ICE 的價值更多是把爭論擺到桌面上：你憑什麼覺得影響大？信心來自數據、用戶反饋，還是老闆剛說過？所謂容易，是開發兩天，還是整個鏈路都已具備驗證條件？ 拿我的第一個需求來打分，頁面改動也許很小，表面上 Ease 很高；可把環境、活動配置、人羣准入、驗證條件和上下游聯調算進去，它根本不輕。只按代碼量估算成本，是這類跨系統需求最容易踩的坑。 實驗報告也不該只記錄成功案例。數據好但不知道爲什麼，和數據差一樣可怕；不知道原因就不能複製，甚至可能只是埋點、口徑或外部事件造成的波動。實驗庫真正有價值的部分，往往是那些“我們原來以爲會怎樣，結果爲什麼沒發生”的記錄。 工具箱最終要變成組織記憶。否則換一個人、換一輪活動，大家還是從頭找配置、問接口、踩同樣的環境坑。 增長工程師：不是接單，也不是炫技增長工程師的位置有點尷尬。 增長實驗通常小、快，很多代碼驗證完就會下線。對追求技術深度的工程師來說，這些工作容易顯得薄：改文案、接分流、配人羣、加一個領取邏輯，做完可能沒有宏偉架構，也很難寫進技術分享。 書裏認爲，適合增長團隊的工程師要認同實驗價值，願意看見工作對用戶和業務的影響。我認同，但不能把它翻譯成“工程師要接受一次性代碼和無盡加班”。快速實驗仍然需要基本工程紀律：邊界清楚、風險可控、埋點完整、能夠回滾、實驗結束後及時清理。 工程師也不該只在需求末端接單。一個想法如果需要改十個系統，研發最早知道它並不“輕”；一個看起來要做完整功能的假設，也許用配置、假入口或人工流程就能先驗證。讓研發參與假設和實驗設計，價值不只是提高積極性，而是幫助團隊找到更便宜的證據。 我的第一個需求裏，真正浪費時間的地方很多都發生在寫代碼之前：目標日期和方案不匹配，鏈路知識沒有提前補齊，測試環境受限，運營配置與開發節奏脫節。最後大家看到的卻是“研發怎麼還沒發”。如果增長團隊只強調結果，不把這些系統性成本放進覆盤，下一次還會繼續用人肉填坑。 一次性代碼和平臺建設之間也需要一條線。穩定重複的分流、人羣、觸達、獎勵和指標能力，應該沉澱到平臺；具體實驗的文案、規則和頁面可以保持輕量。平臺不該追求把未來所有活動都配置出來，那會變成另一個複雜怪獸；實驗代碼也不能無限堆在主流程裏，最後沒人敢刪。 這條線我現在還劃不好。至少經過這一次，我知道先問使用壽命、重複概率和失敗後的處理方式，再決定寫平鋪邏輯還是抽象框架。不能因爲前人代碼薄，就先入爲主地覺得別人沒水平；也不能拿“實驗反正會扔”給所有技術債找藉口。 增長需要高層支持，也可能變成權力遊戲三本增長書都強調高層支持，這不是偶然。 增長天然跨產品、運營、研發、數據和市場。沒有足夠授權，實驗一碰到資源衝突就會停下來；每個團隊都說增長重要，真要排期時還是先保自己的 KPI。高層參與能夠打破部門牆，給增長團隊爭取資源，也讓北極星不只是牆上的口號。 可高層支持有另一面。 當一位很高層的負責人直接盯增長，活動日期和優先級很容易變成自上而下的命令。項目裏最有力量的話，不再是“數據表明這個假設值得驗證”，而是“上面已經看過了，明天就要”。這句話可以瞬間結束所有排期討論，也可以瞬間把風險推到執行團隊。 有權力不等於有增長文化。真正的高層支持，應該保護實驗紀律，允許合理失敗，幫助團隊清理跨部門障礙；如果高層只負責定日期、看戰報，下面負責加班和解釋，那增長就從科學實驗變成了權力遊戲。 我剛進這個方向，對團隊還談不上樂觀。第一個需求的節奏讓我覺得不健康：日期先於方案，彙報先於驗證，分流實驗反而可以晚一點。快速迭代沒錯，但“快”應該來自目標聚焦、平臺成熟和協作順暢，不該主要來自週末加班和凌晨灰度。 書裏建議增長團隊先拿小勝，再主動宣傳成果，爭取信任。這確實現實。新團隊如果長期拿不出結果，很難繼續獲得資源。不過“小勝即慶”也要慶對東西。除了指標上漲，還應該慶祝一次高質量的失敗、一個被複用的實驗能力、一處以後不用再踩的環境坑。只宣傳好消息，實驗庫很快就會變成喜報庫。 增長團隊經常失敗，士氣必須維護；可士氣不能靠隱瞞失敗維護。最健康的狀態應該是：成功能解釋，失敗有收穫，工作節奏能長期持續。 例：案例不是答案，是已經發生過的一組條件這本書裏有很多好案例。Acorns 改一句文案，讓用戶更容易理解每週小額投入；Pinterest 從搜索和推薦裏尋找留存槓桿；Keep 在運動結束的高興時刻邀請分享；Flickr 和 Instagram 展現了相似領域裏的不同增長軌跡；Twitter 則長期被新用戶不知道關注誰、進來以後看什麼的問題困擾。 案例好看，是因爲作者已經替讀者刪掉了大量現場噪音。我們看到的是假設、動作和結果，真實項目裏還會有排期、歷史代碼、環境、配置、合規、跨團隊接口和突然變化的交互。我的第一個需求已經充分證明，書上一句話，落到系統裏可以是一週的折騰。 所以案例最值得學的不是數字，而是問題結構。 Acorns 的文案實驗說明，用戶不一定理解產品語言，把抽象價值翻譯成具體行動可能帶來巨大變化；它不說明任何產品改一句文案都能提升幾十個百分點。Keep 在訓練結束後邀請分享，是因爲那一刻價值剛剛發生；把同一個彈窗搬到用戶打開首頁時，可能只剩打擾。Twitter 要幫助新用戶儘快建立有價值的信息流，換成一個工具產品，關鍵行爲完全可能不是關注任何人。 Flickr 和 Instagram 的比較對我這個喜歡攝影的人很有意思。Flickr 更像攝影作品社區，Instagram 從移動端和社交關係出發。後者增長更快，不等於前者產品毫無價值；它們服務的人羣、使用場景和網絡效應並不相同。增長案例喜歡把歷史寫成贏家做對了什麼、輸家做錯了什麼，現實往往沒這麼幹淨。 摩拜、ofo 也一樣。當年某次激活率提升、某場訂單反超都是真的，後來兩家公司退出歷史舞臺也是真的。增長實驗能解決局部轉化，卻不能替商業模式、資本結構和組織決策兜底。 把案例當答案，團隊會追着熱點抄功能；把案例當一組條件，纔會繼續問：它解決了誰的什麼問題，當時爲什麼有效，我們這裏缺不缺同樣的前提？ 道、法、術、器、例，最後還是要回到現場如果仍然用“道、法、術、器、例”概括這本書，我現在會這樣理解。 道，是相信增長來自持續創造用戶價值，而不是一次活動把曲線拽起來。留存之所以重要，是因爲它最難被虛假的繁榮長期僞裝。 法，是用北極星、增長模型和實驗循環管理不確定性。它們不是三件擺在彙報裏的工具，而是一套從目標到學習的閉環。 術，是在獲取、激活、留存、推薦和變現各環節尋找槓桿。具體動作可以是文案、流程、提醒、權益或推薦機制，但都得回到用戶是否更快得到價值。 器，是數據、分流、人羣、配置、埋點、項目管理和知識庫。模板能幫助團隊少漏問題，平臺能降低實驗成本，卻都不能替人理解業務。 例，是別人已經打完的仗。它能啓發假設，不能替我決定答案。 以前這樣總結，容易有一種“五層從虛到實、層層落地”的圓滿感。現在真正落地一次，我沒那麼圓滿了。道理都對，現場還是會亂；流程都懂，項目還是可能先定日期再補方案；工具都在，第一次用仍然不知道按鈕後面連着什麼。 理論不是假的，只是理論省略了摩擦。 讀完第三本，終於知道自己不知道什麼連續讀完《增長黑客》《我在一線做用戶增長》和《硅谷增長黑客實戰筆記》，三本書在我腦子裏大概各佔一個位置。 《增長黑客》搭了總框架，讓我知道增長不是幾個奇招，而是團隊、數據和實驗；《我在一線做用戶增長》更像中國公司裏的組織課，講產品、運營、研發和管理層怎樣互相拉扯；曲卉這本最像工具箱，告訴我北極星怎麼找、模型怎麼拆、實驗怎麼排、增長團隊怎麼運轉。 然後現實補了第四本，名字可以叫《第一個需求爲什麼這麼費勁》。 它讓我看見自己的問題：不熟悉業務卻急着抽象，依賴 AI 生成看起來完整的文檔，沒有先抓住關鍵鏈路；也讓我看見團隊的問題：時間點先定，驗證條件後補，實驗設計可以延期，執行壓力卻不能延期。 好的一面是，這些問題終於從模糊的不適變成了可以討論的東西。下一個需求開始前，我至少會先問幾個問題：我們要改變誰的什麼行爲？爲什麼認爲這個動作會有效？完整實驗怎麼分流？主指標和護欄是什麼？環境和配置能不能提前驗證？這段代碼實驗結束後留下還是刪除？ 這些問題不保證下一次順利。增長本來就是用一次次實驗接近答案，我也得用一次次項目學會增長。 讀增長書的意義，大概也不是把自己迅速包裝成增長專家，而是讓我在一團亂麻裏多看見幾根線。以前需求趕完就算結束，現在我會繼續問數據怎麼驗證、經驗怎麼留下、下一次能不能少靠一點人肉救火。能多問出這些問題，三本書就沒有白讀。 只是實驗文化如果最後只剩“週末能不能加班”，那肯定不是我想學的增長。 理論很好，方法也沒有錯。落地一地雞毛，不代表該把書扔掉。增長黑客真正要黑掉的，可能不是某個流量漏洞，而是組織裏那些靠拍腦袋、靠層層加壓、靠人肉救火維持的舊習慣。 第一個需求已經上線，分流實驗還在後面。 故事沒有結束，我也還沒有資格下結論。先把下一輪做完整，再看數據到底怎麼說。

在自己親身實踐時來讀這本書，更加意識到增長的重要性。書中提供了大量的案例和模板，在思維和實戰方面都備受啓發。 記得前段時間和老師聊天裏提到的，增長的本質就是讓ROI最大，看完後感觸更深了。 不管是人生髮展還是產品發展，都需要時刻尋找性價比最高的槓桿，建立個人優勢和品牌，針對能最大化ROI的點，小步快跑，快速迭代，才能行穩致遠。

《增長黑客》打破了大衆對營銷推廣的固有認知，它證明持續增長不靠大額預算與靈感，而是一套數據驅動、持續實驗的系統化方法。書中清晰區分增長團隊、產品、營銷與運營，結合Instagram、Airbnb等硅谷真實案例，講解北極星指標、增長模型、A/B測試與團隊搭建模式。 本書核心啓示：增長的前提是產品擁有真實價值，增長團隊重在打通產品與市場，不斷消除用戶體驗障礙。同時作者客觀點明，增長並非萬能解藥。對於產品、運營從業者而言，這是一套可落地的實戰指南，幫助跳出傳統推廣思維，建立科學化的增長視角。

非常適合對運營有了一定基礎，想要進一步提升自己能力的人閱讀。可以做爲增長黑客的入門書籍。書中的知識體系完整，介紹的方法和模型也非常使用。

集理論與實戰於一體，且本書作者師從增長黑客之父，對於想入門增長或者對增長黑客感興趣的小夥伴來說，本書具有極大的閱讀價值。 以下是我的讀書分享： 作爲一名PM，我對起源於美國的增長黑客這個概念並不陌生，其最主要的特徵是按照AARRR模型開展工作。在國內，這部分工作通常由運營部門來完成去提升用戶的新增、留存、活躍、傳播以及用戶之間價值的良性循環。都是講究數據衡量和結果驅動。 但也有很多不同的地方，國內運營更多是以比較輕的方式去實現增長，比如活動和內容運營等產品外部的方式獲取增長。而增長黑客認爲產品內部和外部的增長機制同樣甚至更加重要，所以增長黑客還會通過產品本身實現增長。 基於本身對增長黑客的工作方法和內容很感興趣，而且本書作者曾在增長黑客之父Sean Ellis創辦的“增長黑客網”擔任增長負責人，在增長上擁有最“純正的血統”，我選擇了本書作爲入門增長的第一本書。以下是我覺得書中對我最有啓發的部分內容以及一些自己的看法： 1.合格的增長黑客會追求AARRR全鏈條增長。我覺得做產品也是，一個是要追求和保證全局性思維，避免局部最大化的問題；另一方面是隻有關注全鏈條，才能找到當前最有效的槓桿。（何爲槓桿？我認爲就是增長環節裏待改進點，針對這個地方，進行實驗改進以取得成功，就能撬動槓桿獲得最大收益。） 2.爲什麼要尋找槓桿？因爲資源有限，槓桿通常意味着投入低，能帶來高收益、高回報。 3.如何找到槓桿？通過理解商業模式->找到北極星指標->構建增長模型->制定核心增長模板->指標分解->找到最大瓶頸即爲槓桿。 4.新用戶獲取公式：LTV>CAC。生意的本質是賺錢，否則拉來的用戶越多，公司賠的錢越多。在用戶獲取環節，就需要找到合適的用戶獲取渠道，以低CAC帶來高LTV用戶。 5.用戶激活：讓新用戶在時間窗口內完成了魔法次數的關鍵行爲，進而認識到產品價值。這個才能視爲真實的用戶激活（虛假的激活數據於後續的RRR無益）。 6.興於拉新，死於留存。這句話可以用來描述移動互聯網時代倒下的很多創業公司。爲什麼留存難？一方面是，如果一個產品本身沒打磨好，還沒建立起核心價值，即使能把用戶招攬來，他們最終還是會流失掉。就像在病毒營銷概念特別火的那幾年，國內對增長黑客有所誤解，那些過分強調了海盜指標的拉新環節，忽略了留存和轉化優化的產品最終都是曇花一現。另一方面是，留存的科學分析難，入門級的用戶分羣和用戶分組分析方法都需要增長團隊具備一定的數據分析能力和科學分析的原則。 綜上，五星推薦。

思維導圖 * 增長黑客硬性能力 * 基礎層 * 數據分析能力 * 漏斗分析 * 用戶分羣 * 同期羣分析 * 同一時段註冊的用戶 追蹤1個月、3個月、半年後的留存率 * 縱向分析 * 不同年份相同月份的用戶 同期羣分析下的留存率是否有改善 * 用戶分組 查看平均值、分佈圖等信息, 發現規律 * 人口學特徵 * 性別 * 年齡 * 地理位置 * 用戶獲取渠道 * 自然註冊用戶 * 付費推廣用戶 * 郵件 * 廣告 * 老用戶推薦 * 註冊時間 * 新用戶 * 老用戶 * 流失後找回用戶 * 用戶行爲 其實就是用戶漏斗 * 訪問過某個界面 * 採取某個行動 * 活躍度 * 產品平臺 * 移動端 * ios * 安卓 * pc端 * os * windous * pad端 * 渠道 * 郵件 * 移動推送 * 趨勢分析 追蹤關鍵指標的發展趨勢 * 數據看板 實時監測. 觀察趨勢 * 大版塊 * 北極星指標及趨勢 * 增長模型關鍵指標 * 頭部訪客流量 * 新註冊用戶 * 新用戶激活率 * 激活 * 老用戶留存率 * 月活躍用戶 * 盈利情況 * 小細分 * 重要用戶分組 * 按渠道分 * 用戶分羣 * 同期羣分析 * 縱向分析 * 按人口學特徵分 * 按新老流失喚回用戶分 * 按產品平臺分 * 按用戶行爲分 重要流程的漏斗分解- 轉化率 * 用戶行爲數據構建用戶行爲漏斗 電商爲例 * 產品頁面瀏覽 * 頁面瀏覽 * 縮略圖小圖點擊 * 加入購物車 * 註冊 * 購買成功 * 點擊購買 * 購買成功 * 定性數據分析 找爲什麼 * 調查問卷 * 訪談 * 用戶調查 * 增長理論 * 海盜指標 * Acquisition 用戶獲取 * Activation 用戶激活 * 新用戶激活漏斗爲例 * 繪製用戶旅程 * 下載應用 * 打開應用 * 註冊第一步 * 註冊第二步 * 註冊完成 * 完成關鍵行爲 * Aha時刻 體驗到產品的核心價值 * 在激動指數降爲零之前完成激活 * 提高激動指數, 增強動力 * 減少降低激動指數的步驟和元素 * Retention 用戶留存 * 指標定義合適的天然使用週期 * 繪製留存曲線 * 橫向觀察 * 留存階段圖 * 激活 * 中期留存 * 長期留存 * 流失 * 縱向對比 * 用戶分組 * 提高留存 * 鼓勵用戶正確使用產品 * 提高用戶使用產品的頻率, 增加參與度 * 習慣養成 * 提供不固定獎勵 * 投入努力 * 行爲方法帶來的沉沒成本 * 用戶用的越多, 離開損失的越大 如寫了很多筆記, 發了很多東西 * 用的越多積累的好處越多 如推薦更精準 * 外在觸發 如定時推送提醒 * 增加同一用戶使用不同產品功能的數量 * 讓用戶使用多個客戶端 * 在合適的時刻介紹新功能 * Referral 用戶推薦 * Revenue 盈利 * Resurrection 挽回流失用戶 * 北極星指標 防止使用虛榮指標: 數據好看, 但可能誤判形勢走偏方向 * 絕對值 * 6個標準 * 易於內部理解和交流 * 先導指標 提前看到問題 * 可操作指標 * 反映用戶活躍程度 * 指標變好能說明整個公司在進步 * 讓用戶體驗到產品核心價值 * 增長模型 數學公式 * 定義北極星指標 * 繪製用戶旅程 從一無所知到體驗覈心價值的步驟 以聽歌app爲例 * 下載 * 註冊 * 登陸 * 聽歌 * 組裝增長模型 * 新增活躍用戶 * 訪客流量x新用戶激活率 * 每月下載量x註冊率x首次登陸率x首次聽歌率 * 已有活躍用戶 * 已有用戶數x老用戶留存率 * 已有用戶數x每月持續登陸比例x持續聽歌比率 * 用戶心理學 制定增長實驗的參考 * 心理學小技巧 * 從衆心理 強調有很多人在使用這個功能 * 結果量化 把小的結果積少成多展現出來 * 個性化 * 稀缺性 * 緊迫感 * 社交證據 * 用戶心理決策地圖 * 訪問 * 廣告: 有衝擊力的設計和文案 * 轉化 * 着陸頁、應用商店: 好的設計和文案描述產品優點 * 激活 用戶第一次體驗到核心價值 * 新用戶引導 * 新用戶郵件/ 信息推送 * 留存 * 養成用戶習慣 * 深入使用 * 喚回 * 推薦 * 產品有價值 * 補貼 * 變現 * 付費訂閱/下載頁應用內購買 * 增長實驗 * A/B Test * 優勢 * 量化結果 * 限制負面影響 * 學習加強對產品、用戶、渠道的認識 * 侷限 * 只適合優化, 會面臨局部最大化的問題, 不適合找傳略方向 * 如果指標錯, 結果也會錯 * 增長流程 * 根據增長目標找到北極星指標 * 找到該指標影響最大的聚焦領域 尋找槓桿, 性價比最高(投入小,提升大) * 根據增長模型, 找到增長瓶頸 * 產品內 * 優化產品 * * * 迭代 * 頭腦風暴/定性調查 產生想法 * 更改文案 簡化程序員工作: 提前埋點 * 應用商店 * 確認框 * 廣告設計 * 開發功能 * 排列順序 * 根據實驗排序系統計算得分 * 設計和開發試驗 * 寫增長實驗報告 * 分析數據 * 實驗結果具有統計顯著性 * 將實驗結果和增長指標聯繫起來 * 運行完一個天然週期 * 應用結果 * 可以應用到所有平臺 * 專長層 * 編程 * 高級數據分析 * 用戶體驗 * 文案寫作 * 渠道運營 * 渠道層 * 用戶獲取渠道 僅紅色可以做到大體量 * 公式: LTV( Life Time Value) >CAC( Cost Acquisition Cost) * 付費渠道 * 線上付費廣告 * 搜索引擎關鍵詞廣告 * 社交平臺廣告 * 小衆博客 * 線下廣告 * 聯盟 * 會展 * 有機渠道 * 搜索引擎優化 * 產品自身可以產生很多內容 * 內容運營 * 郵件營銷 * 社區 * 病毒傳播 * 其他渠道 * 公關 * 非常規公關 * 已有平臺合作 * 演講機會 * 商務拓展 * 線下活動 * 銷售 * 用戶推薦 k因子衡量 * 口口相傳 * 展示相傳 ex: 照片濾鏡、 搖一搖 * 補貼推薦 代金劵、產品功能、現金紅包 * 社交網絡用戶推薦 * 病毒傳播 如冰桶挑戰、神經貓 * 產品內傳播機制 * 產品需求 如zoom * 內容分享 如知乎、網易雲、微信讀書分享 * 人爲製造 如開心消消樂求能量 * 歡樂時刻 如keep健身完, 剛註冊完等 * 順便接觸 如愛剪輯做的視頻、美圖秀秀的圖順便加個水印 * 用戶留存渠道 聯繫用戶的渠道 * 郵件 * 移動推送 * 產品內信息、短信、消息 * 產品渠道 產品內部包含的“增長和留存”渠道 * 着陸頁 * 註冊頁 * 激活流程 * 通知/消息 * 遊戲化激勵 * seo * 產品內病

算是快速把這本書看完了。作爲一個非互聯網人士，實在不敢評價技術上、落地性如何。總體感覺比《增長黑客》可讀性強，系統性弱。 自己也算有點小感悟： 1. 增長黑客感覺就是科學實驗在商業上的應用，可見到了一定程度，道是根本，一通百通。在這點上，只要是通過網絡來搞銷售的，我覺得都可以看看這類書，至少知道怎麼去打磨自己的產品，而且可以把這種實驗平移。 2. 感覺整個增長的過程就是在找關鍵點，無論是北極星、海盜指標什麼的，都是在找那個根本性的推動點。若干年前的飛輪理論講的是在某個點上持續用力，日久自見效果；OKR爲的是拿關鍵性指標，教練談話的關鍵是拿到合約……好像又和第一條有點像了，在找到核心點/卡點/瓶頸/關鍵痛點…這些描述上，其實都是一樣的。就像那句話怎麼說來着，找到問題所在，問題就解決一半了，即找到根本。

我是這本書的作者，覺得寫的還不錯[害羞]

很好的用戶增長的基礎書籍，覆蓋了從關鍵指標，增長團隊的歷史，到精益A/B實驗分析的最佳實踐，很適合小白讀者的一本書。此外，AI時代這本書依然不過時，把書作爲一個產品，我也看好她的“增長”，需要這本書的“用戶”應該更多了吧～