过去三年，我从一个技术、转产品再到运营，最后独自负责一个事业部。一直焦虑和关注的问题就是业务增长。这三年我经历的比较多，做过很多商业决策，有成功的，也是失败的。
当时作为技术、产品负责人，和运营部门之间的冲突比较大，由于当时还不知道增长黑客这一套打法，导致部门之间的矛盾很大。在了解到增长黑客方法论之后，我确实从中找到了解决问题之道。
增长黑客背景Andrew Chen 的博客专注创业、增长、设计等。增长黑客这个概念，就是因为2012年 Andrew 在他的博客上发表文章《增长黑客是新的营销副总裁》（《Growth Hacker is the new VP marketing》），从而引起业界广泛关注的。
他正在将自己融入硅谷的文化，强调编码能力和技术烙印现在已成为出色营销人员的重要组成部分。成长型黑客是营销人员和程序员的混合体，他们着眼于传统的问题“如何为我的产品赢得客户？”并回答A / B测试，目标网页，病毒因素，电子邮件的可预测性和开放性。
最重要的是，他们对营销的学科进行了分层，其重点是定量测量，通过电子表格进行场景建模以及通过BI技术对结果进行分析。如果一家初创公司在PMF阶段之前，那么成长型黑客可以确保产品支持病毒式传播。在PMF阶段之后，他们可以帮助产品优化已存在功能，促进用户的转化。
来自bittorrent的故事2012年，BitTorrent的增长陷入了停滞。当时的产品总监为了重启增长而打造移动版产品。
这家50人组成的公司采用的是传统的筒仓式组织架构，分为市场部、产品部、工程部和数据科学部。产品团队和工程团队下设小组，负责不同的产品。
跟所有类型的企业一样，它的数据团队和市场团队均为这些产品小组服务，产品开发过程完全与市场营销相分离。产品经理会告知市场经理即将发布的新产品或新版本，之后市场团队便负责所有的营销工作，也就是说营销工作完全没有产品研发人员的参与。
当时的产品总监招募了一个专门的产品营销经理来帮助促进用户增长。除了关注产品知名度和获客工作外，她还要求和产品团队一起合作，从用户留存和变现驱动增长。她在做了一些市场调研和用户行为数据分析之后，了解到很多App用户都没有升级到付费的专业版，便询问产品经理用户为什么不升级？
让产品经理感到吃惊的是，大多数用户并不知道专业版的存在。产品团队感到难以置信，他们以为他们已经对免费版的用户进行了大力的专业版推广。于是团队马上决定在App的主屏上增加一非常突出的升级按钮。
这一个简单的改变就使每日升级收入获得了92%的增长。这个改变的成本几乎为零，执行起来几乎不需要时间，却马上带来了显著的成效。
核心的理念打破各个职能部门的各自为战的局面，建立一个“搭建跨职能的增长团队”。够促进并加速产品、工程、数据和市场部门之间的合作。创造出一种用数据分析和科学测试的方法来实现增长。
它以提出方案，评估方案，执行方案，验证结果，总结分析过程作为一个标准的增长测试流程，以实验的方式驱动产品增长。
成立的条件1、领导的对增长的理解以及对团队的支持任何涉及到到跨职能团队的搭建，领导的支持都是极为重要的。
首先领导要认可这件事情的价值，很多领导对于新事物都比较有恐惧心里，因为之前都一直是跨职能部门，并且运行的不错，为什么要改变。
第二就是改变涉及到团队的利益，即使是老板，也不定能够协调这些部门之间的利益冲突。
2、领导力强的增长负责人跨职能团队需要协调产品、技术、运营等岗位的员工，至少对这三块的职能都比较了解。同时做过这三个岗位的人，并且具备管理能力，是非常少见的。市场上这样的候选人也是非常少的。这个负责人决定了增长团队能否产生价值。
实践的流程建立一套增长黑客机制，主要有四个阶段：搭建跨职能团队、PMF确认、确定增长杠杠、快节奏的实验。
1、搭建跨职能团队在公司支持的前提下，搭建一个跨职能的增长团队最核心的是确认增长负责人。这个负责人最好有产品和市场营销的工作经验，团队人员主要考虑以下几个角色：增长型产品经理，增长型工程师、运营、市场营销，配置豪华的团队，也可能会涉及到UED和数据分析人员。
传统的烟囱型结构，增长横跨多个职能部门
增长部门从业务部门剥离
增长型产品经理和业务产品经理的区别在于业务型的产品经理更注重产品的用户价值和商业价值，他们站在用户角度和商业角度去思考产品的价值。
比如开发一款短视频产品，业务性产品经理考虑的是如何引导用户如何上传视频，推送视频给用户的规则是什么，用户除了上传视频还能做其他什么事情，公司如何通过用户上传视频收费等等，更偏上短视频产品功能的设计。
那么增长型产品经理要考虑的是，在用户打开APP之后，如何增加用户上传视频的概率，通过低成本的推广这个APP，如何提高用户的付费率这些细节。
增长型工程师和业务工程师的差别在于增长型工程师考虑更多的是如何利用技术的手段实现用户和产品的增长。
可以考虑的方式有和第三方平台对接，比如可以对接微信服务号，产品的通知消息都通过服务号去发送，这样有利于用户去关注服务号，对品牌有一定的提升。
也可以考虑一些seo，aso的方案，通过优化关键词或者爬虫等技术，批量产生内容，通过内容获取流量。业务工程师和业务产品经理一样，主要为产品的功能价值服务。
其他的角色其实也一样，聚焦于增长，而非业务功能。
增长型人才和业务型人才的区别在于大家对不确定性的接受程度。很多业务型人才喜欢确定好的流程，功能等，喜欢循规蹈矩的事务，思维上更理性，不太能够接受一些可能成功也可能失败的事情。
之前在做技术的时候，我的思维也偏向确定性，总是怼产品经理，你为什么总是变更需求，为什么就不能把需求确定下来。
而增长型人才，他们面临的最多的是不确定性。一个方案有可能有效，也有可能无效，都是建立在实验的基础上。他们需要应对失望的结果，需要不断试错，思维上需要更加开放且包容。
2、PMF阶段在执行增长之前，你需要思考下面几个问题。
a、你的产品是不是和客户的需求匹配，是真需求还是伪需求？这个是最重要的，在确定产品是否存在有效的市场之前，贸然启动增长，很可能血本无归。
我的一个朋友曾经和我说他老板做了一个红酒类项目，为了卖红酒，老板想的是给一套点餐系统，免费给餐厅用，然后在点完餐之后，在推送用户自己的红酒信息。
老板是这么想的，在就餐的场景下，吃饭的时候点一瓶红酒是很自然的事情，因为他自己就经常这么做。这就是典型的把自己的需求当成了用户的需求。
当需求的真伪都没有确定的情况下，老板就贸然建立产品技术团队和地推团队，开始大规模的进行推广。结果自然很明显，没有几个用户会真的点红酒，老板损失惨重。
b、你的产品是不是满足了用户的需求？还有一种情况就是用户的需求是存在的，但是你的产品并没有满足用户的需求，可能是产品满足的方式并不是用户需要的。
我在很早的时候，在移动互联网时代，曾想和一个朋友做一个笔记的网站，觉得用户在电脑记录笔记不方便，应该记录在互联网上，可以在有网络的情况下随时查看自己的笔记。于是我就开始做了这个网站，发现用户增长并不高，用的人也比较少，并且大多数人用过一次之后，就再也没有用过。
后来同样的印象笔记出来的时候，已经是多年之后，移动互联网普及的时候。在这个案例中，我犯错了一个很大的错误，我以为用户记录笔记是为了方便保存笔记，实际情况是，用户的需求是记录笔记之后随时可以查看。
在pc互联网时代，用户只有在电脑上才能上网，如果保存到云端，意义并不大，大多数人并不会频繁的换电脑，就算偶尔记录一些信息，选择保存在邮箱里面就好了。
印象笔记的火爆，只是因为用户有多个终端设备，在多个设备中可以共享信息，并且由于手机时刻在线，我保存的信息可以随时去查看，这个随时查看才是真正的核心需求。用户确实有在互联网上保存信息的需求，只不过当时我们的产品并没有满足他们的需求。
c、你的产品的目标客户群体有多大？很多时候我们要讨论产品的时候，很容易高估真实的潜在需求用户群体。
假设你的产品信用卡账单管理类产品，你必须了解中国目前有多少人持卡用户。既然是信用卡的管理，如果仅仅有一张信用卡，是不需要进行管理的，那么主要的用户群体就是有多张信用卡的人。
有多张信用卡的人也存在这样一种情况，他们有一些卡并不使用，或者很少使用，这样目标用户群体有减少了一部分。你觉得中国有3亿持卡用户，潜在用户的规模就是这个数量级，但经过上面的分析，可能最终用户在5000W左右。这5000W才是真正的市场规模。
d、你的产品能否吸引用户留下来？很多产品即使满足了用户的需求，但是用户未必能够留下来。
我们以记账类app为例，记账本来就是反人性的需求，确实有用户刚开始很有新鲜感，因为自己的收入比较少，记账能够有效的杜绝乱消费。但是坚持一个月容易的，坚持一年就很困难 ，除非这件事情能够真正的产生价值。
随着用户收入的增长，他可能并不在乎这一点一点的小钱，他的记账习惯会发生很大的变化，你的产品就可能不适合他了。
还有一个曾经很火的产品，叫做“足迹”，“脸萌” ，刚开始用户非常有新鲜感，活跃度非常高，但是一段时间后就沉积了。这些产品能够满足用户娱乐的需求，但同一种方式时间久了也会有厌烦感，用户就会寻找新的娱乐方式，慢慢的产品就沉寂了。
3、确定增长杠杆这里面有一个核心的概念，就是北极星指标。
北极星指标也叫唯一关键指标（OMTM，One metric that matters），是产品现阶段最关键的指标。之所以叫北极星指标，是因为这个指标一旦确立，就像北极星一样，高高闪耀在天空中，指引着全公司上上下下，向着同一个方向迈进。北极星指标是一个可拆解、可量化、可执行、可监测、可分析的一个数据。他指导我们增长的目标，评估增长方案的优先级，以及衡量增长团队的业绩指标。
具体如何确定增长杠杆，我们会在下一节“增长黑客方法论”课程里面继续介绍，这里仅仅就先介绍最关键的概念。
4、快节奏实验快节奏实验的关键核心就是数据分析。
在科学实验中，最关键的就是有一套完整的验证机制，最常用的就是双盲随机验证。而增长的实验也是要如此。
我们确定一个增长方案，就需要有办法把增长前后的数据做一个对比分析，有没有效果，效果怎么样，和修改之前相比增长了几个百分点。
这一套数据分析流程比较复杂，涉及到目标用户的筛选，也就是我们所说的技术上支持灰度功能，支持用户能够看到修改前后的版本，利于做对比。
在数据分析上，需要能够跟踪一个用户的整体行为，并且识别出他行为的关键特征，比如用户停留最长的页面是什么？用户流失率最高的页面是什么？用户最容易出错的页面是什么？通过对用户行为的分析，快速的识别实验存在的问题，从而推进下一个迭代技术。
快节奏实验的核心是技术和数据分析团队，必须支持这一套机制，否则无法做到快捷，只能做一个接着一个验证，无法同时做那么多的验证，并且没有办法做到科学的对比。这一套实验机制的技术方案，我这边技术和BI的朋友会有专门的课程，因为这个比较专业，仅仅适合技术团队的人去学习，在这里不在展开。
北极星指标：找到一个宏观的增长方向。北极星指标定义看起来很简单，比如电商的北极星指标就是GMV，互联网免费产品的北极星指标就是活跃会员数，网游戏的北极星指标就是付费会员数，但这都是大量的试错之后总结出来的。
在书中讲到了一个例子：早在Facebook成立之前，美国社交网络的老大是MySpace。MySpace公司运营的主要指标是注册“用户数”，而Facebook把“月活跃用户数”作为对外汇报和内部运营的主要指标。
仅仅是因为一个指标是用户注册数，一个是用户活跃数差别，就导致了这两家公司最终的命运。我之前觉得有点扯，在我在阿里工作期间，见证了KPI这个恐怖怪兽之后，突然就明白了一个正确的指标决定了产品的成败。
当KPI定义为用户增长数之后，公司所有的资源都会倾斜到用户注册层面，用户的体验以及留存和KPI没有关系，大家都不会重视。久而久之，用户流失越来越严重。
当年阿里推广社交产品“来往”的时候，内部员工要拉满100个好友，很多人都疯狂的骚扰用户的方式加满了好友之后，就当完成了指标。由于加入了太多不认识的人，也就没有人继续用这个产品了，这个就算是典型的目标设置错误，你越努力结果就越差。
在定义北极星指标的时候，一定要结合产品的特性。我之前做的一款产品，定义的关键指标是抢单率，这个有点类似滴滴模式，用户发一个订单，然后司机抢这个订单。
但是抢单率的设置中，我们发现存在一些细小的问题，比如抢单率逐步提高，是不是好事情？其实是未必的，在正常情况下，抢单人越多，说明抢单率越高，但是还有一种情况，就是发单的人数少了，抢单率也会提高。
还需要配合第二个指标，比如成功交易数来，通过成功交易数和抢单率这两个维度，共同定义北极星指标。
随着企业的增长，初期目标得以实现，北极星指标也会随之改变。facebook在了解到如何激发用户参与度之后，它最初的月活跃用户数指标就过时了，而日活跃用户数成了更为有效的衡量标准。
下面简单的介绍一下常用商业模式的北极星指标1、网易云音乐：总听歌时间2、陌陌：用户数，直播用户数3、百度云盘：文件操作数，付费用户数4、知乎：回答问题数5、airbin：预定房间数
增长实验和迭代增长实验和迭代主要包含三个过程：1、找到产品的啊哈时刻 2、设计增长实验 3、数据对比分析。
1、找到产品的啊哈时刻首先我们先介绍一下产品的KANO需求模型。
KANO模型是由东京理工大学教授狩野纪昭（Noriaki Kano）建立的，用于对需求用进行分类和分级排序。
KANO模型将需求划分为必备型需求、期望型需求、兴奋型型需求、无差异需求、反向型需求。它描述了需求具备程度和用户满意度之间的关系。一般最常见的就是必备性，期望性和兴奋型需求
· 必备型（Must-beQuality）需求：产品要具备的基本功能，比如登陆、注册，浏览，设置等基本功能 。
· 期望型（One-dimensional Quality）需求：满足用户基本期望，只有达到这个程度，用户才可能留存。
· 兴奋型（Attractive Quality）需求：超出用户的预期，让用户活跃，可以将产品传播给其他用户。
我们所说的找到产品的”啊哈“时刻，就是KANO模型中对应的兴奋型需求，只有找到了这个点，增长才是有效果的，否则即使用户引进来，很快就会流失。
产品”啊哈“时刻的确立，是增长实验的前提。当产品没有找到”啊哈“时刻的时候，只能通过小规模的推广，看看用户的活跃度，留存度，以及产品功能的热度。
在这个过程中，最重要的就是数据分析，看看用户的行为路径和你预期的是否一致，产品的重点功能是否能够引起用户的兴趣，或者找到用户最喜爱的功能单独进行分析。
增长黑客中举的是instgram的例子，早期instgram是想做社交网站，让用户上传自己的照片，然后让对方查看，用户可以在信息流里面查看照片，进行约会。
instgram通过小范围推广发现用户使用的最多的是上传照片和浏览信息流照片，并且上传的照片很多都不是个人照片，五花八门的都有，并且用户经常对这些很有趣的照片点赞，就是很少有人去约会。这就说明了，这个产品的啊哈时刻是上传漂亮的照片，并且浏览这些照片，给这些照片点赞。
也说说我们的曾经的一个案例，最开始的时候，我们想做一款“借条产品”，主要的目的是做一个借条凭证，不会涉及到资金，就是简单的记录，因为对于用户来说，在支付宝花呗借呗，银行卡里面都可以借钱，我们可以帮他们管理这些借条，并核算具体的账单，提醒他们还款。
但实际情况是户下载的很高，但是进来就流失了，后来我们想了一个方法，就是做了一个留言功能，让用户提交他们的真实需求，才发现他们的真正的需求是借钱。而我们认为借钱的渠道很多，比如银行、支付宝等，毕竟支付宝这么大的用户体量，大家都应该有限额。能够帮助这些人借到钱就是真正的兴奋型需求，才是产品的啊哈时刻。
2、设计增长实验增长是一个持续实验的过程，就像做产品迭代，最科学的方法是向迭代要数据，依据数据做迭代；做增长也是如此，通过数据驱动增长。
整体的流程是：分析书→提出假设→设计方案→获得更多数据→验证假设→对比预期结果→提出新的假设。
通过无数次尝试和迭代，根据实际达到的效果以及成本，找到最优的增长方案，确定产品的核心价值，并为产品提出一些可能的方向。
第一步：从业务领域出发产生各种实验想法一般情况下想法来源于竞争对手那边吸取的灵感，内部数据分析中发现的问题，以及从其他产品借鉴的一些方法。对于团队能力还比较弱的情况，建议直接参考竞争对手的方式，很多时候，竞争对手的做法都是有一定道理的，除非你认为你比你的竞争对手强。
我之前带的互联网保险团队，由于产品经理的经验还不是太丰富。我就让她做竞品调研，让他把市面上所有的比较大互联网保险公司的落地页分析一遍，然后提出我们的优化方案。
这种方式效果非常明显，虽然可能到不到最优秀的效果，但是至少不会存在太大的问题。随着调研的深入，我们借鉴了各家互联网保险公司的落地页方案的优点，一步一步整合，在经历了5次试验之后，我们的落地页转化率提升了20%左右。
这个落地页的变化过程，我们会在互联网保险案例中介绍一下，落地页的设计大体上有一套标准的设计思路，但是实际上需要根据自己的业务特性一步步进行尝试，很那一开始就能做到最优的效果。
对于涉及到产品功能的细节，实验的成本还是比较高的，每一步版本的改动都涉及到产品、技术、BI、运营，这些资源的投入都是比较大的。对于产品的优化，和具体的业务比较耦合，并且涉及到太多细节，没有一套可用的方法论。
不过我的经验就是研究一些大公司的产品和一些比较野路子的小公司推广。大公司会把最新的研究成果运营到增长上，比如以拼多多为代表的强制红包弹屏，这在之前产品设计上是完全不可接受的，但是拼多多就是使用这种粗暴的路线。
随后像淘宝、支付宝、美团这种公司也都在学习和借鉴了。打开淘宝的时候，偶尔会强制弹出你感兴趣的商品浮窗，支付宝进入口碑Tab框的时候，每次都要弹出红包领取页面，美团现在在外卖频道，也会强制弹窗。
大公司的方法一般都可以借鉴，毕竟经过验证和测试。还有一些小公司，尤其是游戏公司的获客方式，非常值得中小公司借鉴。可以关注 ”云猫增长实验室“的公众号，我们会定期分析一些中小公司的增长方式。
第二步：针对各种各样的实验想法进行优先级排序，决定先做哪个实验后做哪个实验。一般情况下重点就是评估可能性、可测性、和资源的投入。
可确定性：可确定性就是增长实验成功的可能性，也就是这实验的确定性如何。在考虑确定性的时候，需要评估是否存在已有的成功案例，是否有理论依据（一般是心理学或者行为经济学），其他产品的使用的方法，以及情感上的意愿度。可能性越大，优先级就越高。
可测性：就是修改是否能够被验证，很多设计上的优化比如，色彩视觉上就很难被验证。可测性越高，优先级就越高。
资源的投入：每次增长实验都要投入资源去做版本的发布，数据的分析，结果的评估，我们要综合整体的资源，有的可能是版本修改耗费资源少，但是执行验证的周期非常长。比如我们执行调价策略，需要在不同的城市进行测试。那么测试一个城市的可能在两周。由于不同的城市资源分布不一样，即使把城市分为5批，一次调价的测试可能都在2个月左右。整个开发和测试资源投入基本为零，但是运营和BI分析的资源投入比较大。
看起来这三点非常简单，但在实际操作过程中，能够同时满足这三点的非常少，这也是为什么理论看起来很简单，但是实际执行起来是非常难的。
一般最难的就是可确定性，当有竞品的时候，你完全可以抄袭竞品的，但自己要创新的时候，就很难评估。
曾经我们做用户拉新的时候，采用社交裂变的形式，在评估的时候，可确定性非常难以评估，因为我们同城用户存在竞争关系，社交裂变的效果估计会打折扣，但是具体的数据无法评估出来，这里面存在有利于裂变因素，也存在不利于裂变的因素。到底做不做这个尝试，这个尝试的效果怎么样，是难评估的。当这个资源投入比较大的时候，如何选择就是一个难题。
第三步：当你有了具体想要进行的实验之后，要细化变成一个可以落地的实验方案。当确定具体的试验的时候，就是需求细化的时候。这里面最重要的就是衡量指标的细化。
有一段时间，技术人员经常投诉运营，说运营的活动结果效果不好，又没有具体的分析结果。这个就是我们刚开始的存在的问题，就是预期指标的量化。
做增长实验的方案，最重要的就是如何验证方案的结果。有时候一些方案结果是很难验证的，比如对充值起充金额进行调价，从原来的188 调整到 288 。这个能不能带来充值金额的增长了，如果能够带来，能带来多少。
虽然是一个调价，想提高月充值金额，但是起充金额会涉及到多个指标，有可能会影响充值转化率，用户退款率。这里面需要全面的分析指标，然后对每一个指标的变动进行量化。有时候不是每一个指标都能够进行量化 ，只能根据进行先定义一个目标值，小氛围测试之后再进行调整。
指标的量化最好的倒逼产品和运营提到自身能力，需要产品和运营有能力把无法评估的指标有能力按照一定的维度进行细化，只有他们去认真思考，逐步细化，能力太有可能提高。
第四步：进行数据的埋点，怎么能够保证你清晰的衡量实验的结果。所谓埋点就是在应用中特定的流程收集一些信息，用来跟踪应用使用的状况，包括访客数（UV），停留时长，页面浏览数（PV）和跳出率。
这样的信息收集可以大致分为两种：页面统计和统计操作行为。页面埋点是开发中最容易遗漏的一个环节。好的产品经理能够设想用户的可能的行为路径，给出清晰的埋点规则。一般的产品经理，就是所有的操作点都打上，没有一个系统化的思考。埋点是必须要设计好的，否则BI系统会因为这些埋点数据崩溃。我们曾经就吃了这样一个大亏，大量无效的打点占据了硬盘空间，导致磁盘使用率暴增，BI系统宕机。
埋点的数据最好是层次的，分为一级指标，二级指标，三级指标。每一个指标都可以具体的分解，比如用户登陆数定义为一级指标，就可以分解为：登陆页面PV，手机验证码发送数，登陆成功数等几个二级指标，然后手机验证码发送数可以点分解为：随机校验码点击数，随机校验码框输入数，验证码提交数等三级指标。实验结果最好也列出分级指标，粗放的指标看到直接效果，更细粒度的指标可以发现问题以及推导出有趣的结论。
最后一步：怎么通过一个系统性的实验方法分析实验结果，保证得出的结论是可信的，并能够很好的放大你的实验影响。最后一步就是数据分析。每一次实验的结果都必须有一个数据分析报告。最开始做增长的时候，我们都有实验报告的发送，虽然都能够通过数据得出结论，但是对于一些效果不好的尝试，就很容易轻描淡写的略过。
一般实验预期不好的都会写一些很虚的理由，比如对用户的分析不足，用户的行为预估错误。这些分析报告都没有价值的。有价值的分析能够得出一个定量结论，比如我们的ios用户对起充金额的接受率比android高，有90%的用户ios用户能够接受起充金额提高。
对于数据分析的具体的方法，涉及到BI的一些算法，这里不做展开，对于一些没有能力建立BI团队的小公司，可以直接使用第三方数据分析公司的产品，做一些基本的相关性分析还是可以的。后面在数据转化和分析的课程中，会提到一些产品和使用方法。
对于增长实验，这里要说的是，这几个过程是标准的增长实验设计过程，并不是每个团队都一定要按照这一套方法来做。每套方法论都有自己的逻辑闭环和不同的适用场景，也存在在执行时仍然存在的困惑，根据自己遇到的困惑，拆解输出的方法论理解消化后输出自己的方法论，才是最合适的做法。
3、数据对比分析任何一个科学实验，都需要有对照组和实验组。
在做增长试验的时候，有时候比较容易找到对照组和实验组，比如比较同一个落地页的转化效率，可以同时发布两个不同版本的落地页，实现起来也比较简单，可以把用户随机分到这两个落地页上，也可以在不同的渠道投放不同的落地页，然后综合比较。
但是有时候，找到区分实验组和对照组的工作量非常大，比如订单调价，同一个城市出现两种价格，在业务上是不可接受的，虽然有办法实现不同的用户看到不同的价格，但是对系统的影响太大了，不如直接进行测试，因为中小公司的产品影响面还没有那么大。当出现这种情况对系统的影响非常大的，且不可逆的情况，决策就需要谨慎。
数据对比分析涉及到多个工具的配合，从落地页的数据到转化过程数据，最终到业务数据，链路比较长，最常用的AB测试仅仅可以测试落地页的对比效果，业务效果很难直接对比。这里就需要专业的数据分析，比如神策数据。我们之前的数据分析都是基于神策数据的。对于中小公司来说，使用工具是性价比最高的一种方式。
AB测试有一些好处：
第一，可以量化结果，帮你看到结果到底是好还是坏的。
由于你是严格控制变量，你可以确定结果是好还是坏，就是因为你所做的改变。很多时候我们不做AB测试，做前后对比，会出现一些我们控制不了的变量，导致结果变了。
第二，试水新产品和功能，在小范围里面做测试，可以降低风险。
第三，积累认知。
其实测试是一个很好的学习过程，我们学习的方式除了在书本上学习，如果能够直接在产品上学习、用户上学习，这是最直接的。
第四，形成增长文化，鼓励所有人提出想法，参与进来，避免由最高决策者一个人主观臆断式的决策。
打好基础之后，应用增长黑客的第二步就是去寻找增长机会。
我们会介绍增长黑客最重要的模型 ：AARRR。AARRR海盗模型思维，俗称转化漏斗模型。
是Acquisition（获客）、Activation（激活）、Retention（留存）、Revenue（付费）、Refer（推荐），这个五个单词的缩写，分别对应用户生命周期中的5个重要环节，是用户增长的基础模型，也是应用最广泛的模型之一。
从社群的角度来理解就是社群的用户怎么拉新，社群建立起来后怎么促活，社群活跃后怎么提高留存，社群留存后怎么促使用户付费，社群用户付费后怎么让他们进行口碑传播。
落地页到注册转化率
我们来看看一个简单的漏斗模型，这个是互金行业最长使用的，上面一张图是注册转化率，这个就是从外部渠道推广之后，进入落地页，然后最终转化的流程。
下面一张图是注册用户从实名认证最终到申请借款的一个漏斗模型。
这两个合在一起，就是一个整体的转化模型，从用户看到产品广告，再到点击注册，经过实名认证，最终到借款申请的一个转化率。
不仅仅可以查看整体的转化率，还可以查看每个推广渠道的转化率，对比一下各个渠道转化率的情况，比如我们可以对比一下今日头条的信息流的效果和朋友圈信息流的广告效果的，还可以支持手机型号的对比，比如ios和android的转化情况。
这两个合在一起，就是一个整体的转化模型，从用户看到产品广告，再到点击注册，经过实名认证，最终到借款申请的一个转化率。
获客环节获客的方式在我们的 《互联网流量概述》系列文章中的《流量的获取》一课有大概的介绍。获客环节的核心就是最低的成本获取最多的客户，需要了解各个渠道的获客方式。
不过我这里要强调的是在最好做好产品和市场匹配，先低成本的验证了自己的产品可行性，再开始获客。
在5年前，你有一个想法就容易获得融资，然后用风险投资的资金验证自己的想法，现在这种方法已经不行了，你必须验证你的产品可行，有一定的用户基础，资本才有可能投入。如何低成本的获客，才是真正考验团队的事情。
最常见的付费获客方式是搜索和信息流，现在比较流行的是内容获客和社交裂变的方式。这些课程我们都有单独的课程推出，有兴趣的可以关注我们。我们也会定期的介绍一些低成本的获客方式，这些方式没有办法标准化 ，也没有办法规模化，也可能有时效性。
激活环节落地页是激活环节的入口，一定要重视落地页。激活环节一定要考虑的如何最大化的挽留用户。如果你的落地页吸引力不是很强，用户直接就关掉了，连挽留的机会都没有。现在的落地页，要求用户的输入越少越好，流程越简单越好。
我曾经看到一个游戏的落地页，进去之后就直接开始游戏，注册都不需要。在启动游戏的时候，系统提示一直点击，很快就能够升级到最高，然后虐杀怪物，让用户立刻进入高潮。
抖音这种产品，让我们的耐心越来越低，当几秒钟没有找到兴趣点，用户就立刻离开，这对产品设计的同学要求也越来越高。
对于激活，也有两种不同的思路，第一个就是落地页比较复杂，用户参与的过程比较多。这种考虑的就是把非目标用户排除，减少后续运营的复杂度。
比如短信骗子，骗术越低级越好，能让普通用户很容易识别出来，如果这样低级的骗术都识别不了，说明用户很好骗，这样后面的工作就会简单很多，这方式就是激活率低但是转化率高。
还有一种思路就是先把用户挽留下来，后面在慢慢的转化，利用销售的方式慢慢去磨，这方式就是激活率高但转化率低。我们所做的互联网保险业务就是基于这种思路。
激活环节最重要的数据分析模型就是转化漏斗，在数据分析与转化课程里面，我们会详细介绍。
留存环节留存环节最重要的是让用户养成习惯。
一般来说，用户刚注册一个产品，最容易流失的环节是第一次使用产品。用户在注册完成之后，第一件事情就必须要引导用户去完成一个很简单的任务并且立即给出用户反馈，这是目前产品方法论最成熟的一个环节。
在早期的移动产品中，尤其是社交产品，这种思路还不成熟。我们以微博为例，在引导用户注册之后，没有主动推荐给用户相关的用户，也没有提示用户必须关注用户才能看到微博，导致用户进来之后就懵逼了，不知道怎么看别人发的信息。
现在做的比较人性化了，在用户注册完成之后，立刻会引导用户输入自己的喜好，设置自己的标签，然后推荐用户相关博主。这有一些细节大家可以注意一下，系统会自动选择几个博主，你可以直接点击下一步，不需要在进行一次选择。
在这个初始过程中，你可以跳过任何一个环节，系统也会推荐给你很多相关的热门博文。有一些产品，会有很多机器人，在你第一次创造内容的时候，这些机器人立刻就会给你点赞，让你马上得到反馈，有继续使用产品的动力。
我曾经调研过探探和soul这些产品。你一注册，就会推荐很多美女给你，我个人认为这其中有很大一部分可能是机器人。在使用一些社交产品的时候，一旦你不活跃了，系统会立刻发短信给你，告诉谁对你产生了兴趣。
我曾经为了测试，把自己的头像改为一个很丑的角色，系统会间断性的告诉你，有人对你感兴趣，很欣赏你。
留存用户的方式和具体的产品业务类型有关，最重要是考虑是用户的引导。在产品设计上流程要非常顺畅，无论用户如何选择，最终一定要引导用户到最关键的功能上。
在用户运营上，一定要让用户感觉到他是专属的，产品是专业的，氛围是热闹的，运营围绕用户的心理做文章，要让他感觉到自己并不是唯一在使用产品的人，别人都在使用，他不是小白鼠。
在用户和产品接触的过程中的每一个环节，都要打消他这种顾虑。我们曾经利用微信群去承接流量，发现效果并不好，因为社群的运营很冷淡，用户进来之后，没有几个人活跃，就会觉得自己是不是傻子，后来我们就慢慢的放弃了这种模式。维护社群的运营需要消费大量的精力，至少需要大量的机器人或者托去烘托气氛。
付费环节付费肯定产品中最重要的一个环节。
一旦让用户付费，用户就会警觉起来。不同的产品的价值不一样，当产品还没有品牌的时候，让用户付费就是非常困难的事情。变现环节需要平衡免费功能和付费功能，一旦平衡不好，用户就会流失。
目前我用过很多产品，也是很多产品的付费用户。最好的收费模式是普通用户和付费用户的基础功能完全一样。这些基础功能又是80%的用户所必须的，20%的用户才需要付费解锁更高级的功能。
这种在额外功能付费上一般要针对小部分用户可以，否则好不容易通过广告获取的客户就会流失。
要想对大部分用户收费，一定要建立在他在平台的数据积累的足够多，利用数据的限制来进行付费。比如像笔记类产品，对笔记的条数进行限制，并且这些条数看起来足够多，这样用户使用的时候不会有顾虑，用户贡献自己的数据越多，抛弃的平台的几率就越低，付费的转化效果就越好。
变现环节没有一套方法论的，要根据业务的特性。我在流量的概述系列文章中，介绍了基于流量的商业模式。你要确定你的商业模式，在考虑变现的问题。
你的业务是基于流量模式的，还是基于超级用户模式的。你是属于流量生产商、流量中介还是流量零售商。只有你对自己的商业模式有了非常好的定位，才能够在用户变现有取舍。
有一段时间，我曾考虑过我们平台的用户是我们的资产还是我们的变现渠道，这个定位决定了我们能够是否应该继续挖掘我们用户的价值，对他们尝试更多的付费服务。
当把用户当做资产的时候，就像支付宝用户是支付宝的资产，这就属于超级用户思维，单个用户可以通过提供多个服务进行变现。当把用户当做变现渠道的时候，用户只是下游的流量需求方 ，这就属于流量思维，这个时候我们和用户的关系就是简单的利益关系，很难通过提供额外服务变现。
推荐环节推荐就是用户自发的像其他用户推荐产品。最好的推荐动机就来源于利益，次级一点的在于情感。
给用户红包，一些小优惠是比较常见的推荐机制，也是效果最好的。我们这些一线城市的中产用户，很容易觉得这些一块两块的钱，谁有那个时间去赚。但是一二线城市中高收入用户，在中国的人群比例连10%都不到。
现在的社交电商产品，比如粉象生活，花生日记这样的，就是利用四五线城市的人群，利用利益分享的方式，让用户主动分享里面的商品去赚钱，本质上也是推荐产品的方式。淘宝正在推广的淘小铺，也是基于这种模式。
至于情感的动机，多看看心理学方面的书。在《上瘾》这本书里面介绍了三种情感动机：社交货币，追逐快感和自我实现。
每一次在朋友圈封装传播的一些产品都可以在这三个动机中找到。利用情感动机推荐，在中小产品或者冷门产品效果是非常差的。中小企业研究基于情感动机的推荐，意义并不大，效果也不好，不如直接利用利益，利用社交裂变的方式去推广。核心一定是基于利益的。
但很多书都会迷信社交裂变的力量，也会介绍大量社交裂变的案例，刷屏级的事件。设计裂变的核心是种子用户，怎么让这些种子用户去转发，其实基本上靠的就是利益。早期的知乎邀请制，就是几个大互联网有名的人站台，为什么这些人站台，有一些是投资人，有一些利益相关方。
最后总结在我过去的经验中，其实大部分互联网公司都是这个模式，只不过增长黑客这本书把这些已经都存在的方法总结提炼了一下，在方法论上并没有什么值得追捧的。反而是每一部分的细节的打磨，才是真正考验团队的地方。这涉及到产品，运营，技术，市场等岗位，真正的核心是增长负责人，能够协调这些不同岗位的人共同完成获客到推荐的环节。
本文为@运营喵原创，运营喵专栏作者。
