近两年，增长黑客的概念屡屡被大家提及，本文作者对其内容进行了统一梳理，同时也谈谈自己的理解与看法。

最近两年，增长黑客的概念很火，不少产品经理交流网站都有阐述增长黑客概念的文章。

衣二三CMO—DorisKe更是写了一篇用《增长黑客》的概念找男友的文章，读起来很有趣。而我在去年9月份，报了增长黑客的课程。算是由中国版《增长黑客》的作者范冰老师带进了这个门。

之后又看了Nir Eyal的《上瘾》和 Sean Ellis的《增长黑客》两本书，所以通过这篇文章梳理一下内容，也算是读后感，谈一下自己的想法。对于很多想法有错误或者不成熟，请大家指正，也欢迎大家进行讨论。

一，什么是「增长黑客」？

看见不少招聘JD上直接写的职位名称是「增长黑客」，但其实觉得增长黑客没有一个明确的定义。

提出这个词的Sean Ellis给出了这么一个解释：

“A Growth Hacker is a person whose true north is growth.”

可以解释为以增长为导向的这么一个人。

不过与其说是一个人，不如说是一群人。Sean在自己的书中给出了增长团队的人员配置：

1. 增长负责人；
2. 产品经理；
3. 软件工程师；
4. 营销专员；
5. 数据分析师；
6. 产品设计师。

虽然Sean说明，其中一些职位职能可以由一个人负责。但并不是一个人可以完全兼任所有职位。

这样说「增长黑客」是一个团队？这么说也对，但不完全。

由于被翻译成中文，所以「Growth Hacker」和「Growth Hacking」都被译为了「增长黑客」。前者可以定义为公司内相互配合致力于增长的一群人。而后者我认为是一个方法论，一个过程。

Sean的《增长黑客》的结尾也给出了定义：

我们相信增长黑客法远不只是一种商业战略，甚至也不是一个持续过程。它是一种哲学、一种思维方式，而且它能被任何规模的任何公司和团队所采用。

最后让我们用维基百科上给出了的定义来总结什么是「增长黑客」：

Growth hackingis a process of rapid experimentation across marketing funnel, product development, sales segments, and other areas of the business to identify the most efficient ways to grow a business. A growth hacking team is made up of marketers, developers, engineers and product managers that specifically focus on building and engaging the user base of a business.

增长黑客是跨营销渠道，产品开发，销售和业务其他领域快速实验的过程，以确定最有效的业务增长方式。

增长黑客团队由营销人员，开发人员，工程师和产品经理组成，他们专注于构建和吸引企业用户群。

二、「增长黑客」方法的核心什么？

很多人不了解「增长黑客」方法的人认为它是利用机巧的手段为产品或收益带来增长。不得不说机巧的手段的确是其中一部分，这一点应该被定义为创造「病毒营销」，但这并不是全部。

我认为「增长黑客」方法最核心的两点：一个是试验、一个是数据驱动。范冰老师还讲到一个核心理念是「以用户为中心」，这一点的确没错。但我认为这是贯穿于互联网行业的核心理念和文化，应该深深植根于我们心中，用个硅谷CEO大佬们常讲的话，这已经渗入我们的「DNA」。

「试验」讲的是我们大到功能、渠道，小到提示文案、按钮颜色都要进行试验。

我们绝大多数人，都没有乔布斯那样的产品感。很多老板、产品经理都会拍脑门做决定，即使是依靠自己的从业经验，也不一定完全正确。这样的话，开发完一个版本就上线，如果反馈不好，整体产品数据会受到冲击。增长黑客的「试验」减少了大规模上线后，如果反馈不好的话，对于产品的影响。

我很喜欢范冰老师讲的一个Facebook案例：

之前Facebook重新设计了网页的UI，大家都很喜欢，连扎克伯格都觉得非常的好。于是进行了A/Btest，覆盖用户面为5%，但测试显示用户页面的停留时间却减少了（靠广告营收的产品，页面停留时间是重要的数据，决定用户点击广告的可能性）。之后他们又扩大了几次覆盖用户面，但用户页面停留时间依然是下降的。所以扎克伯格全面叫停了这个版本。但人人网貌似完全抄袭了这个试验版本，结果可想而知。

Facebook测试版本（来自于网络）

「试验」的前边还应该有一个副词「快速」：

快速到一周测试几个版本，或者对于一个改动点的多个版本（比如文案）进行并行测试。快速的目标不光是为争取时间，更多是每一个试验，都可能激发更多试验想法。保持团队的活力。

举个例子，之前在百度的工作让我了解到百度凤巢广告的「创意」。

所谓「创意」就是百度搜索广告链接下的文案，在百度凤巢后台可以提交很多个广告「创意」，并可以进行优化。展现量、点击量等数据也会汇总到后台。供广告主快速的进行优化。这就是一种文案上试验。

百度凤巢广告的「创意」

「数据驱动」：试验之后，肯定会得到数据，对数据进行分析也成为了重要的一步。（其实这是一个循环，我待会再说。并且数据应该和用户调研等相结合）

当今互联网公司都非常强调数据，他不仅体现了这个企业获得的流量、营收…也指导着企业、产品的发展方向…产品经理/产品运营/市场都应该具备数据分析的能力。

北大光华管理学员的王汉生教授在他的书《数据思维》中，写到了数据的分析有三个作用：

1. 为企业节省成本；
2. 为企业扩大盈利；
3. 为企业规避风险。

而互联网行业，我们一般能够接触到是前两个作用。

Sean希望「增长黑客」最好能对用户的每一步行为进行数据的监测，并且关注真正重要的指标（很多业务其实「PV」「DAU」等数据并不那么重要。）一些时候也需要对用户群体进行划分，并分析用户的行为和特征，包括渠道来源和该渠道用户的使用情况等。这样的数据监测，可以避免在产品规划、渠道投放上的盲目，从而实现节省成本的作用。同时高质量精准的渠道、精炼的产品流程、甚至对于特定群体的刺激，都能使企业获利。

三，「增长黑客」团队是如何工作的

这个流程建立在一个前提之下：产品已经找到了PM/F。

Sean用了「好产品是增长的根本」作为第二章标题，这个好产品指不是没有Bug，用户体验极佳。而是你知道产品的核心价值是什么，对哪些用户来说具备这样的核心价值以及为什么具备。

Sean写了这样一句话：

增长黑客的基本原则之一就是在确定你的产品是否不可或缺、为何不可或缺以及对谁不可或缺之前不要进入快节奏的试验阶段。

他同时举了很多反例，一些公司在没有找到产品核心价值时就贸然开始营销、增长。即使通过病毒营销累积了大量用户，也只是昙花一现，最终陨灭。

而这种不可或缺体验，以及他是否能够为目标用户提供这一体验，则是所谓的PM/F（Product/Market Fit），既「产品/市场匹配」。

怎么验证这种匹配呢？范冰老师给出了这样的方法：

1. 确定目标用户；
2. 找出未被满足的需求；
3. 定义产品价值主张；
4. 设计产品MVP；
5. 开发；
6. 验证。

其中设计MVP(Minimal Viable Product,既最小化可行产品）是经历过从0到1的产品经理最了解的方法。MVP原则要求我们在第一个版本中，尽可能的只设计产品的核心环节和功能，只求快速得到市场验证。

刘飞老师在《从点子到产品》一书中曾拿微信举例：

网传的 微信1.0版本（来自于网络）

以及Keep创始人王宁，创业开始是从微信公众号做起的，并且Keep应用的第一个版本只有一个视频功能。

至于验证，则需要针对产品来看他的使用数据。不同的行业和业务，所反应的数据会有区别。

Sean也说了一个方法，被称为「Sean Eills测试」：

告诉现在的用户：你们今后无法再使用这个产品了。

如果有40%的人对此表示“非常失望”，那么你的产品就达到了P/MF。

当然如果你的产品没有满足这个测试或是数据并没有达标，你就需要优化你的产品了，或者衡量你的想法是否真的正确，产品的核心价值是否偏离。

关于PM/F，我跟之前的领导的有过一场辩论：辩论点在于PM/F是否仅是0-1时候的要考虑的问题。还是在企业的转型期也同样适用。

我认为是后者，PM/F的在任何新业务开始的时候，都需尝试和论证。其实观点也很简单，新的业务相当于一场二次创业，需要考量市场上的接受程度。

不知其他朋友是否有更好的见解，欢迎留言，与我讨论。

以上可以说是企业或产品的奠基人们应该去确定的问题，下面是之后我们能做什么。

这里还有个点值得一说。Sean提出了一个「aha moment」的重要概念：

「aha moment」就是产品使用户眼前一亮的时刻，用户真正的发现了产品的核心价值的时刻。

达到「aha moment」的用户留存机率将大大增加，那这时候产品将大机率通过「Sean Eills测试」。这时即可开启增长模式。

但有时我们的提供的核心功能并没有达到使用户有aha的感觉，而是其他功能给了用户这个时刻，这个时候也许你可以转化思维，发掘产品其他的可能性。

例如：现在instagram的核心功能，只是他前身的一个小功能。或者Yelp开始时是做城市搜索产品的，却通过数据发现，很多用户都在使用评论功能。

Sean把找到「aha moment」视作增长团队工作的第一步，以他的论述来讲他是验证PM/F的一步，我不否认这点。但「aha moment」的发觉应该是产品初期的基础工作，所以我没有把这一步算在增长团队的常规工作流程之中。

在找到了PM/F之后，我们来说增长黑客团队的工作流程。

1. 设立增长目标，即北极星指标（这点每次循环可以根据业务需求进行更改）

2. 分析数据

了解已经符合目标的轨迹：（比如使用哪些功能/哪几屏/打开app频率/平均订单金额/购买哪些商品/什么时段下单/哪些日子下单）

了解已经符合目标的用户的特征：（比如从什么渠道来的/使用设备/人口学特征（年龄、收入）/哪些地区/还是用过哪些app）

同时对用户展开调研和访谈。

之后数据分析师进行分析找到相关性比较高的特征。

3. 提出想法

这里Sean讲到：让团队成员无所顾及的提出自己的想法，即使是天马行空的想法。

并且需要建立“想法池”（类似于产品经理的“需求池”，但“想法池”包含跟更多）按下边模版填入想法：

a. 想法名称：（例子：购物清单）

b. 想法描述：

• who（针对的用户群体）：新用户or召回用户or所有用户；
• what（要做什么）：一份文案/一个功能；
• where（what中提到的要用在那个地方或者哪个文案）：App主屏or其他；
• when（what中提到的要合适出在用户屏幕上）：初次打开or其他；
• why（为什么要做这个）；
• how（如何开展测试或者说建议开展的测试类型）：比如A/Btest，开发新功能/开展新的广告攻势。

c. 假设：根据经验估计可能影响的用户数量

例子：通过给用户提供便捷查询并回购商品的功能，回购用户人数将提高20%

d. 待测指标：具体说明评估测试结果需要追踪哪些指标，并且不应该只看淡一指标。

例子中的可以追踪：用户数量，商品数量，回购数量，回购比例以及平均每笔订单金额。

Sean还说，最好能够开发一个系统，对想法进行管理。同时把提出想法的权限，开放给公司的任何团队，甚至是部分用户。

4. 排定想法的优先级

这里Sean和范冰老师都讲到了ICE的评分标准。这里评分完全由提出想法者进行打分，但增长负责人，会根据自身经验对打分进行评估和修正。

ICE评分体系（每项满分10分）

• impact（影响力）：想法的潜在影响力；
• confidence（信心）：提交者对于想法取得效果的信心；
• ease（简易性）：相应实验开展的简易程度。

相加得到平均分。并把平均分从高到低进行排序，当然打分只是重要的衡量依据，之后团队根据关注目标筛选想法。

5. 进行试验

在试验前，选定对照组和试验组。

如试验遇到问题，应向增长负责人汇报，他将根据情况考量。

6. 分析结果并总结经验

Sean给出了如下模版：

1. 试验名称/描述/使用的变量/目标客户。例如：试验针对的是某个营销渠道还是只针对移动用户，抑或针对付费用户？
2. 试验类型：比如：产品功能/页面名称/营销文案的修改/某个创意/新的营销策略；
3. 受影响的特征：这可能包括试验在网站上或者App中运行位置的截图，或者某个广告牌、电视或电广告中的某个创意的副本；
4. 关键指标：通过试验希望改进哪些指标；
5. 试验时间点：包括起止日期（包括星期几）；
6. 试验假设和结果：包括最初的ICE得分、样本量、置信水平和统计功效；
7. 潜在在干扰因素。比如试验的季节，或者其他促销活动可能影响的访客行为；
8. 结论；
9. 试验收获。

妥善保存这些试验总结，以便之后查阅。

这个过程循环往复，构成了增长团队的工作流程。说的简单点，就是分析-构想-排定优先级-测试-分析的一个循环。

四，关于AARRR漏斗模型

AARRR漏斗模型（来自于百度百科）

Acquisition （获取）-Activation （激活）-Retention（留存）-Revenue（收入）-Referral（传播）

这个模型基本都已被每一个「增长黑客」文章提及，每一项其实都能延伸出好多好多的东西。这里简单的介绍一下（多数都是书中内容）。

首先说一下，在Sean的书里并没有明确的说明最后的R–Referral（传播），但并不是没有！这个下文会说。

1. Acquisition （获取）

这里主要讲产品的获客方式：常见的获客方式有：传统广告（电视、地铁站等），互联网付费渠道、SEO、ASO、内容营销、地推、病毒传播等等。

传统广告虽然现在很常见，但效果很难监控。我认为多的是在做品牌，扩大知名度。

而依靠互联网的渠道，都可以进行流量的监控。可以用于快速的试验和筛选。

（但据我所知，很多公司的市场或运营团队并没有这么做，这样就意味着渠道的质量不得而知）

Sean也提到了两个匹配：

a，语言/市场匹配，也就你对产品优势的描述打动目标用户的程度。

这一点上我们需要对文案进行优化：向之前提到过的百度搜索广告的「创意」；或者是产品下载页的话术要更加生动且紧扣产品功能；文案上需要我们多进行测试，并且不断优化。

b，渠道/产品匹配，即你选择的营销渠道在目标用户推广产品时的有效程度。

这一点Sean，想阐明的是渠道如何筛选。比如SEO，成本较小，但耗费时间较多；或者付费推广渠道，见效快，但成本很大。

Sean建议：从成本、定向、控制、时间投入、产出时间、规模 6个纬度来进行考量。

• 成本——你预计进行此项试验将花费多少钱？
• 定向——是否容易接触到目标受众？对于试验所触及的人群，你所掌握的信息可以详细到哪一步？
• 控制——在多大程度上可以控制试验？试验一旦开始，还能否进行修改？如果试验不顺利，是否容易终止或者调整试验？
• 时间投入——团队启动试验需要多长时间？比如，拍电视广告的时间投入就比发布脸谱网广告的时间投入长许多。
• 产出时间——试验开始后需要多久才能拿到试验结果？例如，搜索引擎优化试验或者社交媒体广告的产出时间就比电台广告的产出时间要长。
• 规模——试验覆盖的人群规模有多大？例如，电视广告的覆盖范围比话题博客广告就大得多。

对于渠道的要进行严格的监控，不光只关注用户的浏览、注册，还要关注用户的行为和留存等等。避免刷量等行为造成的损失和判断的失误。

2. Activation （激活）

作者在这里介绍了上一篇文章中的那本书—《上瘾》，上一篇文章是读书笔记，算是提炼了这本书的精华。有兴趣的同学可以看一下，这本书主要对激活和留存的方法做了阐述。

对于用户激活这个步骤，作者提到了Fogg模型 B=MAT。B代表行为，M代表动机，A代表能力，T代表触发。从这三个维度来衡量促使用户展开行动。

在激活这一步，我觉得重点在于如何引导用户到达之前提到过的「aha moment」的操作。

这个时候我们还是需要对用户的行为进行监测，书中有下图这样一个流量漏斗对各个渠道，每一步的转化都进行了监测。

《增长黑客》书中漏斗报告截图

最好能配上用户调研，比如一个用户在某个页面停留时间过长，那这个时候询问他遇到了什么困难，是获得珍贵建议的好时机。

B行动上，我们的目标就是需要更多用户到达着这个「aha moment」，从B=MAT的模型来进行分析：

从A能力层面，我们可以降低产品的摩擦和学习成本，比如第三方快捷登录，让用户更快注册（额，过年还得填手机号?，但小程序这一步可以很简单），或者不需要进行注册，直接浏览内容。也就是说，我们应该去掉不必要的步骤，来减少用户因为操作过多而造成流失。

从M动机层面，很多的产品都采用一个特定的触发物来增加用户的动机。比如理财App新手首单享受高利率，完成特定步骤给予红包奖励。当然我们也可以做比如制造稀缺性，限时折扣等方式。这些是让用户从“我不想”变为“我想”。

3. Retention（留存）

研究显示：用户留存率每提高5个百分点，利润就会提高25-95的百分点。

Sean在书的第一章的开篇就引用了别人的一句话：

最有可能成功的增长策略不是只关注用户群的扩大，也要最大限度地发挥现有用户的价值。

对于留存率，不同的业务，留存率是不同的。比如社交app的7日留存一般都要OTA app次日的留存率高很多。

Sean把留存分为三个阶段：留存初期；留存中期；留存长期。

留存初期本质上是激活阶段的延伸。

我们需要更好的优化产品，让用户到达「aha moment」更好的体验产品的核心价值，将用户的利益尽可能的最大化。

留存中期靠养成用户使用习惯。

这里Sean依旧讲到了《上瘾》的Hook模型，这个模型意在靠 触发–行动–奖励–投入–触发 的循环，不断刺激用户进行操作，来让用户养成习惯。

留存长期需要通过完善产品功能等方式，继续为用户带来更大价值。

Sean建议：

1. 优化现有产品功能，推送以及对重复使用的奖励。
2. 在一个较长的时间周期里定期推出新功能。

引导熟练使用产品核心功能的用户，去体验产品的其他功能或新功能。

当然定期开发新功能，不是要让功能膨胀。Sean给了一张word的图：

《增长黑客》书中word功能膨胀

我认为现在值得注意，也是现在比较常见的还有一种手段，就是「会员卡」，让用户通过先行的投入变成沉默成本，并给予一定利益，造成用户持续不断再次使用产品。

与留存相关的还有就是对于流失的用户的召唤。我通常用发送推送消息或者短息，去挽回这些用户。但这只是手段，我们也更应该对于他们做产品的调研，了解流失的真相，以便更多流失的用户可以回来，同时减少现有用户的流失。

从数据方面，留存的曲线应该在一定时间内到达平稳的状态，这个时间越早越好。方法就是让用户更快的体会到「aha moment」。当然留存的曲线，还有一个极好的状态，那就是「微笑曲线」

印象笔记的留存微笑曲线（来自于网络）

Sean《增长黑客》的译者 GrowingI/O的CEO张溪梦，在知乎上有个回答，可以供大家参考：问题：如何分析活跃用户和留存用户？

4. Revenue（收入）

这一章Sean主要阐明了各种不同业务的产品，所关注的变现指标不同。我们需要对用户画像进行分析，来合理的指定营收策略和产品定价。当然我们也可以通过捆绑，相关性的个性化推荐，以及利用用户心理来为企业创造更多的营收。

比如像内容型产品，增长团队也许对用户浏览页面进行更多数据分析，来测试不同的广告位置带来的不同点击率等。

5. Referral（传播）

Sean虽然书中没有给这一步划分章节，但他把传播融入了Acquisition之中。其实可以理解这一步也是一种获客方式。

他把病毒传播分为一下两种（范冰老师的分类更为细致，分为了5种）。

口碑式病毒传播：

例如《海王》的电影很好看，朋友圈都好几个朋友都在推荐；这个药效果不错，你试试；

早在Apple Store培训时的一句话就让我印象深刻：最好的广告是亲朋好友的口口相传。可见口碑传播的质量之高。

而Apple也采用了NPS来衡量顾客的满意度，这个概念范冰老师也有介绍过：

NPS以10分为满足 10-9分为推荐者，7-8消极接受着者，6分以下为贬损者。

净推荐值(NPS)=(推荐者数-贬损者数）/总样本数*100%

原生病毒传播：

现在流行的裂变方式就是一种病毒传播形态。

衡量病毒传播效力的有两种方法：

第一种：病毒系数K = 客户发出的邀请数*受邀请者中接受邀请的人数百分比。

如果你的K值大于1，那你的病毒传播算是成功了

但Sean认为K=1很难做到。即使是非常成功的营销也不一定能到达K=1。所以他提出了第二种：

他推荐使用三个因素：有效载荷（payload），转化率（conversionrate）和频率（drequency）

病毒性 = 有效载荷*转化率*频率

其中有效载荷：用户每次向多少人发送。

团队可以通过优化这三个值，来创造增长。

我认为也可以更简单的分为主动式和被动式两种。口碑式的传播，这种主动式的传播方式发自于用户内心，这种传播方式是最好的，而且没有成本。而被动式的，用户可能出于利益或不知情或被迫式的，来进行传播。当然如果是自然结果（不对用户使用环节造成影响）依然没有成本。

在传播这个环节上，也要求增长团队不断进行优化。优化的方面可以是邀请出现的页面，邀请的文案，包括是否通过奖励机制提高上面提到的三个因素等等方面。

很多时候用户达到「aha moment」时是让他推荐的最好时间点，很多App的弹出评分窗口也在这时出现。当然有时邀请更多朋友，就是通往「aha moment」的过程，那么我们就让用户更轻松更快捷的走完这个过程。

五，总结

上面提到的AARRR漏斗模型，或是Hook模型，都是增长团队的工具，或者说是套路。有了这些套路，可以让工作更加顺畅。但套路是死的，人是活的，如何应用在自己的产品中，还需要不断的实践。

实践的步骤就是增长黑客的核心工作内容：快速试验，分析数据并以其为根据。

另外增长黑客的方法，其实适用于很多的行业。比如如果我经营我们的「合气道」道场，它如何获客，是否可以尝试不同的渠道宣传。如何，通过教课的内容，比如每周设置一天的基础课程，促使试炼者能快速学习到一两个技法体会到「aha moment」，并通过练习这一行为，获得奖励，并持续投入。促使他们留下来继续练习，并购买会员。甚至通过口碑的传播，招揽更的人来。这其实就是AARRR漏斗模型和Hook模型的应用，我想这就是一项互联网思维吧。

六，存在的问题

之前被问到的一个问题，大概是这样的：增长团队不是职能部门。在需求的排期上可能会受到很大影响，因为产品部门、开发部门甚至设计部门都会背着各自的kpi。如需求的排期已经定好，快节奏的试验可能会与之形成冲突。Sean虽然讲到：我们用数据说话，或者找到增长负责人进行协调。但有没有更好的协调方式，有经验的同学可以说说自己的工作模式。

吐槽：

1. 「快速试验」–我觉得是抓住事物发展客观发展规律的方法论。如果想一下，可以说上帝也不知道什么是对的，于是有了物竞天择、优胜略汰。演化的开始也都是个体或者小部分。几十年的时间，对于上帝来讲也应该算是快速的了。这么想你会觉得上帝也是增长黑客 ?。（这句话真是又唯物又唯心）
2. Sean的《增长黑客》的中文版译者上面提到过Growing I/O的CEO–张溪梦，突然知道为什么这家公司这么定名了。
3. 不得不说《增长黑客》书的排版不是很好，至少Kindle版本是这样。Sean讲述的逻辑也不是那么清晰，但这的确不好讲清楚。
4. 第一次写这种文章，好长好长，写了好几天，有些东西的确不是一篇文章能够讲的明白的，这篇文章是能算梗概。可能有错误或者疏失或者遗漏的关键，希望读者指正。

p.s：感谢Sean版的《增长黑客》和范冰老师，文章有很多其中内容，本文不包含任何商业利益。我是个近三年的合气道练习者，道场不是我的?。

本文由 @Blake 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议