增长黑客的实际应用

互联网是现代社会最具颠覆性的引擎，从购物到交往，它改变了我们的一切。从购物到交往的方式。随着社会化平台的运用逐步增多，growth hacking也开始蔓延，初创企业开始改变对营销和增长的思考方式。强调数据、产品，力求“精益”的growth hacker正在对营销的基本假设发起挑战。 在这个过程中，我们如何打造自己的Growth Model？一起来看看本文。

一、什么是增长黑客？

一个有趣的现象：大家对 Growth Hacking（增长黑客）概念的理解很不一样，而且一直都在变。

1.1  永远在变化的增长黑客

Facebook 用户增长副总裁 Alex Schultz 早年创建了一个做纸飞机的网站，他在网站页面上放了二三十个“纸飞机”，然后通过搜索引擎检索的时候，发现这个相关度的排名就上去了，这就是最初的SEO的尝试。

Dropbox 推出用户通过邀请好友获得更多存储空间的功能，得到了快速的增长。

Hotmail 刚开始发布的时候，在所有人的邮件下面加了一个申请使用的CTA，然后短时间内获得了很大的增长。

后来除了用越来越精致的SEO、邮件和短信来拉新，还可以用社交邀请机制、公众号传播（扫码关注）和特定的交互设计（文案高亮、分享、下载）来拉动增长。

现在大家开始使用数据化运营的方式获取增长，如建立一些新的指标、搭建A/B测试框架等等。

1.2  增长黑客的本质：技术套利

经过一段比较复杂的思考，我认为 hacking（黑客） 是我看到的一个比较好的词。任何的系统都存在大家认知的规则和实际上存在的规则，hacking 就是在认识到实际存在的规则下，达成看似不能完成的目标。

从增长黑客的角度来说，上述案例的共同做法是通过探索前沿的技术和工具，获得更强的执行，然后在对这些工具或者规则的理解扩散之前充分利用它来获得相应的竞争优势。这主要集中在获客、激活、留存、变现和推荐等领域，简单地说，增长黑客就是在上述领域进行技术套利。

技术套利的一些工具和见解，在广为扩散后基本就无法再现当年的效果，比如网盘邀请好友送空间、转发抽奖、CTA等等现在已经成为互联网企业运营的标配，但是也没见得几家因为变大。

真正重要的是，不断探索和验证新的做产品和运营的方法。也正是这一点，不同公司在不同阶段的探索方向是不一样的，因此造成了开头说到增长黑客定义的混乱。

1.3 探索中的雁行模式

越是前沿的实践越是有高投入高回报，因为竞争者少，甚至连知道的人都很少。通过一段时间，如员工离职再创业、技术分享等，这种做法得到逐步扩散，被实践证明非常有效，并且开始流行起来。随着门槛的不断降低，标准化的工作流程或者工具软件会出来，重要的分水岭就是SaaS化的工具，并逐渐成为各个行业的标准和规范。这就是雁行模式的特征。

就个人观点，对于初创公司来说性价比最高的做法就是做到目前大规模流行的SaaS产品能够支撑的程度。

2. 增长黑客 与 Data Driven

增长黑客比较重要的一个领域、比较值得做的就是数据驱动。

为什么呢？

一是，前面雁行模式所归纳的，现在大部分公司能跟得上的性价比比较高的前沿就是数据驱动这块，这里面涉及到的工具这两年以非常快的速度正在完善和SaaS化。

二是，数据分析本身是衡量一切后续产品改进或者增长黑客的结果的指标。这也正符合管理学大师彼得·格鲁克说过的：If you can’t measure it，you can’t improve it.

那么如何实现数据驱动呢？

根据以往的实践经验，我们可以把这个过程分成三个部分。

首先是规划，确定你需要采集哪些事件。

然后是采集，如何把数据采集到相应的数据库或者产品中。

最后是数据分析，从采集到的数据中得到对我们有用的一些结论。

3. 如何规划数据采集？

规划主要分成两部分：

一是主要采集哪些事件；二是采集的事件中，用哪些维度去分析。

3.1 记录什么样的事件？

首先需要保证的是去记住那些构成关键指标的事件（这些关键指标和你的产品息息相关），例如注册、激活、购买等。

接下来去分解支撑这些关键指标的那些事情，例如注册包括：打开注册页面，输入账号、密码和验证码，或者使用其他的社交账号来登陆。

这个过程你会发现一些事件有明显的顺序，一些用户会在某些事件上放弃。这个过程就是所谓的漏斗分析，各种构成漏斗分析的主要步骤也是可以这样一并记录，作为这个关键指标的延伸和改善。

3.2 选择什么样的维度？

最重要的原则是记录那些可能产生差别的维度。

比如某一个功能，我放在页面上不同地方会产生一些不同的影响，那么就需要记录他们的页面属性作为一个维度。再比如一个电商网站，卖出去的货可以记录编号、价格、产地等多种维度。

现在初创公司的话，性价比最高的做法就是用SaaS服务，通过第三方的SDK来完成原始数据的采集工作。

4. 如何采集数据？

传统采集数据是一件非常花资源的事情，可能会用掉我们 1/3 到 1/2 的时间。

4.1 采集数据需要注意什么？

首先，在产品的早期，就要把“统计层”的需求直接放到产品规划和迭代的结构中去，提前规划好可以防止后面很多折腾和重构。因为后期你会发现，采集的需求从某种程度上和程序复用的需求有一些矛盾。

其次，在落实产品自动化测试流程的时候，争取把统计数据的统计返回结果也包含进去，长远来看可以帮助我们省掉很多技术上的问题。

最后，第一次采集数据的话，尽量用SaaS工具自带的SDK起步，可以帮你省掉很多细枝末节的小问题。

4.2 如何选择数据采集工具？

首选推荐的是 Mixpanel ,它的事件采集比较全面，强过Google Analytics，上手友好性非常好。

还有一个海外工具叫segment，也是一次埋点，然后把数据采集后转成你能接受的其他方案。你只需要通过后台开关就可以控制。它也是一个非常适合上手的工具。

上面这些方案都可以作为你去了解现在比较流行的 SaaS 产品的一个起点。

4.3 如何进行数据处理?

如果只用性价比最高的 SaaS 工具的话，数据处理过程也许不需要你操心；但是不一定都能满足你的数据要求。

大家可能听说过 ETL (提取，转化，写入)，很多时候我们会有一些自己的数据处理工作。这主要是出于性能考虑，SaaS 产品的 SDK 抓取的数据格式和我们需要的不一致，亦或后期处理的需要。

5. 如何进行数据分析？

规划并采集好需要的数据，然后开始进行数据分析，主要目的是通过分离维度来查看数据之间的相关性。

5.1 数据分析的两大目标

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!