在硅谷，Growth Hacking 正成为 Google 、Facebook 、Twitter、 LinkedIn 、 Airbnb 等大公司扩张背后的魔术师级大功臣。这个介于技术和市场之间的新型团队角色，依靠技术和数据的力量，来完成各种营销目标，低成本或者零成本地让产品和用户获得有效增长。
在国内，Growth Hacking 的概念也正在迅速蔓延，并渐露锋芒。
到底什么是 Growth Hacking？
我们会写代码，可以修改产品，通过修改产品当中的一些机制，让用户更愿意去推荐身边的人，以低于别人的成本获得了更多的用户，于是我们就获得了巨大的成功。是这样吗？
Growth Hacking 可远远不止这些。
创业公司在没有广告预算，缺乏市场推广的情况下怎样才能做好增长？增长到底给企业带来了怎样的价值？
或许，Teambition 能和你一起解读其中奥秘。
1. Teambition 眼里的 Growth Hacking
许多媒体报道对 Growth Hacking 有个简单的概括：一种通过技术获得用户增长的方法。
但观察发现，不同公司对 Growth Hacking 概念的理解往往很不一样。
对于 Growth Hacking 我们是这么看的：
1.1 永远在变化的增长黑客
符合 Growth Hacking 描述的行为，十几年前就有，并且还在不断演化中。
Facebook 用户增长副总裁 Alex Schultz 在演讲中说他早年做一个纸飞机的网站，在网页的底部藏很多颜色和背景一样的文字，重复写着「纸飞机纸飞机纸飞机纸飞机……」，这样别人搜索纸飞机的时候，他的网站排名就因为高度的相关性而上去了。
Dropbox 采用「相互推荐」的方式，老用户如果能够把新用户拉进来，他就能获得更多的存储空间。根据 Dropbox 的创始人 Drew Houston 的介绍，有了这样的推荐激励机制后，Dropbox 的注册量上涨了 60%。
Hotmail 刚开始发布时，在每封邮件的结尾处附上一个「现在就获取您的 Hotmail 免费信箱」的链接。 这样，每个用户在发出每一封邮件时，都成为了它的免费推销员，几乎0成本，Hotmail 就实现了一年内50万用户到1200万用户的病毒式增长。
除了用越来越精致的 SEO、邮件和短信营销，人们还动用了社交邀请机制、公众号传播和特定的交互设计（文案高亮、分享、下载等）来拉动增长。
而未来的发展方向，更趋向于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：探索前沿，技术套利
从增长黑客的角度来说，上述案例的共同做法是：通过探索前沿可行技术和工具，获得更强的执行，更准的信息等等，并在这些知识扩散之前充分使用，为产品在获客和留存等方面的争取竞争优势。
简单地说，增长黑客就是用探索的方式来做技术套利的事情。
「纸飞机」的方式已经被基于主流搜索引擎下的 SEO 替代，后两个案例却被广为扩散，不断在市面上看到它们的经验复制，但却没人能复制当时的成功。就好像 CTA 现在已经成为互联网企业运营的标配，但也没见得几家因此做大。
背后原因不外乎，随着时代改变，这些做法的有效性也就急剧下降了，跟进的人一多，受众也逐渐麻木，今天的 Growth 的杀手锏，很可能就是明天的部门常识。
真正重要的是，不断探索和验证新的做产品和运营的前沿方法，在这些知识扩散之前充分使用。
2. 初创公司可以怎么起步做 Growth ？
2.1雁行模式的启示：避开高投入，追求性价比
Growth 技术和手段的发展，有些像雁行模式。
越是前沿的实践越是有高投入高回报，因为竞争者少。这其中很多经过探索逐渐成熟的措施，快速在所有公司中普及，再其中一部分，在3到5年的时间里面逐渐成为设计、产品、市场等领域的规范。
从小众到主流，其中一个很大的分水岭就是即开即用、Saas 化的基础设施的出现，因此前沿的一些技术和方法（比如A/B Teating ）被实践的门槛降低，这是大部分公司都能追上的前沿。
初创公司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。
因为如果初创公司走在雁阵之前推动，需要探索很多未知的规律，花大量时间造轮子，这个过程中投入的代价是巨大的。
2.2 追上数据驱动
说到可探索和套利的前沿，具体是什么，对每个时代、每个阶段的每家公司都是不一样的，有些公司刷 SEO 刷出来了，有些公司在优化关键词广告或者邮件短信获客做大了，有些公司在押注病毒分享做大了......
我们认为，在可见的未来内，Growth 领域一个大有可为的方向是落实 BI 与数据分析系统和充分应用它们，目前 Teambition 也正在花很大的时间和精力投入到数据驱动中去。
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较高的前沿就是数据驱动，这里面涉及到的工具正快速完善和 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.」
如何实现数据驱动呢？
根据 Teambition 以往的实践经验，我们把这个过程分成三个部分：
2.3 Teambition 小建议
Teambition 增长团队负责人钱卓群，给对这个领域感兴趣的朋友分享了一些他的建议：
「经验上层面上，大家可以去看传为美谈的各种增长故事，但最好格外关注是这个主意是怎样诞生，又是怎样迭代调整，来适应当时的环境的，方案可能会过时，分析应变的方法论却不会。
工具层面上，自己从零开始动手做的话，很推荐遵循上述的“技术套利”、“雁行模式”的理解，可以先了解当下各种 Growth 相关 Saas 服务。 并把其中合适的经验利用起来，达到一个可以比较好地理解各种主流概念的位置，再去追求自己造轮子的方案。 一个不错的起步选项是相关服务的聚合网站 Segment.com，从基础数据库的工具到很高层的统计可视化一应俱全，可以优先选择数据统计类的服务，因为他们可以为你提供衡量后续服务的基准。Teambition 自己常用的工具有 Mixpanel，Interana，Tableau, Fullstory， Customer.io等。」
3. 如何规划数据采集？
简单来说，事件规划的核心在于监测「可能会造成差别的元素」：
a. 监测有可能造成差别的事件
b. 规划事件的维度，监测可能造成差别的维度
3.1 记录什么样的事件？
首先需要去记住那些构成关键指标的事件，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。
对 Teambition 来说，Growth 团队最开始关注的是用量这一指标，先将公司的整体方向反应在这些大数据上，接下来进一步再规划一些其他的数据，比如把用户量和市场活动联系起来，我们能够很清楚的知道一场活动带来的获客价值，能够很好的指导市场团队的方向。
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。
4. 如何采集数据？
采集数据是一件非常花资源的事情，一般会用掉整个数据分析过程中 1/3 到 1/2 的时间，Teambiton 的增长团队一半的时间是用来搭建更好的数据分析方式，加更多的数据追踪点，搭后台的数据仓库支撑数据分析，
初创公司，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。
4.1 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，防止后面很多折腾和重构。
其次，落实产品自动化测试流程的时，争取把统计数据的统计返回结果也包含进去，保证原始数据的稳健性。
最后，初创团队尽量用 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，界面流畅，上手友好。
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。
另外一个是 ETL (提取，转化，写入的英文缩写)。用SaaS 工具抓取的数据，是不一定都能满足你的数据要求，于是就有了ETL处理的需要。
5. 如何进行数据分析？
增长团队使用的手段通常是产品化的，数据分析的目标都指向「依靠数据来改善产品」。
进行数据分析的方法可以总结为以下两点：
5.1 以「怒点」为入口分析
不论是报表里覆盖关键行为（注册、激活、购买支付等等）和关键的路径（转化、漏斗、留存等等），我们都要重点关注「怒点」行为。
什么是「怒点」？
简单形象的比喻：如果用户在一个页面上面10秒之内针对同一个元素连续进行了超过5次以上的操作，这就是用户的一个「怒点」。
以上情况一般有两种可能，一种是产品真的做得很不合理，二是产品出现了不符合用户认知和预期的表现，有可能是网络问题或者是产品卡顿，进一步可能是交互的逻辑很难被理解。违背习惯的交互？提示没做到位？其中原因其实很值得深入研究。
5.2 数据分析的流程和目标
a. 提供报表和 Dashboard
Growth 团队需要根据公司每一个同事的业务需求，去产生他需要的结果，这个时候需要重点关注关键指标，生成报表或者Dashboard，便于可视化分析。
值得注意的是：在制作指标的时候，数据尽量不要做历史的存量，比如从公司成立到现在一共有多少个注册用户，这个数字看似很辉煌，但是没有可比性，我们需要关注的是每个周期的变量趋势，对比本期和上期的数据， 由此发现问题。
第一张图是每家公司的老板期望看到的数据，但这样的数据指导性会比较小。将观测重点调整后，我们便能更加清楚的判断方向。
b. 假设检验，指导业务
完善报表或是 Dashboard 后，可以根据业务经验提出一些假设，然后观看数据发展趋势，来验证你的假设是否成立，以此指导产品和运营的思路。
以上是假设检验工作比较标准的步骤，具体可以解释为：
分析数据，发现差异现象，结合业务经验推测这个现象是由于什么样的机制引起的，如果假设成立的话，推广这个机制可以更好地优化产品，反之产品或者运营可能会恶化或不变，可以通过前后持续的数据观察，对比数据变化的差异来分析假设是否成立。
这样的流程也解释了为什么 Teambition 有自己独立的 Growth 团队，而且一直强调，Growth 团队必须健全，而且必须有自己的开发能力的重要原因。
6. Teambiition 对 Growth 团队的理解
既然提到了Growth 团队，下面就谈谈 Teambition 对这个团队的理解。
6.1 Teambition 踩过的坑：错把增长当创意
许多公司没有专门的增长团队，Teambition 早期也是如此。
刚开始我们认为，既然增长团队解决的问题是以低成本来获取用户，牵头人应该是市场团队。
于是 Teambition 市场团队每周都会提出一些与增长相关的新创意，大家一起讨论后，把筛选出来的创意交由设计团队形成产品设计方案，再郑重其事的转到研发团队手里，做成一个好功能，最后交给数据分析师来分析这个创意带来的效果。
在当时的工作模式下，Teambition 孵化出了一个叫「表情特权」的创意。具体做法是：想要在聊天中使用更多表情，需要用户推荐其他人使用 Teambition 。
但这个项目最终并没有驱动增长，还消耗了公司整整三个月的时间，我们甚至忘了做这个项目最开始的目的，连数据观测点都忘记添加，这种消耗对初创公司来说是一件很可怕的事。
经过反复自省，我们把这个失败归因于：错把 Growth Hacking 理解为创意行为。
6.2 增长团队需要提出可靠的机会
做真正对用户有价值的功能，这才是团队的价值所在。
在现有的数据里面，去找到能够让新用户用的更好停的更久，推荐更多人的方法，这是探索增长的机会，而不是发明一个受欢迎的创意。
想通了这些后，我们成立了一个独立的 Growth 团队。团队里有产品经理、设计师、工程师、数据分析师。
产品经理会从数据分析师提供的各种各样的报告里，找寻增长的机会，然后提出假设，并和工程师快速开发尝试，通过实验的方式找到最合适的一个做法，发布到产品里：
所以，在 Teambition 眼里，一个真正的增长团队一定是独立完整的，能跑一整套流程，提出假设后，快速验证增长机会的可行性。
更重要的是，这样的团队不可能基于创意去做事情。
7. Teambition 的实践
有了自己增长团队之后，我们通过分析现有数据很快有了一些意外收获：
7.1 简化创建项目流程
像 Teambition 这样的协作工具，新用户创建第一个项目与否对产品体验来说显得尤为重要。下图是 Teambition 的在线创建项目的界面：
针对这个项目 Teambition 的增长团队专门做了漏斗分析，观察到一些用户在「项目类型」处操作后就退出了，并未完成项目创建。
如果用户第一次登陆没有创建新项目，实则反映了用户没有用到产品的实际场景，还没搞清楚产品就离开了。
为什么出现这种情况？
根据以往的经验，我们做出了这样的假设：界面上过多的选择往往会分散用户的注意力，导致核心操作受到影响。创建项目的核心是要用户创建一个项目，而不是非得选择一张封面。
如果能省略掉非关键因素，把非关键的信息放在用户创建项目完成后再来自定义，那么能否有改善呢？
于是我们简化了创建项目的界面，下图中左边是创建企业项目，右边是创建个人项目。整个过程简单便捷，用户不到一分钟就能完成。
通过后期的数据追踪和漏斗分析，我们发现转化率确实是大幅度提升了。
乘胜追击，我们还放大了首页的「创建项目」按钮，吸引用户创建新项目，这个改动上线 2 周后，提高了将近 3% 的新用户会去创建新的项目。
7.1 提示用户用书签保存项目链接
Growth 团队会关注用户使用 Teambition 的频度，因此会特别关注用户在界面上停留的时间。
有一次我们在看用户数据的时候发现了一个有趣的现象：用户在访问 Teambition 官网时，有很大比例的用户通过某个链接直接进到了项目页面，并且这些用户停留的时间都相对更长。
后来我们发现这些用户直接把常用页面收藏到了浏览器，点开书签就能直接进入项目页面，并且这些人往往是深度用户，活跃度也相对较高。
因此，我们便引导用户去收藏他的项目页面，在通过A／B测试后，我们在产品里增加了「收藏项目」的书签。
这个做法，让我们一批用户在 Teambition 上的停留时间长达 30 分钟以上，即使看 Facebook 的停留数据都没有这么长的时间。
这两个例子，对早期的 Teambition 来说是很有意义的增长实践，Growth 团队从数据中发现机会并落实产品优化，让产品中的每个流程提高几个百分点，从而给整个产品的用户增长带来巨大价值。
8. 总结经验，打造自己的 Growth Model
8.1 海盗模型-AARRR
Growth Model，是指累出大量的洞见来支撑产品的迭代，之后经过验证的假说或者所有决定的汇总。这些可以通过 海盗模型-AARRR 很好的呈现，每个首字母分别代表：获客、激活、留存、变现和推荐。
获客（Acquisition）：从网站等渠道获得到访的流量；
激活（Activation）：让用户真正理解产品，体会到产品迭代创新值并且愿意回来用；
留存（Retention）：用户再次使用，并多次回访；
推荐（Referal）：让用户把产品传播给其他人；
收益（Revenue）：用户产生了付费行为，给产品带来收益。
上面的每一步，不同企业都有自己的目标取舍。
比如在用户注册的过程中，是尽可能让用户少填信息提升注册转化率，还是让用户完善信息方便销售部门后期跟进呢？初创公司可能比较注重转化率，成熟型企业就更关注销售线索。
把实际业务所关注的每一点与 AARRR 模型合起来，成就自己的 Growth Model，一直是行业当中比较稀缺的技能，也是初创公司要获得增长的关键。
有了自己的Growth model 后，后续还要实时检测并且改善现有模型，争取让漏斗漏的越来越少。
8.2 打造数据驱动的团队
此同时，还有另一条战线需要铺设：团队数据意识和工具使用能力的培养。
这个非常重要，内部意识加上他们能够自己操作数据得到自己想要的结论的话，往往能为初创团队节约成本，争取到更多的机会。
当然，范围内培养也有一些局限，主要和影响数据驱动的两个因素有关：
企业数据基础设计的建设速度很慢，传统的手动埋点过程耗时1-2 个月不等，等出新版本的话，项目基本告吹；
数据的使用者和采集者错开，鼓励自助查询，业务、运营和产品经常使用数据，需要利用数据来支持决策；但是采集和处理数据需要数据工程师来跑，等数据工程师把排队堆积的数据报表跑出来，业务那边已经错过了最佳决策时机。
在这种情况下，建议使用第三方的 SaaS 化的 SDK 来简化埋点，并尽量鼓励自助查询，甚至自助埋点，在一些低门槛工具和内部预制模版的基础上，大家能读取自己业务相关的细节数据，而不是排着长队等数据工程师跑数据。
总而言之：
内部数据意识 + Self-Service = 先进技术的杠杆率
9. 写在最后
增长是最好的管理，许多公司都在做增长的事情，对增长的理解或许不尽相同，但核心永远都离不开：通过数据发现和创造更大的价值。
Teambition 还小，浅显的经验或许不能代表什么，这里举个大些的例子。优步总结自己最核心关注的数据是：乘客打车时手按下去后，专车到乘客面前的时间，这和滴滴关心的定单量截然不同。
优化了这样一个很小的数据，就体现了这家公司的价值：优步让整个世界的交通效率提高了。
所以，一家公司，特别是初创公司对数据的理解，是做好一切增长的前提，我们应该想明白公司最关注的数据是什么。
对 Teambition来说，我们最关心的数据是：有多少内容在 Teambition 上创建出来。
因为不管 Teambition 在其他环节多么优秀，产品的核心的价值在于让我们的用户可以在 Teambition里互相配合、协作、沟通，一定要让大家有事可讨论，有事可协作，所以用量是最核心的数据。
上面这张图，是公司的核心逻辑。
如果整体表现出增长，代表 Teambition 实现了自己的价值：让更多人通过协作互相配合去完成工作，而不是一个人在战斗。
因此，理解 Growth hacking 是基础，追逐前沿是投机，数据分析的种种方法均是手段，站在自己公司的角度，思量增长的核心，认清关键数据，把握产品价值，才是一家公司在着手做增长之前，更应该深入思考的问题。
原作者：钱卓群／齐俊元 编辑：Teambition