「增长黑客」这一概念近年来兴起于美国互联网创业圈，最早是由互联网创业者 SeanEllis 提出。增长黑客是介于技术和市场之间的新型团队角色，主要依靠技术和数据的力量来达成各种营销目标，而非传统意义上靠砸钱来获取用户的市场推广角色。
在中国的互联网企业圈，也有这样一批走在时代前沿的「增长黑客」最早实践者：Teambition 、Growing IO 、墨刀……「增长黑客」们能从单线思维者时常忽略的角度和难以企及的高度通盘考虑影响产品发展的因素，提出基于产品本身的改造和开发策略，以切实的依据、低廉的成本、可控的风险来达成用户增长、活跃度上升、收入额增加等商业目的。简单来说，就是低成本甚至零成本地用“技术”来让产品获得有效增长。
在 Teambition 创始人 & CEO 齐俊元看来，用户增长是一门科学，而不是艺术。
在经过最初的摸索阶段之后，Teambition 组建了自己的 Growth 团队，下文来自于 Growth 团队负责人钱卓群的分享，并被收录进范冰新书《增长黑客实战》中。
组建 Growth 团队的时候，我是怎么理解 Growth 的？
Growth 的核心职责其实可以和财务类比，传统生产企业里，原料和资金的来源、去向，在企业中周转的过程，都会得到完整的记录，并且会基于此分析改进的方案。 互联网产品团队也同理，用户因为什么到达，中途做了什么，又因为什么原因，如何离开了你的产品，这一系列问题的回答和追踪，是 Growth 的职责。 怎么做呢？一般是利用优势的技术能力来获得更强的执行能力，或者洞察能力，并转化成竞争优势， 在当下一般是数据驱动地推进产品高效迭代。
Growth 团队的初步初步组建和扩张？
任何想要有严肃产出的 Growth 团队，上述的三种职能都必须具备，但这也并不意味着找不到分工明确的三个人，就完全无法起步了。万丈高楼平地起，搭配正确的心态和循序渐进的安排，一个人也可以从零到一地把团队发展出来。 根据我的经验，不同的团队规模和工具的搭配，搭配由粗到细的产出，大致分成下面几个阶段：
第一阶段：基本报表。这个阶段完成基本的数据基础设施（很多时候是纯 Saas 的标准化方案）的建设，开始积累数据，支持基本的分析和策略尝试，很多初步的工具架设工作甚至是其他产品团队帮忙完成的。这个时候由于刚刚开始采集数据，日常运作中最基本的报表会开始逐渐被做出，很多的精力会在数据的有和无，以及基本正确上面。这个阶段的主力是基建。
第二阶段：定制报表和自定义探查。这个阶段主要是基于已有的数据产出结论。随着公司最基本最常用的报表都被完成，很多基础的维护也都能够自动化脚本化解决。分析性质的工作开始更多，其他部门的支持请求，比如一个功能设计会有利于组织层级深度很深的公司，但会增加产品复杂度，用户中有多少会用到很深的层级结构呢？又比如需要用户创建的内容，现在有模板可以选择了，在新老用户中这个功能的扩散程度如何？用过这个功能的用户中，有多少长期留存了呢？ 等等，这个阶段中对数据的维度区分会更细致，对数据的采集安排和更新速度会提出相当的要求，健壮的分析体系的基础是在这个阶段打下的。
第三阶段：数据驱动的迭代和策略。这个阶段的主力是策略和分析，基于前面已经积累的各种数据结论，来指导作用于产品的行动，比如执行过邀请动作的用户留存率更高，我们如果追求用户更高的留存率，就可以去执行各种实验，看看跟高留存率相关的各种行为中，推动其中一些，是否可以让留存率切实提高？如果是则保留，不是则回滚，以这样的方式不断演化，同样的方法也可以应用到所有的产品迭代中去，并且可以更精细地做，比如只随机抽取所有流量中的5%来做实验，这样万一功能有问题，也不会对用户群主体产生影响。
第四阶段：数据与算法产品化。将前述的结论和行动自动化、算法化。发展到这个阶段的团队，会已经积累了很多现成的结论，比如符合不同特征的用户，产品用不同方式去服务最好，（比如从来没用过某功能的用户，应当适当显示提示，便于功能发现，而已经深入使用的用户，可以提示快捷键或者显示复杂但高效的入口）。把这样的洞见自动化，并制作框架来让产品能够方便快捷地针对不同的用户以不同的方式表现，也是改善产品体验的一种好方法。（一个例子，2016年7月的时候，在 Slack 里面有一个切换话题和用户的功能，按 Cmd + K 的快捷键 超过10多次之后，界面中的这个按钮在左下角的位置就会隐藏，来保持简洁，当然用户可以自己去选项里关闭） 总结一下，绝大部分情况下，这会是一个螺旋上升的过程，基于初步的数据，产生初步结论，再依据结论，指导行动并反过头来积累更多的数据和结论，期间不断打磨工具和流程，让这个过程高效且尽可能自动化。一般推荐需求推动基建投入，而非反过来（因为工具和设施在各个阶段并不便宜，尽管基础设施预留空间大的话有学习能力的在职者的学习空间会更大，但也容易出现一年几十万授权费的软件只用来统计 pv uv 的状况）
Growth 特点总结和组建的过程
综上，一般传统上一直存在的纯数据团队提供服务和咨询只提供工具，不对指标的变化负责。Growth 团队在上述基础上自己做出决定和实施，对指标的变化负责。 但 Growth 并非保证一本万利的点金手，也不是大开脑洞地由 idea 驱动、未卜先知、上手就知道正确做法的奇才构成。它的本质是探索积累和科研，它是一个产出对用户的理解的过程，为了找到上述这些问题的答案，需要高密度动用科学的方法，工作中不断提出假设，并小心验证，把验证正确的假设作为对用户的理解积累下来。最后，才是利用这些积累，做出看似漫不精心但直击要害的产品和运营上的调整。 当然，因为种种原因原因，大部分人只愿意奖励成功的案例和背后的工作，但“看起来很对的 xxx 想法其实是错的”的发现，和对背后道理的发掘，同样都是重要的，但组织层面通过规则保证在这个方向不断做出积累，会是件在长期对公司很有益的事情。
点击这里，了解更多关于 Teambition 的故事