一、首席增长官的崛起
1.首席增长官的职责：连接各个部门并且打破各种传统部门（例如销售、市场、运营以及IT等）之间的藩篱，从整体上关注客户需求、市场动态以及买家的行为和喜好。
2.首席增长官出现的原因
（1）市场：红利消退、增长放缓、竞争加剧（刘易斯拐点）。
（2）客户：从被动接受信息到主动选择产品。
（3）技术：为用户生命周期提供数据洞察力。
（4）管理：从职能型组织向增长型组织进化。
3.首席增长官是做什么的
（1）首席增长官不只是负责营销的CMO，而是整体负责获取客户和留存客户。
（2）首席增长官在公司组织中扮演三个关键角色：可信赖的管理顾问和企业文化挑战者，具有丰富品牌建设和财务管理经验的管理者，应对外部市场需求变动的内部协调者。
（3）首席增长官的职责
A.建立以客户为中心的高效业务增长体系。
B.建立增长团队，打破部门间的隔阂，优化内部资源。
C.管理公司的新产品策略以及研发，特别是产品创新以及相关投资并购。
4.案例：LinkedIn的增长策略
（1）业务框架：第一个环节是用户，包括用户的使用、活跃、增长；第二个环节是数据，包括用户使用产生的行为数据、服务端日志数据和交易数据；第三个环节是变现，促进业务和用户增长。
（2）落实数据驱动：第一，CEO要认识到它的价值；第二，我们需要基本的框架和方法论；第三，数据驱动必须变成一种企业文化，也就是全体一线的业务人员要努力把数据驱动变成工作流程的一个部分。
二、从增长黑客到首席增长官
这章主要讲了增长黑客、增长团队及首席增长官各自的定位、工作内容和相关指标等，这里不赘述。
三、增长框架
1.增长框架概述
（1）学习引擎
A.计划（Plan）：阐明业务问题、目标、潜在资源、项目范围，以及高层项目时间表。
B.投入（Invest）。
C.衡量（Measure）。
D.分析（Analyze）。
E.优化（Optimize）。
（2）用户增长模型：AARRR
2.北极星指标
（1）北极星指标VS虚荣指标。
（2）北极星指标的6个标准
A.产品核心价值是什么？这个指标能让你知道你的用户体验实现了这种价值么？
B.能反映用户活跃程度么？
C.公司发展与这个指标是不是正相关？
D.这个指标是否容易被团队成员理解和交流？
E.这个指标是否是一个先导指标？
F.这个指标是不是一个可操作的指标？
3.高效的衡量技术：数据采集
（1）数据采集方法：埋点法采集和无埋点采集。
4.数据分析
（1）数据分析的战略思想：EOI框架（Empower-Optimize-Innovate，即助力-优化-创新）。
（2）数据分析三大思路
A.数据分析的基本步骤。
B.内外因素分解法。
C.DOSS思路。
（3）数据分析的八种方法：数字和趋势、维度分解、用户分群、转化漏斗、行为轨迹、留存分析、A/B测试及数学建模。
四、用户增长模型
1.获取用户
（1）获客成本：各渠道分别计算营销成本，调整比例以优化整体获客成本。
（2）用户旅途
A.用户旅途（User Journey）：又称为用户旅程，是指用户从首次接触直至下单以及享受产品或服务期间，用户与企业产品或者平台互动的全过程。
B.用户旅程六大核心接触点
a.站外渠道（用户匹配度和广告出价）。
b.展示创意（用户匹配度和创意吸引度）。
c.抓取或投放的URL（针对SEO，用UTM参数衡量）。
d.落地页：落地页与前面创意内容的匹配度，落地页自身的内容和结构质量及用户匹配度（用跳出率和进站用户量来衡量）。
e.辅助转化内容及CTA：辅助内容是否知道用户的痛点、能否满足用户的进一步需求，CTA是提供入口给用户（用停留时长、访问深度和激活用户比来衡量）。
f.产品转化流。
（3）案例（可以细读）。
2.激活用户
（1）激活的四大组成部分
A.目标：找到Aha Moment
a.找到产品的核心功能。
b.在核心功能里，用户做了哪些事情促使他留下来。
c.在述功能中，哪些可以低成本、快速提现产品价值。
B.设计：Hook模型。
C.衡量：监测激活指标，激活指标包括激活用户数、激活比例（激活比例=激活用户数/活跃用户数）。
D.迭代：优化薄弱环节。
3.用户留存
（1）用户留存的意义：虽然新用户进来后有一定流失，但到达一定时间后，趋于稳定，还是有较高的留存；随着时间的推移，用户总数上升非常快，这才是真正的增长。
（2）留存分析框架之新用户留存分析
A.分析流失用户画像，找出用户群体特征。
B.通过改变产品/技术或者通过运营手段人工干预，让用户更加便捷的使用产品的核心功能。
C.魔法数字探索（找出用户行为和留存率之间的相关性）。
（3）留存分析框架之产品留存分析
A.功能矩阵分析方法
a.分析不同功能模块的留存趋势，增加产品的黏性。
b.分析不同功能模块的访问人数和活跃度。
c.分析用户使用功能的路径，找出流失原因，降低流失率。
4.用户营收
（1）用户付费模式的转化关键因素
A.视觉与交互。
B.内容建设。
C.产品的可用性（操作便捷度）。
D.用户运营。
E.客单价&多次转化（关注用户生命周期内的价值，包括留存率、活跃/复购度、客单价等）。
F.提醒：转化的前提是获客，后续的一切分析都需要在用户组成稳定的情况下分析，否则分析无意义。
（2）广告收入模式的转化关键因素
A.用户留存。
B.用户活跃（用用户打开产品频率及用户对产品的使用量指标来衡量）。
C.用户匹配（用曝光量、目标人群曝光量等曝光指标及点击量、下载量等行为指标来衡量）。
5.用户推荐
（1）触发推荐的三个场景
A.用户感受到产品价值，并且体验愉悦，自发性地分享给他人。
B.给分享者带来好处或利益（考虑分享者与被分享者的利益平衡）。
C.深入到用户和他人的社交互动中（与社交需求关联）。
（2）影响推荐转化率的因素
A.让用户更容易了解推荐流程，设计较为简单易懂的推荐流程及做好清晰的说明。
B.让更多用户开始推荐流程，就要给用户带来实际的产品价值，并设计较为有竞争力的推荐机制。
C.同时设计好多个推荐平台的接口，使用户可以较好地触达社交通讯录，并降低用户的社交成本，让用户选择合适的推荐人并且较易完成推荐。
（3）衡量转化的两大指标
A. K因子=发起邀请的用户数×转化率（K因子也被称为病毒系数，肖恩·埃利斯——增长黑客之父——在《增长黑客》一书中谈到这个指标存在一定缺陷，他认为这个指标缩小了活动推荐的效果。）。
B. NPS分值=[（推荐用户数-不推荐用户数）/返回分数的用户数]×100（通常在线下零售渠道中，通过用户口口相传的场景进行推荐，在不能直接通过推荐和转化的数据来衡量的情况中，NPS是一个较为常用的评估数据 ）。
五、各岗位的数据驱动增长实战
对市场营销、产品研发、运营和客户成功这4个岗位怎样通过数据推动增长的介绍，不详述。
六、不同行业的数据驱动增长实战、
对电商、在线旅游、互联网金融及互联网+等行业的怎样通过数据推动增长的介绍，不详述。