看过三本增长相关的书了，一本经典款国外的《增长黑客》、一本国内范冰的《增长黑客》还有一本就是现在这本《硅谷增长黑客》，我的感觉，前两本增长黑客是通过各种案例的方式来传达增长黑客这个东西是什么，看完知道什么是增长黑客了，但是和自己好像关系不大，不知道怎么落地。而这本书干货比较多，更容易落地，书中有提供各种图表、各种流程中的细节点、各种方法论参考，看完之后感觉有些地方直接就能上手干了（也可能是因为前两本书的年限比较长了）
按照章节记的笔记
增长黑客是什么？
增长黑客是一个多人组合的团队，是以数据指标提升为目的，利用杠杆效应去寻找那些成本小效果好的优化点，并通过实验的方式去验证自己的想法，以达到指标增长的目的。
增长黑客关注的核心指标可以分为5种，用户获取、用户激活、用户留存、用户付费、用户推荐，也就是传说中的海盗模型
增长黑客适合什么阶段的产品？
有句话叫做“不留存、就去死”，增长固然好，但也有一个大前提，就是先找到了产品的核心价值，明确产品能给用户带来什么价值，最好是留存数据在行业内不算太差。如果这些没有确定，做增长无异于浪费资源。
进行增长实验的前期准备
1、定义北极星指标
北极星指标是某个阶段产品最核心的一个数据指标，是增长团队所有工作的最终目标，北极星的定义需要结合产品本身特点、书中给出了几个问题，如果假设的指标都满足，那么可以定为北极星指标
这个指标是否可以反映出用户体验到了产品的核心价值
能反映出用户的活跃吗？
指标是否符合公司的发展方向
是否有流于整个团队的交流
是先导指标还是滞后指标
2、以北极星指标为目的绘制用户旅程图
以北极星指标为目的，整理出用户从开始到最终达成北极星指标的关键步骤，并建立漏斗，有利于去观察用户每个步骤的流失，进行针对性的提升
3、搭建增长模型（增长公式）
把所有影响到这个北极星指标的所有维度的数据进行整理，并通过公式的方式进行体现。公式的优点，一是不会漏掉某一个指标、再者就是便于排优先级、寻找杠杆效应最好的地方
不看总和数据
所有的总和的数据都是无用数据，要拆分拆分成最小单位，公司老大经常说的一句话：所有大面上的数据都是迷雾，要一层层拨开迷雾，去看到每一层迷雾背后的真实情况，才能得到最有价值的东西
用户获取——LTV> CAC
LTV=用户生命周期价值
CAC用户获取成本（一般当月市场渠道花费÷新增用户数）
只有符合上述公式的产品，才是长青产品，要么去降低用户获得成本、要么去提高用户生命周期价值
用户获取——用户推荐
通过用户推荐的方式获取到的新用户，是质量最高的，其一是用户背景相似、其二是有关系背书，其三是被推荐用户大概率是真正有这个需求的，具体用户推荐的衡量有一个K因子的指标。K因子（平均每个老用户带来多少新用户）
提升用户推荐的方式有很多，这里只说一下产品内的分享机制，产品内的分享功能的展现要结合合适的场景，不能一昧的从自身业务诉求出发。还有就是要建立一个分享的漏斗，分析去分析每一个步骤的流失原因
用户激活——AHA时刻
用户激活就是用户的AHA时刻，用户第一次认识到产品的价值，从而脱颖而出：“啊哈，原来这个产品可以帮我做这个啊”的时刻，只有用户被激活后，才会有留存。
要寻找产品的AHA时刻，就要去观察用户在触发那些行为之后，留存率是最高的，只有用户知道了你这款产品是怎么用的，用户才会判断是否要用这款产品
站在用户视角看流程——用户激动指数
衡量用户激活的还有一个标准，叫用户激动指数，用户使用产品从最初到结束，每一个步骤用户心理的打分，是促使用户继续进行下一个步骤的动力分数。
如：用户通过好友推荐进来的，对产品比较感兴趣，心中的初始分是60分，进来产品需要注册-10分，进来后看到UI效果不错+10分…，就是这么个加减分过程，和转化漏斗的价值一样，区别是它是站在用户的容忍成本视角去评判的
留存的根本
思考用户留存，最核心的一点就是要思考用户留下来能给用户带来什么？如果这个问题没想明白就去做留存，效果可能较差，只有想明白了用户为什么留下来，才能思考从什么切入点让更多的用户留下来。
书中有句话叫做用户的数据越多，用户使用的就越频繁，用户用的越频繁，离开成本就越高，用户的每一条数据记录，都是用户的一次操作痕迹，要合理的利用一些行为数据的记录，给用户做透出，算总计。
产品、市场、渠道、模式的关系
如果想要产品做大，光有符合PMF（市场和产品契合）是不够的，而是需要产品、市场、模型、渠道四者之间都有很好的契合
产品——市场契合：有一个目标用户群体存在，且这个产品可以满足这部分人的需求
渠道——产品契合：能够在特定的渠道上，找到这些目标用户群体
模型——渠道契合：产品盈利模式和用户生命周期能够支撑用这些渠道的开销
市场——模型契合：目标用户群体愿意为这个产品付钱，支持产品的盈利模式
假设>验证的闭环
通过假设用户在某一场景中可能会遇到的问题，并对问题进行分析解决，最终通过线上测试复盘数据，再去根据最新数据去假设，从而形成假设——实验的完整闭环，这是一个增长方式最简化的落地方案，即便不是专业的增长团队，也可以使用这种方式进行测试
不从想法出发、而从机会出发
改版优化时避免从想法出发，如：我看着这个页面不好看，要迭代它。这种从想法出发的改版，没有明确的目的性，全是靠个人主观的数据，且结果的好坏无法用数据进行量化，存在较大风险。
应该从机会出发去改版，如：经过分析用户漏斗或通过调研发现，用户在某个流程中可能会遇到这个这个问题，从而有以下1、2优化方案，预计优化上线后，可能会带来那些数据的变化，给大盘数据带来什么样的影响。