1. 什么是增长黑客？
增长黑客通常采用的手段包括A/B测试、搜索引擎优化、电子邮件召回、病毒营销等等，而网页加载速度、注册转化率、E-mail到达水平、病毒因子这些指标成为他们日常关注的对象。
增长黑客必须真正懂得产品的核心价值，能用最简单的语言描述这个产品是什么、解决什么问题，在此基础上清晰定位有关增长的问题，并寻求解答。
“Growth(增长）”指的便是产品增长这一核心目标。增长的对象不仅包括用户量的累加，更囊括了产品生命周期中各个阶段的重要指标。根据不同阶段用户参与行为的深度和类型，可以将增长目标拆分概括为“AARRR”转化漏斗模型：
来源网络
2. 增长黑客的特质
1. 数据为王：增长黑客的一切工作都是建立在数据分析的指导之上的，而非拍脑门式的碰运气。
2. 专注目标：增长黑客的工作必须时刻围绕增长展开，整个过程需要经历不断地测试、改进、学习、再测试，这要求相当强的毅力和抗压能力。
3. 关注细节：任何一处细微的改动，都有可能对产品全局的增长造成影响。
4. 富于创意：“增长黑客”这种职业是科学与艺术的结合。他们善于左右脑同时开工，一方面，通过缜密的分析衡量自己的想法是否可行，另一方面，天马行空地提出解决问题的方案构想。
5. 信息通透：增长黑客必须一方面深入理解自己产品用户的活跃渠道，“从群众中来到
群众中去”，扎根建立环环相扣的转化漏洞；另一方面抬眼看世界，时刻掌握海内外最新的产
品和市场动向，尤其关注新生渠道和业界趋势。
3. 一切用数据说话
数据分析是增长黑客日常工作中的基本组成部分。产品功能逻辑越复杂，用户量越大，涉及的利益方越多，数据分析的成本和要求就越高。
1. 进行数据分析的首要环节是明确分析的目的。脱离具体目标的单纯数据查看没有任何价值。在有些公司里，向数据支持部门索取数据，需要提交相应的流程，转交给对应的负责人进行手动查询。如果分析目的不明确，无疑是在耽误整体项目进度，浪费他人的时间。好的增长黑客懂得有的放矢，杜绝意义不明的数据索取需求。
2. 其次是要了解数据来源的相关信息，包括各项指标的定义、采集点和上报机制。
不同产品对指标的定义应当建立在品类特性和自身提供的服务核心价值之上。对一款即时通信应用而言，每日启动用户的数量远不如消息发送量重要。
上报机制则是指数据上报的时机、内容和技术实现形式。例如对一款移动应用而言，上报机制需要考虑的内容可能包括：在应用刚启动时上报还是即将退出时上报，每次批量收集一组数据再上报还是随时上报，是否只在 Wi-Fi 环境下上报，本地保存的待上报数据有效期是多久，是否会有其他因素干扰上报等。只有明确了上报机制，才能及时对数据异常做出感知，及时做出调整反应。
3. 在数据来源正确的前提下，进行数据分析的方法可分为定性分析和定量分析。
定性分析，就是对事物的性质作出判断，究竟它“是什么”。
定量分析，是指对事物的数量作出统计，衡量它“有多少”。
数据分析就是定性分析与定量分析相互结合，不断验证的过程。提出假设、设计方案、
分析数据、验证或推翻假设，最终抽丝剥茧，逐渐接近真相。
4. 增长黑客担任的团队角色
在互联网公司中，与增长黑客相关或近似的其他成员角色包括产品经理、产品运营、研发工程师、交互设计师、用户研究等。从产品功能的策划角度看，产品经理需要考虑现有产品缺少哪些功能来迎合用户，并且对功能推出的路径和节奏制定规划。而增长黑客更倾向于关注那些能带来数据增长（尤其是自发传播）的功能特性，例如订阅机制、邀请机制。从投入产出比最大化的角度考虑，产品运营者更希望采用已被验证有效的既有方法，不断复制成功的经验，例如，如果送礼有效就持续搞活动，增加礼物数量和奖品价值，如果心灵鸡汤类的文章可以吸引读者点击，就增加这类文章的比重。而增长黑客更倾向于从数据中获得启发，发现新的机会，设计试验来验证自己的想法，为产品增长闯出一片新的空间。可以预计，很多时候增长黑客的尝试会陷入瓶颈和徒劳，这从运营的角度讲是难以接受的。
增长黑客是游走在产品、运营、研发、设计、用研等环节之间的多面手，它既是黏合剂，串联起产品开发过程中的各个环节，又是润滑剂，抹平造成阻碍的因素，降低失灵卡壳的可能。一名增长黑客不仅需要肩负起推动项目前进的重任，还应与他人紧密配合，集百家所长，并弥补其他角色的短板。
5. 鉴别应聘增长黑客者是否优秀，可以从以下几个问题着手：
1. 如果我们的产品出现了某个现象（比如流量井喷或暴跌），原因可能是什么？
2. 你会采取什么方式找出问题所在？
3. 你觉得我们产品最重要的特性是什么？
4. 如果给现有产品增加一个功能，你觉得应该加什么？为什么？
5. 谈谈你以往的成功案例？
6. 如果想接触某个公司或个人，你能通过什么途径？
6. 如何成为增长黑客？
专业技能过硬、经得起实战检验，是最基本的准入门槛。增长黑客要建立“T”形的知识结构——在横向上对跨界知识信手拈来、有机整合，在纵向上有某一领域的专攻，甚至达到旁人难以企及的深度。除了“硬性实力”外，还有一些“软性实力”是成长为合格的增长黑客所应当具备的，包含如：
热情：兴趣是最好的老师，在缺乏外力协助和现成解决方案的情况下，唯有满腔热忱能驱动人持续探索，恒久坚持。
聪明：网络上有浩如烟海的信息、知识、工具、参考产品可供随意取用，但同时信息噪音也很大，需要有效识别、高效筛选。聪明的人会知道什么是自己需要的，而哪些不值得浪费时间。
好奇：从一大堆杂乱的数据和用户访谈中抽丝剥茧，发现问题和与传统认知相背离的异样细节，从而进一步探寻到别人未曾发掘的机会。
资源：最有效的一手实践案例和内部消息绝不会来自网络搜索。好的增长黑客既有发现机会的敏锐，又应当具有收集情报的途径。
影响力：增长黑客要设法鼓动和说服团队中的其他成员，形成以“增长”为核心的默契心态，这要求增长黑客既是一名好的倾听者，也是一名好的演说者。
心态开放：要明白自己喜欢的并不一定代表大众也喜欢，而自己讨厌的在别人那里也许根本不构成任何困扰。要善于聆听他人的意见，养成空杯心态，及时将自己“清零”。
内心强大：增长黑客的工作有相当一部分在于试验，从不可能中寻求可能。面对风险、失败和前功尽弃，内心强大才能越挫越勇，不至于在阴影中逗留过久，而是昂首阔步地迈向下一个尝试。
一点点强迫症：在能做到目标明确、抓大放小的前提下，对影响用户心智、事关转化的细节有严苛要求，全盘把控，而不是明哲保身、不敢提出要求。被誉为“偏执狂”的乔布斯在《The Lost Interview》采访中曾说：“伟大的人，不会在意自尊，大家都把注意力集中到产品上，这毕竟才是最有效的工作方式。”
7. 增长黑客的常用工具箱
Google Analytics: 是目前使用最广泛的统计工具，强大且免费。Google Analytics 主要给我们提供了以下几大关键指标:
页面浏览量（Page View）：网站在某一段时间内的页面浏览量是多少。
用户浏览量（User View）：网站在某一段时间内的用户浏览量是多少。
渠道来源（Traffic Sources）：用户流量来源于哪些不同的渠道。
访客特征（User Demographics）：访问用户具有哪些特征值，可用来做用户分类。
访问路径（Flow Report）：用户在网站上的访问行为，各个页面的进入率和跳出率。
整个 Google Analytics 的数据是以访问为中心的，可以很方便了解网站的访问和渠道转化情况，对于大部分的网站尤其是内容类网站来说已经足够了。国内的百度统计、CNZZ 统计等也提供了更多类似的且本地化较深入的功能。
Mixpanel ：从页面访问量数据的局限跳出来，转而以用户行为为驱动。它主要给我们提
供了以下几大关键指标：
用户动态分析（Trends）：你关心的用户行为发生了多少次，占总比例多少。
行为漏斗模型（Funnels）：某些关键行为是怎么发生了，每一步有多少的留存率和流失率。
用户活跃度（Cohorts）：网站用户的活跃度如何，可以用来区分忠实用户和普通用户。
单用户行为分析（People）：单个用户在网站上做了哪些操作，过程是如何的。
所有的用户行为对应一个事件，你需要事先规划好你想跟踪哪些事件。比如以网站的注册转化率为例，我们希望了解所有访问的用户中，有百分之几的比例注册了，首次访问注册的比例是多少，这些用户是怎么注册的。有了这些信息后，我们在提高注册转化率这个目标上，就能进行更有方向性的实验，也能很直观地了解到底每个变化是带来了提升还是降低。
KissMetrics ：跟 Mixpanel 很类似，都是以用户行为为导向的分析工具，所提供的功能也基本一致。不过 KissMetrics 在针对用户的行为分析上做得更深入也更简单，能让你更加清楚地了解用户行为背后的各方面数据。
UserCycle ：特点是你并不需要大量的数据，你真正需要的是每次专注一个指标，获取能让你用来提升这个指标的目标数据，进而提供执行的辅助。如果说 GoogleAnalytics、Mixpanel 和 KissMetrics 是纯粹的分析工具的话，那么 UserCycle 则做得更多，从统计到用户分组，再到生命周期维护和分组实验测试，从各方面了解用户行为，提升用户的价值。
统计分析（Trends）和用户分组（Cohorts）：统计分组是以用户行为为中心，让数据说话。用户分组则根据用户对于产品的参与程度不同，划分成不同的群组。
生命周期维护（Lifecycle Messaging）：用于与用户不停地保持互动，既能让客户更满意，也能知道用户为何流失。
分组实验测试（Split-Test Experiments）：当知道用户为什么喜欢你的产品或者讨厌你的产品的时候，你就可以有目的地去改进产品了。在改进产品的时候可以多采用分组测试，来衡量不同的变化带来的改进效果，寻找到最优解。
Customer.io ：用于分析管理产品生命周期中使用的邮件（Lifecycle Email）。一个产品的成功与否，关键在于看有多少忠诚的客户，邮件互动就是为了制造忠诚的客户。而邮件互动的关键又在于如何在正确的时间给正确的用户发正确的内容，从而提高邮件打开和转化率。例如，对于活跃的用户，我们需要跟用户互动的目标和跟一次性用户互动的目标会截然不同，所以必须了解用户之间的差异，基于用户的不同行为发送不同的邮件。这就是Customer.io 在解决的问题。与此类似的产品还有 Vero。
Optimize.ly ：是 A/B 测试的利器。当我们定义好我们想去测试的实验时，可以非常简单地通过 Optimize.ly 来定制和修改页面。即使是没有技术背景的市场人员也能很简单地学会如何做 A/B 测试。Optimize.ly 会根据用户行为的不同，给出不同的测试报告，让我们能真真切切地了解页面变化对于转化率的影响。除了 Optimize.ly 外，Unbouce 也是不错的A/B 测试工具。
友盟：友盟统计分析平台是国内最大的移动应用统计分析平台之一，能帮助移动应用开发者统计和分析流量来源、内容使用、用户属性和各种细分的行为数据。除了数据追踪，友盟还提供了方便移动开发者节省工作量的第三方组件，如消息推送、游戏分析、社会化分享、用户反馈模块。国内的类似服务还有 TalkingData 等。
网友评论