首席增長官

全面引爆產品迭代、用户和收入增長的哲學！

增長黑客之父Sean Ellis作序推薦；LinkedIn聯合創始人、Greylock 合夥人Reid Hoffman，經緯中國創始管理合夥人邵亦波，攜程集團高級副總裁孫波，點融網CTO孔令欣，《增長黑客》作者、聖騎諮詢創始人範冰 聯袂推薦！

用更快的速度、更低的成本，使企業獲得指數級增長，是一個企業的核心競爭力。數據驅動增長正在成為企業發展的必需理念，聘用首席增長官、增長團隊和增長黑客將是未來商業發展的趨勢，其巨大價值將逐漸呈現。

LinkedIn前美國商業分析部高級總監、GrowingIO創始人兼CEO張溪夢，首次開講數據驅動增長方法論，並總結為“8字型”框架，旨在解決企業關於增長的痛點，幫助企業進入DT時代後，實現數據驅動增長思維的轉型，真正幫企業將大數據分析以及大數據的應用落地。

精裝、全綵，208幅原創插圖清晰展示對5大崗位、4大行業、Facebook、LinkedIn、Pinterest、Airbnb、Dropbox、鏈家等來自硅谷和國內標杆公司的精彩解析！ ^[1] 

增長是企業永恆的主題，是商業的本質。

人口紅利和流量紅利的窗口期正在關閉，曾經“流量為王”所帶來的成功經驗正在失效，所造成的思維邏輯和方法論亟待更新。在互聯網下半場，企業要如何保持增長？傳統企業是否能跟上數字化轉型的腳步，找到新興業務的增長模式？為什麼可口可樂公司用首席增長官取代了首席營銷官職位？ ^[1] 

數據驅動增長正在成為企業發展的必需理念，首席增長官、增長團隊和增長黑客將是未來商業的趨勢，其巨大價值將逐漸呈現。

本書內容包括首席增長官的崛起及向首席增長官進階的三個階段（第1~2章）、增長框架的學習引擎模型和用户增長模型（第3~4章）、不同崗位和不同行業做增長的方案（第5~6章），幫助讀者搭建一個完整的增長知識體系。本書適合企業的管理者、市場營銷、互聯網運營、產品經理、客户服務、分析師、工程研發等讀者閲讀，無論是一線員工還是中、高層管理者，都可以從本書找到感興趣的內容。傳統行業的讀者，更能通過本書迅速瞭解互聯網工作的全貌，掌握必備的實戰技能。 ^[1] 

張溪夢（Simon Zhang），GrowingIO 創始人兼CEO

張溪夢曾在硅谷有13年數據分析經驗，創辦 GrowingIO 之前在 LinkedIn 任美國商業分析部高級總監，親手建立了 LinkedIn 近百人商務分析和數據科學團隊，支撐 LinkedIn 所有與營收相關業務的高速增長。2013年，Data Science Central 評選其為“世界前十位前沿數據科學家”。

2015年5月，張溪夢迴國創辦了基於用户行為的新一代數據分析產品 GrowingIO。

GrowingIO 首推國內領先的“分析工具+運營諮詢+持續增長”數據服務體系，幫助企業構建數據運營閉環，用數據驅動企業增長。 ^[1] 

推薦序

前　言

致　謝

1.1　什麼是首席增長官 // 1

1.1.1　可口可樂設立首席增長官 // 1

1.1.2　越來越受歡迎的首席增長官 // 2

1.2　為什麼會出現首席增長官 // 4

1.2.1　市場：紅利消退、增長放緩、競爭加劇 // 5

1.2.2　客户：從被動接受信息到主動選擇產品 // 8

1.2.3　技術：為用户生命週期提供數據洞察力 // 9

1.2.4　管理：從職能型組織向增長型組織進化 // 11

1.3　首席增長官是做什麼的 // 12

1.3.1　首席增長官的定位 // 13

1.3.2　首席增長官的角色 // 14

1.3.3　首席增長官的職責 // 16

1.4　案例：LinkedIn增長的秘密武器 // 17

1.4.1　六年間40倍增長 // 17

1.4.2　首席增長官的力量 // 18

1.4.3　增長是對商業本質的洞察 // 20

1.4.4　LinkedIn的增長策略 // 22

1.4.5　用數據驅動用户增長 // 23

1.4.6　公司自上而下對數據驅動文化的認同 // 24

2.1　首席增長官進階的三個階段 // 26

2.2　增長黑客 // 27

2.2.1　增長黑客概念的提出 // 27

2.2.2　增長黑客的能力模型 // 30

2.3　增長團隊 // 31

2.3.1　增長團隊的組織架構 // 31

2.3.2　增長團隊的組建和分工 // 34

2.4　首席增長官 // 36

2.4.1　問題和解決方案匹配時期 // 37

2.4.2　最小可行性產品時期 // 37

2.4.3　產品和市場匹配時期 // 37

2.4.4　渠道和產品匹配時期 // 38

2.4.5　成熟期 // 39

3.1　增長框架的概述 // 41

3.1.1　學習引擎模型 // 41

3.1.2　用户增長模型 // 44

3.2　正確的增長目標：北極星指標 // 46

3.2.1　北極星指標的重要性 // 46

3.2.2　關於北極星指標的兩個案例 // 47

3.2.3　制定北極星指標的六個標準 // 49

3.3　高效的衡量技術：數據採集 // 51

3.3.1　什麼是用户行為數據 // 51

3.3.2　埋點採集數據 // 54

3.3.3　無埋點採集數據 // 57

3.3.4　一站式數據採集解決方案 // 59

3.4　科學的學習方法：數據分析 // 61

3.4.1　數據分析的戰略思維 // 62

3.4.2　數據分析的三大思路 // 65

3.4.3　數據分析的八種方法 // 69

4.1　獲取用户 // 77

4.1.1　受眾 // 77

4.1.2　獲客成本 // 78

4.1.3　用户旅途 // 79

4.1.4　案例解讀 // 86

4.2　激活用户 // 88

4.2.1　激活的概念和意義 // 88

4.2.2　激活系統四大組成部分 // 89

4.2.3　To C 端用户激活案例 // 92

4.2.4　To B 端用户激活案例 // 95

4.3　用户留存 // 98

4.3.1　什麼是真正的用户增長 // 98

4.3.2　留存分析框架 // 99

4.3.3　新用户留存分析 // 100

4.3.4　產品功能留存分析 // 106

4.4　用户營收 // 109

4.4.1　營收的兩種方式 // 109

4.4.2　用户付費：以轉化為核心 // 111

4.4.3　廣告收入：以黏性為核心 // 114

4.5　用户推薦 // 117

4.5.1　推薦體系的組成 // 117

4.5.2　衡量推薦的兩大指標 // 121

4.5.3　推薦的經典案例：Airbnb // 122

5.1　市場營銷：渠道、流量、轉化 // 125

5.1.1　市場營銷人員的工作重心 // 125

5.1.2　優化獲客渠道 // 125

5.1.3　監測投放鏈接 // 132

5.1.4　優化落地頁面 // 136

5.2　產品研發：數據驅動產品優化和迭代 // 139

5.2.1　從產品研發流程談起 // 139

5.2.2　產品分析的基本概念 // 141

5.2.3　產品數據分析流程 // 145

5.2.4　產品數據分析方法 // 149

5.3　運營：用數據分析做運營增長，你需要做好這四個方面 // 153

5.3.1　流量運營：多維度分析，優化渠道 // 153

5.3.2　用户運營：精細化運營，提高留存 // 156

5.3.3　產品運營：用數據來分析和監控功能 // 157

5.3.4　內容運營：精準分析每一篇文章的效果 // 158

5.3.5　運營實戰案例 // 160

5.4　數據分析師：用數據驅動增長 // 165

5.4.1　數據分析師的發展歷史 // 166

5.4.2　數據分析師的組織架構 // 167

5.4.3　數據分析師的增長技能 // 169

5.4.4　數據分析師的實戰案例 // 173

5.5　客户成功：以留存續約為核心 // 174

5.5.1　客户成功經理的誕生背景 // 174

5.5.2　客户成功經理的工作職責 // 176

5.5.3　客户成功經理的數據看板 // 178

5.5.4　客户成功經理的實戰案例 // 180

6.1　電商：電商精益化運營的五大關鍵指標和三個關鍵思路 // 183

6.1.1　電商行業的五大關鍵指標 // 183

6.1.2　商品運營：流量優化和品類優化 // 184

6.1.3　用户運營：提高用户留存和復購 // 188

6.1.4　產品運營：提高轉化效率 // 190

6.2　在線旅遊:如何提升購買轉化率 // 192

6.2.1　用户旅途概述 // 193

6.2.2　渠道優化 // 194

6.2.3　落地頁優化 // 198

6.2.4　搜索優化 // 201

6.2.5　用户整合 // 205

6.3　互聯網金融：如何促進高成單、高轉化 // 206

6.3.1　互聯網金融平台的增長 // 206

6.3.2　互聯網金融平台的三大增長模型 // 208

6.3.3　互聯網金融用户的四大行為特徵 // 211

6.3.4　精細化運營的三大步驟 // 213

6.3.5　理財業務：提升整體成交額 // 213

6.3.6　貸款業務：提升註冊轉化率 // 222

6.4　互聯網+：打通線上線下數據，驅動鏈家增長 // 226

6.4.1　什麼是增長 // 226

6.4.2　增長遇到的挑戰 // 227

6.4.3　鏈家如何打通線上線下數據 // 229

6.4.4　如何用線上數據分析驅動增長 // 234

後　記 ^[1] 

整個商業世界正在發生巨大的變化，無論是傳統企業還是互聯網企業都面臨着巨大的挑戰。

受到互聯網企業的衝擊，傳統企業增長乏力，亟需開啓“互聯網+”模式和數字化轉型工作。而互聯網行業同樣遇到了市場紅利消退、競爭加劇等問題，如何快速高效地獲取客户、確保客户堅持使用產品以達到高速增長的目的，這是一個巨大的挑戰!如果你效率比別人高，那就很容易出類拔萃，遠遠地將競爭對手甩在身後。而高效決策的前提，是要有數據支持，依照數據分析去做決策。所以只有提升效率，用更快的速度、更低的成本，來幫助企業獲得增長，才是企業的核心競爭力。

數據驅動增長的這套理論，在美國已經應用了多年，這也是我回到中國後，看到的中美企業運營的主要區別。除此之外，還有四個非常大的差異：第一，是否有數據驅動意識的差異；第二，是否進行數據分析實踐的差異；第三，是否用數據做決策的差異；第四，是否用工具代替人力的差異。這四點差異也決定了現今我們在中國做產品的形態：企業不太習慣用數據分析工具，覺得沒有價值；數據分析實踐沒有太大的規模，只在一些核心的互聯網公司裏才有；內部人員使用數據分析工具的經驗不夠；數據分析缺少工具。

我們要做的事情，就是讓每一個人都具備用數據驅動運營和決策的能力。在當今中國，特別是高度競爭、成本不斷增加的時代，這是一種戰略級的能力。我相信有讀者聽説過增長黑客（Growth Hacker）或者首席增長官（Chief Growth Officer）的概念，其核心就是用數據來驅動企業業績和用户的增長。以往按照職能分工獨立完成任務的方式將被逐漸淘汰，如何實現快速增長將成為所有人面臨的挑戰。

《首席增長官：如何用數據驅動增長》這本書就是為了讓每一個人具備用數據驅動運營和決策的能力這個目標而寫的，我希望讀者看完這本書以後可以幫助企業業績實現更加快速、高效的增長。

《首席增長官：如何用數據驅動增長》全書共分為3篇，分別是道、術、器。

道——增長的價值認知，包括本書第1~2章。

“道”是指最基本的價值認知，包括行業變化趨勢、企業面臨的競爭和挑戰，組織管理變革以及人才培養方向。

術——增長的方法論，包括本書第3~4章。

“術”是指數據驅動增長的方法論，包括業務執行方法論和用户增長方法論，我們更是首次提出了“8字型”框架。

器——增長工具的運用。包括本書第5~6章。

“器”是指如何用工具解決具體的業務問題，以及不同行業、不同崗位如何用數據驅動增長，我們總結了GrowingIO 成立兩年多來的成功經驗和案例。

《首席增長官：如何用數據驅動增長》適合企業的管理者、市場營銷、互聯網運營、產品經理、客户服務、分析師、工程研發等讀者閲讀，可以幫助讀者搭建一個完整的增長知識體系。

不管您是公司高層管理者，還是中層和一線工作人員，都可以從本書找到相應感興趣的內容。有一線工作者看了這本書之後，立刻對自己手上的業務有了清晰的認識；有國內精通數據分析產品的人認為本書關於數據分析有典型實戰派的見解，對於行業現狀的具體情況瞭解得非常精細；更有硅谷的數據工程師評價本書包括了有誠意的乾貨；而中層和高層管理者會從本書前4章中發現難得的“增長”方法論和未來商業的趨勢。

“增長”這套方法論，已經被很多企業證明是有價值的，包括領英（LinkedIn）、臉書（Facebook）、推特（Twitter）、愛彼迎（Airbnb）都在實踐，企業建立半年後就可以開始應用了。在中國，大數據已經火爆了三四年，很多企業卻沒有找到落地和變現的方法。大數據的應用在國內有很大的需求，大數據結合企業內部的運營方法和工具，才能為企業創造價值。

《首席增長官：如何用數據驅動增長》這本書就是為了增長而來的。希望看完這本書的讀者都可以成為優秀的增長黑客、增長黑客團隊的負責人甚至是首席增長官，幫助更多的企業用數據驅動增長。

張溪夢

2017年9月10日 ^[1]