快速上手的个工作步骤
⇨⇦
本文分享的内容，一方面是综合了十多篇相关的国内外资料，另一方面是基于国内互联网公司的现状，外加我在工作中的实践，集合成了这6个工作步骤。
Growth hacking在国内已经不算是个新鲜的概念了，然而通读了很多书籍和文章，发现大部分都是基于Growth hacking的不同阶段进行阐述的，对于如何与手上实际的工作结合讨论较少。这几天也和身边的一些朋友在聊，发现很多人都处在＂略知道一些、有兴趣、不知道怎么着手＂的状态。
在这个系列的第一篇里我曾经提到过类似的观点，互联网的上半场伴随着人口红利经历了爆发式发展，而到了下半场，粗放的发展方式已经难以复制曾经的增长速度，许多互联网公司却仍然没有进入精细化数据驱动的工作模式。
几年前我也不觉得Growth hacking和自己有什么关系，庆幸的是，目前所在的团队一直传承硅谷基因，信奉数据的力量和工作流程，在日常工作中应用了很多与Growth相关的思路与方法。而事实证明，有时候只是一个决策、一个参数应用于一个小需求，就能将Growth hacking的方法论与实际工作相结合。
这也是我想整理这个系列的原因，希望能用简单的方法，和大家一起讨论在工作中如何快速上手Growth hacking。
而在深入讨论Growth hacking的具体策略之前，对我们更有帮助的是先了解Growth hacking的工作步骤。本文分享的内容，一方面是综合了十多篇相关的国内外资料，另一方面是基于国内互联网公司的现状，外加我在工作中的实践，集合成了这6个工作步骤。
希望通过这6个工作步骤，能帮助你对Growth hacking的工作流程有一个整体的了解，并在以后谈到具体的增长策略时，知道该如何运用。
步骤1：定义行动指标
《精益数据分析》中提到了一个概念叫第一关键指标（OMTM，One Metric That Matters），指在当前阶段高于一切、需要你集中全部注意力的数字。就像在本系列的前几篇中提到的一样，增长黑客与普通营销人员的区别在于对增长的专注力，而这个增长不是对浏览量/用户量/利润等单一指标的增长，而是随着阶段的变化不断去调整需要增长的目标。在这个阶段，你只需要定义一个OMTM就足够了。
这个指标需要满足以下三个条件：①精准清晰；②可操作；③可实现。这就要求你把看上去比较虚的＂增长＂这个词分解成颗粒度更小、可实现、可操作的任务。对于增长黑客来说，如果没有一个明确的焦点，之后的工作就毫无意义。
那么如何做到吧OMTM拆解到足够聚焦呢？
我来举个例子现身说法。
我刚入行的时候曾经从0到1做过一个社区类产品。那么对于这个产品的初期，KPI是增加日活跃用户数量，也就是DAU（Daily Active User）。
这看上去似乎没毛病，然而细想却发现这个KPI没什么用处：影响DAU的因素太多了，无法判断下一步到底该做什么才是对DAU最直接的影响。后来对KPI进一步细化到用户的次日/7日/30日留存，然而和DAU的问题一样，这个KPI同样不满足精准清晰、可操作、可实现三个条件。也正是因为初期没有形成明确的OMTM，功能表现无法量化评定，导致项目有段时间一直在漫无目的地不停开发新功能，试图对DAU或留存率产生影响。
现在回头再看这个项目，我会把KPI设定到每日发言用户率，即当日在社区内贡献内容的人数/当日活跃用户数，这才是最直接能影响用户DAU的核心指标，并且足够清晰、可操作、可实现。而事实证明，对社区类产品来说，用户参与深度才是最直接影响用户活跃度与粘性的关键。
反推这个确定OMTM的流程，其实是个不断拆解并筛选核心指标的思维模式，直到拆解到无法再次细分的层级为止，之后的层级会变成你的行动方案。如下图所示：
步骤2：追踪并分析行动指标
行动指标确定以后，你必须追踪并分析这些指标。追踪是指获取用户发生行为的路径数据，通常需要做的就是前端数据埋点。当然，如果不是从0到1的项目，你只需要查漏补缺。
分析则是帮你提炼出有价值的数据，并修正你的行动指标。数据分析和行动指标是相互影响的，正如前文中说的，你需要随着变化不断去调整需要增长的目标。
继续说那个现身说法的例子。
在这个社区产品中，假设OMTM已经确定为增长每日发言用户率，那么看看现在的数据埋点的追踪情况是否到位：
新用户打开产品后，是否追踪了新手引导展示完成率以及成功通过新手引导发布第一条内容的成功率？
新内容产生时，是否追踪了更新提醒的到达率、打开率以及跳转至对应页面的成功率？
做用户曝光时，是否追踪了该区域的展示率、点击率？
用户的发言被回复触发通知时，是否追踪了通知的到达率、打开率、跳转率以及再次回复率？
拿到这些数据以后，你可能会发现事情和你想象地不太一样，并且你也不太清楚问题该如何解决。没关系，并且没有一个增长黑客在刚开始的时候就能精准地找到解决问题的利器，你所要做的就是先认清事实，锁定问题。这件事本身就已经是非常大的进步了。
步骤3：利用现有优势寻求解决方案
想要找到问题的解决方案，不要漫无边际地发散思维，你需要聚焦到当前自身/团队的优势上。一般来说，你可以往这几个方面去寻找自身的优势，看看是否对当前的问题有帮助：
流量优势：一般适用于大厂的周边产品从母产品引流，或者创始人本身就有一定知名度，可以自带流量到产品；
资源优势：团队里有无法替代的资源，可能是人脉，可能是渠道，可能是内容，也可能是团队成员本身；
先发优势：在某个领域率先占领用户心智；
资本优势：有足够的资金支持你完成目标，或打压竞争对手；
成本优势：相比资本优势，如果你完成同样目标所耗费的成本较低，同样可以达到目的；
技术优势：领先于行业或竞争对手的技术能力；
垂直优势：其实属于另一种资源优势，但考虑到互联网的下半场，对某一个传统行业的垂直深入，将成为非常重要的优势。
这个步骤可能出现的场景比较复杂，在此就不展开了（比如我上文中举的例子，当时我们用的优势就是独家内容资源），只是需要你清楚从优势着手的意义：一方面，你需要最大化自身的优势去解决问题，这是最有可能成功破解问题的方法；另一方面，利用现有优势，可以帮助你省去前期工作的时间，快速启动。
步骤4：启动测试
在前3个步骤里，我们分别完成了定义目标、定位问题、确定解决方案，那么步骤4就要开始测试这个解决方案。在实际进行测试之前，需要注意如下几个问题：
1. 测试前要写清假设
写假设这件事情很简单，但事实上正式这个简单的步骤帮助你明确测试的目标和意义；
2. 不要把测试想得太简单
我知道很多公司的开发资源本来就紧张，很多需求都排期困难，这这种情况下很难调出一部分人力进行项目测试。这时候你需要获取领导的支持，确保相关同事知晓并理解这个测试项目的重要性，并且想办法优化测试方案，尽量简单、快速、有效；
3. 测试往往是失败的，要接受这个现实
很多时候你会发现测试结果无法验证你的假设，这很正常，推翻最初的推断并不丢人，你只需要换个方法继续尝试，直到找到能帮助产品进入爆发式增长的那个方案；
4. 失败和成功都值得学习
即便数据没有验证你最初的假设，但在整个测试过程中收集到的数据可能会帮助你以后进行其他的决策。
步骤5：测试
在进行测试方案时，并不是直接把方案开发上线那么简单。为了让测试能够尽量反应客观情况，你需要在开始测试时利用以下工具，完善测试本身：
1. 对照组
测试必须有明确的实验组和对照组，且对照组和实验组需要在范围、特征等方面基本相同。常用的选择测试组和对照组的方法：同一渠道的两组用户；同一统计特征的两组用户；两组同期群用户（关于同期群，以后会在公众号破壳(Pokeclub)中介绍并分析这一概念）；同样产品参与深度的两组用户；等等。
如果没有对照组，我们就很难判断测试结果到底是什么原因造成的。假设你发现社区在你投放优势内容进行冷启动后DAU出现大幅提升，你很难知道是你的内容投放策略生效，还是只是因为观测数据期间有一批人在你的社区里对骂了两天。
2. A/B测试
A/B测试是Growth hacking常用的测试工具，是在同一时间向对照组和实验组展示不同的方案，两组方案其他条件保持不变，只考察某一属性（比如图片的位置、按键的颜色等）对被试用户的影响。
A/B测试设计起来并不复杂，但结果可能会带来巨大的回报。
3. 多变量测试
A/B测试虽然简单好用，但对流量要求较高。如果没有巨大的流量作为支撑，很可能因为样本量过少而造成测试结果不准确，或者因为要测试过多元素，只能分成多个A/B测试，导致测试周期过长。
这时候就需要采用多变量测试方法，同时对多个属性进行测试，并用统计学方法剥离出单个影响因子与结果中某一项指标提升的相关性。
步骤6：重试
当你完成了一轮完整的测试，这时候你需要根据结果进行调整，再进行一轮测试，或者选择一个新的方法进行测试。Growth hacking工作流程的核心就是不断进行最小可行化产品的测试，快速测试，快速分析调整，快速迭代，从而不断接近目标甚至修正目标。
那么什么情况下我们要停止测试呢？有两种情况：一是假设已经被验证，那么接下来就无需测试，直接全量上线，冲击增长；二是发现在现有的条件和资源下，无法提供更好的测试效果，那么不如释放人力物力，到更需要的地方去。