没接触增长黑客工作方法之前，一直觉得很增长黑客非常玄学，修改个按钮文案，调个页面背景色都能带来巨大营收的增幅。

在江湖上也经常能看一些硅谷增长奇案，也有很多声音说“硅谷那一套”并不合适我们，与本土的增长水土不服。直到当下整个产品生涯中，我认为以增长黑客团队的工作方法是一种比较科学有效的增长方法。

这里不神话“增长黑客”，也不是推崇大家也去修改文案，调调背景色坐等千万营收，而是增长黑客这种工作流程和解决问题的思维模式个人认为非常值得学习，下面我们一起聊聊一款内容资讯类产品从0到1完整的增长实战情况归纳为五步和大家分享，涉及相关业务隐私敏感，相关指标会模糊处理。

第一步：确定北极星指标

既然是围绕增长，我们不是今天改改A模块，明天改改B模块单纯的瞎碰运气，而是有一个相对聚焦方向，团队成员都能往一处地方使劲。

不要以为一步一个脚印，扎扎实实的走就能达到增长，有时路选错，方向错了，每多走一步，都是挨揍的理由。

所以毫无疑问第一步是找到产品的“北极星指标”，“北极星指标”这个词相关接触过增长的童鞋一点都不陌生，这是做增长的第一步也是极其重要的一步，有很多书籍和相关文章会比较详细的讲解北极星指标，我个人推崇的做法是，先列举出产品商业目标和用户价值，最后通过内部征集得出一系列指标，再从中进行筛选出一个合适的北极星指标，而筛选因素可以借鉴以下六大因素进行筛选得出。

1、能让用户体验到核心价值

2、能否反映用户活跃程度

3、指标提高，公司是否就变好

4、团队及跨部门之间是否容易理解

5、是否先导指标，而不是滞后指标

6、该指标是否容易拆解后续且容易执行

最后通过产品商业目标和用户价值，列举出周活跃用户数、付费用户数以及每周资讯查看数，再结合北极星指标6大要素进行筛选，找到“每周资讯查看总数”是最合适当下的北极星指标。

第二步：得出增长公式

确定北极星指标“周资讯查看总数”后，第二步就是要把北极星指标进行拆解，拆解之后得到一个结构化公式，即影响北极星指标主要由哪几个变量组成，变量之间如何运算才等于北极星指标。

周资讯查看总数 = X * Y

拆解增长公式有很多思路，始终都是围绕北极星指标来模拟用户角色流程，从初始点一个新用户到终点达到北极星指标这整个流程，就能拆解出属于该产品业务北极星指标的增长公式。

模拟角色跑完流程后，最终得出以下增长公式，得出增长公式，每个变量均可持续拆解，拆解到不能再拆为止时，该产品所有的北极星指标增长点，均在公式里。

回到自身情况，根据当前业务及北极星指标得出增长公式，并对公式变量进行拆解，此时所有增长点一目了然，哪个指标的上涨会带来哪些变化？哪个指标依赖哪些因子，整个团队甚至公司对此都会非常清晰。

第三步：找到增长杠杆

当得出增长公式后，得知了非常多的增长点，此时不要想着“逐个击破”，这样导致团队无法聚焦，而且无法得到效率产出最大化。

也有可能正因为能做的事情很多，所以很可能导致不知道该从哪个地方进行下手，那么这时候发挥出增长公式的力量。

达到有效的增长的核心不在于同时做很多事，而是在于找到目前影响增长率最关键的一两件事。增长公式就很好的解决了这个问题，增长杠杆可以让我们专注于提高空间最大的一部分，从而实现效果最大化。

“给我一个合适的杠杆我可以撬动整个地球.”，增长公式里面的增长杠杆就是“支点”。

增长杠杆的来源是根据增长公式各个变量下的拆解，搜查出各变量下数据指标，其中影响最大并且成长空间大的就可以定义为增长杠杆。所以找到增长杠杆非常依赖搜查数据，搭建起来可能需要耗费一些时间。

回到自身情况，根据增长公式各变量下的数据可以得出，当下北极星指标及变量的表现情况。

初步查看下可了解到付费会员的查看资讯表现还不错，所以当下问题可以定位在“试用会员查看次数”下，根据试用会员查看情况发现，“查看比例”以及“人均查看次数”的表现情况成长空间比较大，并且可操作性强，因此短时间内可以聚焦于试用会员的资讯查看来进行相关增长实验。

第四步：建立点子库

第一步得到北极星指标后方向有了，第二步拆解北极星指标得到增长公式后，增长框架也有了，第三步根据增长公式挖掘出增长杠杆后，当下聚焦点也有了，此时增长团队就可以提出针对增长杠杆的假设，建立实验点子库进行快速验证。

因为实验点子是由整个增长团队所有成员提出汇总，成员除了需要围绕核心指标以及对增长公式有明确的认识外，如何让点子库里面的点子更“科学”，围绕以下3个维度来进行筛选排序。

影响力：做这件事能为当下或未来带来多大影响，预计能提升10%还是80%；

难易度：做这件事需要花费多少资源，能在几个小时内完成并测试还是需要数周的努力；

信心值：做这件事实现目标有多大信心，有数据支撑还只是灵光一现。

最后加权平均，高信心高影响低成本优先级无疑是最高的。

回到自身情况，挖掘出增长杠杆是试用会员查看资讯数，聚焦于“查看比例”以及“人均”2个因子建立点子库，提出实验方案并按“影响力”、“难易度”、“信心值”进行筛选。

点子名称：

1、提高注册用户当天查看比例

2、提高试用会员查看次数

3、试用会员无次数促活

4、过期试用会员召回

…..等等

实验想法：

优化注册成功落地页，推荐相关资讯和引导订阅。因为落地页是一种简单易行的匹配需求的方式，提高核心内容与用户需求的匹配度，缩短体验路径，提高核心动作转化率。

….

第五步：持续实验及监控

常规实验过程中，拟定好实验对象以及需要AB测试的实验组，实验对象可以先从小部分用户进行实验再持续慢慢扩大实验范围，实验方案只要满足单一变量可以同时多组进行对比，根据对比结果得到更快得出最优的实验方案。但不建议同时进行多个试验以免造成相互影响。

实验对象：

华为用户手机终端，Android版本为3.3.1

实验版本：

原始版本：用户在查看资讯详情时保持原有产品流程和交互，订阅入口按钮无变化

实验组A：用户在查看资讯详情时停留时长超过5S时，订阅入口按钮循环3S缩放效果

验证用户对订阅按钮曝光获取是否会提高用户的订阅按钮点击情况。

实验组B：用户在查看资讯详情时停留时长超过10S时，订阅入口按钮循环3S缩放效果

验证用户对资讯的阅读时长的长短是否影响用户的订阅。

实验结束通过AB测试第三方工具，可以得到实验结论：

在常规试验上产品各个模块应该多灵活配置化，尽可能多配置化可以减少研发投入维护成本，也可以更加快速的进行实验，如果都要以“发版本”来进行一个创意实验，那就拉胯了。接入和搭建AB平台也能更加迅速的进行实验。

提到搭建和研发资源，增长团队工作方式对某类企业不友好，正因为增长团队的工作方式对速度和效率有一定要求，如果获取数据非常繁琐的情况，不合适增长团队的工作流程，因为增长初始点是数据分析，而增长的终点也是数据的验证和结论，如果连数据看板都还没搭建的不建议用增长团队流程来进行工作，因为看个数据都费劲效率实在是慢。搭建数据仪表盘是增长团队的基石，AB测试工具是武器。