张溪梦（Simon Zhang），GrowingIO 创始人兼CEO

张溪梦曾在硅谷有13年数据分析经验，创办 GrowingIO 之前在 LinkedIn 任美国商业分析部高级总监，亲手建立了 LinkedIn 近百人商务分析和数据科学团队，支撑 LinkedIn 所有与营收相关业务的高速增长。2013年，Data Science Central 评选其为“世界前十位前沿数据科学家”。

2015年5月，张溪梦回国创办了基于用户行为的新一代数据分析产品 GrowingIO。

 

GrowingIO 首推国内领先的“分析工具+运营咨询+持续增长”数据服务体系，帮助企业构建数据运营闭环，用数据驱动企业增长。

增长是企业永恒的主题，是商业的本质。

人口红利和流量红利的窗口期正在关闭，曾经“流量为王”所带来的成功经验正在失效，所造成的思维逻辑和方法论亟待更新。在互联网下半场，企业要如何保持增长？传统企业是否能跟上数字化转型的脚步，找到新兴业务的增长模式？为什么可口可乐公司用首席增长官取代了首席营销官职位？

数据驱动增长正在成为企业发展的必需理念，首席增长官、增长团队和增长黑客将是未来商业的趋势，其巨大价值将逐渐呈现。

本书内容包括首席增长官的崛起及向首席增长官进阶的三个阶段（第1~2章）、增长框架的学习引擎模型和用户增长模型（第3~4章）、不同岗位和不同行业做增长的方案（第5~6章），帮助读者搭建一个完整的增长知识体系。本书适合企业的管理者、市场营销、互联网运营、产品经理、客户服务、分析师、工程研发等读者阅读，无论是一线员工还是中、高层管理者，都可以从本书找到感兴趣的内容。传统行业的读者，更能通过本书迅速了解互联网工作的全貌，掌握必备的实战技能。

推荐序

前　言

致　谢

第1章　首席增长官的崛起

1.1　什么是首席增长官 // 1

1.1.1　可口可乐设立首席增长官 // 1

1.1.2　越来越受欢迎的首席增长官 // 2

1.2　为什么会出现首席增长官 // 4

1.2.1　市场：红利消退、增长放缓、竞争加剧 // 5

1.2.2　客户：从被动接受信息到主动选择产品 // 8

1.2.3　技术：为用户生命周期提供数据洞察力 // 9

1.2.4　管理：从职能型组织向增长型组织进化 // 11

1.3　首席增长官是做什么的 // 12

1.3.1　首席增长官的定位 // 13

1.3.2　首席增长官的角色 // 14

1.3.3　首席增长官的职责 // 16

1.4　案例：LinkedIn增长的秘密武器 // 17

1.4.1　六年间40倍增长 // 17

1.4.2　首席增长官的力量 // 18

1.4.3　增长是对商业本质的洞察 // 20

1.4.4　LinkedIn的增长策略 // 22

1.4.5　用数据驱动用户增长 // 23

1.4.6　公司自上而下对数据驱动文化的认同 // 24

第2章　从增长黑客到首席增长官

2.1　首席增长官进阶的三个阶段 // 26

2.2　增长黑客 // 27

2.2.1　增长黑客概念的提出 // 27

2.2.2　增长黑客的能力模型 // 30

2.3　增长团队 // 31

2.3.1　增长团队的组织架构 // 31

2.3.2　增长团队的组建和分工 // 34

2.4　首席增长官 // 36

2.4.1　问题和解决方案匹配时期 // 37

2.4.2　最小可行性产品时期 // 37

2.4.3　产品和市场匹配时期 // 37

2.4.4　渠道和产品匹配时期 // 38

2.4.5　成熟期 // 39

第3章　增长框架

3.1　增长框架的概述 // 41

3.1.1　学习引擎模型 // 41

3.1.2　用户增长模型 // 44

3.2　正确的增长目标：北极星指标 // 46

3.2.1　北极星指标的重要性 // 46

3.2.2　关于北极星指标的两个案例 // 47

3.2.3　制定北极星指标的六个标准 // 49

3.3　高效的衡量技术：数据采集 // 51

3.3.1　什么是用户行为数据 // 51

3.3.2　埋点采集数据 // 54

3.3.3　无埋点采集数据 // 57

3.3.4　一站式数据采集解决方案 // 59

3.4　科学的学习方法：数据分析 // 61

3.4.1　数据分析的战略思维 // 62

3.4.2　数据分析的三大思路 // 65

3.4.3　数据分析的八种方法 // 69

第4章　用户增长模型

4.1　获取用户 // 77

4.1.1　受众 // 77

4.1.2　获客成本 // 78

4.1.3　用户旅途 // 79

4.1.4　案例解读 // 86

4.2　激活用户 // 88

4.2.1　激活的概念和意义 // 88

4.2.2　激活系统四大组成部分 // 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　什么是真正的用户增长 // 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　产品功能留存分析 // 106

4.4　用户营收 // 109

4.4.1　营收的两种方式 // 109

4.4.2　用户付费：以转化为核心 // 111

4.4.3　广告收入：以黏性为核心 // 114

4.5　用户推荐 // 117

4.5.1　推荐体系的组成 // 117

4.5.2　衡量推荐的两大指标 // 121

4.5.3　推荐的经典案例：Airbnb // 122

第5章　各岗位的数据驱动增长实战

5.1　市场营销：渠道、流量、转化 // 125

5.1.1　市场营销人员的工作重心 // 125

5.1.2　优化获客渠道 // 125

5.1.3　监测投放链接 // 132

5.1.4　优化落地页面 // 136

5.2　产品研发：数据驱动产品优化和迭代 // 139

5.2.1　从产品研发流程谈起 // 139

5.2.2　产品分析的基本概念 // 141

5.2.3　产品数据分析流程 // 145

5.2.4　产品数据分析方法 // 149

5.3　运营：用数据分析做运营增长，你需要做好这四个方面 // 153

5.3.1　流量运营：多维度分析，优化渠道 // 153

5.3.2　用户运营：精细化运营，提高留存 // 156

5.3.3　产品运营：用数据来分析和监控功能 // 157

5.3.4　内容运营：精准分析每一篇文章的效果 // 158

5.3.5　运营实战案例 // 160

5.4　数据分析师：用数据驱动增长 // 165

5.4.1　数据分析师的发展历史 // 166

5.4.2　数据分析师的组织架构 // 167

5.4.3　数据分析师的增长技能 // 169

5.4.4　数据分析师的实战案例 // 173

5.5　客户成功：以留存续约为核心 // 174

5.5.1　客户成功经理的诞生背景 // 174

5.5.2　客户成功经理的工作职责 // 176

5.5.3　客户成功经理的数据看板 // 178

5.5.4　客户成功经理的实战案例 // 180

第6章　不同行业的数据驱动增长实战

6.1　电商：电商精益化运营的五大关键指标和三个关键思路 // 183

6.1.1　电商行业的五大关键指标 // 183

6.1.2　商品运营：流量优化和品类优化 // 184

6.1.3　用户运营：提高用户留存和复购 // 188

6.1.4　产品运营：提高转化效率 // 190

6.2　在线旅游:如何提升购买转化率 // 192

6.2.1　用户旅途概述 // 193

6.2.2　渠道优化 // 194

6.2.3　落地页优化 // 198

6.2.4　搜索优化 // 201

6.2.5　用户整合 // 205

6.3　互联网金融：如何促进高成单、高转化 // 206

6.3.1　互联网金融平台的增长 // 206

6.3.2　互联网金融平台的三大增长模型 // 208

6.3.3　互联网金融用户的四大行为特征 // 211

6.3.4　精细化运营的三大步骤 // 213

6.3.5　理财业务：提升整体成交额 // 213

6.3.6　贷款业务：提升注册转化率 // 222

6.4　互联网+：打通线上线下数据，驱动链家增长 // 226

6.4.1　什么是增长 // 226

6.4.2　增长遇到的挑战 // 227

6.4.3　链家如何打通线上线下数据 // 229

6.4.4　如何用线上数据分析驱动增长 // 234

后　记