1、什么是增长的本质？

个人总结为，增长不是必然的，而发展是必然的。但所有的增长都必然遵循一定的客观规律，都是在摸爬滚打中修炼内功，自我矛盾，然后量变积累质变，以突破瓶颈的过程，然后在下一个瓶颈期，周而复始。在个人之前的那篇文章《想聊聊增长的底层逻辑》中也有提过。

同时，这一想法还可以找到其他的理论类比，如《颠覆式创新》中的双S曲线模型。李善友教授说，人类社会并不是沿着直线进步，而是沿双S曲线进步。两条S曲线之间的断层，被称作“不连续性”。能否跨越双S曲线之间的“不连续性”，是企业兴衰的第一因。对人自身的成长、产品发展等、我认为皆是如此。

多扯一句，记得刚毕业最早接触混沌大学时，认为很多都是江湖骗子，而李善友就是骗子头，而后在认知不断地提升后，其实能管中窥豹，习得一二。在过去，我们总认为发展中地区不论经济和人的价值观必然趋向发达地区，而现在才发现，经济和价值观往往是割裂的，贵族往往是跨越权力周期的，实在有意思。说这些只是想表明，认知的提升确实让人痛快着迷，但认知在不同阶层的人，实在难以沟通。

以下内容主要来源于三节课增长课程+个人实践的理解和加工，首先个人认为这门课是很不错的，但每门课程的内容一定会有其局限性，同时一门课的内容是非常多的，但个人认为，必须抓住框架中最核心的主逻辑叙述出来，故此文章不会完全按照三节课的内容来进行呈现。

2、互联网产品的增长全貌包含哪些方面？

2个主干流程+2个基础能力，分别如下：

流程：分析增长全局→开始增长实验

能力：增长模型+数据框架和能力

接下来分点细说。

3、主干流程1：分析增长全局，找到当下的增长重点

这一流程中，核心的问题有4个,环环相扣，实为灵魂三问，我是谁，我从哪来，去向何方。

3.1我是否提供了一个能给用户创造价值的产品？

判断依据也很简单，看用户留存和是否有稳定的自然增长。

3.2从大方向上看，我的增长重点在哪？

第一看大周期，整个市场是跑马圈地的增量时代，还是洗牌后的尘埃落地时代，前者要尽快跑马圈地，后者要重点关注精细化的留存和变现。

第二看小周期，你的产品处于哪个生命周期，探索期、成长期、成熟期、衰退期，各阶段侧重点不同，介绍此理论的文章很多，不赘述。

第三看这个领域内是否有一些核心资源问题，如电商的货，彩票的牌照、在线教育的内容，这些是你跑通商业模式的基础，如果没有，要优先搞定。

3.3我的北极星指标是什么？

为何要有这个指标呢？一个团队，必须有且只有一个核心指标，一旦不明确，效率将显著下降，这个指标既是战略的体现，同时又指导了具体执行，而选取这个指标，有3个核心标准。

第一，这个指标必须尽可能站在你商业价值和用户价值的平衡点上，这将让产品走得更远。

第二，是否够简单可拆解，指导具体的执行，而执行的结果能反映在这个指标上。

第三，指标本身是可以动态更换，只是在一个阶段内不变，当战略方向调整后也要变化。

3.4基于北极星指标，我的目标该如何拆解？

个人理解来看，其实这一步是整个增长中最难的一步，原因在于，这并不只是一个数据指标，还决定了你的组织架构，每个团队之间，要如何权责分明却要能力往一处使，实是一门艺术。

其中介绍了几种模型，全链漏斗型、因子分解型、AARRR模型、全定量模型等，我个人认为这几种模型其实并不是独立互斥的，而是可以共同使用的，相关的介绍不赘述网上也都有，但个人认为最实用的还是全链漏斗型。

4、主干流程2：开始增长实验

基本流程为，假设→ICE评分排序→指标→受众→开始实验→分析和放大

4.1假设：

概括为，从数据中寻找问题，然后去提出怎么改会更好的假设。

前半句来说，基本是从漏斗转化的角度去分析哪一步的问题相比业内标杆有大的差距，然后通过用户标签和行为细查来定义可能怎么改更好。其实这个是一个科学研究问题的基本方法，针对任何行业任意学科，都有几个基本理论，就是无限细分，即你在看到大问题的时候，你无法分析出哪些具体的执行方式能够改善这一问题，这时候你要无线细分，直到细分出可执行的动作出来。

举个简单的例子，注册流程中，发现注册成功转化较同行差距10%，细查发现，虽然35岁以上用户量较少，但是选择了那些35岁+的用户在上传头像环节的选择图片环节放弃了，故此后续将上传头像修改为了非必须选项，可以按照性别随机分配一个默认头像。

4.2排序：

推荐使用ICE评分法，I即影响范围、C即成功概率、E为实现容易程度，三项平权各满分10分，每个Idea算出总分后从高到底排序。其实和PM对需求优先级按照优先、紧急、实现来判定是一个逻辑。

4.3指标：

需要有两个指标来判定一个实验成功与否，一为核心指标，用于直接判定成败。二为辅助指标，用于监测是否产生关联影响，以及是否产生副作用。

个人认为核心指标一般需要是全局性指标，如电商交易流程中每一步的UV转化，这样有利于直接看到对全局的直接体现，选取核心指标的标准同选择北极星指标。

辅助性指标用于监控，因为数据的背后是行为，行为背后是需求，当某个地方的需求被满足后，其他地方的需求可能就会减少，在数据上就是此起彼伏的，举例来说，去优化一个支付网关，一开始只有支付宝支付，后来引入了微信和银联支付，则会发现支付宝支付的支付占比和金额都降低了，但总体的支付成功率和费率指标均有数据提升，那优化就是成功的。

再用做过的一个购物车项目来举例，核心指标是购物车到结算页的UV转化，当你对于特价商品在购物车加入了一个倒计时失效功能后，用户可能会因为这一倒计时而产生购物冲动下单，但是你的辅助指标中需要去监测，是不是这部分产品的退货率变高了，等等。

4.4受众

分流上，第一考虑是否需要对整体用户群进行实验还是对标签人群做实验，第二考虑的是分流方案，一般尊重AAB平均分流方案，第一个A是原始组，第二个A是对照组，第三个B是实验组，当A1=A2的数据时，B的数据才有意义，在具体流量分发上，一般App端比较好办，直接使用device id即可，而Wap和Web端则需要种在Cookie中，同时在服务端对于App的device id进行一个关联以保障用户体验的统一性。

此外，了解统计显著性的理论可以帮你判定需要分多少流量实验多久才能证明你的实验是有效的，算法我也记不住，但认为一般这个不太是问题，在有一定量的情况下，避开活动时间等，按照感觉走就可以了~也有一些三方工具可以帮忙计算https://www.eyeofcloud.com/126.html

4.5分析和放大

成败，通过看数据指标，不赘述。

原因：还是老两样，细分漏斗、用户分群，看是哪一步哪个用户群的数据得到了提升，将这一经验同步复制到各个部门。

放大：根据结果，看是否要继续实验、或者是调整方向，同时及时将结论同步给所有人。