16米迷你名单上班

明年1号线破以后

在现代商业社会里，当一个才华横溢的创造者是没用的，除非你能同时把你创造的东西推销出去！

在如今技术井喷的时代，一样东西能不能造出来早已不是问题，问题是：它该不该被造出来！

美国市场研究中心通过分析101家科技创业公司的失败案例，总结出创业失败的20大主要原因，其中“没有市场需求”以42%的绝对占比成为首要因素！

1.5一切用数据说话
数据分析是增长黑客日常工作的基本组成部分

进行数据分析的首要环节是明确分析的目的
其次要了解数据来源的相关信息，包括各项指标的定义、采集点和上报机制

明确公司的核心指标是什么？
核心指标可以让大家劲往一处使，明白对公司发展而言，什么是必须严格遵守的，什么是应当暂时妥协的，什么又是能无憾放弃的

不同产品对指标的定义应该建立在品类特性和自身提供的服务核心价值之上。

在数据来源正确的前提下，进行数据分析的方法可分为定性分析和定量分析。

理解为：是什么？有多少？

数据分析就是定性分析与定量分析的相互结合、不断验证的过程，提出假设、设计方案、分析数据、验证或推翻假设，最终抽丝剥茧，逐渐接近真相。

合格的增长黑客应该具备以下特质：
1.数据为王
增长黑客的一切工作都是建立在数据分析的指导之上。抽丝剥茧，抓住问题本质，明确目标，有的放矢，同时多次尝试并拉长单个实验周期
2.专注目标
3.关注细节
4.富于创意
5.信息通透
在深入理解自己产品用户的活跃渠道的同时，尽可能多接触最新的产品和市场动态，或者挖掘上下游生态的链接情况

AARRR转化漏斗模型的含义：
1.获取用户
通过各种不同的途径，让潜在消费者首次接触到产品，有一个好的开端2.激发活跃
引导用户完成一些特定动作，使之成为长期活跃的忠实用户
3.提高留存
提高用户留存，是维持产品价值，延长生命周期的重要手段
4.增加收入
商业主体是逐利的，所有产品都有其盈利模式
5.传播推荐
基于用户关系的病毒传播，是低成本推广产品的全新方式，运用妥当可能激发奇妙的链式增长

在某些网络游戏里,玩家根据游戏行为和付费金额的特征被划分到不同的组别,进入专门为其量身定制的副本”世界。

在这个模拟的环境里,他看到的其他在线玩家实际上都是假玩家，都是机器人,对此玩家本人浑然不知,继续身陷其中乐此不疲。

在这的副本世界里,玩家的行动都被精确地算计与实时地配合着。例如,当系统发现玩家战斗屡遭失败,信心受到打击时,就会在下一场战役中派出较弱的杂兵;当系统发玩家乐于为低等级的女性免费赠送武器装备时,就尽可能在玩家周围分布多一些女“机器人”,以此骗取充值付费。

这就像是金·凯瑞的电影《楚门的世界》或是科经典《黑客帝国》中的桥段:肉眼所看到的外界世界或许并不真实存在,你只不过自己在跟自己游戏,或者说,被游戏开发商戏弄。

美国未来学家、世界顶级未来趋势智库“未来研究所”游戏研发总监麦戈格尔在其著作《游戏改变世界》一书中提出了游戏的四大定性征:目标、规则反馈系统和自愿参与。

目标:指玩家靠努力可达成的具体结果。它能吸引了玩家的注意力,并不断调整自身的参与度。

规则:为玩家如何实现目标做出限制。它消除或限制了达成目标最明显的方式,推动玩家去探索此前从未尝试过的可能性。规则可以释放玩家的创造力,培养玩家的策略性思维

·反馈系统:通过点数、级别、得分、进度条等形式来反映玩家距离实现目标还有多远。对玩家而言,实时反馈是一种承诺:目标绝对是可以达到的。它给了人们继续玩下去的动力。

自愿参与:要求所有玩游戏的人都了解并愿意接受目标和规则。

如果新注册的用户一开始就能关注5到10个人,那么他们更有可能长久地使用下去而不至于中途离开。

于是 Twitter将这一结果运用到了产品策略中,在用户注册环节的末尾增加了推荐关注的对象,用户们只需点一点鼠标，就能批量关注多个被推荐对象,其中包括政商巨擘、明星大腕、新闻媒体和草根名人。当然,这些账户之所以被官方钦定为推荐对象,大概也正是因为他们平日里经常“絮絮叨叨”,让人们有东西可看。

Twitter这一设计策略在许多社区型产品中得到了借鉴。

如果你做一家电商网站，月留存率维持20%~30%,基本上就不会活得太糟;如果你是一个社交媒体,而第一批用户的月留存率低于80%,那就别指望做大了。

对于游戏行业，有所谓的“40-20-10”规则,即如果你想让游戏的DAU超过100万,那么新用户次日留存率应该大于40%,7日留存率和30日留存率得分别大于20%和10%。对于移动应用,留存率最高的三种类型分别是资讯阅读、社交沟通和系统工具在4个月后的留存率能稳定在10%左右。

你的留存率达标了吗?

产品的次日留存率,可发现产品新版本的品质变动和渠道优劣;而7日留存率,则可反映出用户完成一个完整体验周期后的去留状况;至于30日留存率,则更能反映出一次版本迭代后的稳定性,辅助判断产品的演进方向是否合理。

除了按照不同天数周期来比较留存率外,渠道留存率也是一项值得钻研玩味的指标。由于渠道来源不一,用户质量也千差万别,所以有必要针对渠道用户单独剥离进行留存率分析,选择留存率较高的优质渠道进行重点投放。

在一次典型用户群访中,我们邀请到6位关系亲密的闺蜜,观察她们的正常操作情况,结合提问,终于悟出了原因所在。

原来,女性有时会在闺蜜之间会炫耀自己的异性缘,方式就是故作抱怨地指着手机屏幕上大堆的未读消息,感叹最近频受骚扰,煞为头痛,并借此享受来自闺蜜的艳羡目光。

于是，之前困扰我们的谜团得以解开:比起防骚扰的需求,向他人炫耀自己魅力的需求优先级更高。

数据为王:合格的增长黑客首先需要具有数据思维。没有数据就没有比较,没有比较就没有进步,增长黑客的一切工作都是建立在数据分析的指导之上,而非拍脑门式地碰运气。产品的功能逻辑越复杂,用户数量越庞大,数据分析的成本和要求就越高,这就越是要求增长黑客在纷繁复杂的数字中抽丝剥茧,抓住问题的本质。在平台级巨头公司的工作经历,让安迪·琼斯得以接触海量的用户大数据,借以研究网民普遍的行为习惯。为了获取更加准确的验证结果,安迪认为在设计实验时应当首先明确目标,有的放矢:其次同一个实验尽量尝试多次以便相互印证比较,并且尽可能拉长单个实验的测试周期,因为同一周内不同日子的测
试结果往往也是有区别的。