Growth Mindset：增长黑客的正确打开方式

第一章：Growth Mindset——增长黑客的正确打开方式

想象一下这样的场景：2010年，Airbnb的两位创始人Brian Chesky和Joe Gebbia正在为公司的存亡发愁。他们已经烧光了所有的钱，信用卡负债累累，甚至一度考虑放弃。但就在这个时候，他们发现了一个让公司起死回生的秘诀——一张小小的纽约房源照片。

没错，就是照片。当时Airbnb的房源照片都是房东自己用手机拍摄的，画面模糊、光线昏暗，根本无法激发潜在房客的预订欲望。于是Chesky和Gebbia做了一个在当时看来不可思议的决定：他们自掏腰包，飞到纽约，用专业相机为房东重新拍摄房源照片。结果令人震惊——Airbnb的房源预定量在一周内翻了两到三倍。

这个故事听起来简单，但它揭示了一个深刻的道理：在增长的征程中，有时候最关键的不是投入更多资源，而是找到那个能撬动增长的关键杠杆。 而这，正是增长黑客（Growth Hacker）思维的核心所在。

什么是增长黑客

Growth Hacker这个词最早由硅谷创业者兼投资人Sean Ellis在2010年提出。当时，他发现自己创办的多家创业公司都有一个共同的问题：产品做好了，但不知道如何让更多人来使用。于是，他开始系统性地研究那些实现爆发式增长的公司到底做对了什么，并最终总结出一套以数据驱动、快速实验为核心的增长方法论。

Sean Ellis给增长黑客下的定义简洁而有力：增长黑客是一群以增长为核心目标的人，他们使用的不是传统的营销预算，而是产品、工程师和数据的力量来实现增长。 这个定义里有几个关键词值得我们深入理解：

首先，以增长为核心目标。增长黑客不是营销人员，不是销售代表，也不是产品经理——尽管他们可能需要具备这些角色的某些能力。他们的唯一目标就是增长，一切行动都围绕着增长展开。其次，不使用传统营销预算。传统营销靠的是什么？花钱。大把大把地花钱做广告、买流量、做推广。但增长黑客的思维方式截然不同：如何在不花钱或者少花钱的情况下实现增长？这要求他们必须更聪明、更创新、更有技术含量。最后，使用产品、工程师和数据的力量。增长黑客是多面手，他们懂产品、懂技术、懂数据分析，能够与工程团队紧密合作，通过产品迭代而不是营销活动来实现增长。

让我们来看一个数字来感受一下增长黑客与传统营销的效率差异。根据Facebook早期增长团队负责人Chamath Palihapitiya（后来的Social Capital创始人）的回忆，2011年Facebook的增长团队只有不到20个人，但他们每年带来的新增用户超过3亿。而同期，竞争对手MySpace拥有超过1000人的营销团队，但用户数却在持续流失。这个对比告诉我们：在增长的战场上，人数和预算从来都不是决定性因素，思维方式和方法论才是。

增长黑客这个概念提出后，迅速在硅谷传播开来。2012年，Andrew Chen发表了那篇著名的博文《增长黑客：营销人员与技术人员的交汇点》，系统性地阐述了这一理念。他在文中写道：“增长黑客正在彻底改变获取用户的游戏规则。他们不是坐在会议室里讨论品牌调性的营销经理，而是和数据打交道、和代码打交道的工程师和产品经理。”这篇文章在当时引发了巨大反响，被认为是增长黑客概念的里程碑式文献。

同年，Morgan Brown和Sean Ellis合作出版了《增长黑客：如何实现爆发式增长》（Hacking Growth）一书，系统性地构建了增长黑客的理论框架和实践方法。这本书后来成为增长领域的必读经典，被翻译成20多种语言，全球销量超过百万册。从那以后，增长黑客不再只是一个模糊的概念，而成为了一套完整的、可复制的方法论体系。

增长黑客与市场营销：一场认知革命

要真正理解增长黑客的本质，我们有必要把它和传统市场营销做一个系统的对比。这不是要否定市场营销的价值——事实上，许多增长黑客方法正是从传统营销演变而来——而是要帮助我们理解为什么需要一种新的思维方式。

传统市场营销的核心逻辑是漏斗模型（Funnel Model）。想象一个巨大的漏斗，最上面是Awareness（认知），也就是让尽可能多的人知道你的品牌；中间是Consideration（考虑），让有兴趣的人认真考虑你的产品；最下面是Conversion（转化），说服其中一部分人付费购买。整个营销工作就是不断地往漏斗顶端倒入“原料”（潜在客户），然后期待最终有一部分能流到底部成为付费用户。

这套逻辑在传统时代是有效的。为什么？因为那个时候信息是稀缺的，渠道是有限的，消费者获取信息的成本很高。企业只要通过电视广告、户外广告、报纸杂志等少数渠道持续曝光，就能在消费者心中建立品牌认知。一旦消费者产生了购买需求，他们往往会在熟悉的品牌中进行选择。

但问题在于，这个世界已经变了。现在的消费者每天被数以千计的广告和信息轰炸，他们的注意力极度分散，切换成本极低。一个消费者可能在刷抖音的间隙看到你的广告，下一秒就点进了竞品的直播间。而且，现在的消费者变得越来越聪明，他们对硬广告的免疫力越来越强——研究表明，超过80%的消费者表示他们在遇到新品牌时会主动去搜索第三方评价，而不是相信广告。

让我们看一组数据。根据Adobe的调查，2015年平均每个美国人每天接触到的广告数量约为3600条；而到了2020年，这个数字已经飙升到了超过10000条。但与此同时，人的注意力是有限的——研究表明，现代人平均注意力持续时间从2000年的12秒下降到了现在的8秒，比金鱼的9秒还短。这意味着广告的边际效益在急剧下降：花同样的钱，在2015年能让10个人记住你的品牌；在2020年可能连1个人都留不住。

增长黑客的思维方式正是对这种变化的回应。他们不追求大规模的曝光，而是追求精准的干预；不是往漏斗里倒水，而是找到漏斗中漏水最严重的地方，想办法把它堵住。他们不关心多少人知道这个品牌，而是关心多少人真正开始使用产品并留下来。

这种思维方式的转变，用一句更直白的话说就是：从“如何让更多人知道我们”到“如何让使用我们产品的人爱上我们并推荐给朋友”。 表面上看，这只是一个焦点的转移，但实际上它要求的是一整套完全不同的能力体系。传统营销需要的是创意能力、媒体关系、预算管理；而增长黑客需要的是数据分析能力、产品思维、实验设计和快速迭代能力。

这里有一个很好的类比。传统营销像是在举办一场盛大的演唱会，目标是用最大的音响、最炫的灯光吸引最多的人驻足观看；而增长黑客更像是做用户研究，深入了解每一个用户的喜好，然后为他定制一场只属于他的私人演出。演唱会当然能吸引眼球，但私人演出才能真正打动人心。

当然，这并不是说增长黑客就比传统营销更高级。在实际的企业运营中，两者往往是相辅相成的。增长黑客负责优化产品的自增长能力，让现有用户成为产品的传播者；而传统营销负责在更大范围内建立品牌认知，为增长黑客提供更多的“原材料”。真正聪明的企业会同时运用这两种手段，而不是非此即彼。

增长黑客的三大核心思维

理解了增长黑客与传统营销的区别之后，我们需要进一步深入了解增长黑客的思维方式。在我看来，真正的增长黑客需要具备三大核心思维：数据驱动思维、实验迭代思维和北极星指标思维。这三者缺一不可，共同构成了增长黑客的方法论基础。

数据驱动思维：从“我觉得”到“数据显示”

数据驱动是增长黑客最基础的思维方式。但这里的“数据驱动”并不是简单地安装一个数据分析工具、每天查看DAU和留存率那么简单。真正的数据驱动思维要求我们把数据当作决策的核心依据，而不是参考意见。

让我们先看一个反面的例子。很多公司也会说自己是“数据驱动”，但实际上呢？他们可能有一个数据分析团队，每天产出一堆报表，展示各种指标的变化趋势。但当你问他们“根据这些数据，你们上周做了什么决策”时，他们很可能答不上来——因为这些数据从来就没有真正指导过任何决策，它们只是用来向上级汇报的装饰品。

真正的数据驱动思维应该是什么样的？它意味着从假设出发，用数据验证，让结论指导行动。具体来说，整个流程是这样的：首先，基于对用户和产品的理解，提出一个假设，比如“给新用户发送提醒推送能够提高他们的次日留存率”；然后，设计一个实验或者分析历史数据来验证这个假设；最后，根据验证结果决定是否要将这个改动推广到所有用户。

这个流程中有几个关键点需要注意。第一，数据驱动不是数据崇拜。不是所有能数字化的东西都是重要的，也不是数字好看就代表做对了。增长黑客需要具备识别关键指标的能力，把有限的精力集中在那些真正影响增长的指标上。第二，数据驱动不是忽视直觉。数据可以告诉我们发生了什么、发生了什么变化，但它很难告诉我们为什么会发生、应该怎么应对。这些时候，增长黑客的经验、直觉和对用户的理解同样重要。数据应该和直觉相结合，而不是互相替代。第三，数据驱动需要建立正确的数据基础设施。没有准确、及时、可信的数据，再好的分析能力也是白搭。很多创业公司早期的数据都是混乱的、不完整的、不可信的，用这样的数据做决策，后果往往比没有数据更糟糕。

在数据驱动思维中，有一个概念特别重要——因果推断与相关性的区别。这是增长黑客需要掌握的最重要的统计学概念之一。

举个简单的例子。假设你发现在使用你产品的用户中，有30%的人都安装了某个第三方应用。于是你得出结论：如果我们也开发一个类似的功能，就能提高用户留存率。但这个结论可能完全是错误的。因为这30%的用户可能本来就是最活跃、最忠诚的用户，他们安装那个第三方应用是因为他们喜欢尝试新事物——而这恰恰说明他们本身就是高留存用户群体，而不是因为那个应用让他们变成了高留存用户。

这就是统计学上著名的“相关不等于因果”问题。要真正理解两个变量之间的因果关系，我们需要精心设计实验——也就是我们接下来要讨论的实验迭代思维。

实验迭代思维：快速试错，小步快跑

如果说数据驱动思维告诉增长黑客“看什么”，那么实验迭代思维告诉他们的就是“做什么”。实验迭代是增长黑客方法论的核心引擎，正是通过持续不断的小规模实验，增长黑客才能找到那个撬动增长的关键杠杆。

增长黑客采用的实验方法通常被称为A/B测试（A/B Testing）或者对照实验（Controlled Experiment）。它的原理很简单：把用户随机分成两组——A组体验原有的产品（对照组），B组体验做了某些改动的产品（实验组）——然后比较两组的差异。如果实验组的某个关键指标显著优于对照组，我们就有理由相信这个改动是有效的，可以推广到所有用户。

A/B测试看似简单，但要真正用好它并不容易。这里有几个常见的陷阱需要特别注意。

第一个陷阱是统计显著性不足。很多增长团队做A/B测试时，只看了一两天的数据，发现实验组表现更好，就迫不及待地宣布实验成功、准备上线。但实际上，如果没有足够的样本量和足够的测试时长，所谓的“更好”很可能只是随机波动，而不是真实的效果差异。统计学上有一个“95%置信区间”的概念，意思是只有当实验结果有95%以上的概率是真实差异时，我们才能认为这个结果是可靠的。一个成熟的增长团队，会有专门的数据分析师来计算每次实验需要多少样本量、测试多长时间才能得出可靠结论。

第二个陷阱是辛普森悖论（Simpson's Paradox）。这听起来是一个很学术的概念，但理解它对增长黑客非常重要。简单来说，辛普森悖论指的是：当我们把数据分成不同的子群时，整体数据和子群数据可能呈现完全相反的趋势。

举一个经典的例子。假设某个大学要比较两个学院的录取率，学院A的录取率是40%，学院B的录取率是20%，看起来学院A的录取率更高。但如果按照专业细分来看，会发现每个专业里学院A和学院B的录取率其实是相同的，甚至学院A在某些专业还略低。那为什么整体数据会显示学院A的录取率更高呢？原因是两个学院申请者的数量和结构不同。学院A收到的申请大多是容易录取的专业，而学院B收到的申请大多是比较难录取的专业。

在A/B测试中，辛普森悖论意味着我们不能只看整体数据，而要深入分析不同用户群体的表现差异。一个改动可能对整体用户是负面的，但对某个特定群体是正面的；或者反过来。这要求增长黑客在分析实验结果时，必须具备足够的颗粒度，能看到数据背后的细分维度。

第三个陷阱是新奇效应（Novelty Effect）。有时候，一个新功能或者新界面上线后，短期内确实会看到指标提升，但这可能只是因为用户对新鲜事物的好奇心，而不是因为这个功能真的解决了他们的问题。过了一段时间后，当用户习惯了新功能，好奇心消退，指标就会回落。如果增长黑客只看短期数据就做出判断，可能会把一个长期无效甚至有害的改动推广到全量用户。

为了避免新奇效应，Facebook的增长团队有一个不成文的规定：任何新功能的A/B测试至少要跑两周，最好跑四周。这不是为了多保守，而是因为Facebook的用户体量太大，新功能对用户体验的影响必须谨慎评估。

除了A/B测试，增长黑客还会采用其他类型的实验方法。用户访谈和可用性测试帮助团队深入了解用户需求，发现产品问题；问卷调查帮助量化用户的态度和偏好；日志分析帮助发现用户行为中的异常模式。所有的方法都是为同一个目的服务：快速、低成本地验证假设，找到那个能让增长发生的关键改动。

北极星指标思维：聚焦最重要的事

在增长黑客的三大思维中，北极星指标可能是最容易被忽视、但实际上最重要的一种。

什么是北极星指标？它是《精益数据分析》（Lean Analytics）一书中提出的概念，指的是那个最能衡量你的产品为用户创造核心价值的单一指标。它之所以被称为“北极星”，是因为它就像夜空中那颗最亮的星，为团队指引前进的方向。

选择正确的北极星指标至关重要，因为它决定了团队会把精力放在哪里。如果北极星指标选错了，整个公司可能都在朝着错误的方向努力，却还以为自己在快速增长。历史上这样的例子并不少见。

最著名的案例之一是2000年代的MySpace。当时MySpace是全球最大的社交网站，流量一度超越Google。但他们选择了一个错误的指标——页面浏览量（Page Views）。为了提高这个指标，MySpace做了很多看似有效但实际上在伤害产品的改动：不断在页面中添加更多内容让用户滚动浏览，添加弹窗和广告打断用户的阅读体验，鼓励用户发更多的帖子但却不关心帖子的质量。结果是用户确实在网站上花了更多时间、浏览了更多页面，但他们的体验越来越差，越来越不愿意真正使用这个平台。当Facebook以更简洁的产品体验和更高的用户参与度进入市场时，MySpace的用户迅速流失，曾经的巨头在短短几年内就走向了没落。

而Facebook的北极星指标是月度活跃用户数（Monthly Active Users）。这个指标关注的是“有多少人真正在使用Facebook”，而不是“用户在Facebook上做了多少动作”。这个选择让Facebook始终聚焦于如何让更多人愿意定期使用平台，而不是用各种手段让用户沉溺其中。这个不同的关注点，最终决定了两家公司截然不同的命运。

如何选择正确的北极星指标？这里有几个原则可以参考。

第一，北极星指标应该反映用户价值。也就是说，如果你的北极星指标增长了，说明用户从你的产品中获得了更多价值。如果指标增长了，但用户的实际体验反而下降了，那这个指标就是有毒的。

第二，北极星指标应该简单易懂。整个公司从CEO到一线员工，都应该能理解这个指标的含义，并且知道自己做的事情如何影响它。如果北极星指标需要复杂的计算或者有很多附加条件才能解释清楚，那它就失去了作为方向指引的作用。

第三，北极星指标应该是可操作的。团队必须能够通过自己的行动来影响这个指标，而不是完全被外部因素决定。

第四，北极星指标应该是一个。虽然公司会关注很多不同的指标，但北极星指标只能有一个。当不同指标之间发生冲突时，以北极星指标为准。很多公司的问题在于，他们同时追踪几十个指标，既想要用户增长，又想要收入增加，还想要用户满意度提升——当这些目标发生冲突时，团队就不知道该优先做什么了。

不同类型的公司有不同的北极星指标。电商公司的北极星指标可能是“完成购买的活跃用户数”，SaaS公司的可能是“付费续约的活跃用户数”，内容平台的可能是“每日阅读超过3分钟的用户数”。没有标准答案，关键是找到那个真正反映你产品价值的数据。

一旦确立了北极星指标，增长团队就可以围绕它建立一套指标分解体系。北极星指标通常是一个最终结果，而要影响这个结果，需要很多前置指标的共同作用。比如，如果你的北极星指标是“月度活跃用户数”，你需要关注的新用户获取、新用户激活、老用户留存等环节的指标就会成为你的“先行指标”（Leading Indicators）。通过追踪这些先行指标，团队可以更早地发现增长问题，而不是等到北极星指标已经下滑才后知后觉。

经典案例：Airbnb的增长黑客之路

理论说再多，不如看一个真实案例来得深刻。Airbnb的增长故事一直是增长黑客领域的经典教材，它完美展示了增长黑客思维如何帮助一家濒临倒闭的创业公司实现逆袭。

Airbnb成立于2008年，最初只是一个帮人们在大型会议期间找到便宜住宿的平台。创始人Chesky和Gebbia在Y Combinator的孵化下起步，但他们很快发现公司陷入了困境：房源太少、用户太少、资金即将耗尽。他们甚至做过一件事——用印有Airbnb logo的早餐 cereal盒子来筹集资金，可即便如此，公司的增长依然停滞不前。

真正让Airbnb开始起飞的是他们发现的一个增长杠杆：房源照片的质量。

故事是这样的。2009年的一天，Chesky和Gebbia飞往纽约，用借来的相机为房东拍摄专业照片。这些照片上传到Airbnb后，效果立竿见影：使用专业照片的房源，预定量比使用手机照片的房源高出两到三倍。

这个发现让Airbnb的增长团队（当时还没有正式的growth team，但已经有增长思维）意识到：改善房源照片是一个高杠杆的增长实验。它的成本相对可控，但潜在回报巨大。

于是，Airbnb做了一个决定：专门雇了一批摄影师，以免费或低价的方式为房东拍摄专业照片。这项计划后来发展成了Airbnb的“专业摄影服务”，如今在全球范围内已经有数千名签约摄影师。

这个策略的聪明之处在于，它解决了一个鸡生蛋还是蛋生鸡的问题。对于房东来说，专业照片让他们更容易获得预订；对于房客来说，好的照片让他们更容易找到满意的房源；对于Airbnb来说，更多的优质房源吸引更多的用户，更多的用户又吸引更多的房东。整个平台的网络效应因此被激活。

但故事还没有结束。如果只是给房东拍照，这只是一个一次性的增长黑客项目。真正让Airbnb的增长持续下去的，是他们建立的一整套增长机制。

首先是双向评价系统。Airbnb借鉴了eBay的评价体系，让房东和房客可以互相评价。这种透明的评价机制解决了陌生人之间的信任问题，让更多人愿意尝试Airbnb的服务。评价系统还