---
name: growth-hacking-skill
description: |
  增长黑客（Growth Hacking）的结构化思维工具。基于 Sean Ellis、Brian Balfour、Andrew Chen 等一手来源的深度调研，
  提炼 5 个核心原理和完整的操作协议。
  触发词：「增长黑客」「growth hacking」「用户增长」「留存」「增长实验」「AARRR」。
---

# 增长黑客 · 思维工具

> "A growth hacker is a person whose true north is growth." — Sean Ellis

## 激活条件与触发词

- 直接调用：「用增长黑客分析...」「增长诊断...」「做增长实验」
- 语义触发：用户提到留存下降、获客成本高、增长停滞、转化率低
- 组合调用：「先用增长黑客找增长杠杆，再用精益创业验证」

## 方法框架概览

增长黑客的核心是将增长视为一个可系统化实验的过程，它通过北极星指标锚定方向、全漏斗每层优化、找到啊哈时刻来驱动可持续的增长引擎。

## 核心原理（3-7个，每个须附 ≥2 个跨域证据）

### 原理 1: 增长是一个可系统化实验的过程

**一句话定义**：增长不是靠一次大动作，而是由无数小实验持续驱动。

**跨域证据**：
1. 云存储：Dropbox 通过多轮 A/B 测试发现邀请机制的最优参数（来源：Dropbox Growth Study, 2010）
2. 电商：Amazon 持续迭代推荐算法，每个改动有实验数据支撑（来源：Bezos 1997-2010 致股东信合集）

**应用方式**：建立"假设→实验→测量→决策"循环，每月至少完成 10 个增长实验。

**局限**：实验需要足够样本量。小产品（DAU<1000）的实验数据噪声大，统计显著性不足。

### 原理 2: 北极星指标锚定方向

**一句话定义**：一个单一的、反映用户核心价值的指标，所有增长实验对齐它。

**跨域证据**：
1. 视频流媒体：Netflix 以观看时长替代订阅数作为北极星（来源：Netflix TechBlog, 2015）
2. 通讯：WhatsApp 以日均消息发送量而非 DAU 为北极星（来源：WhatsApp Blog, 2014）

**应用方式**：每个实验问"如果我赢了，北极星会动吗？"不会动的实验优先级降低。

**局限**：选错北极星会导致有害优化（如以页面浏览量为北极星导致标题党）。

### 原理 3: 全漏斗每层独立优化

**一句话定义**：获客、激活、留存、变现、传播不是同一个问题。

**跨域证据**：
1. 社交：Facebook 发现增长瓶颈不在获客而在激活——"10 friends in 7 days"规则（来源：Palihapitiya, Growth at Facebook, 2013）
2. 图片社区：Pinterest 瓶颈不是获客而是新用户没有 Pin 可互动（来源：Pinterest Engineering Blog, 2013）

**应用方式**：用 AARRR 模型逐层诊断，找到断裂点再聚焦优化。不同时对五层做实验。

**局限**：漏斗层级间有相互影响，孤立优化某层可能导致另一层崩坏。

### 原理 4: 啊哈时刻是增长引擎的燃料

**一句话定义**：用户第一次感到"这东西真有用"的那一刻决定了是否留存。

**跨域证据**：
1. 云存储：Dropbox 的 Aha 是第一次文件同步成功（来源：Houston, Dropbox Growth Story, 2011）
2. 企业协作：Slack 发现团队发送 2000 条消息后就成了日常必需工具（来源：Butterfield, Slack 内部数据, 2014）

**应用方式**：找到 Aha Moment 后反向设计新用户引导，让用户尽快到达那一刻。

**局限**：不是所有产品都有一个明确的 Aha Moment。工具型产品价值是累积的。

### 原理 5: 数据驱动假设，而非数据驱动决策

**一句话定义**：用数据生成假设、用实验验证假设，而非让数据替你做决定。

**跨域证据**：
1. 搜索：Google 20% 时间项目不是数据分析出来的，但进展用数据追踪（来源：Google Founders' Letter, 2004）
2. 视频平台：YouTube 从星级评分改为点赞/踩是基于行为假设，非数据直接要求（来源：YouTube Creator Blog, 2010）

**应用方式**：看数据找"哪里不对劲"，提出"为什么"的假设，设计实验验证。

**局限**：过度依赖历史数据会错过颠覆性机会（如 iPhone 上市前调研不支持触屏手机）。

## 操作协议（Agentic Protocol）

### Step 1: 问题分类

**适用信号**：
- 产品有 PMF 但增长停滞或放缓
- 用户规模可观但留存/变现有问题
- 需要系统性寻找增长杠杆

**不适用信号**：
- 产品还没有 PMF（适用精益创业）
- B2B 大客户销售模式（增长黑客擅长自助式增长）
- 品牌和声誉类长期决策

### Step 2: 增长黑客式分析

**研究维度**（每个维度须追溯到核心原理）：

1. **北极星指标诊断**：团队的北极星指标是什么？它直接反映用户价值吗？
   - 来源原理：原理 2
   - 操作方式：问"用户愿意为这个指标付钱吗？"来检验

2. **漏斗断裂点定位**：AARRR 中哪一层转化率最低？绝对值最大改善空间在哪？
   - 来源原理：原理 3
   - 操作方式：按漏斗列出每层转化率，用百分比×基数衡量改善空间

3. **啊哈时刻识别**：用户在哪个时刻第一次觉得"这真有用"？
   - 来源原理：原理 4
   - 操作方式：对活跃用户做回溯分析——他们做了什么才变活跃的？

4. **增长实验设计**：基于诊断设计具体可测量实验
   - 来源原理：原理 1 + 原理 5
   - 操作方式：格式"如果[做X]，那么[指标Y]会[变化Z]，因为[原因]。用[指标W]验证。"

### Step 3: 增长黑客式输出

- 北极星指标建议（含改进理由）
- 漏斗诊断报告（每层数据 + 断裂层定位）
- Aha Moment 假设 + 验证方案
- 3 个优先实验设计

## 适用/不适用判断

| 问题类型 | 适用度 | 说明 |
|---------|--------|------|
| B2C 用户增长停滞 | 高 | 经典场景 |
| 新用户激活率低 | 高 | 增长黑客擅长优化新用户旅程 |
| 留存率下降 | 中 | 需结合产品改进，非纯增长手段 |
| 品牌认知度低 | 低 | 增长黑客更适合转化优化而非品牌建设 |
| 未验证 PMF | 低 | 先用精益创业验证，再谈增长 |

## 典型案例库

### 成功案例

1. **Dropbox 邀请机制**（云存储/2009-2010）
   - 问题：获客成本高（CAC ~$300）
   - 方法应用：双向奖励邀请机制，A/B 测试按钮文案和奖励数值
   - 结果：注册增长 3900%，CAC 趋近于零
   - 来源：Dropbox Growth Study; Houston, Startup Lessons Learned (2011)

2. **Airbnb 跨平台增长**（旅行/2011）
   - 问题：需求端增长瓶颈
   - 方法应用：利用 Craigslist 已有用户群一键同步发布
   - 结果：显著扩大供给端曝光
   - 来源：Airbnb Growth Story; Chen, "Growth Hacker is the New VP Marketing"

3. **Hotmail 签名增长**（邮件/1996）
   - 问题：需要免费获客
   - 方法应用：每封发出邮件底部加 "Get your free email at Hotmail"
   - 结果：18 个月从 0 到 1200 万用户
   - 来源：Draper Fisher Jurvetson, Viral Marketing (2000)

### 失败案例

1. **Quibi 无 Aha Moment 的增长踩空**（流媒体/2020）
   - 问题：短剧流媒体无 PMF
   - 误用方式：投入巨大市场预算获客但产品没有令用户记住的 Aha Moment
   - 教训：增长黑客前提是产品有 Aha Moment。无 PMF 时做增长是加速失败
   - 来源：Wall Street Journal, Quibi Shutdown Analysis (2020)

## 误用检测器（≥3 种误用模式）

| 误用信号 | 检测逻辑 | 警告信息 | 建议动作 |
|---------|---------|---------|---------|
| 方法与问题不匹配 | 产品没有 PMF 就大规模增长投入 | "没有 PMF 的产品做增长是加速失败。先用精益创业验证 PMF。" | 推荐精益创业 |
| 跳过关键步骤 | 直接问"怎么做病毒传播"未先诊断漏斗 | "先诊断漏斗断裂点再设计实验。直接做病毒传播可能引到断裂漏斗。" | 引导回漏斗诊断 |
| 复杂度超限 | 同时对获客+激活+留存+变现+传播优化 | "全漏斗同时优化无法有效归因。每次只聚焦一层的一个实验。" | 引导聚焦单一层 |

## 诚实边界（≥3 条具体局限）

1. **样本量要求**：A/B 测试需足够样本。日活少于 1000 的产品统计显著性不足
2. **不适用于 B2B 大客户**：企业销售涉及多方决策者和长周期，自助式增长模型不适用
3. **可能催生垃圾增长**：过度关注指标可能导向标题党、诱导分享等损害长期品牌的手段
4. **数据滞后性**：增长实验揭示过去行为模式，不能预测根本性市场变化

## 调研来源（一手来源占比须 >50%）

| # | 来源 | 类型 | 一手/二手 | 权重 |
|---|------|------|----------|------|
| 1 | Ellis, Hacking Growth (2017) | 著作 | 一手 | 高 |
| 2 | Chen, The Cold Start Problem (2021) | 著作 | 一手 | 高 |
| 3 | Dropbox Growth Study (2010) | 案例 | 一手 | 高 |
| 4 | Palihapitiya, Growth at Facebook 演讲 (2013) | 演讲 | 一手 | 中 |
| 5 | Balfour, Growth Loops vs Funnels (2018) | 文章 | 一手 | 中 |
| 6 | Netflix TechBlog (2015) | 技术博客 | 一手 | 中 |
| 7 | WSJ: Quibi Shutdown (2020) | 报道 | 二手 | 中 |

> 本 Skill 由 [Forge Skill — 锻造思维工具](https://github.com/peterfei/forge-skill) 生成