《增长黑客》笔记
笔记前言：《增长黑客》这本书在我看来是针对产品经理的，其中涉及到互联网思维、增长技巧、数据采集等等。我主要将学习可能影响增长涉及数据分析的一些指标（在机器学习术语中叫特征）、增长的数据分析技巧。这样的选择可能跳过《增长黑客》里面的很多内容。不过，为了系统性将保留所有章节目录。
第1章 增长黑客的崛起
1.1 创业家的黑暗前传
在国内，中小企业的平均寿命只有3.7年，小微企业还不 到3年。至于创业门槛相对较低的互联网行业，能够幸存的比例甚至更低。
1.2 增长黑客的胜利
Hotmail刚推出时反响平平。这种摒弃了传统邮件客户端、只需要访问浏览器就能收 发邮件的全新产品形态，并没有立即赢得市场的认可。
但对于一家网络 公司而言，指望当地偶然开车路过广告牌或听到广播的卡车司机马上理解什么是“基于网页的电子邮件系统”，存在一定难度，对方也不一定有实际需求，广告费很可能要打水漂。他们需 要一种更精准的方式来找到真正的用户。
于是聪明的投资人蒂莫西·德拉佩尔（Timothy Draper）替他们想出了 一个绝妙的主意——他们在每一封用Hotmail发出的邮件末尾签名处，增加了一行附言： “我 爱你。快来Hotmail申请你的免费邮箱。 ”（PS:Iloveyou.GetyourfreeE-mailatHotmail.）
这是互联网发展早期的一起教科书式的网络营销事件。Hotmail仅依靠一行文字，就 恰到好处地撬动了它的用户为它免费进行了宣传。整个过程既没有生硬植入的骚扰信息，也 没有大张旗鼓的巨额投入。直至今天，这一策略依然被国内外的邮件服务提供商所采用。而 其背后的思想，也逐步被人归纳整理，成为一套低成本驱动初创公司产品增长的有效方法。 在硅谷，这股全新的产品增长理念正在兴起，而使用这一方法工作的人——增长黑客 （Growth Hacker）。
1.3 什么是“增长黑客”
“增长黑客”的起源 “增长黑客”这一说法源于硅谷，最早在2010年由Qualaroo的创始人兼首席执行官肖恩·埃利斯（SeanEllis）提出。但它真正引起业界广泛关注与交流，却是因为安德鲁·陈（Andrew Chen）在2012年4月发表的《Growth Hacker is the new VP Marketing》一文。 他在文中谈到，增长黑客们试图用更聪明的方式解答产品得以增长的奥秘，并使之成为助力 产品增长的长效机制。他们通常采用的手段包括A/B测试、搜索引擎优化、电子邮件召回、 病毒营销等，而页面加载速度、注册转化率、E-mail到达水平、病毒因子这些指标成为他们日常关注的对象。
换句话说，这是一群以数据驱动营销、以市场指导产品，通过技术化手段贯彻增长目 标的人。他们通常既了解技术，又深谙用户心理，擅长发挥创意、绕过限制，通过低成本的手段解决初创公司产品早期的增长问题。在外行人眼里，他们就像是极客、发明家和广告狂人的混合体。再通俗一点形容，他们的职责接近于专门为初创公司设立的市场推广部门，因 为很少有用于营销的大笔经费，所以更多的是将注意力聚焦在产品策略本身带来的自发增长上。
根据不同阶段用户参与行为的深度和类型，我们可以将增长目标拆分并 概括为“AARRR”转化漏斗模型，即：Acquisition（获取用户）、Activation（激发活跃）、Retention（提高留存）、Revenue（增加收入）、Referral（传播推荐）。在这个漏斗中，被导入的一部分用户会在某个环节流失，而剩下的那部分用户则在继续使用中抵达下一环节， 在层层深入中实现最终转化。
“AARRR”转化漏斗中的5个环节分别的含义如下：
- 获取用户：指让潜在用户首次接触到产品，或者可以更宽泛地理解为“吸引流量”、“用户量增长”。其来源途径可能多种多样，如通过搜索引擎发现、点击网站广告进入、看到媒体 报道下载等。如果以开一家饭馆为例，那么这就像是饭馆在确定了选址、开张营业后，需要努力招徕熙熙攘攘的过往人群进店一样，既可以在店门口散发传单，也可以开展免费试吃活 动，或者邀请当地的美食节目拍摄一期宣传特辑。不同的推广方式，投入的成本各不相同，吸引到顾客的原因也千差万别。有的人不远万里慕名而来，有的人纯粹是想换换口味，还有 的人刚好被“免费”二字所吸引。无论出于何种原因，只要有人肯一脚踏进店门，这就算是良好的开端。
- 激发活跃：获取到用户后下一步是引导用户完成某些“指定动作”，使之成为长期活跃的忠实用户。这里的“指定动作”可以是填写一份表单、下载一个软件、发表一篇内容、上传一张照片，或是任何促使他们正确而高效使用产品的行为。如同饭馆吸引来顾客，但如果顾 客只是傻站在大堂里无所事事，那么就无法给饭馆带来实际生意。正确的做法是通过店内陈设布置和服务员主动引导，让顾客马上明白：哪里有空位可以就座，从何处获取菜单，如何 使用优惠券，怎样办理会员卡，以及跟别人拼桌时如何相处等。
- 提高留存：在解决了用户的活跃度问题后，另一个问题又冒了出来。用户来得快，走得也快。产品缺乏黏性，导致的结果是，一方面新用户不断涌入，另一方面他们又迅速流失。 我们都知道，通常留住一个老用户的成本要远远低于获取一个新用户的成本。因此提高用户留存，是维持产品价值、延长生命周期的重要手段。一家饭馆，如果物美价廉、独具特色， 或者在某方面有别人难以复制的核心优势，那么顾客就愿意反复光临，成为老主顾。“一锤子 买卖”在市场上难以立足，而真正的可取之道是成为一家百年老店。
- 增加收入：商业主体都是逐利的，很少有人创业只是纯粹出于兴趣，绝大多数创业者最关心的就是收入。即使是互联网时代的免费产品，也应该有其盈利模式。在一家客源稳定 的饭馆里，增加收入可以通过制定营销策略、拓展外送业务、提高用餐高峰期翻台率等途径实现。而在互联网行业，除了直接向用户收费，还可以通过广告展示、业务分成等方式向其 他利益方收取费用。
- 传播推荐：社交网络的兴起促成了基于用户关系的病毒传播，这是低成本推广产品的全新方式，运用妥当将可能引发奇妙的链式增长。这就如同检验一家饭馆是否足够有人气，就看有多少顾客愿意主动向身边的朋友推荐。口碑的力量是无穷的，来自熟人的好评往往比 高高在上的权威品鉴更具说服力。 从获取用户到传播推荐，整个AARRR转化漏斗构成了一条螺旋上升的产品使用周期闭环。增长黑客的价值正是通过不断地“头脑风暴-排定优先级-测试-分析-常态化部署”来优化产品策略，减少这当中每个环节的不必要损耗，提高转化效率，从而不断扩大自己用户群体的 数量和质量。本书之后的章节结构也正是遵照AARRR的顺序来安排的。
1.4 增长黑客的职责和特质
安迪总结自己一手组建起来的Facebook用户增长团队所肩负的职责为以下五点： 1. 数据分析——用户增长团队建立在对大数据的分析衡量基础之上。大部分时候，用户增长的工作就是在进行测试、调整并重复这个流程。他们需要与数据科学团队紧密协作， 通过内部工具研究驱使数据提升或下降的因素。 2. 用户获取——用户增长团队内有一部分人负责互联网营销渠道，如SEO（SearchEngine Optimization，搜索引擎优化）、PPC（Pay Per Click，点击付费广告）或是电子邮件 广告等，每一项都包括一套极为缜密的优化流程。 3. 产品研发——用户增长团队的意见将指导产品研发的各个关键部分，例如登录页面、新用户引导流程、评论互动功能和支付系统等。基本上你能想到的任何地方都留下了用 户增长团队的智慧成果。 4. 文化建设——团队文化对凝聚整个公司至关重要。用户增长团队协助树立数据驱动的理 念，确保所有人目标一致地快速执行，并随时准备迎战风险。 5. 人才招聘——初创公司招募团队成员是一项困难的工作，并非人人都愿意冒险加入一家 前途未卜的小公司。但在用户增长团队的帮助下，如果公司的用户量达到五千万甚至五 亿，那么情况就大为不同了。
从安迪·琼斯的例子中，我们可以看出一名合格的增长黑客应当具有如下特质。
- 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。
- 专注目标：增长黑客的工作必须时刻围绕增长展开，但有时通往目标的道路处于一团迷雾之中，并没有现成的套路和方法论可以直接借鉴。增长黑客必须自己设法找到破解的途 径。整个过程可能冗长而沉闷，需经历不断地测试、改进、学习、再测试，这要求相当强的毅力和抗压能力。安迪·琼斯曾经面临过一个挑战：来自搜索引擎的流量占到网站流量的40％，但其中只有不到0.2％的人转化成注册用户，这意味着每1000个访客中有998人最终流失掉了。为了提高转化率，安迪的团队足足耗费了14个月的时间研究着陆页的优化，这是一 段极为漫长的周期，考验着每个人的耐性。好在功夫不负有心人，他们最终成功地将转化率提高到了5.5％以上。
- 关注细节：任何一处细微的改动，都可能对产品全局的增长造成影响。增长黑客的职责之一，就是对这些看似微不足道的改动作出评估，通盘衡量得失，甚至决定某个功能是否 应当上线。举例来说，安迪曾强调：哪怕一个网页的加载速度延迟数百毫秒，都会对用户的访问带来直接的影响，甚至最终导致用户无法忍受而选择离开。“如果新上线的功能会让我们 的访问速度跌落30％，那么即便再多科技媒体将我们吹捧上天，我也丝毫不会感到欣慰。”相反，如果每个月都设法在某一方面优化10％，那么一年后将会产生高达3倍的显著提升。
- 富于创意：美国第一代增长黑客、Bebo的联合创始人迈克尔·博弛（MichaelBirch）认为，“增长黑客”这种职业是科学与艺术的结合。他们善于左右脑同时开工，一方面，通过 缜密的分析衡量自己的想法是否可行，另一方面，天马行空地提出解决问题的方案构想。在Facebook时，安迪·琼斯创造性地提出了“博客小挂件”这个想法。在普通人看来，这就是一 种彰显个性、表达态度的工具，人们将它挂置到个人主页的侧边栏上，以丰富页面显示的内容。但真正的作用不局限于此，当越来越多人通过搜索引擎发现Facebook时，竞争对手这 才意识到，这些造型别致的博客小挂件不仅是好看的摆设，实际上还起到了建立反向链接、 提升Facebook在搜索引擎显示权重（Page Rank）的作用。
- 信息通透：增长黑客必须一方面深入理解自己产品用户的活跃渠道，“从群众中来到群众中去”，扎根建立环环相扣的转化漏洞；另一方面抬眼看世界，时刻掌握海内外最新的产 品和市场动向，尤其关注新生渠道和业界趋势。在需要横向对比同类产品的数据，或是纵向挖掘上下游生态的衔接情况时，如果能够找到相关从业者私下直接交流，则会大幅提高信息 获取的效率，在第一时间做出基于充分信息的明智决策。在美国，在“我为人人”的分享精神和盘根错节的利益纠葛下，创业帮派之间彼此力挺的氛围浓厚（如硅谷的“Paypal黑帮”）。 而在国内，以北京、杭州、深圳为代表的互联网一线城市在这方面也逐渐形成了开放合作的共赢生态。
1.5 一切用数据说话
数据分析是增长黑客日常工作中的基本组成部分。产品功能逻辑越复杂，用户量越大，涉及的利益方越多，数据分析的成本和要求就越高。
进行数据分析的首要环节是明确分析的目的。脱离具体目标的单纯数据查看没有任何价值。
其次是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。
1.6 增长黑客担任的团队角色
在互联网公司中，与增长黑客相关或近似的其他成员角色包括产品经理、产品运营、研 发工程师、交互设计师、用户研究等。
从现有的发展情况看，工程师可能是最接近和容易成为增长黑客的一群人。因为从能力角度看，增长黑客不仅需要想法，更需要将想法落实到行动的能力，包括自研工具、采集样 本、分析数据、大规模推广，光会纸上谈兵是行不通的。懂技术，未必能变成好的增长黑客，而倘若不懂技术，无异于刘姥姥进大观园，面对纷繁复杂的产品表象，愕然眼前，小心翼翼， 无法分辨靠谱想法与异想天开之间的边界，也让他人难于配合。
通过上述综合比较，我们不难看出，增长黑客是游走在产品、运营、研发、设计、用研 等环节之间的多面手，它既是黏合剂，串联起产品开发过程中的各个环节，又是润滑剂，抹 平造成阻碍的因素，降低失灵卡壳的可能。一名增长黑客不仅需要肩负起推动项目前进的重 任，还应与他人紧密配合，集百家所长，并弥补其他角色的短板。
1.7 如何招聘增长黑客
（略）
1.8 如何成为增长黑客
（略）
1.9 增长黑客的常用工具箱
1.9.1 Google Analytics
GoogleAnalytics是目前使用最广泛的统计工具，强大且免费。GoogleAnalytics主要 给我们提供了以下几大关键指标。
页面浏览量（Page View）：网站在某一段时间内的页面浏览量是多少。
用户浏览量（User View）：网站在某一段时间内的用户浏览量是多少。
渠道来源（Traffic Sources）：用户流量来源于哪些不同的渠道。
访客特征（User Demographics）：访问用户具有哪些特征值，可用来做用户分类。
访问路径（Flow Report）：用户在网站上的访问行为，各个页面的进入率和跳出率。
（备注：在我看来，Google Analytics基本是数据收集器。）
1.9.2 Mixpanel
Mixpanel从页面访问量数据的局限跳出来，转而以用户行为为驱动。它主要给我们提 供了以下几大关键指标。
用户动态分析（Trends）：你关心的用户行为发生了多少次，占总比例多少。
行为漏斗模型（Funnels）：某些关键行为是怎么发生了，每一步有多少的留存率和流失率。
用户活跃度（Cohorts）：网站用户的活跃度如何，可以用来区分忠实用户和普通用户。
单用户行为分析（People）：单个用户在网站上做了哪些操作，过程是如何的。
（备注：在我看来，Mixpanel基本是数据收集器。）
1.9.3 KissMetrics
KissMetrics跟Mixpanel很类似，都是以用户行为为导向的分析工具，所提供的功能也基本一致。不过KissMetrics在针对用户的行为分析上做得更深入也更简单，能让你更加 清楚地了解用户行为背后的各方面数据。
1.9.4 UserCycle
UserCycle的卖点很简单，你并不需要大量的数据，你真正需要的是每次专注一个指 标，获取能让你用来提升这个指标的目标数据，进而提供执行的辅助。如果说Google Analytics、Mixpanel和KissMetrics是纯粹的分析工具的话，那么UserCycle则做得更多，从统计到用户分组，再到生命周期维护和分组实验测试，从各方面了解用户行为，提升用户的价值。
1.9.5 Customer.io
Customer.io用于分析管理产品生命周期中使用的邮件（Lifecycle Email）。一个产品的成功与否，关键在于看有多少忠诚的客户，邮件互动就是为了制造忠诚的客户。而邮件互动的关键又在于如何在正确的时间给正确的用户发正确的内容，从而提高邮件打开和转化率。例如，对于活跃的用户，我们需要跟用户互动的目标和跟一次性用户互动的目标会截然 不同，所以必须了解用户之间的差异，基于用户的不同行为发送不同的邮件。这就是 Customer.io在解决的问题。与此类似的产品还有Vero。
1.9.6 Optimize.ly
Optimize.ly是A/B测试的利器。当我们定义好我们想去测试的实验时，可以非常简单地通过Optimize.ly来定制和修改页面。即使是没有技术背景的市场人员也能很简单地学 会如何做A/B测试。Optimize.ly会根据用户行为的不同，给出不同的测试报告，让我们能真真切切地了解页面变化对于转化率的影响。除了Optimize.ly外，Unbouce也是不错的A/B测试工具。
1.9.7 Basecamp
Basecamp是37signals公司旗下的一款非常流行的基于云服务的项目管理软件，以 简单易用和创新而闻名。Basecamp提供了消息板、待办事宜、简单调度、协同写作、文件 共享等功能，方便中小型团队部署在自己的在线协作平台上，让成员即便在天南海北也能共 同打造一份事业。国内类似的在线协作平台还包括风车、明道、Tower、瀑布等。
1.9.8 友盟
友盟统计分析平台是国内最大的移动应用统计分析平台之一，能帮助移动应用开发者 统计和分析流量来源、内容使用、用户属性和各种细分的行为数据。除了数据追踪，友盟还 提供了方便移动开发者节省工作量的第三方组件，如消息推送、游戏分析、社会化分享、用 户反馈模块。国内的类似服务还有TalkingData等。
（备注：以上这些除了Optimize.ly外，似乎都是信息收集和基本的描述统计功能。按文章Optimize.ly可做A/B测试，A/B测试用来判断某一变量改变对数据（如转化率）的影响，转化率数据按变量改变前后被分成A、B两组，根据p值大小判断A、B有无变化。但按我理解A/B 测试也不是因果分析）
第2章 创造正确的产品
2.1 Instagram重生记
（案例，略）
2.2 PMF，探寻产品与市场的完美契合
（案例，略）
2.3 拒绝昂贵的失败
（案例，略）
2.4 需求，催生产品的第一原动力
如何进行用户需求分析呢？一个适合作为创业项目的需求来源，需要考虑如下这些因素。
- 需求是真实存在的还是伪需求
- 判别需求是否属于刚需
- 研究需求量是否够大，市场是否够肥
- 衡量需求的变现能力
除了从常识和公开数据出发外，借助网络上的各类排行榜、搜索热度等，也能对时下大众的需求风向做出评估。例如百度搜索框的自动联想功能，能够基于网民的搜索热度自动补 充完整的搜索关键字。另外，百度搜索风云榜和百度指数也是了解国内网民需求分布的风向标。
2.5 用最小化可行产品验证需求
什么是最小化可行产品
在市场不确定的情况下，贸然倾尽全公司之力，投入资源大规模进入是危险的。验证产品方向是否可行，可以通过“更聪明”的办法来完成。这就是硅谷作家埃里克·莱斯（EricRies） 在其创业学著作《精益创业》中提出的“最小化可行产品（Minimum Viable Product，简称MVP）”概念。
简单地说，精益创业是指开发团队通过提供最小化可行产品获取用户反馈，在此基础上持续快速迭代（或谋求转型），直至产品达到PMF阶段。它包含如下三个要素。
- 最小化可行产品：即所谓的MVP（Minimum Viable Product）是指将产品原型用 最简洁的实现方式开发出来，过滤掉冗余杂音和高级特性，快速投放市场让目标用户上手使用，然后通过不断地听取反馈掌握有价值的信息，由此对产品原型迭代优化，尽早达到PMF状态。
- 用户反馈：指通过直接或间接方式，从产品的最终用户那里获得针对该产品的意见。 反馈的内容包括用户对产品的整体感觉、是否喜欢/需要某项功能特性、想要添加哪些新功能、 某些流程是否合理顺畅等。对精益创业者而言，用户的反馈应当作为产品开发中决策的根本依据。
- 快速迭代
2.6 产品早期是否需要适配新的平台环境
（略）
2.7 “行胜于言”的用户调研
（略）
第3章 获取用户
3.1 筛选你的种子用户
种子用户与冷启动，这对应2.5节
3.2 从最笨的事情做起
（略）
3.3 社交红利：蕴藏在开放平台下的流量矿藏
（略）
3.4 用数据抓取“借鸡下蛋”
（略）
3.5 内容营销：打造持续输出的传播引擎
（略）
3.6 搜索引擎和应用商店的优化营销
（略）
3.7 捆绑下载
（略）
3.8 排排坐，吃果果
（略）
3.9 用嵌入式代码和小挂件让你的品牌无所不在
（略）
3.10 宣传报道的文案撰写
（略）
3.11 从线下到线上
（略）
3.12 海外扩张
（略）
第4章 激发活跃
4.1 职场社交巨头的用户激活秘诀
（略）
4.2 A/B测试，网站活跃率提升的法宝
A/B测试的基本思想包括：
提供两个方案并行测试。 不同方案之间只存在一个变量，排除其他干扰因素。 以某种标准判定结果优劣，筛出最优方案。
（备注：A/B测试用来判断某一变量改变对数据（如转化率）的影响，转化率数据按变量改变前后被分成A、B两组，根据p值大小判断A、B有无变化。按我理解A/B 测试也不是因果分析）
4.3 移动应用的 A/B 测试
（略）
4.4 另辟蹊径，降低用户活跃门槛
（略）
4.5 旷日持久的补贴大战
（略）
4.6 游戏改变世界
（略）
4.7 我，机器人——脚本自动化运营
（略）
第5章 提高留存
5.1 留存与流失
（略）
5.2 优化产品性能
（略）
5.3 有损服务——放下不必要的坚持
（略）
5.4 引导新用户快速上手
（略）
5.5 社交维系与社交解绑
（略）
5.6 设计唤醒机制
（略）
第6章 增加收入
6.1 免费的世界
常见的免费策略包括以下几种。
- 基本功能免费，高级功能收费的Freemium策略
- 交叉补贴
- 三方市场的流量变现
- 开源代码的盈利可能
6.2 免费午餐的终结
（备注：先从免费开始，等流量上去后小步迈向收费，过程中试探。）
6.3 重定向广告，寻找消费者的热追踪弹
所谓重定向，是一种针对已经浏览过网站的人群进行再次营销的广告方式。
6.4 看 WetSeal如何抓住时尚的脉搏
（略）
6.5 用互联网思维在微信里卖月饼
（略）
6.6 变惩为奖，堵不如疏
（略）
6.7 建立商业智能系统以小博大
（略）
第7章 病毒传播
7.1 用病毒传播撬动增长的杠杆
衡量病毒传播的两大核心指标是K因子（KFactor）和病毒循环周期（VirialCycleTime）。
K因子，用于评判病毒传播的覆盖面。其公式为：K因子＝感染率X转化率。感染率是指某个用户向其他人传播产品的程度，例如发送一封邮件邀请、进行一次口碑推荐。转化率是指 被感染用户转化成新用户的比例。更简单地说，1个K因子表示平均1个用户能带来1个新 用户。K因子越高，产品自我获取新用户的能力越强。提高K因子，主要从提高感染率和转 化率两个方向入手。鼓励用户平均发送更多邀请，如在一对一的通讯录联系人邀请之外，增设发微博、邮件群发选项，可以增加感染更多用户的机会。优化被感染者看到的着陆页，让 注册步骤尽可能简短，则能提高注册成功的转化率。
病毒循环周期，是指从用户发出病毒邀请，到新用户完成转化（如点击阅读、注册、消费的行为）所花费的时间。病毒循环周期越短，效果越好。在这方面数据的佼佼者要数视频网站， 你在优酷上看完一则奇趣搞怪的30秒视频，将它顺手分享到微博上，马上便能引来粉丝的围观，整个病毒循环周期只需几分钟。为了缩短病毒循环周期，首先应当尽可能减少用户的 操作成本，如醒目的行动号召、方便的一键分享按钮、傻瓜式的下载安装注册流程。其次可以设法增加用户的“紧迫感”，如24小时后就会失效的优惠券、注册后能立即收到10元返利 的承诺等。
7.2 坏事传千里——Bug 营销
（略）
7.3 借势营销，乘势而上
（略）
7.4 构建产品体外的病毒循环
（略）
7.5 产品内置的传播因子
（略）
7.6 病毒传播中的用户心理把握
- 喜爱
- 逐利
- 互惠
- 求助
- 炫耀
- 稀缺
- 害怕失去或错过
- 懒惰
7.7 用邮件提醒增强传播效率
（略）
7.8 病毒传播的策划与打磨
（略）
第8章 完整案例表
8.1 Airbnb
8.2 Tinder
8.3 Github
8.4 美丽说
8.5 外卖库
后记 增长黑客的职业道德
附录A 增长黑客应当关注的常用指标
附录A.1 网站类产品常用指标
附录A.1.1 页面浏览量（Page View，PV）
附录A.1.1 独立访问者（Unique Visitor，UV）
附录A.1.1 访问数（Visit）
附录A.1.1 着陆页（Landing Page）
附录A.1.1 退出页（ExitPage）
附录A.1.1 跳出率（Bounce Rate）
用于衡量整站或网页的黏性。跳出，指访问者仅仅浏览了一个网 页就结束了访问（Visit）。整站跳出率＝全站跳出数/全站页面浏览量，它反映了整站的导航效率；而针对单独页面计算的跳出率＝该页面跳出数/该页面浏览量，它是对单个网页导航能力的评价。一般而言，跳出率越高代表网站的问题越大。
附录A.1.1 展现数（Impressions）
附录A.1.1 转化率（Conversion Rate）
转化，指达成了某种预设的目标，如引导用户完成下载、注 册、新闻订阅、走完新手介绍流程等。转化率是计量这种转化成效的指标，可用于衡量网站内容对访问者的吸引程度和宣传效果等。例如，广告条的转化率＝通过广告条点击进入着陆 页的流量/广告条的展现数；注册的转化率＝完成注册流程的用户数/到达注册页面的流量。
附录A.1.1 停留时间（Duration）
附录A.1.1 初访者（New Visitor）
附录A.1.1 回访者（Return Visitor）
附录A.1.1 访问来源（Referrer）
附录A.1 软件及移动应用类产品常用指标
附录A.2.1 新增用户数（New Users）
附录A.2.1 活跃用户数（Active Users）
附录A.2.1 升级用户数（Updated Users）
附录A.2.1 留存率（Retention Rate）
附录A.2.1 总用户数（TotalUsers）
附录A.2.1 单次使用时长（Duration）
附录A.2.1 平均单次使用时长（Average Duration）
附录A.2.1 使用间隔（Interval）
附录A.2.1 转化率（Conversion Rate）
附录A.2.1 K因子（K-Factor）
衡量产品的病毒传播能力，计算方法为每个用户平均发出的邀请数量/收到邀请转化成新增用户的比率。如果K因子大于1，表明产品具有自我传播能力，会随着用户的使用而持续扩散。
附录A.2.1 每用户平均收益（Average Revenue Per User，ARPU）
附录A.2.1 每付费用户平均收益（Average Revenue Per Paid User，ARPPU）
附录A.2.1 月付费率（Monthly Payment Ratio，MPR）
附录A.2.1 生命周期价值（Life Time Value，LTV）
附录B 国外优秀增长黑客名单
（略）