增长黑客这一概念最早源于美国硅谷，到现在已有五年多的时间，在这期间，很多公司基于数据的精准分析和驱动进行决策，实现迅速崛起，那么为这一切提供支持的增长黑客们是如何做到的呢?
一、增长黑客是什么?
Sean Ellis 最先提出 “Growth Hacker” ，并帮助硅谷多家公司完成产品的快速增长，其中不少已经IPO，其中最著名的是Dropbox。
当时Sean在Dropbox负责用户增长，他用了一年的时间，将用户的基数和使用频率提高了%。
Sean对黑客增长有一个很有趣的定义：A growth hacker is a person whose true north is growth——黑客增长的唯一的使命就是Growth，因为公司的估值是与增长息息相关的，增长是所有公司核心指针。
增长黑客是三个角色的聚合，既是一个市场营销师，又是产品开发师，又是一个数据分析师。增长黑客的核心，是以最快的方法、最低的成本、最高效的手段获取大量的增长。
增长黑客是技术、分析和市场三者的聚合
传统商业产品增长周期与增长黑客的区别在于：传统商业产品增长周期包括口碑、获取、体验、转化、留存，从市场部门、到产品部门、到销售部门、到客服部门。
而增长黑客提出了一个新的AARRR的增长模式，Aquisition、Activation、Retention、Revenue、Referral，即获取、激活、留存、变现、推荐。
海盗法则：AARRR模型
二、为什么增长黑客会崛起?
web.时代是一个流量为王的时代，web.时代的竞争更加激烈，所以获取好的增长必须有好的产品设计和用户体验。
而用户体验与数据的关系，我们可以借用大师的一句话来描述：“如果一件事物不能衡量它，你就不能增长它或促进它。”一个好的CEO不仅是一个好的营销人员，还是一个创新驱动者。
现代管理学大师 彼得·德鲁克
《精益创业》这本书提出：概念、产品、数据需要实现一个循环。我们做一个产品，需要先小范围的通过数据驱动快速迭代，快速的验证，再大规模地运用。Ebay这些大公司，也会适用精益创业的概念，因为即使大项目，也需要拆解成部件，通过数据驱动进行验证。
三、个增长案例
. 获取用户(Acquisition)
Hotmail通过在每一封用Hotmail发出的邮件下面附上“Get your free email at hotmail."聪明地实现了第一波病毒营销;微信通过匹配通讯录和QQ好友直接绑定了很多用户。
. 激发活跃(Activation)
LinkedIn向客户发送同学毕业、升职等特定邮件提升活跃度;滴滴出行通过补贴，刺激用户持续使用产品。
. 提高留存(Retention)
Facebook通过优化产品适应非洲网络环境，初期非洲网络速度很慢，用户留存度很低;twitter向新注册用户推荐关注用户。
. 增加收入(Revenue)
LinkedIn根据用户行为使用不同的收费策略，每个季度至少做次价格的测试;亚马逊Prime订户的各种优惠和增值活动：如“美元免费运输”的活动，将营业额提高了%。这些增长背后，都是由数据驱动的。
. 传播推荐(Referral)
把Dropbox介绍给新用户，可以获得增长空间;百度云毛钱抢年费会员。
四、如何用数据驱动增长
第一个例子， 优化获取渠道。
首先我们要知道用户从哪个渠道来的，其次要了解每一个渠道的转化效率。
GrowingIO监测到渠道来源
GrowingIO监测不同渠道转化率
第二个例子，注册流优化。
注册流一个小的改变，从手机+邮箱的注册方式改为邮箱注册方式，使注册人数增加了%。分析注册流的转化，需要找到衰减的步骤。
GrowingIO通过漏斗分析提升APP注册转化率
当你知道流量的转化效率是这样的，就会知道如何优化。聪明的工程师和产品经理都会找到好的办法优化。
接下来就是分解注册率了，比如通过数据分析发现IE浏览器的转化率比谷歌浏览器低，是因为存在系统不兼容的情况，于是我们进一步分析用户填写表单的过程之后，整个注册率和转化率都提升了。
第三个例子，指标细分。
接下来讲一下增长的指标，比如周活跃用户。对于创业公司来说，为了增长，需要对这个指标进行分解，并做出增长的预期。
如何进行指标的分解呢?首先用户分为新用户、老用户、访客等，我们可以通过这种方式，将一个简单的指标，分解成一个可执行的指标。这是做增长的第一步，细化。再对新增用户的平台或渠道进行细化，将产品策略通过平台或渠道进行调整。
将月活跃用户按照用户不同类型拆开观察
将用户留存状况按性别拆分后观察差异
数据增长需要持续不断地关注，每天都要持续跟进，即时分析。
制造一个Growth 看板，每天追踪数据
第四个例子，提高用户留存。
为什么要关注用户留存?因为用户留存直接代表了用户的活跃度。
Facebook当时有一个法则：--，这是针对美国市场定的一个法则，国内产品经理可以借鉴使用，通过查询分析不同功能的粘度，发现粘度最大的功能后，集中精力推这个功能，实现用户留存率的增长。
