張溪夢（Simon Zhang），GrowingIO 創始人兼CEO
張溪夢曾在矽榖有13年數據分析經驗，創辦 GrowingIO 之前在 LinkedIn 任美國商業分析部高級總監，親手建立瞭 LinkedIn 近百人商務分析和數據科學團隊，支撐 LinkedIn 所有與營收相關業務的高速增長。2013年，Data Science Central 評選其為“世界前十位前沿數據科學傢”。
2015年5月，張溪夢迴國創辦瞭基於用戶行為的新一代數據分析産品 GrowingIO。
GrowingIO 首推國內領先的“分析工具+運營谘詢+持續增長”數據服務體係，幫助企業構建數據運營閉環，用數據驅動企業增長。
推薦序
前 言
緻 謝
第1章 首席增長官的崛起
1.1 什麼是首席增長官 // 1
1.1.1 可口可樂設立首席增長官 // 1
1.1.2 越來越受歡迎的首席增長官 // 2
1.2 為什麼會齣現首席增長官 // 4
1.2.1 市場：紅利消退、增長放緩、競爭加劇 // 5
1.2.2 客戶：從被動接受信息到主動選擇産品 // 8
1.2.3 技術：為用戶生命周期提供數據洞察力 // 9
1.2.4 管理：從職能型組織嚮增長型組織進化 // 11
1.3 首席增長官是做什麼的 // 12
1.3.1 首席增長官的定位 // 13
1.3.2 首席增長官的角色 // 14
1.3.3 首席增長官的職責 // 16
1.4 案例：LinkedIn增長的秘密武器 // 17
1.4.1 六年間40倍增長 // 17
1.4.2 首席增長官的力量 // 18
1.4.3 增長是對商業本質的洞察 // 20
1.4.4 LinkedIn的增長策略 // 22
1.4.5 用數據驅動用戶增長 // 23
1.4.6 公司自上而下對數據驅動文化的認同 // 24
第2章 從增長黑客到首席增長官
2.1 首席增長官進階的三個階段 // 26
2.2 增長黑客 // 27
2.2.1 增長黑客概念的提齣 // 27
2.2.2 增長黑客的能力模型 // 30
2.3 增長團隊 // 31
2.3.1 增長團隊的組織架構 // 31
2.3.2 增長團隊的組建和分工 // 34
2.4 首席增長官 // 36
2.4.1 問題和解決方案匹配時期 // 37
2.4.2 最小可行性産品時期 // 37
2.4.3 産品和市場匹配時期 // 37
2.4.4 渠道和産品匹配時期 // 38
2.4.5 成熟期 // 39
第3章 增長框架
3.1 增長框架的概述 // 41
3.1.1 學習引擎模型 // 41
3.1.2 用戶增長模型 // 44
3.2 正確的增長目標：北極星指標 // 46
3.2.1 北極星指標的重要性 // 46
3.2.2 關於北極星指標的兩個案例 // 47
3.2.3 製定北極星指標的六個標準 // 49
3.3 高效的衡量技術：數據采集 // 51
3.3.1 什麼是用戶行為數據 // 51
3.3.2 埋點采集數據 // 54
3.3.3 無埋點采集數據 // 57
3.3.4 一站式數據采集解決方案 // 59
3.4 科學的學習方法：數據分析 // 61
3.4.1 數據分析的戰略思維 // 62
3.4.2 數據分析的三大思路 // 65
3.4.3 數據分析的八種方法 // 69
第4章 用戶增長模型
4.1 獲取用戶 // 77
4.1.1 受眾 // 77
4.1.2 獲客成本 // 78
4.1.3 用戶旅途 // 79
4.1.4 案例解讀 // 86
4.2 激活用戶 // 88
4.2.1 激活的概念和意義 // 88
4.2.2 激活係統四大組成部分 // 89
4.2.3 To C 端用戶激活案例 // 92
4.2.4 To B 端用戶激活案例 // 95
4.3 用戶留存 // 98
4.3.1 什麼是真正的用戶增長 // 98
4.3.2 留存分析框架 // 99
4.3.3 新用戶留存分析 // 100
4.3.4 産品功能留存分析 // 106
4.4 用戶營收 // 109
4.4.1 營收的兩種方式 // 109
4.4.2 用戶付費：以轉化為核心 // 111
4.4.3 廣告收入：以黏性為核心 // 114
4.5 用戶推薦 // 117
4.5.1 推薦體係的組成 // 117
4.5.2 衡量推薦的兩大指標 // 121
4.5.3 推薦的經典案例：Airbnb // 122
第5章 各崗位的數據驅動增長實戰
5.1 市場營銷：渠道、流量、轉化 // 125
5.1.1 市場營銷人員的工作重心 // 125
5.1.2 優化獲客渠道 // 125
5.1.3 監測投放鏈接 // 132
5.1.4 優化落地頁麵 // 136
5.2 産品研發：數據驅動産品優化和迭代 // 139
5.2.1 從産品研發流程談起 // 139
5.2.2 産品分析的基本概念 // 141
5.2.3 産品數據分析流程 // 145
5.2.4 産品數據分析方法 // 149
5.3 運營：用數據分析做運營增長，你需要做好這四個方麵 // 153
5.3.1 流量運營：多維度分析，優化渠道 // 153
5.3.2 用戶運營：精細化運營，提高留存 // 156
5.3.3 産品運營：用數據來分析和監控功能 // 157
5.3.4 內容運營：精準分析每一篇文章的效果 // 158
5.3.5 運營實戰案例 // 160
5.4 數據分析師：用數據驅動增長 // 165
5.4.1 數據分析師的發展曆史 // 166
5.4.2 數據分析師的組織架構 // 167
5.4.3 數據分析師的增長技能 // 169
5.4.4 數據分析師的實戰案例 // 173
5.5 客戶成功：以留存續約為核心 // 174
5.5.1 客戶成功經理的誕生背景 // 174
5.5.2 客戶成功經理的工作職責 // 176
5.5.3 客戶成功經理的數據看闆 // 178
5.5.4 客戶成功經理的實戰案例 // 180
第6章 不同行業的數據驅動增長實戰
6.1 電商：電商精益化運營的五大關鍵指標和三個關鍵思路 // 183
6.1.1 電商行業的五大關鍵指標 // 183
6.1.2 商品運營：流量優化和品類優化 // 184
6.1.3 用戶運營：提高用戶留存和復購 // 188
6.1.4 産品運營：提高轉化效率 // 190
6.2 在綫旅遊:如何提升購買轉化率 // 192
6.2.1 用戶旅途概述 // 193
6.2.2 渠道優化 // 194
6.2.3 落地頁優化 // 198
6.2.4 搜索優化 // 201
6.2.5 用戶整閤 // 205
6.3 互聯網金融：如何促進高成單、高轉化 // 206
6.3.1 互聯網金融平颱的增長 // 206
6.3.2 互聯網金融平颱的三大增長模型 // 208
6.3.3 互聯網金融用戶的四大行為特徵 // 211
6.3.4 精細化運營的三大步驟 // 213
6.3.5 理財業務：提升整體成交額 // 213
6.3.6 貸款業務：提升注冊轉化率 // 222
6.4 互聯網+：打通綫上綫下數據，驅動鏈傢增長 // 226
6.4.1 什麼是增長 // 226
6.4.2 增長遇到的挑戰 // 227
6.4.3 鏈傢如何打通綫上綫下數據 // 229
6.4.4 如何用綫上數據分析驅動增長 // 234
後 記
· · · · · · (
收起)
增長是企業永恒的主題，是商業的本質。
人口紅利和流量紅利的窗口期正在關閉，曾經“流量為王”所帶來的成功經驗正在失效，所造成的思維邏輯和方法論亟待更新。在互聯網下半場，企業要如何保持增長？傳統企業是否能跟上數字化轉型的腳步，找到新興業務的增長模式？為什麼可口可樂公司用首席增長官取代瞭首席營銷官職位？
數據驅動增長正在成為企業發展的必需理念，首席增長官、增長團隊和增長黑客將是未來商業的趨勢，其巨大價值將逐漸呈現。
本書內容包括首席增長官的崛起及嚮首席增長官進階的三個階段（第1~2章）、增長框架的學習引擎模型和用戶增長模型（第3~4章）、不同崗位和不同行業做增長的方案（第5~6章），幫助讀者搭建一個完整的增長知識體係。本書適閤企業的管理者、市場營銷、互聯網運營、産品經理、客戶服務、分析師、工程研發等讀者閱讀，無論是一綫員工還是中、高層管理者，都可以從本書找到感興趣的內容。傳統行業的讀者，更能通過本書迅速瞭解互聯網工作的全貌，掌握必備的實戰技能。
