最近从金融智能撤出来，把两个团队移交出去了，进入营销增长的事情中。
免不了俗，为了建立沟通基础，快速阅读了《硅谷增长黑客实战笔记》。
之前在电商带搜推时，受益于产品引导，实际已做过一些增长相关的工作，概念和流程的接受度上还不错。不过读过该书后有不少深度和体系的增补，一些点状概念想法开始建立，有一些来自书中，有一些来自回忆，先分享记录一下。在后面的实践中去把这些想法转换更体系和更实践的经验，会再来更新。
关于之前金融部分信贷核心、同业资管、交易结算、产品中台、财务管理相关的积累，后面抽空写些脱敏的感悟，先挖个坑吧
产品价值与增长 – PMF天花板
之前电商做过一些增长的尝试，有短期效果，但站在公司视角并没有足够显著的作用。
产品可服务的用户数上限，是由产品服务的核心价值决定，而增长是挖掘迫近这一用户数天花板的方法。
产品价值越高，其用户上限越高，没有价值的产品做增长是本末倒置，沙地盖楼。
一个剃须刀产品即便拥有弄断地位，也无法服务60亿人，既无法覆盖女性、一个性价比产品难以吸引品质类客群、一个无价值的APP注定无法留住客户……
没有足够的产品力支持，产品市场需求匹配（PMF）不足的情况下，不要做增长。
之前在电商短暂进入一个误区，既是在供应链优势（效率、价格、品质）持续被追上，市场扁平化的过程中，忽略了构建差异化竞争力的内核，而寄希望与尝试提升端内转化与留存。
事实证明有短线效果、甚至中期留存效果也不错（激励），但并不是一种可持续的路子。
增长应该是在“产品可服务用户上限”的天花板这一层作业，当触及到这个天花板后，应该协助提升产品核心价值，提高天花板，而不是跳过天花板，去半空中作业。
增长团队复合职能 – 特种兵
增长团队的职能，会覆盖运营、市场、产研、数据分析等多个职能领域，我目前的概括认知是：
- 产研是产品核心价值的构建者
- 市场是价值的传播者
- 运营是产品生态的经营者
增长团队，则是要以数据驱动的方式，完成对上述职能的整合和迭代。
我认为，增长团队基础技能是能利用数据，整合市场、运营、产研的工具和资源（渠道、预算等资源）促进增长，而高阶技能或者说高阶价值是完成对产品能力迭代升级：一轮一轮的让用户数逼近产品所匹配的天花板，并能承担用研，甚至直接承担产品经理角色，持续提升产品的天花板（PMF）
增长团队的负责人，很符合我推崇π型人才，也需要具备追求的VUCA的能力。很像体系内喜欢提到的一个”特种兵”的定义。
不想去讨论职位能级的高低，大家目标不同、切入点不同，同时很多概念是螺旋式上升的，一些职责也是渐变生成出来的：
以运营为例，除了注意短期效果的活动运营，也衍生出了会去侧重用户长线价值的用户运营。以营销市场为例，即使不提增长黑客，公司的广告投放的考核指标也在逐步下钻，从点击率、激活率等短时指标，渐渐的去关注留存等长期考核。
不过具备整合职能的岗位，能获取更多的视野和资源工具支持，可以更好的达成目标；同时视角更全，能亦会遇到更全局的问题，在一定程度上能从战术执行层面，升维到方向决策层面。
AARRR、用户生命周期与跃迁策略
海盗模型（AARRR）：增长是拉新→激活→留存→变现→推荐，覆盖了短期助推、中长期可持续、商务变现的视角。
我之前对增长的概念认知，还多停留在短期刺激和助推层面。实际上增长团队，既要提供催化剂（对产品的传播贡献），也要供给更多的反应物（对产品力的提升贡献）。
海盗模型的提出，也从关注“拉新”这个单环节，升维到了关注整个用户生命周期体系，而不只是引流注册激活。同时也把增长工作的工作复杂度提升了： 更多的工具手段 x 更多的运营环节 = 更复杂策略
上图只是一个简化表述，其用户生命同期的状态节点定义，我觉得应该以专家经验假设出发、考量行业特性和数据验真、方便运营策略出发，进行适配定义。
比如，信贷领域应该定义成”高信贷余额用户”、“高周转用户”甚至更细节的“半年内借还三次的用户”，更复杂的状态机设制加更复杂的跃迁路径。权衡策略粒度及管理复杂度：状态机的细化可以下钻运营粒度，但也会带来策略定制实施复杂度。
策略与算法 – 白与黑
策略是什么？单从技术实质上，其就是一堆流程条件组合，一个决策树。下面是网上随意找的一张图
每一个策略，都是基于专家经验、行业规则、运营灵感也产生的。它定义如何通过对工具的编排利用，达成既定目标，具备可解释性、业务语义，是白盒化的。
不仅营销策略，信贷中的风管策略: 给某个人多少额度，给什么级别的信用卡。背后都是一个高度复杂、被科学管理迭代的决策树。例如：早些年，论坛里会有人教你如何办下某家银行的信用卡，如先在某个餐厅消费多少元，再去某个酒店下一个订单… 并让银行感知到这些行为，然后再去申请信用卡就成功了。本质上就是早些年有些银行的信用卡准入策略简单且被人逆向发现了，目前这种情况比较少了。
说完了白， 那黑盒是什么？黑盒我目前定义是一些不可解释的算法模型，它能解决最优化的问题。
比如策略定义，针对新用户，登录首页需要发红包拉新 ——— 这是白盒规则。而算法可以根据性别地域时间等其特征，算出来给多少金额红包成功率高且成本低，以及针对一个客户给出不同的红包等等最优决策（杀熟来啦 ！）。
策略定义流程，算法最优化流程。 这是目前可以摸到的，但其实我也在想，有没有可能让算法去辅助定义流程，借助算法的全局优化能力，帮忙策略定制，辅助决策 。这块的难度，我初步细化下来，不在于算法、不在于工程，更多在于数据，这需要的数据底盘的厚度和数据标准的规范性要求太高了，准备探探。
数据分析与数据技术的一些实践记忆 不管是之前的实践经验，还是书中提到的，数据洞察能力是增长策略的关键。这些洞察既有对特事专家假设的前置验真支持，也包括对策略测试的指标进行后置跟踪分析。这块好理解，没有感触的就不做旁白式的阐述了。 这块我的经验，技术上需要重视三个点，也是我之前实践过程中的一些经历：
- 流量埋点
无论APP还是WEB，流量埋点机制的合理性科学性，会极大影响迭代效能。我们做得最差的时候，基本是每新增一类埋点，都需要研发。
埋点技术方案是相对明确的，可以在很多地方增加切面，日志收集上报等机制也是业内非常成熟低门槛的技术。
但埋点模型上，一定要足够的低维，不要要过多业务语义的埋点，由后续的ETL等数据工作翻译为高维业务语义，保障埋点的稳定性。我们当时做到比较大才意识到这个问题，花了很很大力气做整改，其中工作量除技术设施技术标准研发SDK的以外，最重要的就是埋点剥离业务语义。
经常提的自动化埋点，其核心不仅是切面技术、数据流技术，更多依赖埋点模型的合理性。
- 数据建模
数据建模层面，我们之前做了三块大域：行为域、交易域、元数据域。 其中行为域分成两层：
一层是流量埋点中的行为事件，这块可以参考神策数据，二层则是基于这些行为数据二次建模的更具业务语义模型。例如第一层行为事件是描述了”用户在什么时刻访问了某个界面并在某个时刻点击了某个按钮“，而第二层则是用户访问了购物车，用户访问了购物车并在3秒内加购了推荐商品： 带有主题型的分析。
交易域在电商就是各类订单、支付单；元数据域我感觉可能没做好命名，本质上是想表达商品、用户、画像等相对静态全局的数据。
- 分析工具
我面过一些同学，大家的焦点喜欢集中在分析工具上，其中这块是相对扁平的，这块的目标是高效、灵活的一个分析面板，从存储层的hologres、kudu、phonenix、es，还是应用层面的notebook、powerbi甚至自建，其实技术层面难度是不高的。
流量理点和数据建模，一定提前规划，这块是提前规划成本低，并不会在前期造成过大的成本投入，但后续效益高的。
增长SOP与迭代效能
增长的流程很明确：提出策略想法、前置验真、实验方案设计、产研协同、数据跟踪分析的循环迭代。
这块SOP可以去网上找到更准确的解释，这里想讨论的是，增长SOP是否需要全线上化管理？
以增长黑客一书为例，作者在各个公司的实践，其实还是以驱动研发为主要方式的：提出猜想、下发需求到各产研部门、产研改造、上线跟踪。之前我在电商时，也是协同相关产研域进行实验方案的同步改造。
而目前我们想把整个目标定义、策略构建、产品联动、数据跟踪管理全链路线上化：由增长团队定义一套分版交互协议，去定义用户入端后，进入到某个界面、应该展示什么文案、交互流程如果定义、弹窗设计及方案区分 。既通过一套标准化的协议，让各域对域，各域在接受到流量后，按AB分版分别控制自己的可调要素。 这块我要重点考量一下，既构建这套机制的成本（特别是对产研的干预和影响，虽然目前增长的指挥棒举得最高，但我还是不希望对产研有极大的干扰），是否能覆盖收益。
这套统一协同理想机制，前期成本过大，但能解决策略实验过程中因协同和管理阶段的信息过载而导致的效能问题或可实施性问题。
增长黑客一书中，以及之前电商的实践，都选择了有轻度的干预，而非统筹性、技术框架性的干预：我们会把配置化的诉求，下推到各个域内自己解决。比如我们天天向购物车提分版需求以及控制要素定义，他们自己也会做一些内部抽象来提升效能。既我们用需求的指挥棒软性的逼产研团队提效，而不是硬性技术方案焊接。
两套方案，各有优劣，我希望我能找到其决策维度以及其收益成本变迁的点。
电商 VS 金融 – 一些零星差异点分析
电商和金融的差异还是比较明显的， 这块后续实践过扣我也会再更新，目前看起来，有几个点是比较明显的。
电商会关注激发消费动力的激发，适时助推，客户在加购犹豫不决后，给紧迫性文案；而金融本质是上偏理性的，我认为要做好 “清晰表达、建立信任”
电商切换成本非常低，留存层面要花很大力气；而金融客户的稳定性整体上更强。 例，有些客户顾虑多用一家银行信贷，多上征信
电商客户和产品匹配度复杂，客户类型多，产品类型多，且都随时间变化；而金融产品集中在理财和信贷两个原子产品，靠量点也多是利率，诉求相对明确
电商领域的个性化空间较大，本质上有内容营销成份在里面；而金融产品的个性化，主要集中在定价
皇冠上的明珠 – 品牌
最后想提一下，我一直认为最厉害的营销是打造品牌 – 高认可度、高传播度、高溢价的品牌是营销皇冠上的明珠。 现在想迭代一下观点：最厉害的增长策略是打造品牌。
汽车领域中，BBA的例子讲得比较多，同样级别配置，就是能多买一个级别或者半个级别的价格，并且消费者从心理和身体两个层面都买单，既用脚投票、也帮忙宣传。在手机领域中，国内的华为了从超低端品牌完成了高端品牌的转型，而小米还在挣扎中：品牌管理真是一门有意思的工作。
同样是汽车领域，我本来想以BYD为负面例子来对比阐述的，但发现近几年BYD的品牌力也在逐步提升。我非汽车领域的爱好者、研究者，不专业，从收集到的信息来看，核心产品力的提升，是他逐步构筑品牌的关键（他们在营销侧做得似乎不行）。
这也暗合了第一点提到的，产品价值才决定是增长产品的天花板。同时也支持了这一次的观点迭代： 打造品牌不仅是营销的事，更是产品内核价值的事。增长工作的明珠，或许可以往品牌管理层面再探探？
看完后，我发现有一很有意思的点，既书中提到的一些正面案例，如clash for clan甚至还有一些已经暗淡的产品，目前还算成功吗？ 增长不应该以某个阶段论英雄，增长应该结合短期催化和长期可持续迭代。