这些资源你可能感兴趣
增长是企业永恒的主题，是商业的本质。
人口红利和流量红利的窗口期正在关闭，曾经“流量为王”所带来的成功经验正在失效，所造成的思维逻辑和方法论亟待更新。在互联网下半场，企业要如何保持增长？传统企业是否能跟上数字化转型的脚步，找到新兴业务的增长模式？为什么可口可乐公司用首席增长官取代了首席营销官职位？
数据驱动增长正在成为企业发展的必需理念，首席增长官、增长团队和增长黑客将是未来商业的趋势，其巨大价值将逐渐呈现。
本书内容包括首席增长官的崛起及向首席增长官进阶的三个阶段（第1~2章）、增长框架的学习引擎模型和用户增长模型（第3~4章）、不同岗位和不同行业做增长的方案（第5~6章），帮助读者搭建一个完整的增长知识体系。本书适合企业的管理者、市场营销、互联网运营、产品经理、客户服务、分析师、工程研发等读者阅读，无论是一线员工还是中、高层管理者，都可以从本书找到感兴趣的内容。传统行业的读者，更能通过本书迅速了解互联网工作的全貌，掌握必备的实战技能。
编辑推荐
全面引爆产品迭代、用户和收入增长的哲学！
增长黑客之父Sean Ellis作序推荐；LinkedIn联合创始人、Greylock 合伙人Reid Hoffman，经纬中国创始管理合伙人邵亦波，携程集团高级副总裁孙波，点融网CTO孔令欣，《增长黑客》作者、圣骑咨询创始人范冰 联袂推荐！
用更快的速度、更低的成本，使企业获得指数级增长，是一个企业的核心竞争力。数据驱动增长正在成为企业发展的必需理念，聘用首席增长官、增长团队和增长黑客将是未来商业发展的趋势，其巨大价值将逐渐呈现。
LinkedIn前美国商业分析部高级总监、GrowingIO创始人兼CEO张溪梦，首次开讲数据驱动增长方法论，并总结为“8字型”框架，旨在解决企业关于增长的痛点，帮助企业进入DT时代后，实现数据驱动增长思维的转型，真正帮企业将大数据分析以及大数据的应用落地。
精装、全彩，208幅原创插图清晰展示对5大岗位、4大行业、Facebook、LinkedIn、Pinterest、Airbnb、Dropbox、链家等来自硅谷和国内标杆公司的精彩解析！
作者简介
张溪梦（Simon Zhang），GrowingIO 创始人兼CEO
张溪梦曾在硅谷有13年数据分析经验，创办 GrowingIO 之前在 LinkedIn 任美国商业分析部高级总监，亲手建立了 LinkedIn 近百人商务分析和数据科学团队，支撑 LinkedIn 所有与营收相关业务的高速增长。2013年，Data Science Central 评选其为“世界前十位前沿数据科学家”。
2015年5月，张溪梦回国创办了基于用户行为的新一代数据分析产品 GrowingIO。GrowingIO 首推国内领先的“分析工具+运营咨询+持续增长”数据服务体系，帮助企业构建数据运营闭环，用数据驱动企业增长。
目录
目 录
推荐序
前 言
致 谢
第1章 首席增长官的崛起
1.1 什么是首席增长官 // 1
1.1.1 可口可乐设立首席增长官 // 1
1.1.2 越来越受欢迎的首席增长官 // 2
1.2 为什么会出现首席增长官 // 4
1.2.1 市场：红利消退、增长放缓、竞争加剧 // 5
1.2.2 客户：从被动接受信息到主动选择产品 // 8
1.2.3 技术：为用户生命周期提供数据洞察力 // 9
1.2.4 管理：从职能型组织向增长型组织进化 // 11
1.3 首席增长官是做什么的 // 12
1.3.1 首席增长官的定位 // 13
1.3.2 首席增长官的角色 // 14
1.3.3 首席增长官的职责 // 16
1.4 案例：LinkedIn增长的秘密武器 // 17
1.4.1 六年间40倍增长 // 17
1.4.2 首席增长官的力量 // 18
1.4.3 增长是对商业本质的洞察 // 20
1.4.4 LinkedIn的增长策略 // 22
1.4.5 用数据驱动用户增长 // 23
1.4.6 公司自上而下对数据驱动文化的认同 // 24
第2章 从增长黑客到首席增长官
2.1 首席增长官进阶的三个阶段 // 26
2.2 增长黑客 // 27
2.2.1 增长黑客概念的提出 // 27
2.2.2 增长黑客的能力模型 // 30
2.3 增长团队 // 31
2.3.1 增长团队的组织架构 // 31
2.3.2 增长团队的组建和分工 // 34
2.4 首席增长官 // 36
2.4.1 问题和解决方案匹配时期 // 37
2.4.2 最小可行性产品时期 // 37
2.4.3 产品和市场匹配时期 // 37
2.4.4 渠道和产品匹配时期 // 38
2.4.5 成熟期 // 39
第3章 增长框架
3.1 增长框架的概述 // 41
3.1.1 学习引擎模型 // 41
3.1.2 用户增长模型 // 44
3.2 正确的增长目标：北极星指标 // 46
3.2.1 北极星指标的重要性 // 46
3.2.2 关于北极星指标的两个案例 // 47
3.2.3 制定北极星指标的六个标准 // 49
3.3 高效的衡量技术：数据采集 // 51
3.3.1 什么是用户行为数据 // 51
3.3.2 埋点采集数据 // 54
3.3.3 无埋点采集数据 // 57
3.3.4 一站式数据采集解决方案 // 59
3.4 科学的学习方法：数据分析 // 61
3.4.1 数据分析的战略思维 // 62
3.4.2 数据分析的三大思路 // 65
3.4.3 数据分析的八种方法 // 69
第4章 用户增长模型
4.1 获取用户 // 77
4.1.1 受众 // 77
4.1.2 获客成本 // 78
4.1.3 用户旅途 // 79
4.1.4 案例解读 // 86
4.2 激活用户 // 88
4.2.1 激活的概念和意义 // 88
4.2.2 激活系统四大组成部分 // 89
4.2.3 To C 端用户激活案例 // 92
4.2.4 To B 端用户激活案例 // 95
4.3 用户留存 // 98
4.3.1 什么是真正的用户增长 // 98
4.3.2 留存分析框架 // 99
4.3.3 新用户留存分析 // 100
4.3.4 产品功能留存分析 // 106
4.4 用户营收 // 109
4.4.1 营收的两种方式 // 109
4.4.2 用户付费：以转化为核心 // 111
4.4.3 广告收入：以黏性为核心 // 114
4.5 用户推荐 // 117
4.5.1 推荐体系的组成 // 117
4.5.2 衡量推荐的两大指标 // 121
4.5.3 推荐的经典案例：Airbnb // 122
第5章 各岗位的数据驱动增长实战
5.1 市场营销：渠道、流量、转化 // 125
5.1.1 市场营销人员的工作重心 // 125
5.1.2 优化获客渠道 // 125
5.1.3 监测投放链接 // 132
5.1.4 优化落地页面 // 136
5.2 产品研发：数据驱动产品优化和迭代 // 139
5.2.1 从产品研发流程谈起 // 139
5.2.2 产品分析的基本概念 // 141
5.2.3 产品数据分析流程 // 145
5.2.4 产品数据分析方法 // 149
5.3 运营：用数据分析做运营增长，你需要做好这四个方面 // 153
5.3.1 流量运营：多维度分析，优化渠道 // 153
5.3.2 用户运营：精细化运营，提高留存 // 156
5.3.3 产品运营：用数据来分析和监控功能 // 157
5.3.4 内容运营：精准分析每一篇文章的效果 // 158
5.3.5 运营实战案例 // 160
5.4 数据分析师：用数据驱动增长 // 165
5.4.1 数据分析师的发展历史 // 166
5.4.2 数据分析师的组织架构 // 167
5.4.3 数据分析师的增长技能 // 169
5.4.4 数据分析师的实战案例 // 173
5.5 客户成功：以留存续约为核心 // 174
5.5.1 客户成功经理的诞生背景 // 174
5.5.2 客户成功经理的工作职责 // 176
5.5.3 客户成功经理的数据看板 // 178
5.5.4 客户成功经理的实战案例 // 180
第6章 不同行业的数据驱动增长实战
6.1 电商：电商精益化运营的五大关键指标和三个关键思路 // 183
6.1.1 电商行业的五大关键指标 // 183
6.1.2 商品运营：流量优化和品类优化 // 184
6.1.3 用户运营：提高用户留存和复购 // 188
6.1.4 产品运营：提高转化效率 // 190
6.2 在线旅游:如何提升购买转化率 // 192
6.2.1 用户旅途概述 // 193
6.2.2 渠道优化 // 194
6.2.3 落地页优化 // 198
6.2.4 搜索优化 // 201
6.2.5 用户整合 // 205
6.3 互联网金融：如何促进高成单、高转化 // 206
6.3.1 互联网金融平台的增长 // 206
6.3.2 互联网金融平台的三大增长模型 // 208
6.3.3 互联网金融用户的四大行为特征 // 211
6.3.4 精细化运营的三大步骤 // 213
6.3.5 理财业务：提升整体成交额 // 213
6.3.6 贷款业务：提升注册转化率 // 222
6.4 互联网+：打通线上线下数据，驱动链家增长 // 226
6.4.1 什么是增长 // 226
6.4.2 增长遇到的挑战 // 227
6.4.3 链家如何打通线上线下数据 // 229
6.4.4 如何用线上数据分析驱动增长 // 234
后 记
本书评论