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