目录介绍：

• 1、什么是增长黑客
• 2、全球最出名的黑客组织“匿名者”，到底什么来头？他有哪些有名的事迹？
• 3、《增长黑客》读书笔记——第9章：良性循环 维持并加速增长
• 4、增长黑客：你能不能玩增长营销的5点建议
• 5、什么是增长黑客？
• 6、大数据之道与术

什么是增长黑客

“增长黑客”这一概念近年来兴起于美国互联网创业圈，最早是由互联网创业者SeanEllis提出。增长黑客是介于技术和市场之间的新型团队角色，主要依靠技术和数据的力量来达成各种营销目标，而非传统意义上靠砸钱来获取用户的市场推广角色。他们能从单线思维者时常忽略的角度和难以企及的高度通盘考虑影响产品发展的因素，提出基于产品本身的改造和开发策略，以切实的依据、低廉的成本、可控的风险来达成用户增长、活跃度上升、收入额增加等商业目的。简单来说，就是低成本甚至零成本地用“技术”来让产品获得有效增长

全球最出名的黑客组织“匿名者”，到底什么来头？他有哪些有名的事迹？

匿名者黑客组织是全球最大的黑客组织，也是全球最大的政治性黑客组织。其主要分布于美国，其次为欧洲各国，非洲、南美、亚洲等地都有其分部。2015年11·13巴黎恐怖袭击事件，日本首相安倍晋三的个人网站被黑。

《增长黑客》读书笔记——第9章：良性循环 维持并加速增长

        最后一章，作者总结了保持良性循环的方法，分别从停滞的原因、意识和行为三个方面指导如何维持并加速增长，以应对增长停滞的情况。

        1. 市场变化 - 对市场变化反应不够灵敏是想实现长远成功的公司面临的最大威胁

        2. 核心不保 - 如果公司没有专注自身的核心产品或服务，而将精力用在推出吸引人眼球的新产品、附加扩展功能或者进军新市场上，那么这也会带来增长停滞

        3. 人才流失 - 人才的流失也会引发停滞，比如那些对驱动增长至关重要的明星人物投奔了竞争对手，让组织机制不再完备，或者公司因为失去他们的远见卓识和鞭策而无法继续维持强劲的增长

        4. 营销团队 - 公司过度依赖一些已经不再有效的营销渠道，当出现新的竞争，用户行为发生改变，或者约束渠道的游戏规则发生了变化，没有及时调整营销策略

        意识上，我们需要做到：

        1. 与鲨鱼为伍

            一些鲨鱼必须一直游动才能存活，一旦停下来它们离死亡就不远了。那些没有持续进行创新，没有持续挖掘用户数据、开展用户调研，没有快速进行试验并且得出结论的公司日子都不会长久。此外首要目标过多、资源有限、企业惯性这些问题能够将那些曾经表现卓著的团队迅速拖垮。

        2. 不要低估决心的力量

            团队应该强迫自己再去寻找新的方法，以最大限度地利用已经成功了的渠道和策略。团队如果不拿出决心创造更大的成功就会浪费很多增长潜力。一旦增长团队发现有效的增长手段，就应该最大限度地挖掘它的增长潜力，而不是急着进入下一个战场。下决心取得更大成功可以让你一次又一次地赢得增长。

        3. 敢于给想象插上翅膀

            摆脱目前成功的做法带来的思维禁锢——“只要没坏就不用修理”的思维模式。打破思维禁锢，第一步，最好是测试已经获得成功的产品、功能或者营销策略的关键设计，看看能否对它们进行实质的改进；第二步，增长团队应该定期进行更大胆的创新试验，而不只是局限在优化方面。

        行为上，我们需要做到：

        1. 深挖数据金矿

        2. 发掘新渠道 - 增长过程前期团队最好专注于一两种获客渠道，随着时间的推移，团队应该试验增加新渠道，这不仅是实现更大规模增长的途径，同时还能避免现有渠道突然改变游戏规则所导致的增长停滞。

        3. 引入全新视角 - 邀请其他部门的同事、其他团队或者个人一起出谋划策能够碰撞出大量有创意的新点子；团队可以通过许多途径实现交叉生成想法。

        至此，增长黑客这本书的读书笔记就写到这里了。总的来说，这本书强调： 团队合作、数据分析、客户调研、快速试验、不断迭代 ，从更贴近业务的角度介绍怎么将这些手段组合应用，以整体达到增长的目标。同时，这本书在每个环节都提供了一种系统化的思路，并非是针对具体问题的解答。在实践过程中，阻碍我们的并非方法的难度，而是我们能否脚踏实地的遵循方法，能否认真的挖掘数据，能否摒弃自己懒惰而又想当然的想法，能否从复杂的问题中有耐心的抽丝剥茧，找到背后真正的问题，同时是否对我们的产品和用户具有一颗敬畏的心。

增长黑客：你能不能玩增长营销的5点建议

增长黑客的循环方式：

1分析数据并收集观察；

2提出试验想法；

3排定试验优先级；

4运行实验方法并测试；

5再回到分析阶段审视结果，决定下一步行动。

增长黑客的循环方式和我们平时做产品迭代的方式是差不多的，但是这种方式更像是敏捷开发方式。

用小步快跑的方式，以一到两周作为一个迭代周期。

在这种方式中，提出的试验想法不仅仅需要做到以“用户为中心”，还需要考虑增长的目标在其中。

这也是现在国内很多UED团队转变的方向和思维方式。

什么是增长黑客？

一群以数据驱动营销、以市场指导产品方向，通过技术化手段贯彻增长目标的人。

黑客（或骇客）与英文原文Hacker、Cracker等含义不能够达到完全对译，这是中英文语言词汇各自发展中形成的差异。Hacker一词，最初曾指热心于计算机技术、水平高超的电脑高手，尤其是程序设计人员。

逐渐区分为白帽、灰帽、黑帽等，其中黑帽（black hat）实际就是cracker。在媒体报道中，黑客一词常指那些软件骇客（software cracker），而与黑客（黑帽子）相对的则是白帽子。

黑客是一群晃荡于网络上的技术人员，他们熟悉操作的设计与维护；精于找出使用者的密码，通晓计算机，进入他人计算机操作系统的高手，包括一些人所说的内鬼其实也是指技术人员和电脑高手。

根据开放源代码的创始人“埃里克·S·雷蒙德”对此字的解释是：“黑客兵工厂Hacker”与“cracker”是分属两个不同世界的族群，基本差异在于，黑客是有建设性的，而骇客则专门搞破坏。

大数据之道与术

记得曾听人说过，最重要的构建起自己的思维体系。现在隐隐约约能够有些理解，成长就是建立并不断完善自己思维体系的过程。

    很久没写东西，但是对于最近的这几本书我觉得带给我蛮多惊喜，给了我不同的视角去看事情，需要将自己的一点点想法化成文字记录下来。仅对于大数据这块，浅谈一下自己想法。

作为一只小码农，兵来将挡水来码掩，一心扑在实现具体需求上，只注重技术实现，而没有从整体，站在更高的视角去看待数据问题。大数据不在于数据量大小，不在于使用什么具体的技术实现，而在于分析，在于解决问题，助力业务。

大数据时代，企业应该开启数据化运营来保证业务发展和用户增长。《增长黑客》一书中始终围绕着， 数据分析-提出想法-排定优先级-快速验证， 这四点在进行。用户在哪里高流失，热点功能，留存率，激活率等，只有数据才能实实在在反映公司的运营情况和产品的使用情况，用数据来作为产品的领航标。对于整体的数据分析来讲，如下四步：

数据分析 ：如《决战大数据》中很令我豁然开朗的观点， 大数据就是尽可能还原用户当时的场景 。从用户当时的场景出发，去分析为什么用户会在这个点流失？为什么这个点转化率低?具体的术，不限于页面埋点，或者问卷调查等。用数据找出产品中体验不佳的问题点。

提出想法： 对于解决产品中分析出的问题，或者一些好的idea，可以拉上研发、产品、市场同事一起做头脑风暴，不同职责的人看问题的角度不一样，更可能会出现一些好的idea。必要时候，甚至可以请完全不同项目的人进来头脑风暴，激发灵感。

排定优先级:  对于上述的很多想法，肯定不可能在一个迭代里全部实现。可以从主方向相关度、实现成本、时间周期、带来效果等方面打分，评定需求优先级，来确定当前这个迭代周期该实现哪些。

快速验证:  互联网行业的快速迭代，对于确定好的需求就需要快速推出进行验证，是否有效，是否确实提升了用户留存等。当然对于改变来讲，都可能会带来未知的风险，不能保证效果是正还是负，所以可以使用A/B测试，确定部分效果后再推广。对于新的改变，一定要跟踪用户数据，对前后数据进行分析，产生了多大效果，一切应该以数据说话。

最后循环不断上面流程，坚持用数据去领航产品。

    以上是从产品迭代去讲数据分析，但是回归到大数据技术呢?数据湖，数据平台，整合了整个公司的海量数据，这些在于公司的意义又该怎样。现在数据处理大致下面几步:

    数据采集：

      1. 从大数据浪潮之后，现在几乎每家公司都在疯狂收集数据，每个角落数据都不放过。但是用起来的却少之又少，最后发现数据指数级上升，成本高昂，却没产生该有的价值。在这里，我并不是反对数据收集，但是收集前需要对问题和数据做一些界定，这些数据对我业务真的有影响么?

     2. 不要太过相信数据准确。特别是作为数据平台，你需要对接上游无数个数据源，同时需要将数据服务下游诸多系统。数据的准确性越来越重要，你并不能保证上游系统百分百的数据准确，所以请做好“脏”数据打算，不要过于乐观。

    数据存储：

     数据进来以后就需要存储。可能很多业务部门会各自都有一套数据处理框架，优点在于更加灵活，缺点在于大量的数据冗余，成本飞升和数据不一致等。所以稍大型公司内部基本会将基础数据统一，这也是数据湖的初衷。关于数据存储一块，可以考虑三层结构： 基础层，中间层，应用层 。其中基础层数据，统一维护一份，保证数据一致，并尽量保持数据的原始状态，防止数据失真。中间层，可以按照业务模块，数据再生状态，时间等维度生成多张大宽表，或者使用雪花模型等，对一模块提供服务，允许各个模块之间一定的数据冗余，提供适度灵活性。

当然我们收集数据，最终是为了分析和使用。对于当下趋势，越来越实时化。我们还需要放很大部分精力在存储的同时，考虑如何 快速索引 ，怎么保证我们能尽快的按照某些标签就能从海量数据中提取出我们需要的数据。一大团杂乱无序的数据，除了占服务器资源，没有任何意义。

    数据应用：

     如同前边产品中的数据分析一样，大公司和具体的数据建模的目的也是为了指导业务和商业。如果数据没有应用，没有去结合业务，那么数据本身也就没有什么意义。一个好的数据流程，应该如前所讲一样，是一个闭环。用数据应用指导产品，再通过产品收集自己需要的数据，丰富我们的数据。正如《刻意练习》中最重要的观点，反馈才是进步的动力，才能让自己看到哪里做得不够，哪里需要改进，而做数据也是一样。

对于数据开发人员，《决战大数据》里的 “混”，“通”，“晒” 还是很有思考的价值。“混”，与业务混在一起，了解业务，才能真正理解数据，提升数据敏感。“通”，数据之间需要连通才有价值，而在纷乱的数据中做到不同部门，甚至不同行业之间的数据串联在一起本身不管技术和沟通上都是一个大挑战，只有“通”，才能更好的还原用户当时的场景，甚至精确的预测下一步。“晒”需要把数据指标都晒出来，老板关心的不是指标，而是指标背后的why和how。计算出指标，还要更多的去想想能发现什么问题。

世间一切都是相同的，这也是为什么要构建自己的思维体系，以一应万。大数据分析这条道，同样也适用于个人，将个人看作一个产品，或者公司去做数据分析。那怎么用数据思维做个人管理?

数据收集： 知乎上有个问题，给我留下了很深的印象。看了那么多书，真的有用吗？我不敢说自己看过很多的书，但是仔细回想，曾经看过的书中内容确实大多都已记不住了。所以我慢慢在强迫自己去做一些读书笔记这样的事情。但是我所做的还远远不够，读书时，遇到喜欢的句子，醍醐灌顶的一段话，其实都可以加上备注和所思所想，记录下来。这就是一个最基本的数据收集阶段。

数据存储： 数据最终的目的是使用，并不是把数据收集回来就算完成目标。存储所对应的就是检索，能够在我们需要某个知识的时候，很快的从库里边调出这部分相关知识。所以对上一步收集回来的数据，可以通过 标签、知识范畴、场景、时间 等组合归类，便于我们快速的检索。（当然归纳碎片知识的时候，很多人会和我一样不知道该把这个知识归类到哪个标签上，其实是我们缺少对这个标签的具体和边界定义。正如一个思想所说，一个好的问题，就是具体完成后，答案就出来了）

数据应用:  对于生活中遇到的问题，我们求助于我们的知识库。但是这些知识都是没有经过检验的，而且整个社会一直处于动态变化中，所以我们应用这部分知识以后，还需要给给到反馈和反思。它是否适用，给我带来了什么样的影响，这个知识是不是需要怎么调整能更好适合我自己，再修改回自己的知识库。

命运二字，命中注定的某些东西无法更改，但是运这一项，财富，人际关系，知识和思考模式都是可以靠自己积累的。

建立完善自己的思维体系，会发现万物皆通。