对于不熟悉的人来说， 增长工程师 似乎在产品中漫无目的地游荡——调整注册流程，优化入职体验，进行无数次实验（其中许多都失败了）。

很容易将这些工作视为无用功，但这是一个错误。许多成功的初创公司在其核心都有繁荣的增长团队，通过积累的增量改进实现巨大的收益。

增长工程师通过他们独特的思维方式和工作方式发现并捕捉这些收益。幸运的是，你不需要上增长工程师学校来学习他们的秘密。一切都从学习像他们那样思考开始——以下是方法。

订阅《工程师的产品》以投票参与此调查

只有订阅者才能投票。

已经是订阅者？ 登录

调查

我们接下来应该写什么？

如何在没有经验的情况下做销售

如何成为更好的作家

我们对 SWOT 的替代方案

我们如何创建定价页面

132 票 · 5 天剩余

1. 变得真正数据驱动

每个人都声称自己是数据驱动的，但对于增长工程师来说，这不仅仅是一个梗。

他们的工作归结为跟踪和改进平台或业务级别的指标。例如，我们的增长团队关心新收入、扩展、注册转换、激活、留存等。他们的计划、优先级和执行都集中在改进这些指标上。

代价是对产品、功能和用户需求的关注较少。他们不会提前几个月规划路线图，也不会痴迷于准确的项目时间表。他们让指标成为他们的 北极星 ，并在任何地方、任何时候做任何事情来改进它们。

如何开始变得数据驱动

找出你所负责领域的现状。为此：

1. 定义并跟踪你的激活和 留存 数据。激活是用户达到你产品的“aha时刻”。留存是他们再次回来使用。

2. 跟踪他们每周的变化。

3. 跟踪他们在你发布更改后的变化。

如果你没有一个指标基线，就无法像增长工程师那样思考。

对于更高级的用户，使用像 AARRR 或 增长循环 这样的框架创建一个仪表板来监控你的关键流程。

2. 培养实验心态

增长工程师常说“所有事情都是实验。”这就是驱动他们的神秘“实验心态”。它与传统的软件工程心态有几个不同之处：

1. 假设优先于需求。 软件工程师专注于用户明确需要的功能，而增长工程师则更关注未知领域，重视探索和发现。为此，他们会提出假设并通过实验来验证这些假设。

2. 迭代优先于稳定。 大多数工程师专注于开发稳定、无错误的代码，而增长工程师则更愿意快速失败并进行迭代。例如，软件工程师在评估一个依赖项之前可能会感到不安，而增长工程师则会为了更快地测试而直接发布它。

3. 实用优先于完美。 增长工程师知道他们的实验可能会失败并被移除。这意味着他们会发布“足够好”的版本，而不是可维护和可扩展的版本。他们知道以后可以随时改进。

如何开始培养实验思维

与其盲目地发布列表上的下一个功能，不如思考其背后的假设以及测试该假设的“最简单”方法。例如，与其构建完整的功能，不如运行一个 假门测试 ，看看用户是否会点击该选项。

MasterClass采用了这种方法 来测试分级定价。正如他们前增长工程主管Alexey所说：

我知道我们需要一个美元估算值，所以我们创建了一个简单的假门测试。用户可以选择他们喜欢的等级，但在结账时，我们告诉他们将被升级到最好的等级，并且价格最低。实际上，这只是现有的一刀切定价，我们并没有真正构建任何支持这些新等级的功能。

这为我们节省了数月的工程时间，并使我们能够了解如果我们构建这些功能可以获得多少收益。

加入超过18,000名喜欢 工程师的产品 的人。它是免费的，并且永远免费。

3. 像增长工程师一样优先排序

工程师就像公交车司机，帮助产品沿着路线图走向成功。增长工程师则像出租车司机，从一个实验跳到另一个实验，积累小的胜利。

为了了解他们的工作是什么样的，让我们看看我们增长团队最近的一个例子：

1. 确定目标区域。 最近产品分析有了一些重大升级，我们还添加了我们的 数据仓库 。这两个产品的入门体验没有跟上，所以他们确定这是一个需要改进的领域。

2. 确定代表该目标区域的指标。 他们选择了新组织激活的百分比，这包括创建仪表板、分析见解、邀请队友等。他们希望在保持或提高留存率的同时改进这一指标。

3. 创建假设。 仪表板模板 帮助团队快速从PostHog中获得价值。他们假设在入门流程中添加一个使用操作的仪表板模板会导致更好的激活。

4. 实施尽可能小的实验。 他们在入门流程中添加了一个选择仪表板模板的步骤，并通过创建操作来填写变量。

如何像增长工程师一样优先排序

你需要从事后分析转向主动优先排序。

在确定目标区域、指标和假设后，制定一系列实验来改进你的产品。思考如何以最小的方式测试你的想法。

例如，如果你想通过改变入门流程来提高激活率，是否可以测试删除步骤而不是添加新步骤？

4. 信任（实验）过程

工程师可能会对“过程”这个词感到不安，但数据驱动需要一个既定的过程，这样你在做决策时才能信任数据。

在进行实验时，增长工程师总是确保：

1. 有足够大的用户样本量。 这确保你能达到统计显著性，即你的影响优于随机机会。

2. 足够长的测试持续时间。 作为经验法则，一周是包含一周内各种使用情况的最低限度。一个月是避免延迟发布重要更改的最大限度。

3. 一份 常见错误 及其避免方法的清单。 这些错误包括仅查看汇总结果、没有预定的持续时间以及忽略对立指标。

4. 一种分割和记录参与者的方法。 你需要随机分割测试组和对照组，并且只记录参与者的结果。 功能标志 有助于实现这一点。

如何制定实验过程

试试看！设置你的 功能标志和记录 。制定假设和目标指标。检查你的样本量是否足够大，持续时间是否足够长。

通过这个过程，你会发现实验的现实。它不仅仅是发布更改并看看会发生什么，而是一种有纪律的改进方法。

5. 失败不是世界末日

对于软件工程师来说，失败意味着错误、停机、数据损坏等令人噩梦的问题。对于增长工程师来说，这只是工作中的一天。

许多实验会失败 。通常，大多数实验会失败。在 Google ，80-90%的实验“失败”。你可能认为这是浪费时间，但在大规模上，10%的成功可以远远弥补所有的失败。例如，Bing对标题显示方式的A/B测试使收入增加了12%（当时超过1亿美元）。

除了成功之外，失败也是学习的机会。正如俗话所说，“只有在你未能学习时才是失败。”快速实验及其带来的收益只有在你接受失败时才有可能。

如何更好地接受失败

1. 首先在自己身上测试实验的两面。

2. 在扩大规模之前先在一小部分用户上测试。

3. 保持实验小规模，这样当它们失败时你会感觉不那么糟糕。

记住，失败是数据驱动的核心（增长工程师的北极星）。对什么有效什么无效自欺欺人只会在长远上伤害你的产品。

📖 最新的好文章（自上次以来）

软件工程师的A/B测试指南 – Lior Neu-ner
Lior更深入地探讨了A/B测试的工作原理、什么是好的测试、如何运行和分析测试以及更多常见问题。

调试转化问题 – Mike Bifulco
实验适用于大大小小的问题。作为一个例子，Mike详细介绍了他在个人网站上改进新闻通讯转化率的持续工作。

小步快跑：Monzo的实验方法 – Alex Manthei
Monzo，英国领先的数字银行之一，详细介绍了他们的实验过程，帮助他们提供最佳服务。

低成本实现统计显著性 – Alexey Komissarouk
Alexey，前MasterClass增长工程负责人，指导公司如何思考他们的首次实验，并在流量有限的情况下运行这些实验。

本文作者 Ian Vanagas ，他特别自豪地在这期新闻通讯中加入了一个Ronnie Coleman的引用。 轻松搞定，宝贝！