推薦序
前　言
緻　謝
第1章　首席增長官的崛起
1.1　什麼是首席增長官 // 1
1.1.1　可口可樂設立首席增長官 // 1
1.1.2　越來越受歡迎的首席增長官 // 2
1.2　為什麼會齣現首席增長官 // 4
1.2.1　市場：紅利消退、增長放緩、競爭加劇 // 5
1.2.2　客戶：從被動接受信息到主動選擇産品 // 8
1.2.3　技術：為用戶生命周期提供數據洞察力 // 9
1.2.4　管理：從職能型組織嚮增長型組織進化 // 11
1.3　首席增長官是做什麼的 // 12
1.3.1　首席增長官的定位 // 13
1.3.2　首席增長官的角色 // 14
1.3.3　首席增長官的職責 // 16
1.4　案例：LinkedIn增長的秘密武器 // 17
1.4.1　六年間40倍增長 // 17
1.4.2　首席增長官的力量 // 18
1.4.3　增長是對商業本質的洞察 // 20
1.4.4　LinkedIn的增長策略 // 22
1.4.5　用數據驅動用戶增長 // 23
1.4.6　公司自上而下對數據驅動文化的認同 // 24
第2章　從增長黑客到首席增長官
2.1　首席增長官進階的三個階段 // 26
2.2　增長黑客 // 27
2.2.1　增長黑客概念的提齣 // 27
2.2.2　增長黑客的能力模型 // 30
2.3　增長團隊 // 31
2.3.1　增長團隊的組織架構 // 31
2.3.2　增長團隊的組建和分工 // 34
2.4　首席增長官 // 36
2.4.1　問題和解決方案匹配時期 // 37
2.4.2　最小可行性産品時期 // 37
2.4.3　産品和市場匹配時期 // 37
2.4.4　渠道和産品匹配時期 // 38
2.4.5　成熟期 // 39
第3章　增長框架
3.1　增長框架的概述 // 41
3.1.1　學習引擎模型 // 41
3.1.2　用戶增長模型 // 44
3.2　正確的增長目標：北極星指標 // 46
3.2.1　北極星指標的重要性 // 46
3.2.2　關於北極星指標的兩個案例 // 47
3.2.3　製定北極星指標的六個標準 // 49
3.3　高效的衡量技術：數據采集 // 51
3.3.1　什麼是用戶行為數據 // 51
3.3.2　埋點采集數據 // 54
3.3.3　無埋點采集數據 // 57
3.3.4　一站式數據采集解決方案 // 59
3.4　科學的學習方法：數據分析 // 61
3.4.1　數據分析的戰略思維 // 62
3.4.2　數據分析的三大思路 // 65
3.4.3　數據分析的八種方法 // 69
第4章　用戶增長模型
4.1　獲取用戶 // 77
4.1.1　受眾 // 77
4.1.2　獲客成本 // 78
4.1.3　用戶旅途 // 79
4.1.4　案例解讀 // 86
4.2　激活用戶 // 88
4.2.1　激活的概念和意義 // 88
4.2.2　激活係統四大組成部分 // 89
4.2.3　To C 端用戶激活案例 // 92
4.2.4　To B 端用戶激活案例 // 95
4.3　用戶留存 // 98
4.3.1　什麼是真正的用戶增長 // 98
4.3.2　留存分析框架 // 99
4.3.3　新用戶留存分析 // 100
4.3.4　産品功能留存分析 // 106
4.4　用戶營收 // 109
4.4.1　營收的兩種方式 // 109
4.4.2　用戶付費：以轉化為核心 // 111
4.4.3　廣告收入：以黏性為核心 // 114
4.5　用戶推薦 // 117
4.5.1　推薦體係的組成 // 117
4.5.2　衡量推薦的兩大指標 // 121
4.5.3　推薦的經典案例：Airbnb // 122
第5章　各崗位的數據驅動增長實戰
5.1　市場營銷：渠道、流量、轉化 // 125
5.1.1　市場營銷人員的工作重心 // 125
5.1.2　優化獲客渠道 // 125
5.1.3　監測投放鏈接 // 132
5.1.4　優化落地頁麵 // 136
5.2　産品研發：數據驅動産品優化和迭代 // 139
5.2.1　從産品研發流程談起 // 139
5.2.2　産品分析的基本概念 // 141
5.2.3　産品數據分析流程 // 145
5.2.4　産品數據分析方法 // 149
5.3　運營：用數據分析做運營增長，你需要做好這四個方麵 // 153
5.3.1　流量運營：多維度分析，優化渠道 // 153
5.3.2　用戶運營：精細化運營，提高留存 // 156
5.3.3　産品運營：用數據來分析和監控功能 // 157
5.3.4　內容運營：精準分析每一篇文章的效果 // 158
5.3.5　運營實戰案例 // 160
5.4　數據分析師：用數據驅動增長 // 165
5.4.1　數據分析師的發展曆史 // 166
5.4.2　數據分析師的組織架構 // 167
5.4.3　數據分析師的增長技能 // 169
5.4.4　數據分析師的實戰案例 // 173
5.5　客戶成功：以留存續約為核心 // 174
5.5.1　客戶成功經理的誕生背景 // 174
5.5.2　客戶成功經理的工作職責 // 176
5.5.3　客戶成功經理的數據看闆 // 178
5.5.4　客戶成功經理的實戰案例 // 180
第6章　不同行業的數據驅動增長實戰
6.1　電商：電商精益化運營的五大關鍵指標和三個關鍵思路 // 183
6.1.1　電商行業的五大關鍵指標 // 183
6.1.2　商品運營：流量優化和品類優化 // 184
6.1.3　用戶運營：提高用戶留存和復購 // 188
6.1.4　産品運營：提高轉化效率 // 190
6.2　在綫旅遊:如何提升購買轉化率 // 192
6.2.1　用戶旅途概述 // 193
6.2.2　渠道優化 // 194
6.2.3　落地頁優化 // 198
6.2.4　搜索優化 // 201
6.2.5　用戶整閤 // 205
6.3　互聯網金融：如何促進高成單、高轉化 // 206
6.3.1　互聯網金融平颱的增長 // 206
6.3.2　互聯網金融平颱的三大增長模型 // 208
6.3.3　互聯網金融用戶的四大行為特徵 // 211
6.3.4　精細化運營的三大步驟 // 213
6.3.5　理財業務：提升整體成交額 // 213
6.3.6　貸款業務：提升注冊轉化率 // 222
6.4　互聯網+：打通綫上綫下數據，驅動鏈傢增長 // 226
6.4.1　什麼是增長 // 226
6.4.2　增長遇到的挑戰 // 227
6.4.3　鏈傢如何打通綫上綫下數據 // 229
6.4.4　如何用綫上數據分析驅動增長 // 234
後　記
· · · · · · (收起)