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


按 Ctrl+p 打印本页】【关闭