引言
我今天想做的是 先从一个非常宏观的层面开始， 然后聚焦到构建增长机器的具体部分， 并一步一步、 按策略一项一项地讲下去。
再补充一点我的背景： 我既做过 B2C 方向，也做过 B2B 方向， 从构建拥有数百万 日活用户的用户基础，到，显然，Hubspot 这样更偏向 B2B-SAS 领域的产品，我都做过。
构建增长机器
实际上只有一个使命、一个目标 我认为我们这些身处创业领域的人， 就是打造公司。 而这真正关乎的是有机增长。 去增长一些真实的东西， 它确实能提供价值， 而且是持久的。 不是那种突然爆发、然后第二天就消失的增长 。 但我们需要在很高层面上理解几件事， 因为在软件世界里增长 已经发生了巨大的变化。
我们看到的第一个重大变化是， 营销和产品之间的界限已经完全模糊了。 真正的问题是，在软件中营销在哪里结束， 产品又从哪里开始？ 因为毫无疑问，从用户的角度来看， 他们确实把它看作一个连贯的整体体验。
他们不在乎你的组织架构是怎样的， 也不在乎你是否把市场营销和工程部门分开。 在他们看来，这是一种连贯流畅的体验，而且这最好 是一种很棒的体验。
第二个重大变化是，我们过去所说的营销在软件世界中变得更加技术化和量化。 我所说的 “Mad Men 技能”，也就是品牌建设中那种定性的软性能力， 在软件时代正变得不那么重要。 它们仍然重要，但量化和技术部分已经成为更大的一块。
第三个重大、高层面的变化是，数据正变得越来越容易获取， 无论是定性数据还是定量数据。 如果我们回顾五六年前，像 Mixpanel 这样如今已司空见惯的工具，以及市面上那几十家分析公司， 要么才刚起步，甚至根本还不存在。随着我们不断向前， 这件事实正变得越来越容易。
最后但同样重要的是，增长的规模和速度确实已经加快了。 因此，在 B2C 领域，从零到一百万用户的时间正在加速， 而在 SaaS 领域，从 0 到 100 万 ARR 的时间， 也在加速。 因此，由于这些变化， 我们需要意识到几件事。
如何应对增长
第一，增长并不等于获客。 这是我看到人们最常犯的最大错误 ， 他们以为只要推动 漏斗顶部就能实现增长。 但我可以提高激活率、留存率， 我们的收入和推荐率， 而公司整体增长也会随之提升。 我们需要把它视为一个整体 ，把它看作一个统一的漏斗。
第二件大事是 增长工作实际上需要把 产品营销、工程和数据这些技能结合在一起 ， 基本上才能推进并落实这些举措。 你不能把它们割裂开来思考 ，因为最终会在 漏斗各层之间留下很多空缺。
最后但同样重要的是， 增长，以及我们过去在技术上对产品的思考方式，其实非常不同。 方法论，以及我们处理这些问题的方式，都是不同的。 因此，在基础层面上，我们实际上需要实现三件事： 我们需要建立核心价值， 我们需要让我们目标受众中最大比例的人尽快体验到这种核心价值， 然后我们需要让这些用户尽可能频繁地体验这种核心价值。
解决第一个问题， 与解决第二个和第三个问题 在我们处理这些问题的方式上， 评估这些问题的方式上， 以及最终解决这些问题的方式上， 是非常不同的。因此，我们可以从一个高层次的角度来思考增长， 随着我们向前推进， 基本上任何好的产品， 如果你构建出非常深层的核心价值， 某种真正打动人心的东西， 你就应该拥有一个自然的采用曲线。 客户会推荐 其他客户，而你也会自然增长。
但这并不一定代表 产品或公司的真实增长潜力。 增长真正关乎的是我们如何将其 从灰线提升到蓝线 ，本质上优化所有 these 不同的因素 以及漏斗的各个层级， 以确保我们正在达到真正的增长潜力。 归根结底，当我谈论增长时， 这 并不一定是每个人 谈论增长的方式。
构建增长机器更多的是一种转变，转向 我们如何看待团队结构、人员、 方法论和流程。 它与战术或技巧关系不大， 我认为大多数人 把时间都花在琢磨这些上了。
我真正想谈的一点 不是战术。 学习如何实现真实增长 并不是从战术开始的。 我真正想深入探讨的是流程。
流程与战术
当我对人们说 “这就是你们 应该开始的地方” 时， 很多人都会睁大眼睛看着我， 然后说： “我为什么非得从流程开始？ 我是个小型初创公司。我不需要考虑流程。 我只需要继续前进，直接给我 那些最新、有效的战术就行。” 但在增长这件事上，你确实有四个理由需要先关注 流程，再关注战术。
适合别人的方法并不一定适合你。 归根结底，你的受众不同。 你的产品不同。 你的商业模式不同。 你的客户旅程不同。 你的业务就是不同，简而言之， 一家企业与另一家企业并不相同。 你可以举出一些类比，但归根结底， 真正成就一个成功企业的，是将一组独特的变量组合在一起。
你需要一个能够发现这些 独特变量组合的流程。 要找出对你有效的因素， 就要弄清楚最适合你的组合， 而不一定总是依赖借鉴他人。
第二个重要点是，增长机器是由许多小部分组装而成的。 因此，我们经常会在 TechCrunch 或其他新闻文章中看到这样的增长曲线。 我们往往真的很想聚焦在这个点上。 我们总是会想： “他们到底做了什么 ，才基本上导致了这种爆发式增长？” 但我们真正应该问的是： “ 他们为了达到这个结果都做了哪些小事？ 以及他们后来又做了哪些事来让增长持续下去？” 因为归根到底， 不存在什么银弹。
当然，你会做出一些 表现异常突出的事情。 它们带来的增长幅度 会比其他一些事情大一个数量级。 但归根到底， 让你走上增长轨道的从来都不是单一的一件事。
我们基本上需要一台增长机器，它会 持续测试所有这些小输入 并随着时间从中学习。 这将促成各项因素的成功组合， 从而适用于我们的业务。
第三，变化的速度正在加快。 这是我思考最多的一个问题， 也是我实际上最担心的。 如果我们只看获客渠道，也可以看看 留存循环和互动循环。 这已经过时了，但 在过去一年里， 每一个方面都发生了根本性的变化。 以 Facebook 为例。 如今在 Facebook 上有效的方法，无论是广告还是平台， 都不是 90 天前有效的方法。
我的团队在运营和执行上 采用的是一整套完全不同的战术 和 90 天前相比已经完全不同， 因为所有这些渠道、整个世界 都在以惊人的速度加速发展。 从宏观层面来看， 这是 James Currier 的一张图表， 我都不知道多少家拥有 他曾经营 Ooga Labs 千万级用户的公司。 他整理了这张图，而你会看到， 从宏观层面看，随着时间推移， 在软件和互联网世界里， 越来越多的渠道基本上会随着时间不断出现。 ，并且打造了
更重要的是，从 上线、达到峰值效果，再到逐渐贬值 之间的周期正在缩短，这意味着一切都在加速。
我们基本上需要的是一个能够 持续试验并发掘 有效方法的流程 ， 并找出那些我们曾经以为有效 、但如今已经不再有效的方法。
关于先流程、后战术的第四点，也是最后一点， 接下来我们会深入展开， 就是你需要一台机器。 增长机器意味着三件事： 它具有可扩展性、可预测性和可重复性。 我们寻找这三个要素。 因为当你拥有这三个要素时， 你就知道已经打下了坚实的基础， 一台强大的机器已经就位。 而且你知道你的输入是什么，以及对于这些输入， 你会得到什么样的输出。
我的类比是，它是 产生战术的机器，但 流程才是造就这台机器的关键。 所以这就是为什么我们首先从流程开始。 D 深入这个流程，这正是我们在 HubSpot 以及之前的公司里在我的团队中使用的方法。 它从目标开始。 我们要优化什么？
要优化什么
我们优化四件不同的事情。 首先，也是最重要的，是学习。 这始终关乎持续学习你的客户、 产品和渠道，并将这些反馈 到流程中，以便随着时间推移不断改进。 对我们来说，失败是做了某件事却没学到东西。 归根结底，如果我们没有从中学到东西， 那它几乎就毫无用处。
第二点是节奏。 动能是一种非常强大的力量。 在这种高度实验性的过程里， 以及构建 these 增长机器时， 你失败的次数会比成功更多。 所以要挺过这些失败， 建立起这种节奏，去不断穿越失败，抵达成功， 这真的、真的很重要。
第三和第四点 更多是从团队层面来说的。 我们非常注重自主性。 基本上，个人会决定自己要做什么 ，但要在一定的约束范围内。 当然，有自主性就意味着有责任。 在这个流程和这支团队中， 你不必每次都对， 但大家期望你能随着时间推移不断改进。
如果你在进步，那就意味着你在学习 并且你在把这些学习成果应用回 我们的流程和我们的想法中。 从宏观层面来看，这就是 一步一步下来的流程样子。 一开始看起来会非常让人不知所措， 但我们会一步一步带你过一遍， 其实它非常简单。 你在这里顶部层级看到的， 前面三个阶段， 就是我们所说的 “zoom out” 阶段。
我们大约每 60 到 90 天做一次这个流程， 具体取决于我们当时在做什么。 然后底部的循环 则是我们每天和每周都会执行的部分。 zoom-out 阶段的第一部分 其实是关于寻找杠杆点。 而我们真正想回答的问题是， 基本上，在有限的资源条件下， 我们现在可以专注的 最高影响力领域是什么？
我刚开始创办第一家公司时非常天真， 以为再过三个月 我们就会拥有执行所有计划 所需的一切。 又过了六个月； 我们只要跨过这个门槛就行了。 但我现在在一家上市公司工作， 它市值十五亿美元， 拥有一千多名员工。
我可以告诉你， 不管你做得多大， 你总会受到限制。
要么受限于时间、金钱，或者人手。 你的资源永远都是有限的 , 所以从第一天起，你就必须非常、非常、非常擅长 回答这个问题。 因为操作顺序确实很重要。
我们找到 这个问题答案的方法，是使用 我们称之为增长模型的东西。 它基本上就是一张巨大的 Excel 表。 而增长模型帮助我们评估 几件我稍后会谈到的事情。 但我首先想谈的是，我们如何生成 这个按业务逐一制定的模型。
增长模型的起点基本上是 确定你的最高层目标。 以我们的一款名为 Sidekick 的产品为例， 我们的目标是每周活跃用户数。 它是为专业人士打造的。 它是你电子邮件的一个附加组件。 专业人士通常每周都会频繁使用电子邮件， 因此我们选择了这个每周活跃用户指标 作为我们的最高层目标。 这里面还包含了很多其他考虑， 但我想继续讲更深入的部分。
我们从这里开始，也就是我们的产出。 这是我们想要推动的东西。 这是我们监测自己是否在增长的方式。 但我们不会坐在那里想着各种点子， 比如 “我们该如何提升每周活跃用户？”
成足够小的部分，让它变得可执行？” 这样我们就能评估所有这些输入。 最大的目标是： “如何把它拆解成足够小的部分”
我们像数学方程一样拆解它， 拆成越来越小的部分。 每周活跃用户基本上等于我在某个时间段内新增或获取的用户数， 加上所有已经留存下来的用户， 来自之前各个时间段的用户。 但我们不会止步于此。我们会继续深入。
我们可以把新增激活数拆分为它的各个子组成部分。 可能通过 Facebook 广告注册的人数 乘以他们的激活率， 再加上通过病毒式传播注册的人数 乘以他们的激活率， 诸如此类。 然后我们还可以把这些组成部分 继续拆得更小。
通过病毒式传播注册的用户数 实际上取决于展示次数的多少， 我把多少人带到了邀请页面， 乘以他们的转化率，再乘以每个用户发送的邀请数， 再乘以邮件点击率，诸如此类。 而且 我们会用所有不同的变量来逐一分析这一点。 留存率我们也会做同样的分析， 最后得到的就是那个输出，也就是那个模型。
我们建立那个模型。我们做那个 Excel 表格， 基本上是为了看未来一到两年的情况。 我们会评估三件事。 我们看基线，也就是我们今天处于什么位置， 在所有这些不同的输入和变量上。 我们认为上限是多少？ 基本上，这是我们基于当前状况做出的有依据的猜测。
我们觉得，如果我们为此努力、如果我们专注于此，能把这个数字做到多少？ 然后，看看那个上限，它会带来什么影响？ 这种敏感性会随着时间如何变化？ 我们寻找的不是那些只会在短期内给我们带来影响的东西， 比如未来一周或 30 天内。 我们想寻找的是那些会随着时间产生影响的东西， 也就是未来六个月到一年。
如果你只看未来 15 到 30 天， 你最终会漏掉很多核心组成部分。
像留存率或病毒式传播这类会随着时间复利增长的东西， 在你采用非常短期的视角时就会被隐藏起来。
所以，我们会看这三件事，再一次， 回到并回答那个问题。 在资源有限的情况下， 我现在可以专注的最高影响领域是什么？ 在确定那个领域后，我们会设定一些目标。
目标与框架
我们使用一种叫做 OKR 的框架，即目标与关键结果， 这对你们很多人来说应该都很熟悉。 它在 Google、Zynga、LinkedIn 以及其他许多硅谷顶级公司中被广泛使用。 但这里的目标是明确我们的目标。 这有点像我们决定聚焦的这个领域背后的 “为什么？”。 我们决定聚焦在这个领域。
我们设定的时间范围不少于 30 天， 不超过 90 天。 少于 30 天对我们来说太短， 不足以产生有意义的影响。 超过 90 天则意味着我们现在可能承担了 超出我们能力范围的事情。 然后我们设定三个量化指标， 这些指标基本上会告诉我们 我们是否正在实现那个目标。
一个很好的例子是， 在我们某款产品的某个阶段， 我们希望让病毒传播成为一个对我们有意义的渠道。 我们有一个指标，就是新用户数量 除以我们的每周活跃用户数， 它大致反映了我们的活跃用户群 每周在推荐方面 所产生的比例。
…我们设定了 90 天的时间框架， 然后我们就真正专注于 实现这些关键结果（KR）。 我真正想重点讲的是第一个。 我们总是针对输入来设定 OKR，而不是针对输出。 也就是说，如果我们的输出、我们的最高层目标， 是每周活跃用户数， 我们就绝不会围绕每周活跃用户数来设定 OKR。 我们总是希望把重点放在输入上。 专注于输出基本上会让它 过于宽泛， 也太难想出点子， 无法在足够短的时间内真正看出你是否在推动这个数字 发生变化。
所以我们又回到那个模型， 并专注于我们认为 会带来结果的那些输入之一。 在设定一些目标之后，我们会进入缩放过程的 第三阶段。 这只是对我们所选择关注领域的 定性和定量数据进行探索。
我们提炼洞见的方式是把三样东西结合起来， 不只是定量数据，不只是定性数据， 还包括我们自己的直觉。
很多人争论， “增长是艺术还是科学？” 现实情况是，它有点像两者的结合。 很多时候，定量数据 会告诉我们发生了什么， 但它不会告诉我们为什么会发生。 所以我们必须转向定性数据。 然后，即使我们知道了它为什么会发生， 我们也永远不可能从用户那里 获得所有信息 来告诉我们解决方案是什么。
增长洞察
我们的用户其实不会替我们设计解决方案， 所以你必须结合自己的直觉， 才能真正从中挖掘出关于增长的巨大洞见。 我们探索 这些定性和定量数据的方式 是通过多种不同的衡量方式， 在定性层面上，无论是用户调研， 一对一访谈，还是支持工单。
在定量方面， 我们会使用许多不同的工具， 无论是基于事件的数据， 还是收入数据，或只是数据存储中的原始数据。 但我们会根据不同领域以多种方式进行探索。 我们在这一过程中使用的几种不同工具是我们所说的 “迷你模型”， 本质上是那个大型宏观模型的更窄版本。 我们也会经历同样的流程。 我们会随着时间观察基线、上限和敏感性。
如果我们真的专注于那一部分病毒式传播， 我们就会把那部分再拆解成更小的部分。 我们会看看这些更小的部分里 哪些是我们可以着手处理、影响最大的部分， 以及在这个 OKR 周期里我们可以从哪里开始。 我们也会为了收集定性数据做很多一对一、开放式的邮件调查。
比如，如果我们想知道为什么用户没有在邀请页面上完成转化， 我们实际上会给那些访问过该页面 , 但没有邀请任何人的用户发邮件，并问他们为什么。 比如，为什么他们决定不这么做？ 我们最终得到的是一堆定性的趋势信息，告诉我们诸如 , 他们不知道该邀请谁。 奖励不够高。 他们不想给朋友发垃圾信息。
这背后的主要目的在于，我们可以把 这些定性信息 转化为更多可执行的想法。
我们可以看着这些内容，然后说， “哦，他们不想给朋友群发垃圾邮件。” 好吧，我们可以加上信任徽章。 我们可以向他们展示我们 要发给他们朋友的邮件。 我们可以加入能传达并增强信任的文案。
所有这些实验想法都会朝着 一个非常有针对性的方向展开。 我应该说，我们使用这些技术 不仅用于 B2C 领域中的病毒式传播和推荐等获客渠道， 也用于漏斗的各个部分， 无论是获客、留存、收入 还是参与度。 因此，一旦我们完成那段拉远视角的阶段， 这通常会花费 几天到一周不等， 就会进入这个每周循环。
我们一开始做的基本上就是头脑风暴 ，它会产生一个待办事项列表， 这里的关键是围绕输入来头脑风暴，而不是输出。 这是一个常见主题，你们 会在整个内容中不断听到。 如果我们看某个想要改进的指标， 比如激活率，也就是有多少人 已经从注册 转化为在产品中激活， 我们会把它拆解成更小的部分。 然后我们会逐一查看这些更小的部分， 先针对这些单独的部分进行头脑风暴。 之后再针对整体进行头脑风暴。
同样， 你把事情拆分得越细， 就越可操作，也越容易想出点子。 我们用四种不同的工具来提出增长创意。 这些全都来自一本很棒的书， 书名叫 “The Innovator’s DNA”。 我非常推荐阅读。 总共有四种不同的技巧， 而我们设计特定练习的原因， 是为了让团队里没有人会坐在那里说： “我需要点子。”
他们总会有一套工具， 可以回过头来和团队一起产生更多想法。 这有助于你随着时间推移不断扩大这个团队。 我们会做几件事。我挑其中几件来讲。 其中之一是我们会观察 别人是怎么做的。 所以如果我们想研究那个推荐机制， 我们就会去观察很多其他公司 基本上是如何运作他们的推荐机制的。 但我们会特别关注那些 不在我们竞争领域内的公司， 因为那样实际上更能 激发出想法。
我们还会做另一件事，叫作 “问题风暴”。 具体来说，就是我们三四个人聚在一个房间里， 然后什么都不做，只围绕我们所聚焦的领域连续提问 15 分钟。 比如可能会问这样的问题： “在那些正在发出邀请的用户中， 他们在邀请谁？ 有哪些共同特征？ 在那些没有发出邀请的人中， 他们为什么没有邀请？ 随着时间推移，他们邀请的人数是多少？”
所有这些问题开始引导我们，并开始指出 我们在增长模型和产品中 有许多不理解的地方。
都始于一个出色的问题。 因此，这是一种提出大量激发性想法的方法，也就是能激发想法的问题。所以通常，任何出色的答案、任何出色的解决方案，
下一步是我们会去排序， 因此团队成员可以选择任何想要做的想法。 但他们必须进行优先级排序， 而且他们必须用一种非常通用的语言来讨论它。 这种通用语言围绕三件事展开。 第一是成功的概率， 我们看低、中、高。 这是一个非常快速的评估。
低概率的事情，就是那些 我们以前从未做过的事情； 这是我们从未关注过的一个领域。 我们对它知之甚少。 高概率的，是这个实验， 也就是基于我们最近运行过的某个实验 并从中学到了一些东西而生成的内容。
第二是影响。我们实际上 会做一个预测，我一会儿会讲到。 第三当然是资源。 执行这件事到底需要多少 资源？ 但影响，也就是预测， 才是最重要的部分。 而我们实现这一点的方式是提出一个假设。 它基本上是这样的形式。 也就是说： “如果这个实验成功， 这个变量就会增加这么多，因为……” 然后我们列出我们的假设。
这使团队实际会去做的是， 提前思考这些想法。 它把直觉和情绪从流程中剥离出去， 而他们其实是在用一种共同的语言在整个团队范围内看待问题。 他们确实会把影响考虑进去， 所以这带来的结果是 ，并且 我们并不指望人们在这方面能做到完全准确， 但它确实有两个作用。它基本上促使人们在事前以更结构化的方式思考他们的实验， 然后我们接下来会谈到这个循环最后阶段的内容， 那就是它实际上帮助我们从这个过程里提取出比不这样做时多得多的收获 。
他们提出这些假设的方式 是查看定量数据、定性数据， 甚至是二手数据、他们可能读到的东西， 以及从其他地方获得的想法。 我们使用一个工具。它本质上就是一个 Google 文档。 它叫做实验文档。 他们大概只需要五分钟就能写出 这个假设和他们的假设前提。 这样团队就能了解背后的推理， 也就是人们在任何时候进行的 各种不同实验的依据。
它同时也为我们充当一个非常快速的知识库， 这样我们就能基于这些收获继续构建， 随着时间推移，不断积累成功经验， 尤其是在团队不断壮大、不断壮大的过程中。 所以，一旦我们完成优先级排序， 我们就会设计我们所谓的最小可行测试， 而这实际上就是我们能做的 用来理解 我们提出的那个假设的最小可行方案。
这类东西主要有两种非常重要的形式。 其中之一是效率。 我需要最少多少资源 才能收集这些数据？ 但这些数据必须可靠且有效。
有时候我们能想出 一个超级高效的技巧或测试方法来检验 这个想法或这个实验， 但如果最后得不到有效的数据， 我们就无法从中学到东西。
而且，正如我前面提到的， 如果我们没有从中学到东西，对我们来说这才是真正的失败。 在某些情况下，我们实际上会投入更多工作 去确保我们能从实验中获得 非常有效的数据。 我们会把实验设计写成 要点式列表。 这样其他人就能理解设计的上下文， 也有助于 真正强化第二部分， 也就是有效性这一部分。
这会迫使团队成员提前认真思考 他们要如何执行这项实验， 以确保我们能从中得到 真正有效的收获。 在设计好测试之后，我们就去实施。 这超级简单。去把事情干成。 这没什么可解释的。 然后我们会进入最重要的一步。 这一步关乎分析和学习。
提炼经验
在我们完成实验之后，关键就在于如何尽可能从中提炼出最多的经验教训。 我们首先会看的是 ， “ 这是成功还是失败？ 它是否改善了我们所针对的目标，” 还是没有改善？ 第二是影响。 效果有多大，我们与预测的接近程度如何？ 然后第三，也是最重要的，是 ‘为什么？’
这个东西为什么成功，为什么失败？ 为什么我们的预测偏差这么大，为什么没有？ 因为在这个问题里， “为什么？” 指的是正在发生什么， 它确实会迫使我们思考我们的用户 可能对我们正在进行的某些实验 作出怎样的反应。 我们的用户，或者我们的渠道。 它不仅帮助我们产生新的认知， 也帮助我们提出新的实验想法， 然后我们就可以去执行这些实验。
他们会用非常简短的项目符号格式写下 “为什么？” 以及结果，和任何他们能 写进实验文档的行动项。
然后，最后但同样重要的是， 我们会把成功经验提炼出来并将其系统化。 系统化有两种方式。 我们会尽可能借助技术来实现系统化 并自动化各种事项。 有些事情我们无法自动化。 尤其是内容营销之类的事情 本身就需要人工参与， 对于这些事情，我们会编写操作手册。
这些操作手册基本上是为了让我们 能够站在成功经验的肩膀上继续前进， 而不是不断重复 同样的事情，一遍又一遍地学同样的东西， 从而让整个团队都能向前推进。
我们会不断地重复这个过程 一遍又一遍又一遍， 在一个 90 天的 OKR 周期内。 对于团队中的成员来说， 周一我们会作为团队开一次会。 这是我们的增长会议。 我们会看几件事， 但我们真正关注的是学到的东西。 我们其实并不太关注我们做了什么。 重要的是我们从过程中提炼出的所有经验 并在团队中分享。 然后在这一周的剩余时间里，他们 会完成其他步骤。 大多数时间可能都花在 实施阶段或分析阶段。
再多说一点关于这次增长会议的内容。 同样，首先也是最重要的，是关于学习。 这真正强化了这一流程中 最重要的第一点。 然后，第二，我们会梳理我们的目标 并讨论任何可能阻碍我们 实现 these OKR 目标的因素， 这些目标会贯穿其中一个周期。 我们每周会议有一个模板。 这基本上会迫使每个人 遵循相同的格式，说相同的语言， 并确保我们尽可能多地 从整个过程中提炼出经验教训。
然后，我们按季度， 或者也许按半年， 退一步来审视， 并说： “那么，我们如何从宏观层面优化这一切， 优化我们的整个系统呢？” 于是我们会看几个方面。 首先是我们的命中率。 我们的成功和失败各有多少？ 在一个 OKR 周期内，我们应该发现 这个命中率会随着时间推移而提高。
大多数 OKR 周期看起来是这样的： 一开始，我们做的每个实验都以失败告终， 因为我们还在学习。 我们对那个领域一无所知。 但随着我们不断学习，并把这些经验反馈回这个循环中， 就不会再是 “失败、失败、失败” 了， 我们会开始命中一些。 就像 “失败、失败、成功、失败、失败、成功”。 而到了后期， 当我们真正了解并掌握这个领域时， 就会变成 “成功、成功、成功， 最后偶尔失败一次”。 但这大致就是一个典型的 OKR 周期 对我们的感觉。
我们还会看准确率， 也就是我们的预测在更多时候变得准确， 以及我们看吞吐量。 在给定时间段内，我们运行了多少实验？ 我们会讨论我们可以如何从这三方面进行优化。
首先是团队。 我们知道自己可以提升当前团队的技能。 我们可以为团队增加成员，也可以在某些情况下 移除成员。 第二是我们的基础设施， 无论是我们的分析体系， 包括定量和定性两方面， 还是我们用来 运行大量 these 测试的实验基础设施。 然后第三是我们的流程。 基本上，我们可以彻底推翻整个流程， 并优化其中的部分环节，使其更高效， 产出更高质量的想法，甚至 从中获得更多洞察。
最后再简短说三点 关于我经常被问到的事情。 第一，迭代并不等于渐进式改进。
我认为这是一个常见的误解， 即使这个循环确实是基于 吸取经验并在这些经验上进行迭代， 这也并不意味着我们总是在做渐进式的事情。
我们其实可能会从中获得一个经验，而这个经验 可能会引导我们去做一些非常非常大的事情。 另外，基本上，项目的规模 并不等于项目的影响力。 很多时候，非常小的事情 往往能产生大得多的影响， 而不是那些非常大的举措。 第二点是 越早开始这个流程越好。 我觉得你们很多人可能都 处于非常早期的阶段。 你们也许不会采纳这个流程的所有部分， 但更重要的东西 基本上是这些检查点， 以及你在过程中提出的问题。
思考你的举措所带来的影响， 思考你如何从 自己所做的一切中提炼经验， 并且基本上把这些反馈到 你的想法以及你如何对其他一切进行优先排序中。 所以，再说一次，你也许不会 逐字逐句地采用这种方法， 但其中的核心要素仍然适用， 无论你处于早期阶段还是后期阶段。
最后但同样重要的是，最后再说一句， 这个过程并没有什么特别之处， 完全没有。 它基本上只是科学方法、 一些精益创业原则， 以及某些关于增长这一主题和 增长举措的自身特定要素的组合。
这件事的成功归根结底 在于韧性、专注和坚持。 大多数人并不具备这三样东西 来持续推进这个过程。 当他们做实验失败时， 他们不会坐下来仔细分析 并理解为什么会失败。 他们只想赶紧转向下一个新鲜事物。 或者他们不想根据 影响概率和资源来确定优先级， 而只是想做那些 自己当下想做的事情。 正是 these 类陷阱真的会让人偏离方向， 使人脱离打造 坚实基础和增长机器的轨道。 就是这样。谢谢。
问答
围绕内容营销构建流程
我实际上会说，大多数内容营销比诸如推荐和病毒式传播之类的东西更依赖流程。 因此，内容营销的长期成功在于建立一系列步骤， 让多个团队成员都能按此执行， 以产出高质量的内容， 而你几乎可以非常有把握地知道， 这些内容会在你的受众中获得大量关注。 这并不是为了制造那些一次性的爆款。
例如，我们的一篇博客， 我们的产品叫 Sidekick， 我们会撰写一些非常长篇的内容 ，专门针对 SEO 进行优化。 我们随着时间推移开发出了一套操作手册， 大约有三四页长， 内容涵盖 如何开始研究流程， 要瞄准什么， 以及如何选择要优先瞄准哪一个。 然后还有如何 拆解并为那个页面构建一个大纲。 接着，如何把这个大纲 落实到研究中，以填充这个大纲。 如此等等，一直到推广为止。
这些都是我们 经过长期尝试的做法， 并且已经能够证明， 它们确实能以相当稳定的成功率 带来 较高的成功概率。 所以我认为，这大概是 内容营销中最大的错误之一： 人们把内容片段 看作一次性的东西。
内容营销真正关乎的是如何建立一个飞轮、一个系统， 持续吸引目标受众， 将他们纳入转化漏斗， 并将他们培育到某个特定阶段。
体系就更加重要， 而且操作手册对于 那些需要更多人工参与的事情也更加重要， 比如内容营销。 否则，你最终会遇到 各种各样的差异，进而导致 很多并不真正有用的项目。
内容与网络效应
如果我们具体谈内容营销， 我认为内容营销最大的秘密之一就是，尤其是 Hubspot 所谈到的， 营销人员实际上是内容营销的完美受众。 当你生产内容并将其分发给一个基础受众的角度来思考内容营销的循环时， 这个受众会把内容分享出去，吸引更多新的人， 然后再把这些人转化为用户。 这个漏斗中的几个环节比起其他受众都要低很多摩擦。 尤其是分发这个环节。
很多营销人员会分享很多内容，对吧？ 而且很多营销人员也愿意提交 自己的信息来下载电子书 以及各种其他资料。 把这个和开发者受众相比一下。 开发者往往会更保守一些， 也更怀疑一些。 所以，如果你在他们面前放一个弹窗表单， 他们会让你走开或者滚蛋。 他们不会再回来了。 因此，你必须以非常不同的方式对待不同的受众， 但这并不意味着你不能为不同的受众使用 内容营销。
在 Hubspot，我们也围绕销售人员打造了很强的内容存在感 。 销售人员实际上比开发者分享得还少， 这其实有点疯狂。 但如果你去看开发者领域， 你可以看看像 New Relic 或 Docker 这样的公司， 他们做得非常出色， 通过一套不同的战术、技巧和专门为这些受众设计的系统， 打造出了令人惊叹的内容存在感。 这又回到了前面第一点， 没错，它们都属于内容营销， 但底层变量、底层输入， 在你真正拆解之后，实际上是完全不同的。
会产生差异的变量
还有几件事， 你知道，就是内容的分发方式。 以 Hubspot 的情况来说，营销这一块， 他们要分发内容，会让一大批营销人员 通过 Twitter 或 Facebook 分享， 因为他们本来就活跃在这些平台上，也习惯分享东西。 或者他们会举办一堆网络研讨会之类的， 因为营销人员会参加网络研讨会。
而另一方面，Docker 就是这样： “嗯，你知道吗？ 实际上，Facebook 上开发者的分享率 并没有那么低。我们其实不会真那么做。” 他们真正做的是深入 自己的用户群，让客户群 写下了很多不同而独特的方式， 说明他们是如何使用 Docker 的， 然后 Docker 基本上利用了 其余的分发渠道， 把大量流量 导向了那个撰写他们内容的人。
在 Hacker News 上给东西投票，对吧？ Docker 曾经连续大约四个月， 每一周都出现在 Hacker News 首页上。 那段时间有点离谱。 因为他们把 Hacker News 和其他这些地方 都认定为 “这就是这类内容要分发到的地方，” 这和 Hubspot 完全不同。 针对那个受众，他们会使用完全不同的一套 分发策略。 所以这会是一个区别。
如果你想谈更多细节， 在 Hubspot，你会有 lightbox 弹窗。 而在 New Relic 和 Docker，你不会有这个， 因为那会把开发者受众吓跑。 你会在这里举办很多网络研讨会。 你会有更多像免费试用 和免费设置这样的内容，因为开发者稍微 更独立、更自主，也更自力更生。
会有各种样不同的细微细节 ，它们会完全不同， 但归根结底， 这仍然是内容营销。它仍然遵循 内容营销的同一个核心循环：先 创建有吸引力的内容， 把它分享给你的分发基础， 让这个分发基础带来更多人， 从这些新来的人中获取一部分， 然后不断重复。
内容创作成本 vs. 分发成本
这是一个光谱。 在开始时 你会希望投入更多。 内容营销就是这些飞轮之一， 它的发展轨迹 与许多其他渠道截然不同。 它需要更长时间才能启动， 但一旦启动， 它就会凭借自身的重量和动量持续运转 并迅速起飞。
与内容营销完全相反的是付费营销， 你可以在小规模上做大量实验， 找到有效的方法， 然后迅速加大力度， 于是就会出现一个峰值。 然后你再进行一些测试和试验， 找到其他有效的方法，再扩大规模。 内容营销的基础周期要长得多， 它需要更长时间，才会慢慢起势， 因此，缩短这个基础周期的关键以及获得投资回报率的关键实际上就在于其中的分发环节。
我会建议， 在一开始，这更像是 70/30。 把重点放在少量但真正高质量的 内容上，并确保它们被传播到 尽可能广的范围。 所以我自己在博客上也会用的一种策略 是，在刚开始时， 我大约每个月只写一次，但我会把重点放在一篇真正高质量的内容上。 我列了一份 30 个朋友的名单， 这 30 个朋友都在波士顿的科技圈里。
所以那里面有一种密度效应， 因此我会发布这篇优质内容。 我会给这 30 个朋友都写信，说： “嘿， 我在这篇内容上花了很多时间。 我只是需要你们帮个忙。我需要一个小忙， 帮我把接下来几篇内容 带起来。 这是我想达成的目标， 你介意在这里、这里和这里分享一下吗？”
关键在于，25 个人里可能有 15 个人 会分享，但他们形成了那种密集效应， 大多数人看到两三个人在分享， 于是就产生了一种奇怪的心理效应： “嗯，既然他们在分享，那我也必须分享。” 然后他们就这样一下子爆发了。 我实际上只发了三篇帖子， 博客订阅者就从零增长到了 1,000 人。 而且这在内容营销上完全可行， 在 B2B 领域也是如此，只要你 从一开始就把分发这部分 一开始就执行到位。
然后，随着时间推移，这个平衡会发生变化。 在一段时间里，你会更多地偏向 50/50， 即内容与分发各占一半。 现在 Hubspot 已经到了这样的阶段： 他们拥有庞大的电子邮件新闻通讯名单 以及 90 多的域名权重。 他们可以写一篇内容， 无论如何都会获得传播。 对于他们的资产、对于 Hubspot 所处的阶段来说， 把更多时间花在内容生产上 实际上比花在推广上更合理。 这取决于你处在这个光谱的哪个位置。
如何为增长团队招聘
增长团队这个概念仍然相当新。 Facebook 是第一个。 他们大约在五年前建立了这个机制 , 而且它们变得越来越流行。 现在几乎所有硅谷公司， 从 LinkedIn 到 Google 到 Uber 再到 Pinterest， 都拥有某种形式的增长团队概念。
你还能找到一个人 拥有一两年的经验 在一个非常成熟且完善的 增长团队中工作，这种可能性仍然相当小。 所以归根结底，你得去寻找那些 具备能够产生 你想要的那种结果的条件的人。
我们对团队成员看重的事情 有几点。 这其实也在我的网站上， coelevate.com/growth-team。 但我们看重的共同点， 其中有几项是，我们会寻找那些最受影响力驱动的人。 我评估这一点的一种方式是： “告诉我 你做过的最喜欢的项目，以及原因。” 如果他们谈论这个项目时的语境是 它对业务 、产品或产出的影响， 我大致就知道他们受什么驱动。 但如果他们说： “嗯，我做了这件事， 而且它只是像素级完美的设计， 或者，‘这是个极其难的工程问题， 这就是我想做它的原因，’” 我就会开始明白，他们的动机 有点不同，可能 并不太适合这个岗位。 所以，这是第一点。
第二类是求知若渴的学习者，这些人不仅满足于了解发生了什么，还会追问为什么会发生。我发现很多人只要知道数字上涨了或下跌了就满足了。但你真正想要的是那些总是在问 “为什么，为什么，为什么？” 的人。不断学习，不断学习。所以这是第二类。
第三类更偏向黑客心态，而不是工匠心态。这样的人会非常高效地解决问题，而不是一开始就去寻找完美的长期解决方案。这大概是最常见的三类，也是最重要的三类；然后我想我在我们的网站上还列了另外三四类。
收集大量定性样本
大多数人会把定性反馈 仅仅看作一对一的用户反馈会话。 实际上，我们花更多时间去自动化 很多定性反馈工作。 像 Intercom 之类的工具 都可以帮上忙。 我们现在在 Hubspot 内部有一个东西 ，是我们团队自己搭建的。
这取决于你的客户和用户的数量， 也是如此。 对于用户量更大的 B2C 类型产品， 我们基本上可以识别出某些用户细分群体， 他们已经采取了某些行为， 或者没有采取某些行为， 从而触发向他们发送一封一对一邮件， 看起来像是我们团队成员发出的， 并提出一个非常具体、开放式的问题。 我们可能会发出几百封这样的邮件。 如果操作得当、做得好， 以及目标定位非常精准， 回复率通常能达到 30%。
然后我们把所有这些回复， 放进电子表格里， 然后有人会逐条查看这些定性回复， 对它们进行分类，最终我们就会得到 我之前展示的那个饼图，内容是 定性原因的各个方向。 如果我们还有一点时间， 我们会进行第二步跟进， 并回复每一封邮件。 我们会问： “哦，这很有意思。 请再多告诉我一些。 为什么？你为什么这么说？” 之类的话。
从他们那里获取更多细节， 并通过这种电子邮件互动，, 如果你提出正确的开放式问题， 而不是直接给他们答案， 我们往往能获得非常好的回复率。 我们能更快地获得反馈，而且获得的 定性反馈数量也远高于 一对一用户访谈。
我们也会查看支持工单。 我们从中提取了很多信息。 有时我们会在某些领域进行在线实时聊天， 因为人们 在这些地方尤其容易卡住， 我们觉得需要与他们实时沟通， 而不是在事后再触发这一流程。 这些就是我们 用来更高效收集信息的一些方法。
是什么让他夜不能寐？
嗯，你想深入多少事情？ 什么让我夜不能寐？ 我觉得让我担心的第一件事 就是我刚才提到的那些最初的问题之一， 那就是变化的速度。 变化越快， 你在实验方面 就需要更高的产出率。 而且实际上，随着团队规模扩大， 要让所有团队都保持这种超高的产出率 就更难了。 因为如果你不持续、持续地做实验， 你就会被逐渐甩在后面，对吧？
这并不是最好的例子因为它并没有孕育出最好的公司， 但在 Facebook 平台上的社交游戏热潮期间， 最终获胜的是那些 掌握早期信息并且最迅速地 基于这些早期信息 对 Facebook 平台变化做出执行的公司。 这就是 Zynga 取胜的方式。 这也是他们获胜的主要原因之一。
所以这也让我夜不能寐， 我们怎样才能不断地对各种事情进行实验？ 我认为第二个重要的点是 ，就增长渠道和平台而言， 我们往往会在宏观层面随着时间经历这些浪潮， 其中会有几个平台推出， 它们会彻底改变游戏规则并释放出惊人的机会。 显然，iOS 和 Facebook 平台曾经在某个时候就是如此。
这是一种周期性的现象，对吧？ 我们会经历那些阶段。然后我们又会进入 这样一些时期，那时不会再有那些 新的、大规模的上线和渠道， 你就必须在某个更成熟、更竞争激烈的渠道里 变得真正非常出色，才能参与竞争。 说起来容易，做起来难得多。
我会说，像内容营销这样的东西， 我们现在大概就处在这个阶段。 你可以指向一些事情， 不管是像 Pinterest 这样的平台 还是 Instagram，或者你也可以说内容营销还有 一点点增长空间。 但即便是内容营销，如今也 变得非常非常拥挤了。 我们正处在那样一个时期， 竞争真的真的很难。要竞争会非常困难。
然后我认为第三点是 这类事情会不断地转向 变得比今天更技术化。 我认为最终 这意味着你必须 让越来越多的工程师参与进来。 这里有两个问题： 这种类型的人才更加短缺， 其次是让工程师 对解决这些问题产生浓厚兴趣。
人们对这件事有很多负面的历史偏见。 但我认为 Facebook、Uber 以及其他一些公司 已经非常好地重塑了这个问题在 工程师眼中的样子，说明它是多么大的一个问题， 并把它变成了真正令人兴奋、值得投入的项目。 所以，这些大概就是最让我 夜不能寐的三件大事。 谢谢。