共计 2069 个字符，预计需要花费 6 分钟才能阅读完成。
增长关乎产品的存亡
增长！增长！增长！业务增长是每一个创业者每天面临的最大问题。无论你的产品是 APP，还是 web，或者是小程序，只能不断的维持用户的增长，才能向资本市场讲出一个好故事，融资活下去。活到最后的产品，才有机会盈利。
为了获取用户的增长，可以投放广告，也可以内容营销、社交传播、销售地推，或者持续的专注于产品优化。无论哪一种方式，我们都面临这几个问题：
- 运营活动，覆盖了多少用户？
- 多少用户，开始使用产品？
- 多少用户付费？
- 多少用户持续的活跃？
- 下一步，我们应该把精力放在哪些方面？是持续运营？还是开发新功能？
如果不能回答这些问题，无疑我们的运营活动或者开发就是盲人摸象，完全靠运气。为了解答这些问题，我们不妨关注一下 growth hacking 这种数据驱动的手段。
Growth Hacker 的核心思想
传统的市场营销策略，例如投放电视广告，覆盖了多少人，有多少人看过广告后进行了购买，多少人进行了复购，没有准确的数据进行衡量，只能依赖于资深专家根据经验判断。在互联网行业，每一个产品都是新的，前所未有的。每一个产品能不能存活，每一次运营的效果如何，没有多少经验可供借鉴，结果是不确定的。
GrowthHacking 是兴起于硅谷的创业公司的 marketing 手段，旨在使用少量预算获得巨量增长。由于其极高的性价比和有效性，非常适合于创业公司，因而得到了广泛传播。
Growth Hacker 的核心思想是通过数据指标，驱动运营决策，以及优化产品。Growthacker 通过关注用户获取、用户转化、用户留存、用户推荐、盈利等核心的一系列指标，以及通过各种维度拆解，分析出下一步的增长决策。通过 Growth Hacking，打造一个产品增长策略的闭环。
那么我们如何才能搭建出 GrowthHacking 架构，为自己的产品赋能呢？
GrowthHacking 之架构
Growth Hacking 包含了数据的采集、存储、分析、报表、A/B test 等系统，首先我们来看，传统的解决方案，搭建出 GrowthHacking 有哪些痛点：
搭建运营体系的痛点
搭建运营体系的过程中，常常面临以下问题：
- 缺少数据，数据散落在各个地方, 有的是 app 数据，有的是 web 数据，有的是小程序数据，没有一个统一的架构来把数据采集到一个地方。
- 缺少一个分析平台。传统的策略，需要运维团队帮助搭建 hadoop 集群，需要专门团队持久运维。
- 离线跑报表，一晚上才能拿到一次结果，周期太长。手工跑一次，几个小时过去了，有什么新的想法，不能及时验证。严重影响运营效率。
借助云服务搭建的 GrowthHacking 技术架构
为了解决以上问题，日志服务提供了日志采集、存储、交互分析、可视化的一整套基础设施，可以帮助用户快速搭建出来灵活易用的 Growthing Hacking 的技术架构，每天的工作只需要专注于运营分析即可。
Growth Hacking 首先从数据采集开始，定义清楚要采集的日志内容、格式。把各个终端、服务器的日志集中采集到云端的日志服务。后续通过日志服务提供的 SQL 实时分析功能，交互式的分析。定义一些常规报表，每日打开报表自动计算最新结果，也可以定义报告，自动发送最新报表。全部功能参考用户手册
此外，除了日志数据的分析，还可以为用户定义一些标签，存储在 rds 中，通过 rds 和日志的联合分析，挖掘不同标签对应的指标。
日志服务有如下特点：
- 免运维：一次完成数据的埋点、数据接入，之后只需专注于运营分析即可，无需专门的运维团队。
- 实时性：用 SQL 实时计算，秒级响应。快人一步得到分析结果。
- 灵活性：任意调整 SQL，实时获取结果，非常适合交互式分析。
- 弹性：遇到运营活动，流量突然暴涨，动动手指快速扩容。
- 性价比：市场上常见的分析类产品，多采用打包价格，限制使用量。日志服务按量付费，价格更低，功能更强大。
借助于日志服务提供的这套数据采集、存储、分析的基础设施。运营者可以从繁重的数据准备工作重解脱出来，专注于使用 SQL 去分析数据，配置报表，验证运营想法。
开始搭建 GrowthHacking 系统
具体而言，Growth Hacking 的架构可以拆分如下：
数据收集
- 定义埋点的规范，定义要采集的事件内容、字段、格式。
- 通过 Android SDK,iOS SDK, Web tracking 等手段在客户端埋点。
存储
- 选择日志服务的 region。
- 定义每一种日志存储的 Project & LogStore。
分析
- 开启分析之路，定义常规报表，或者交互式分析。
- 通过分析结果，调整运营策略，有针对性的优化产品。
基于日志服务，可以完成 Growth Hacking 的分析策略：
- 定义北极星指标。
- 拉新分析。
- 留存分析。
- 事件分析。
- 漏斗分析。
- 用户分群。
- A/B test。
在日志服务中，可以通过定义一系列仪表盘，来沉淀数据分析的结果。接下来的几篇文章中，将依次介绍如何在日志服务实现上述几种策略。
总结
本文主要介绍 Growth Hacking 的整体架构，之后将用一系列文章介绍 step by step 如何介入数据，如何分析数据。
本文作者：云雷
阅读原文
本文为云栖社区原创内容，未经允许不得转载。
