肖恩·埃利斯 摩根·布朗
假期终于把《增长黑客》这本书看完了，因为最近换组的原因，发现了不少很inspiring的地方。作为无力的IC真的很希望leadership也抽空读读这本书。 🫢
第二章 好产品是增长的根本过早追求增长会产生两个层面的机会成本。首先，你会将宝贵的时间和金钱浪费在错误的事情上，即推广一个不受欢迎的产品。其次，当你过早追求增长的时候，你非但没法把早期客户转化为忠实粉丝，反而会令他们失望，甚至使他们变成愤怒的批判者。记住，病毒式的口碑传播是一把双刃剑，它可以帮助你实现增长腾飞，也可以令你灰飞烟灭。
非常认同，否则只会看到用户陡增但是留存不高。
如果你的产品试用用户的规模还不足以提供这么多份回复，你就应该更多地依靠客户采访，因为如果只有几十份回复，你可能会得到错误的信息。
好希望我现在一个项目的PM能看到这段┭┮﹏┭┮
不同类型的业务或产品有着不同的留存率，所以最好能够以行业内有足够可比性的成功产品作为基准。如果可能的话，最好取一个平均值作为参考，以确定产品的表现。例如，根据移动分析公司Quettra发布的数据，大多数移动应用在安装一个月之后都只能留住10%的用户，而最好的应用能够留住超过60%的用户。
对这组数据表示震惊。
第四章 快节奏试验• 试验名称和描述，包括使用的变量和目标客户。例如，试验是针对某个营销渠道还是只针对移动用户，抑或是针对付费用户？ • 试验类型。测试的是产品功能、网页或App某屏上的营销文案的修改还是某个创意，抑或是新的营销策略？ • 受影响的特征。这可能包括试验在网站上或是App中运行位置的截图，或者某个广告牌、电视或电台广告中某个创意的副本。 • 关键指标。通过试验希望改进的指标是什么？ • 试验时间点，包括起止日期，也要说明当天是一周中的哪一天。 • 试验假设与结果，包括最初的ICE得分、样本量、置信水平和统计功效。 • 潜在干扰因素。比如试验运行的季节，或者是否有其他促销活动可能影响了访客行为。对于试验结果的分析应由分析师或具备数据分析能力的增长负责人进行。分析结果应当写进试验总结中，并包括以下内容：
这段大概是ABtesting的一个总结，重要的是在experimentation之前需要和产品组开会建立一些success metrics，尤其north star metrics, primary metrics, secondary metrics, Guardrails metrics (不能影响的metrics)。
消除用户体验中的摩擦
• 承诺和一致性——已经采取过行动的人更可能再次采取行动，无论行动的大小或者内容发生了什么变化。 • 社会认同——当感到不确定时，人们会先看别人怎么做，然后自己才做决定。 • 权威——人们会参考权威人士的做法来决定自己采取什么行动。 • 好感——相比自己不喜欢或者无感的公司或人，人们更愿意和自己喜欢的公司或人做生意。 • 稀缺——当人们担心自己会错失良机时就会采取行动。 提供实际的、体验式的回报帕特尔建议提问不超过5个，不能用开放式问题，而要使用选择题，并且每题的答案选项不能超过4个。加入图片和视觉效果可能有助于改善用户参与。他建议专注于游戏化的三个主要方面：有意义的奖励，通过改变赢取和展示奖励的方法来创造惊喜和乐趣，以及提供能带来即刻满足感的要素。游戏化专家盖布·兹彻曼发现游戏化做法中最有效的奖励包括地位(status)、权限(access)、权力(power)和实物(stuff)（指金钱奖励或者礼品）。互惠——人们更有可能因为礼尚往来而去做一些事情，无论之前别人给你提供了何种帮助，而你现在需要给予别人某种帮助。
- 公司应该考虑拥有更多功能有限但更加专业化的产品，而不是将所有可能的功能都集中在一个产品上。
“
Common reasons for agent mode underperforming:- Poor prompt construction—see
agentPrompt.tsx,agentInstructions.tsx. - Tool orchestration errors or missing/incorrect tool selection—see
toolCallingLoop.ts,agentIntent.ts. - Context window/summarization truncation—see
simpleSummarizedHistoryPrompt.tsx. - Fallbacks for large histories or tool failures.
- Overly aggressive file protection or missing context due to sensitive file restrictions.
- Workspace AGENTS.md file that misguides the agent.
对SaaS公司而言，可能分析结果显示，免费试用注册到付费订购之间是一个夹点。通过深度分析流失原因，团队发现，在免费试用阶段没有使用某个特定功能的用户比那些使用了该功能的用户购买利润丰厚的企业计划的可能性小了一半。因此，团队可能决定重点试验提高使用该功能的试用者比例，进而提高试用期结束后购买付费计划的人数。
如何发现这个”某个“特定功能呢？from general to more granular?
来自教育机构和非营利组织的客户和大学生购买专业付费版本的比例不及其他类型的用户。
这个蛮有意思的，对于AI产品，我在思考是否学生用户的付费率会比一些其他cohort高？
增长团队可以试验在不同国家使用不同的支付方式来提高每个国家的变现。
每个国家的支付方式都不一样，blocker of payment 是否会影响用户的留存？