每个团队都在追求增长，但是增长到底是怎么做出来的？有没有底层的方法论可以支撑一个更有概率的增长？
今天光羽同学经过向数据大神请教以后，给大家介绍一个方法论，教你如何在一片迷雾之中摸索到最有机会的增长点。
一、核心
这个方法论的核心就是：测试A-结果-测试A1。
相信面对一个产品的增长，摆在你面前有很多产品运营策略和推广渠道可以选择，可能一开始看起来都不怎么好，但是你必须通过测试各个方法找到一个好的出路。
我要介绍的这个方法论的核心就是你要选择相对有效的方案进行A测试，得到有效的A测试的结论，然后做出下一轮测试的判断，要么测试A方案下的A1优化点，要么搁置或者放弃A方案而开始测试B方案。
听起来感觉好像很简单，其实实际操作中，没几个团队真的能做到这个核心。
最差的团队是根本想不到有哪些合理的测试方案ABC； 一般的团队是测试了ABC方案却并不能十分明确地知道这几个方案到底是否有效，到底有多么有效，于是下一个测试方案似乎跟前面的测试结论完全没有关系，好像很聪明脑洞太大又重新想了另一个L方案，这个时候，你测试的有效度是很低的，这时很多尝试的action都是在浪费时间。
所以，记得下面要说的这个方法的核心：进行有效测试得到明确的结论，并为下一次测试提供决策支持。
二、原则
这个方法论的原则是：法官是数据，而不是你。
很多带团队的leader做决策，基本都是凭感觉。尤其是一个项目从0到1的过程中，你会发现你有很多策略，有很多要做的事情；你只是觉得这样做那样做“应该是有效的”，但是从来也不知道到底是多有效，甚至很多团队上了一个策略，压根不知道那个策略是否有效，然后一直处在尝试尝试中，像一群无头苍蝇，从来也不知道尝试的具体结果是如何的。
于是很多显然是有问题的策略，被坚持执行了很久——这就真的是在浪费一个团队一帮人的生命。
基本上所有策略，你既然要做，都以为是有效的，如果全部策略都是基于一个人或者某些人的感觉，那么你们整个团队赌的就是这个感觉准不准了。倒不是说感觉100%不靠谱，而是说，相对科学的数据决策办法，成功的概率会相对低一些。
所以，一开始想办法想策略的时候，可以基于经验和感觉，但是开始跑起来测试方式了，你就必须记得：所有决定都应该有数据支撑和数据预估。
当你觉得“感觉应该是有效的”时，你就要回答以下3个问题：
- 这个策略能提高你的核心数据目标么？
- 能多大程度的帮助这个核心数据目标的提升？
- 这个策略如果有效，那么它有效的数据表现是什么？哪些数据可以说明他有效？
这里重点提一下：实际在执行中，你会觉得很多策略压根没法用数据测量出来，很多好坏还是只能凭感觉。
千万不要陷入这样的自欺欺人中，一定要想办法去找到数据检测办法；如果检测不出来，那就说明这件事对最终的项目结果无法评估，那么不如不做，做了也白做；或者说，既然无法验证，那可能也不是什么关键策略。
这个方法论的逻辑就是：找到关键，用数据检测这个关键。你要是都觉得检测不了，那你也没办法落实这个增长黑客的方法论，那下面的内容你还是别看了。
三、执行方法
下面要介绍具体方法了。
为了便于说明，以公众号运营为例，来说说怎么执行这个策略。
第一步 定位项目核心数据目标
做项目会有很多小目标，例如留存要多少啦，增长要多少啦，营收要多少啦，如果你有很多目标，那么就会让策略不聚焦，很容易在过程中产生拧巴。所以在执行这个策略的第一步，就是要明确地定位：你要做的所有策略要服务的唯一关键目标是什么？
也就是：项目当前要突破的关键数据是什么？
必须只明确到一个目标上来。
例如公众号运营，我假定当前我公众号运营的目标是增粉和阅读量，但是仔细考评一下，其实当前还是增粉优先级和重要程度更高，那么我就明确是增粉量为核心数据目标。
第二步 拆解关键的过程数据
通常项目的核心数据目标会由几个过程关键数据组成，例如刚才我们定的核心数据是增粉量，那么这个过程中可能会几个过程数据；比如“关注人数”、“取关人数”，如果你想好了你主要的增长方式是跟别的公众号互推，可能过程中还有很多关键数据；例如“互推的阅读量”、“互推的公众号数量”等等。
第三步 针对重要数据制定策略
明确以上的项目核心数据和关键的过程数据，接下来团队应该进入充分的头脑风暴时刻。给团队一个限定的时间，充分思考针对这些数据有哪些可以尝试的策略和办法，全部罗列下来。
可以具体地思考：如何提高互推阅读量？如何降低取关量？如何找到其他增长来源？
最后选择其中被认为更有可能对核心数据目标产生巨大影响的策略排在高优先级。
这里一定要强调，我们在想办法的过程中，会思考出来很多很多办法，有很多办法看起来很有效，一定要做，针对这些办法，你要进行刚才提到的三问：
- 这个策略能提高你的核心数据目标么？
- 能多大程度的帮助这个核心数据目标的提升？
- 这个策略如果有效，那么它有效的数据表现是什么？哪些数据可以说明他有效？
如果这些问题回答出来以后，都是肯定的，你们预估能很有效地提高核心数据目标，并且也想好了怎么检测它的有效程度。那么这些策略才是你们真的要去做的策略。
例如我们认为公众号增粉可以通过找同类型的号互推增粉、可以投放广点通广告增粉、可以做互动转发增粉、可以追热点引起转发增粉，这些方法都是对核心数据目标有提升作用的，OK，然后我们针对这些方案，根据有效程度的预估，排一下优先级。
过程中还有一些其他的方案可能会出现，例如，可能有人提出当前公众号的头像看起来还不够高级，要做一个更高级的头像，有人觉得这个没什么用，与其争论是否有用不如想一下：头像的变化会影响什么过程数据？是会影响关注转化率么？如果影响，有多大的影响？然后争论可能就会有结论，要么被放弃，要么进而出现一个切实可行的测试方案。
诸如此类的方案可能还有很多：你觉得推文中的引导关注公众号不够显眼，要更显眼；你觉得留言抽奖可以提高活跃度；你觉得定时把推文转发到各个群里面去可以提高曝光进而带来增粉………………
总之，你面前会有很多策略和办法，你要做的，就是三问自己。
第四步 预备好策略的监测方式和预期
如果你已经把所有策略想好了，接下来要落实哪些策略也定下来了，那么就要对这些策略进行数据结果预估，想清楚哪些数据可以论证结果的有效程度，你预期的有效是达到多少的数据，预期回收数据结果的时间周期是多久，什么时候得到结论？
再回到公众号增粉的案例上来，比如我们预估，互推的形式可以每周增粉3000，过程数据可能有互推产生外部阅读50000，如果一周内达到这样的数据结果，我们就认为这个策略是有效的，回收数据是周五晚上，并且在周五晚上得到该策略测试的结论。
第五步 落实测试
这一步就没什么可以说了，落地到位，明确到人即可，这个做不到，有再多方法论都是白瞎。
第六步 回收数据结果对比预期
一个完整的团队有BI（数据分析师）的角色的话，BI应该在策略制定和预估数据目标和回收方法的时候就参与了全部过程，这个时候BI就需要按之前确定的回收时间，把所有既定的相关数据进行回收整理，对比预期数据。
例如公众号通过互推我们一周增粉2300，外部阅读产生了70000+。
第七步 决定优化or抛弃
得到了数据结果，接下来又到了考验团队的时候，团队需要在数据提示中找到明确的结论。
公众号增粉的目标没有达到3000，但是外部阅读产生了70000+，这说明这个策略是可以实行的，是相对有效的。
可是阅读到增粉转化率还比较低，低于预期，那么是去优化转化率，还是放弃这个方案找一个更高效的方案就看团队的决策。
在这个案例里，基本是认为可以再基于这个方案做优化测试A1，即有A1、A2、A3方案优化一下关注转化率，如果123方案都失效，那么再选择考虑是否要放弃大A方案。
根据这个方案，你可以将每一次策略的方式都记录下来，然后可以得到以下这样的表格：
表格的字段可以包括：实施时间、主要执行人、主要行为、主要要回答的问题（测试什么东西）、核心检测指标与预期、预期回收数据时间点、得出结论时间点、实际效果记录、效果分析。
如果你严密地遵循这个方法论，你就会消除团队的混乱，你就会很清晰地把握项目重点和项目节奏，对整个过程中得到了什么结论、获取了什么成功经验和失败经验都了然于心；同时团队成员也会很清楚大家现在做什么，为了得到什么结果，也不会产生决策和执行之间的不理解。