Craigslist 是美国著名的第三方交易发布平台，类似中国的58同城，拥有海量用户，但是该平台并未对外提供 API 。Airbnb 当时还处于早期阶段，急需大量流量。他们的工程师通过研究 Craigslist 的发布机制，通过逆向工程方式将 Airbnb 房屋发布信息同步到 Craigslist。通过这个新方法，Airbnb 获取了大量的免费流量，用户数也有指数级增长。

　　（二）A/B 测试

　　经验主义并不可靠，尤其是面对多种模棱两可的方案时，比如某个按钮是用红色还是橙色。这个时候解决此类问题最好的方法就是进行 A/B 测试。简单说来，让一部分用户使用方案 A，另一部分使用方案 B，然后通过数据观察对比来选择方案。

对文案进行 A/B 测试

　　37Signals 为了提升产品注册页面的转化率，对其进行了A/B测试。方案A（上）和方案B（下）不同之处在于页面文案，分别是『Start a Higrise Account』（开启一个高回报的账户）和『30-day Free Trial on All Acounts』(30天免费试用)。数据显示，后者的注册转化率比前者高30%。

　　三、数据分析技能

　　数据统计和数据分析是增长黑客的必备技能，是优化的基础。

　　（一）数据统计

　　数据统计与收集是数据分析的前提，如何高效使用工具或者编程语言做好数据的统计是增长黑客的必修课。

数据统计方法

　　对于定性数据，主要采用问卷调研、用户访谈的方式来获取。对于定量数据，可以分为产品内和产品外两部分。对于没有所有权的外部数据，主要采用网络爬虫抓取方式，常用的爬虫语言有 Python 和 Java 。对于产品内部的数据，现在已经有了系列工具，包括流量分析平台 Google Analytics 和用户行为数据分析工具 GrowingIO 。

　　（二）数据分析

　　数据分析应该建立在实际业务需求的基础上，开奖，避免过于追求模型和算法。以互联网产品为例，下面是常见的数据分析方法：

渠道投放优化；

转化漏斗分析；

用户留存分析；

用户画像/用户分群；

行为轨迹/用户细查；

模型预测；

A/B测试；

热图分析。

　　举个例子，首次登录 LinkedIn 的用户，LinkedIn 会让你关注5个好友。当你办一张信用卡时，银行会提出『消费满5笔』免年费的优惠条件。那么 LinkedIn 和银行是如何关注得出关注5个好友、消费满5笔的结论的呢？

魔法数字的计算结果

　　一个浅显的道理，用户的行为与他的留存之间有一定关系，通过干预用户的行为可以提升留存。借助数据分析工具，分析用户行为【多少天内*某个动作*做个几次】与用户留存之间的相关度。相关度越高的组合，往往就是我们需要优化的方向。

T型人才

　　以上是我们总结的一些增长黑客常见技能，要想样样精通是非常困难的，所以『一专多长』是理想的技能配置方式。即在上述方面均有所基本掌握，同时又在某一方面特别精通，这样做起增长才能游刃有余。