jasminecjc / notes Goto Github PK

目录

1. 什么是增长黑客
2. 如何成为一个增长黑客
3. 增长黑客常用的 7 种数据分析方法
4. 增长黑客必备的 8 项能力
5. 最受增长黑客欢迎的 9 种工具
6. 硅谷十大增长黑客经典案例
7. 从入门到精通 : 增长黑客必读的十本书籍
8. Facebook 早期员工教你如何组建增长团队
9. 增长黑客之父 Sean Ellis: 如何用数据驱动增长

什么是增长黑客

• Sean Ellis 2010年提出
  增长黑客是将增长作为唯一目标的人，他做的所有事情都是围绕如何扩大增长而展开
• 核心：测试
  通过快速测试和分析找到驱动增长的因素
• 传播：Andrew Chen的文章
  增长黑客是市场营销人员和工程技术人员的混血儿，他们着眼于产品该如何获取用户等传统问题，并通过A/B测试，落地页，病毒营销，邮件营销等方式来解决
• 引进：2015年7月范冰专著《增长黑客》
  增长黑客，是一群以数据驱动营销，以市场指导产品，通过技术化手段贯彻增长目标的人，他们通常既了解技术，又深谙用户心理，擅长发挥创意，绕过限制，通过低成本的手段解决初创公司产品早期的增长问题
• 增长黑客是一名多面手
  

如何成为一个增长黑客

• 增长是下一代营销

  • 关注整个用户生命周期而不只是获客
  • 通过数据驱动的方法，不断实验迭代
  • 将增长机制产品化，把增长做到产品里去

• 日常运营模式

  • 战略模式：理解公司商业模式，找重点，定战略，稍长周期
  • 执行部分：快速迭代试验

• 实际试验过程

  • 设定增长目标
  • 确定聚焦区域
  • 排序试验想法
  • 设计上线试验和A/B测试
  • 分析应用结果

• 如何让增长更有效

  • 一个模型
    eg：海盗法则AARRR模型
  

  • 两种数据

    1. 定量数据
    2. 定性数据：了解用户想法

  • 四类试验

    • MVT,最小可行性试验
    • Doubel Down,乘胜追击
    • Optimization,优化试验
    • Exploration,探索性试验

• 增长团队

  1. 组建增长团队的条件
  • 产品：通过核心价值测试的产品
  • 文化：得到领导层的理解和支持
  • 资源：拿到需要的资源和工具
  • 流程：设计好增长团队的流程
  • 人员
  • 突破点
  2. 增长需要的工具和技能
  
  3. 增长团队的流程和指标
  
  4. 增长团队的架构
     
  

增长黑客常用的 7 种数据分析方法

• 趋势分析
• 多维分解
• 漏斗分析
• 用户画像
• 细查路径
• 留存分析
• A/B测试

增长黑客必备的8项能力

1. 市场营销技能

• 搜索引擎优化
• 营销自动化
• 病毒传播，四要素：发送者->接受者->传播内容->传播环境
• 内容营销

2. 工程开发技能

• 应用程序接口
• A/B测试

3. 数据分析技能
4. 市场营销工具

• 百度站长平台/Google Search Console
• UTM:一套成熟的流量检测机制
• HubSpot/Mailchimp

5. 产品工程工具

• Unbounce:提高落地页的转化率
• Sketch/墨刀：原型设计
• Optimizely:试验平台

1. mysqldump -uroot -p dbname > dbname.sql

2. mysql -h {hostname} -u {user} -p{pwd} dbname < dbname.sql

3. 可能存在的问题，直接转出来的sql带了一堆DROP TABLE IF EXISTS，因为线上服务器的安全考虑，设置了权限，会提示 DROP command denied to user XXX，

   • 方案一，给权限，不建议
   • 方案二，mysqldump 加参数 --skip-add-drop-table, 参考 MySQL mysqldump数据导出详解

4. 另一种方式 本地Mysql数据库快速迁移到服务器

1. python操作数据库的方法
   python连接数据库——create_engine和conn.cursor

2. 空值处理
   数据库中的空值与NULL的区别以及python中的NaN和None

3. id自增
   Pandas (python): How to add column to dataframe for index?

4. 代码

# -*- coding: utf-8 -*-
import sys
from sqlalchemy import create_engine
import pandas as pd

host = '127.0.0.1'
port = 3306
db = 'test'
user = 'root'
password = 'root'

engine = create_engine(str(r"mysql+mysqldb://%s:" + '%s' +
                           "@%s/%s?charset=utf8") % (user, password, host, db))

try:
    df = pd.read_csv(r'test.csv', encoding='utf-8')
    df['id'] = range(1, len(df) + 1)
    print(df)
    df.to_sql('test', con=engine, if_exists='append', index=False)
except Exception as e:
    print(e.message)