范冰的《增长黑客》是一本以案例为主介绍增长黑客的概念和方法论的书本，结构清晰，相对欠缺的是操作指导性不足。不过这一概念的盛行，对于那些“泛互联网”企业而言，被提到战略级别上的重视，这不得不说得归功于该书的功劳。
下面谈一下我对本书初读的4点引申：
1. “增长黑客”作为专注“产品增长”的解决思维方式上是值得被提倡的。但把其作为职能去定义的时候，并不是一个新的概念。
回顾一下在传统企业里，“产品增长”是多部门协作并共同承担的目标，这是基于效率的提升考虑进行的分工细化。例如市场部负责产品营销推广，把产品价值传递到目标受众；销售部负责销售目标，收集客户需求反向引导生产部的生产工作；生产部负责根据当下市场和客户的需求交付产品。往往在各个协作部门里的负责人，即是该领域里专业能力，和管理能力更优的关键人。
当各个部门的负责人，协作完成“产品增长”AARRR模型里的核心目标时，不就是书中所提及的“增长黑客”的概念么？
只是在很多传统企业里无法像互联网一样，设置一个“全栈增长师”去实现“产品增长”。或者说，与其说“增长黑客”是一个职能，不如说是一种对自我的思维方式的要求。
那么，在每个企业里，CEO不就是那位“增长黑客”吗？
2. “增长黑客”的重要特质，相比于书中提及的“数据为王+专注目标+关注细节+富于创意+信息通透”，个人认为反而是“深谙用户心理”。之所以这样说，是从增长的公式拆分的推导的。
用户增长=用户获取-用户流失+用户二次传播获取其他新用户
追求用户增长净值最大化，开源要大，流失要小，才能体现为有效的用户增长。
在实际操作中，我们会发现，无论是有效的用户获取，还是最大化减少用户流失，乃至后续的口口相传，都离不开用户心理把握。只是围绕着数据去做工作，会发现犹如隔靴抓痒，不得要义。
特别要说的一点：因为人心在变，所以用户心理的把握也需要不断升级整理，再有效的回报方式用得再多也是无效的。
3. ABtest有效的前提是，最大化可能集。
ABtest，是一种有效的对比测试方法。但在进行ABtest的时候，往往容易陷入只有AB的考虑，所以输出结果引导下一步行为的时候反而极大的约束了决策的可能性。
为了避免这个问题，进入ABtest前，应该最大可能的收集可能性，也就是麦肯锡提到的MECE分析法（全称 Mutually Exclusive Collectively Exhaustive），中文意思是“相互独立，完全穷尽”。只有穷尽了解决方法的可能性，在用ABtest的时候才能得到当下的最优解。
4. MAT模型是传播环节的有效指导思想。
《Hooked》上瘾该书中，提及福格行为模型，即B=MAT。B（Behavior）代表行为，M（Motive）代表动机，A（Ability）代表能力，T（Trigger）代表触发。
MAT模型是有效的指导传播的思考模型。在一个优秀产品设计的初始环节，就应该围绕在解决用户需求的方案上，把设计行为模式作为重要的思考部分，让用户不自然的参与，解决问题，并成为你的传播者。
拍砖文，求玉。
————————————
延伸阅读书籍：
《精益数据分析》、《引爆用户增长》、《社交红利》、《Hooked》／《上瘾》、《金字塔原理》。
延伸blog：
Brian Balfour，Hubspot 前增长副总裁： http://www.coelevate.com/。
Andrew Chen ，Uber 现任增长副总裁：http://andrewchen.co/ 。
