作者|李志勇（意海）
出品|阿里巴巴新零售淘系技术部
01增长黑客背景介绍
增长在国内开始盛行起来，主要有几个热点事件为代表。2015 年随着《增长黑客》一书在国内的出版上市，大家开始接触和了解增长黑客的概念。2016 年 11-12 月份， GrowingIO 在新浪、 36Kr 、雷锋网等多个互联网媒体平台集中发布多篇增长黑客相关的文章，又一次引发了“增长黑客”的火爆。直到 2018 年初，“增长黑客”开始突然被频繁提及且各大互联网公司也开始把“增长总监”、“增长官”之类的职位列为招聘的重要指标，至此，热度居高不下。
02增长黑客定义
增长黑客之父 Sean Ellis 的最初的核心观点指出，增长黑客代表的是一类人，后续演进过程中，逐步代表了一种工作的方式。经过一段时间的增长探索与实践后，更多的开始强调数据驱动、体系化的的模式。由人到工作方式，再到体系化，体现出用户增长逐步从概念到理解，从理解到实际增长生产的过程演变，增长工作方法论、技术体系正在逐步发展和成熟。
03增长核心事件
用户增长有很多的概念，流程及分析的方法论，回到定义中的“体系化”上来看，针对用户的增长三个核心要素：理解用户，触达用户，承接用户。所以，以下部分都围绕三个核心要素构建系统设施能力，分别对应为洞察分析，智能触达，全链路承接。
04洞察分析-增长模型
增长模型中最重要的是北极星指标的定义，所有业务方都会重视该指标。如 Saas 服务增长和电商类增长的拆解，关键拆解因子拆得比较清楚了，在用户量不大的时候还可为，但是对于体量比较大的 APP 来讲，这样的拆解很难落地和提升关键节点，随着时间推移，普适性的节点提升已经非常困难，所以对于一定体量的 APP 的增长模型，分层人群的公式化拆解指导性更强。
05增长模型拆解举例
以电商 GMV 目标拆解为例，除了关注总体指标外，在增长执行上，更应关注不同生命周期层次上的人群节点因子和漏斗指标，并逐级拆解到可明确执行。
06用户洞察
有了明确的增长模型，就要对目标用户进行深入的理解和挖掘。常规操作中，通过分析工具将大人群拆分为小目标人群，也能将种子人群放大到合适的目标规模，同时都能进行深入的下钻对比。目标人群确认后，可以进入服务化的在线干预流程。
07洞察分析技术实践
洞察分析主要支撑高效用户分析、增长模型拆解计算等能力，核心架构由元数据层、标签架构、引擎层、服务化层构成。
元数据层：核心完成离线行为标准化处理、实时数据标准化、离线及实时状态交叉计算处理。
标签架构：元数据语义化的核心表达。标签体系架构既需要保障通用标签，同时需要对快速变化的业务标签具有极度灵活的扩展性。淘宝在实践过程中，摒弃大宽表的做法，采用多表关联、多级映射空间方案，将标签的扩展性做到既隔离又能复用。
引擎层：引擎层分为任务调度引擎及 OLAP 引擎。任务类别 20 左右，长时间执行任务，采用多状态机流转方案，保障调度稳定。 OLAP 引擎核心根据类型模板、预计算手段提升性能。
08智能触达技术实战
用户触达技术体系解决业务及时、高效触达用户，且能根据用户状态感知及时触达，核心架构分为配置中心，智能决策中心，通道中心，场景触发器。触发器承载用户状态感知能力，合适时机触发策略触达用户。
09全链路承接
触达用户回访，站内核心链路上精细化用户承接。全链路体系能力满足用户核心路径上的干预能力，全链路全局调度能力，方便快速、标准化对用户进行承接引导、转化提升。
10全链路承接技术
用户全链路上涉及权益高风险投放，且要求有足够高的灵活性。通过实时对账系统保障权益承接的精准性，面向对象领域设计，抽象出坑位样式、权益、行为、策略、 AB 等对象，对象之间组合形成完整的承接活动。
Pipline 框架设计，核心分为能力选择器、执行处理器、实体及上下文，框架实现完成后，后续扩展新的 Ability 和 Process ，再将能力和处理器进行编排，即可快速实现灵活的承接能力。
站外用户领取红包，进入淘宝后，全链路有能力感知用户目前权益情况，并决定在合适的坑位上进行曝光、催用等能力，极大提升用户转化和留存。
11小结
本文根据淘宝用户增长实践中的技术体系建设进行了总结和介绍，分别对洞察分析、智能触达和全链路承接三要素进行了详细介绍，也探讨了技术体系挑战。
日常增长项目中，有时会比较琐碎，结合一些淘宝增长项目实践过程，总结出 PIMAHT 流程模型，希望能给大家带来一点帮助。也欢迎大家在下方评论区留言分享。
