| name | growth-experiment-operating-system |
| description | 当用户的增长动作零散、团队缺少跨职能协作、实验没有节奏、复盘不能沉淀学习时调用。它把增长从一次性活动变成可重复的实验操作系统。不适用于单次广告素材建议或没有指标归属的泛运营建议。
|
| source_book | 《增长黑客》肖恩·埃利斯、摩根·布朗;《硅谷增长黑客实战笔记》曲卉 |
| source_chapter | 增长团队、快速实验、90 天增长计划和实验流程章节 |
| tags | ["growth-team","experimentation","operating-system","funnel","learning-loop"] |
| related_skills | [{"slug":"north-star-growth-model","relation":"depends-on"},{"slug":"omtm-lean-analytics-focus","relation":"depends-on"},{"slug":"bullseye-channel-selection","relation":"composes-with"}] |
增长实验操作系统
R — 原文 (Reading)
“增长团队必须跨职能。”
“快速试验是增长黑客的核心。”
来源:肖恩·埃利斯、摩根·布朗《增长黑客》;曲卉《硅谷增长黑客实战笔记》。
I — 方法论骨架 (Interpretation)
增长实验不是一堆点子,而是一套持续学习机器。
两本增长黑客书共同强调:增长需要产品、数据、工程、设计、运营和市场围绕同一指标协作,用小测试快速验证假设。
实验失败并不可怕,可怕的是没有假设、没有基线、没有复盘,也没有把学习带进下一轮。
这个 skill 用来搭建增长团队的实验节奏、优先级和复盘机制。
A1 — 书中的应用 (Past Application)
案例 1:跨职能增长团队
- 问题:增长问题分散在产品、市场、数据和工程之间。
- 方法论的使用:建立跨职能小组,共同围绕增长指标行动。
- 结论:增长不能只归市场部,也不能只靠产品经理。
- 结果:实验速度和学习质量提高。
案例 2:LogMeIn 的免费信任问题
- 问题:免费方案反而让用户怀疑产品可信度。
- 方法论的使用:用实验测试文案、定价呈现和信任解释。
- 结论:增长假设要通过用户行为验证。
- 结果:团队从主观争论转向实验学习。
案例 3:90 天增长计划
- 问题:增长计划容易停留在愿望清单。
- 方法论的使用:明确指标、漏斗、实验 backlog、节奏和复盘。
- 结论:增长需要固定操作系统,而不是临时冲刺。
- 结果:每轮实验都积累下一轮判断依据。
A2 — 触发场景 (Future Trigger)
用户会在什么情境下需要这个 skill?
- 增长动作很多,但不知道哪些有效。
- 市场、产品、数据、工程各做各的,没有共同指标。
- 团队开会讨论很多点子,却没有实验节奏。
- 实验做完只看成败,没有复盘原因和下一步。
语言信号
- “增长团队怎么跑?”
- “实验 backlog 怎么排优先级?”
- “我们做了很多活动但没有沉淀。”
- “增长例会应该看什么?”
与相邻 skill 的区分
- 与
north-star-growth-model 的区别:北极星决定共同目标;本 skill 管理实验机器。
- 与
omtm-lean-analytics-focus 的区别:OMTM 决定当前唯一焦点;本 skill 把焦点转成实验。
- 与
bullseye-channel-selection 的区别:靶心选择渠道;本 skill 可作为渠道测试的操作系统。
E — 可执行步骤 (Execution)
-
确认指标和范围
- 完成标准:说明本周期围绕哪个北极星输入变量或 OMTM 实验。
-
组建跨职能小队
- 完成标准:列出产品、数据、工程、设计、运营、市场各自的职责和决策权限。
-
生成实验 backlog
- 完成标准:每个实验都写清假设、目标用户、影响指标、实现成本和风险。
-
排序并选最小测试
- 完成标准:用影响、信心、成本或类似方法选出本周可执行的最小验证实验。
-
运行实验
- 完成标准:明确样本、基线、成功阈值、时间窗口和停止条件。
-
复盘学习闭环
- 完成标准:输出保留、放弃、迭代或扩大实验的结论,并更新 backlog。
B — 边界 (Boundary)
不要在以下情况使用此 skill
- 产品尚未通过增长门禁,增长团队只会更快放大问题。
- 用户只需要一次广告文案、活动创意或短期执行清单。
- 没有可观测指标或样本量,无法形成实验判断。
作者在书中警告的失败模式
- 把增长团队变成市场活动团队。
- 实验没有假设和成功标准。
- 只追求试验数量,不沉淀学习。
作者的盲点 / 时代局限
- 高速实验依赖数据基础设施,小团队可能需要简化流程。
- A/B 测试在样本不足时容易误导。
- 某些品牌和合规场景不能无限快速试错。
相关 skills
- depends-on:
north-star-growth-model
- depends-on:
omtm-lean-analytics-focus
- composes-with:
bullseye-channel-selection
审计信息
- 验证通过:V1 ✓ / V2 ✓ / V3 ✓
- 测试通过率:validate-book2skill 通过
- 蒸馏时间:2026-06-18