一个全面的商业调查和情报体系,是企业增长的重要一环。本文用万字详细解析了如何挖掘增长策略,来文中看看~
首先,你需要一个全面的商业调查和情报体系,这也是企业增长的重要一环。
本文将会用一万字详细介绍一种商业研究的方法,希望可以帮助大家解答这几个问题。
Alan和Yolo是两个有着黑客精神的生物研究生,毕业于伦敦帝国理工,目前在专注研究增长黑客的案例和工具。
我们非常崇尚从公理推到定理,然后再通过推理论证得真相。
作为科幻爱好者,我们意识到商业社会就如同《三体》中的宇宙黑暗森林,宇宙里的各种文明在互相争夺生存和发展的权力。
竞争无处不在:细胞层级竞争了40多亿年,物种层级竞争了上亿年,人类层级竞争了上万年,国家层级竞争了上千年,全球化竞争了上百年,信息爆炸之后的商业竞争不过数十年。
不妨让我们把三体中“宇宙社会学”的公理引申到商业里面,先认真地思考一下这两个原始命题:
我们将其变形之后可以迁移到商业里:
这两个新命题能不能做成公理还有待探究,不过我们发现那些能够不断扩张的公司越来越强,不断印证着“马太效应”和“二八理论”。
这也让我们意识到,成功者必然通过可复制的元素提升了成功率。
Alan作为最老的一批90后,两年半之前和Yolo辞职开始研究并实践增长黑客,目标就是在寒冬真正到来前,研究明白企业如何才能依靠实验和数据建立可复制的、高效地增长模式。
我们并没有加入任何互联网公司,因为想保持独立性专心做研究。两年多以来我们俩完成了不少增长实验的课题,并写了五十多万字的研究报告。不夸张的说,我们是把这个课题视作博士论文来对待的。
为什么会选择这样的方向呢?
人往往由自身情况出发,判断到一个趋势后,再做出一个选择。
这种从特殊情况推导出一般规律的方法属于归纳推理法(Induction)。
我在上大学的时候,除了上课就是一门心思打游戏。直到走上社会开始工作,才开始有危机意识,例如:下面两个信号就像警钟一样迫使我做出改变:
信号a:
我是09年在江苏高考的,那是江苏历史上参与人数最多的一次高考,共54.6万人。而后参与高考的人数开始逐年下降,2016年江苏高考人数仅36万人,也就是说年轻人越来越少了。全国范围内也有这样的趋势,只不过没有那么明显,我在15年初开始找工作的时候才意识到这个问题。
(高考报名指南,http://edu.sina.com.cn/zt_d/gkbm/ )
信号b:
我在开始交社保之后顺便研究了下社保的机制,发现我妈会在今年退休,不用多久就是我爸退休。我作为独生子女需要养两个老人,而我的父母辈人均只需要养0.57个老人。这也意味着,我理论上的社会责任是父辈们的3.5倍。
(作为一个光荣的独身子女,我妈退休后可一次性领取3600元。但我走上社会才意识到,被优生优育的代价就是要挑起成倍的社会责任)
这两个信号表明:我国一代婴儿潮(baby boom)的黄金年纪已经过去,也就是说我们父辈这波“老婴儿”也到了退休的年纪。并且,这波“老婴儿”因为计划生育政策而严重产子不足,每一个像我这样的“二代婴儿”需要做到父辈N倍以上的人效,才能让社会保持现状运转下去。
(我的计算公式中,N=“你父母辈所有兄弟姐妹数量的一半”除以“你和你的亲兄妹们的数量”,例如我父母共有7个兄弟姐妹,我又是独生子女,所以我的N是7的一半除以1,也就是3.5)
下图椭圆重叠之处也就是黄金一代开始衰败的起点,大约就是15-16年左右,这也是我们出来创业的一个契机,因为直觉告诉我不变化就是等死。
(没找到图片的第一来源,据说是万得数据。)
同理,企业就是人的集合,必然也会面临同样的问题。想做到更高的人效,不改变现状肯定是不行的,个人认为有几个方向:
为了向这三个方向努力,我们研究了增长黑客的国内外案例、工具以及方法论。折腾了两年,总算是稍微摸到一些门道了。
在研究中,我们发现企业增长从来就不是一蹴而就的花式技巧,那些高效的增长引擎都是精心设计过的系统化工程。其背后一定符合工程学的原理,所以,我们将其命名为“增长工程学”(Growth Engineering)。
增长工程学也并不是我们闭门造车的产物,在历史上,这个词的出现还要早于增长黑客(Growth hacking),最早可以追溯到2005年。
增长黑客这个词听上去就很容易被人误解, 会被以为是投机取巧的手段,所以我们更倾向于强调系统化工程。例如:我们以前写过一些增长黑客被误用的情况,文章很长,慎点:想学习增长黑客?你一定要避开这6大误区(附12个案例)
增长工程学的目的是将信息数据、可用资源、技术能力整合起来,为企业搭建系统的、高效的增长引擎。
在实践中,我们将增长工程学简单地分为两步:
既然是体系化的工程,那么核心还是工程师。
无论在硅谷还是中国,都有头部公司设立了相对应的岗位:增长工程师(Facebook、今日头条等等都有类似岗位)。
值得说明的是,我们并不认为增长工程师是一个技术岗位。他的首要任务是理解商业的逻辑,其次才是理解技术的边界,写代码则是锦上添花的能力。
(增长工程师是什么?来源:SMASHING BOXES)
我们会这么想也是因为我们自己并没有技术背景,也就懂一点python和php,对前端代码有些研究,而且这些是可以速成的。
但这并没有妨碍到我们实现用爬虫抓取和数据分析、构建网站和自动化营销流程等任务。这都得益于市面上成熟的第三方工具和开源代码,使得我们不必重复发明轮子。而且,我们认为只有少数头部公司有能力且有必要去开发属于自己的营销工具,对于大部分公司来说,开发工具都是不专业且不明智的行为。
美国的公司Chiefmartec每年会总结一版营销科技(Marketing Technology,简称MarTech)TOP5000的蓝图,其中每一个色块都代表着一类功能的营销科技,而其中每一个小Logo都代表着一个营销科技,全球商业化的MarTech总量我估计是能破万的。
(Martech landscape, Source: Chiefmartec)
在两年的研究中,我们大约尝试了其中有代表性的300多种营销科技(没少花钱,不过应该都挣回来了)。
我们发现这些工具也可以按照增长工程学的两个环节来分类:
同时,这些MarTech还可以利用API互相串联。更加有趣的是,这并不需要你会写代码,只要可视化地调用模块并设计串联逻辑就可以了。例如你可以在Zapier这个平台上串联上百款工具,我们自己每天发增长日报(Growth Daily)的时候都在用。
这些工具在我们以前的文章里都有提到过,文章很长,慎点:
当然,这里面的坑在于你需要很多时间去做调式,你需要极强的耐心去熟悉每个工具并建立流程。极少有人像我们这么闲,专门去研究这些工具和方法论,这大概也是这些工具没被普及的原因。
但是很多巨头可都是在这么用,就连老牌奢侈品Gucci都在网站上安装了数十种MarTech,包括订阅邮件的、在线聊天的、个性化推荐等等的工具,他们甚至招聘了专职的数字营销人员去专门尝试市面上各种营销工具。
甚至你还可以使用Similartech或者Builtwith这种工具去监测你的竞争对手在什么时间用了哪些MarTech,可见MarTech这个部分在欧美已经是个很重要的环节了。
介绍完了“增长工程学”这个大的概念,下面开始介绍增长工程学的第一步——“商业逆向工程”。
简单的说就是把竞品和行业研究透,集百家之长成为一个战术大师。
我们在写了50多万字的增长案例分析后,越发觉得挖掘增长策略和破解密室行凶案的逻辑是一模一样的,我们大胆地重新定义一下增长:公司增长的本质就是通过产品“谋*”用户的注意力和购买力,而“犯罪手法”就是撬动人性的营销。
我们为什么要这么思考呢?因为产品、营销和用户是互相作用的,拆分出来看那是管中窥豹,无法做到理解全局。
营销和产品大抵上是考验你对人性和需求的理解,具体表现形式千变万化,只看一招半式很容易陷入表象。最终核心指标没有增加,只是刷了一堆虚荣指标(Vanity Metric),还是一地鸡毛。
所以,为了更完整地看清全貌,我们开始研究情报和刑侦的书,并建立研究模型,希望可以全面地监测市场上的增长案例。
为了破解市场中的“密室行凶”,我们参考了法国著名侦查学家艾德蒙·洛卡德在其编著的《犯罪侦查学教程》提出的“罗卡德物质交换定律”(Locard Exchange Principle)。
罪犯实施犯罪必然导致三种物质交换:
同理,我们可以大胆地假设,公司增长必然导致三种信息交换:
这个原理被我们称之为“伦方信息交换定律”(Lunfang exchange principle)
这个名字是我们自创的,伦方是Alan和Yolo名字的缩写,你肯定是百度不到的,这也被我们视为是商业逆向工程的第一定律。
所以,当我们需要去解读新的商业案例时,我们必然会去关注这三种信息:营销渠道,产品变动和自身的信息披露。
同时,针对不同阶段的公司,这三种信息交换的强度也是有差别的。随着公司不断成熟,其营销强度不断增加,产品反侦察能力不断增加,同时信息披露程度也在不断增加。所以,我们需要对症下药,才能找到挖掘增长策略突破口。
那么我们如何获取这三种信息呢?
当然是合法地使用公开数据,例如:搜索引擎、爬虫、第三方工具等等。根据美国情报系统的研究,世界上约90%的情报为公开情报,只有10%的情报需要通过秘密渠道获取。
合理运用公开的数据和情报已经可以达到超乎你想象的效果了。
为了深入挖掘项目,我们参考了欧美情报机构甚至是做空机构的常用手段,大致了了解到三种:
这三个方法都充满了黑客精神,同时也被情报和安防人员视为必修课。在国家甚至战争级别的情报竞争中,都能见到他们的身影。
下面我们将逐一介绍并举例:
方法a:OSINT是公开情报来源的缩写。美国在911恐怖袭击之后,由美国中情局CIA在2005年建立了专门的OSINT部门。
同时,在数字营销时代,数字化的商业公开情报也呈几何级数增长。常用的手段可以是搜索引擎,爬虫以及各种Spying工具,这些公开情报已经足以将任何公司扒的八九不离十,后面我们将详细罗列公开信息源和工具。
(美国中情局的徽章和信条)
方法b. 逆向工程是通过产品反推设计原理的方法论,最早用于军工或者商业产品,互联网时代的产品同样适用。任何产品改动都是带着目的性去做的,当我们结合改动样式和市场情报之后,有很大的概率可以推测出项目方的战术手段和战略意图。
例如WayBack Machine就是用来看网站过往版本的专用工具,记录了自1996年以来,累计4350亿个网页的信息。
最近Blue Orca发布的拼多多做空报告中,就引用了WayBack Machine的网页备份。其指出拼多多2017年12月份的网站显示,拼多多所属集团现有员工共5000余人,但是拼多多在招股书中只承认了1129个员工。先不论拼多多究竟有多少人,至少网站上的这项改动直接暴露了他们隐藏员工人数的意图。从而被做空方抓住了把柄,被认为隐瞒人力成本,虚增人效。
(拼多多做空报告,source:blue orca)
方法c. 社会工程学是针对人的渗透方法,被称之为The Art of Human Hacking。用于挖掘与人相关的信息披露,属于情报安防人员的基础理论,有兴趣的可以买本书研究一下。
比如你想要调查Facebook增长团队的架构,你可以通过Linkedin找到Facebook相关的人员。但是,Linkedin上需要2度人脉或者3度人脉才可以访问相关人员的详细信息,这个时候你就需要和Facebook增长团队的1-2个人建立Linkedin的好友关系。如果你假装实习生成功加了他们的好友,并抓取了Facebook增长团队的信息,那就属于社会工程学上的渗透。
(Facebook的总部就在黑客路1号,不开玩笑)
可能大家会觉得以上方法都不太常见或者很少提及,但其实只是大家不这么叫而已。
让我们在这里我们回顾一下乔布斯95年接受访谈的视频(b站可以搜到),感受一下教科书式的黑客精神:
本质上来说,上面的所有手法都是为“借鉴”铺平道路。
可能很多人会说:我也会偷偷地抄,但好像没什么效果。那只能说你觉悟还不够高,读书人的事情能算偷吗?
来看看,乔布斯在视频最后如何阐述自己对“借鉴”的认知。
当主持人问乔布斯:“你怎么知道哪个方向是正确的?”
乔布斯指出:不论做什么,你都需要熟悉人类在各种领域的优秀成果,并尝试把他们运用到你的工作里,我从来不觉得借鉴别人的创意可耻,最终得由你的品味来决定。
同时,他引用了毕加索的名言:
“Good artists copy, great artists steal.” (“能工摹其形,巧匠摄其魂。”)
当然,乔布斯自己也一直是这么贯彻的,比如他十分喜欢德国博朗电器的设计。
下面是我们罗列的一些公开情报来源和一些商业化的工具,分别针对营销、产品和信息披露,供大家做一些简单的参考。
核心就是这三个方法:公开情报来源法(OSINT),逆向工程,社会工程学。
在收集了大量线索后,侦探的任务就是拨开迷雾还原事件的真相;同理,“增长名侦探”的任务就是从线索中整理出增长模型,找到增长的杠杆。
所以,我们参考了由美国FBI建立的犯罪调查体系:犯罪侧写学(Criminal Profiling),并将其演化为了增长侧写学(Growth Profiling)。
(来自FBI官网的调查手册,Source:https://vault.fbi.gov/Criminal Profiling)
我们首先来介绍一下犯罪侧写学,其原理是根据罪犯的行为方式推断出他的心理状态,从而分析出他的性格,生活环境,职业,成长背景等。这是由特殊推理到一般的方法, 也就是我之前提到的归纳推理法(Induction)的一种应用。
还有种调查流派叫做“演绎推理法”(Deduction),典型代表就是福尔摩斯。我的合伙人Yolo就非常擅长这种推理模式,不过这里就不赘述了。
这里是FBI总结的犯罪侧写的6个步骤,感兴趣的朋友还可以自己去翻翻论文。
他们的手册内容都是斜的,对强迫症患者不太友好。
我们在研究了这个调查的流程图之后,把他改编成了商业逆向工程用的流程:
a. 线索收集:参考4.1“伦方信息交换定律”,主要关注营销推广、产品改动和信息披露的线索,收集线索方法参考4.2。
b. 诊断模型:主要是用美国陆军兵器部首创的七问分析法(5W2H)找到核心问题。俗话说:把问题清清楚楚地写出来,便已经解决了一半。
c. 增长策略评估:在FBI侧写中提到,凶手的犯罪手法通常符合两个特性:
同理,商业社会里也没有多少新鲜事,看上再独特的东西也必然有历史参照。
这包括:同一个操盘手在不同增长案例中的操盘手法通常是一致的;第二,相似商业模式的案例中,使用的增长策略也会有很多相似的地方,因为操盘手本人肯定也会去借鉴竞品。
所以,这里我们需要广泛地建立一个策略库,去熟悉商业历史上的各种玩法和他们能够带来的一些效果。
d. 构建增长模型:这步需要把增长策略放置到增长模型中,确保没有疏漏的地方,并开始推导每一步的转化率,找出增长的杠杆。
e. 深入调查:在证据不足的时候,需要进一步深挖,提交新的线索拿回去交叉验证。
f. 实施“抓捕”:我喜欢拿着研究报告和项目方的操盘手直接聊聊。
我们之前只公开了一部分解读的案例,剩下还有不少我们都没有公开,不然PR的人多少会来找你的麻烦。不过我也都能理解,在国内有什么项目有点起色,第二天就有N个团队去跟进。
我们之前写过一些案例,都比较长,慎入:
商业逆向工程的目的是通过数据提炼出情报然后反求一个项目的增长原理,那么中间的关键词自然就是情报。
在英文中,情报和智能是一个词。所以无论当人们如何夸夸其谈人工智能或者商业智能,也不要忘记本源:能从数据中提炼出情报,并指导人去做决策,这才是一种智能的体现。
那么我们回过头来思考文章开头的问题:所以,就算是冷启动的公司也有成堆的公开数据可供挖掘,难点在于从冗杂的大数据中提炼出可供指导行动的商业情报。
私以为:在精益创业的时代,每个公司都需要掌握一套将公开数据转化为商业情报的系统,这样才能为公司建立重要的决策引擎,避免浪费资源在低效的尝试上。
在这里我们要例举中外公司的情报工作,告诉大家一下情报工作的重要性和趋势。
在激烈竞争的市场中,玩家想生存下来必学的一门科学就是竞争情报学(Competitive Intelligence)。
我之前在无意中看到一篇文章,说美团有专门的部门在盯着各种行业竞品的数据,看准时机就会切入市场准备打仗。文章出处我都找不到了,但是不妨碍我们来验证一下:美团究竟有没有这样一只部队?
这里我们只要使用搜索引擎去研究一下信息披露的线索就行了,关键词就是“美团 竞争情报”。
我们在第一页就可以找到三条招聘线索:
线索一:美团2013年7月在豆瓣上招聘竞争情报方向的开发工程师。
线索二:美团2013年9月在水木清华社区又发布了类似的“竞争情报工程师”,这一条信息披露内容就比较丰富了。首先可以推测,这样的人才肯定很难招,豆瓣这样的大众渠道有可能不太精准。极有可能两个月都没招到人,所以再来王兴的母校——清华的论坛尝试一下。
同时,为了增加这条帖子的号召力,发布者使用了慷慨激昂的语气,并开始掏心掏肺。
透露的信息提炼下就是:团购事业竞争很激烈,情报很关键,从王兴到小兵都很重视情报工作。虽然我们情报团队没组建多久,但我们都很牛逼。
线索三:美团2015年又开始为酒店事业部招聘竞争情报工程师。
同时,我们再来搜集一下美团的一些公开报道,其中涉及到美团业务的开展时间:
2013年11月美团外卖上线
2015年7月美团酒旅事业部正式成立
2015年十月,美团点评合并
所以大致可以看出,13年和15年招聘的竞争情报人员和当年开展新的业务线似乎是有联系的。
同时,我们又搜到一条人事信息,可以用来交叉验证,有报道称:2016年,为美团构建整套情报系统的技术大牛吕恒,辞职创办了人力资源saas“薪人薪事”,融资5000万美金。
最后,我们还搜索到了一篇简书的文章叫《美团点评辞典》,里面记录了所有美团的内部专用名词。
其中有一个词条就是竞争情报系统(CIS),链接都是跳转到美团自己的员工后台,需要登陆才有权限。
简单地搜索一下,是不是还挺有收获?你们可以再自行再按5W2H的方法梳理一下,相信会更加清晰。
大家可以再回想一下:美团在市场里每次都后发制人,还能斩落那么多竞争对手。他们能在今年成功破局上市,我相信其情报工作的重要性不言而喻。
(BTW,我自己也是美团的重度用户,我感觉火车票业务逻辑有点问题,我经常以为自己已经买到火车票了,然后到了火车站才发现票没买上。)
最后送给大家一条王兴的饭否,他在2015年6月19日凌晨1点43转发了一条状态,应该是别人的语录,和我们闭门造车的“伦方信息交换定律”有几分相似:
Being a competent CEO requires great knowledge: knowledge of products, the people, the market and the competition.
虽然我没有找到这句话的出处,但是不得不说很有道理:CEO的职责就是将产品、市场还有人串连起来,赢下这场竞争。
在搜索美团的时候,我还注意到了王兴龙岩老乡张一鸣的今日头条。
他们也有招情报分析的人员,但是被归到了风控环节,主要职责是持续和作弊用户斗智斗勇。从描述来看,头条系情报工作的目的并不是对外发动战争的,而是对内反作弊的。
看到这里,必须要给大家介绍一下硅谷最神秘的B2B大数据情报公司Palantir,估值据说有410亿美金。
这家公司是Paypal黑帮、硅谷创投教父、《从零到一》的作者彼得蒂尔(Peter Thiel)一手打造的。Palantir是《指环王》里面可以穿越时空、看到一切的水晶球。
在Palantir成立之前,彼得蒂尔所在的Paypal曾经深受欺诈问题的困扰。为了防止犯罪分子利用Paypal洗钱,Paypal的工程师不得不开发了一套软件来应对可疑的资金转移,再由分析师对筛选出来的交易一一进行排查。
但随着交易量的增加,人工的方式已经无法赶上犯罪分子不断变化的手段。之后,Paypal便再次开发了新工具,通过匹配用户过去的交易记录和现在的资金转移情况来查找可疑账户并进行冻结,并因此避免了数千万美元的损失。在Paypal被eBay收购之后,Thiel想到,PayPal的这一防诈骗技术可以为政府提供服务。
——摘源自Sogou百科,Palantir词条
还记得我刚才提到的:美国中情局CIA在911之后,大约2005年建立了公开情报分析(OSINT)团队吗?
巧合的是中情局通过风险投资帮助彼得蒂尔在2004年成立了Palantir。
所以,我们有足够的理由怀疑Palantir在CIA的OSINT系统中承担了重任。
在Palantir近14年的发展过程中,美国情报机构逐渐成为它的主要客户,如CIA、FBI、DIA(国防情报局)、海陆空三军,以及警局等等。Palantir的用户主要集中在华盛顿,来自政府的业务占到了70%。Palantir到2010年左右才开始切入金融领域,将JPMorgan接了进来。(Source:Sogou百科)
该公司的客户成功案例也很吊炸天,例如:曾经帮助美国政府追踪基地组织头目奥萨马·本·拉登;帮助JPMorgan避免了前Nasdaq主席麦道夫的金融骗局。
(Peter Thiel和Trump似乎是紧密的合作关系)
推荐几篇Palantir的读物:
把这个案例放在这里是想说明大数据这个东西不是一个噱头,我们希望更多人可以回归本质地把他们用起来,而不是用来吹泡泡做着数据买卖的勾当。同时,大数据也是国家情报机构的核心武器,以美国为首的情报机构是极端重视这个部分的。
前两天我在敲文章的时候,看到张首晟教授的事件我就去学习了一下。我边码字边听了一整晚他的演讲,一边听就一边觉得心情沉重。张教授真的是一个科研人的典范,虽然科学是没有国界的,但事实总是残酷的。
美国贸易代表办公室(USTR)在2018年11月更新的301 Report中,确实点名了Danhua Capital和Digital Horizon Capital,这些都是张教授一手栽培起来的。
301 Report地址:https://ustr.gov/sites/default/files/enforcement/301Investigations/301 Report Update.pdf
这份50多页更新版301 Report中还提到了近500次China,目标直指中国。同时,中美在未来90天内还有重要的商务会谈要完成,希望可以顺利。
本文中大部分理论体系也都是基于美国情报机构、做空机构研究得来的,我们也是希望可以做到“师夷长技”。本文之后应该也会翻译成英文发到英文世界里,看看大家的反应。(上面那句师夷长技大概不会翻译…)
能看到这里的都是真爱,首先要感谢你们的时间。
本文只介绍了增长工程学的第一个环节,后面还有很多要完善的地方,任何对这套系统感兴趣的朋友都欢迎来找我们探讨。
作者:AngryAlan、YOlO ,*增长黑盒
本文由 @AngryAlan、YOlO 原创发布于人人都是产品经理。未经许可,禁止转载
题图来自Unsplash,基于CC0协议
Copyright © 2024 妖气游戏网 www.17u1u.com All Rights Reserved