成长骇客充满神话。 有些人认为他是所有疾病的灵丹妙药，其他人-几乎是夸克。 那些具有数十和数百次令人难以置信的增长数字的案例，试图不加思索地复制而没有得到相同的增长，则表明这种不信任是无效的。
但是，为了“控制公司的成长”，仅挑出一个团队并将其设定为寻找成长点的任务还不够。 增长黑客是一个非常复杂的过程，需要高度专业知识和清晰的方法。
自Retail Rocket成立以来，黑客攻击已成为公司工作不可或缺的一部分。 六年多来，我们已经开发了用于测试和选择算法的独特系统。 部分由于这种方法，我们可以提供市场上最高的ROI。 今天，我们想分享在电子商务中使用增长黑客的经验。
什么是增长黑客，为什么任何企业都需要它
Growth Hacking是独立团队在实验的制定，组织和分析方面的持续工作，以确保业务绩效的高增长率。 这意味着企业将创建一个单独的部门，该部门负责假设的生成和测试，这些假设会影响转换，收入，利润和其他指标。
当需要一种可理解且负担得起的工具来测试为公司提供多重增长的假设时，增长黑客的出现和积极使用与创业文化的大规模崛起相关。
成长黑客攻击基于以下三个原则：
如果以示意图方式描述该过程，那么一切看起来都非常简单：您需要生成一个假设，假设该假设会增加一个或多个指标，例如使用A / B测试对其进行检查，然后分析结果。 成功的假设可以扩展和优化，如果不成功，则重复该循环。
实际上，一切都更加复杂。 从假设的选择到测试过程以及结果评估-在每个阶段都需要大量的专业知识和经验。 我们在
“ A / B测试的陷阱或为什么您的拆分测试中有99％的执行不正确？”一文中对此进行了部分讨论。 。
在Retail Rocket，我们有两个Growth Hacker团队。 一个负责网站上指标的增长，另一个负责提高触发电子邮件的有效性。 团队在黑客增长过程中所采用的方法在某些方面相似，但在某些地方有所不同，我们将在本文中更详细地讨论。
让我们从选择假设的过程开始。
如何找到并选择假设进行检验
在全球范围内，有两种针对增长黑客的方法：
- 想法的随机产生及其验证
- 对预先收集的假设进行系统检验
第一种方法更昂贵，更消耗资源，失败的机会更多，但有时会产生强大而突破性的想法。
如果实验具有可重复性，则第二种方法非常有用，您可以收集整个假设池。 由于已经从以前的测试结果中收集了统计信息，因此可以提供更可预测的结果。
对于Retail Rocket客户，我们将这些方法结合使用。 首先，我们测试最有可能在该商店上使用的解决方案。
我们在网站上进行了2,000多个测试，并以触发字母进行了5,000多个测试，在测试过程中踩了所有可能的佣金，不仅考虑了俄罗斯商店，还考虑了外国商店的经验，因此我们可以向每个在线商店放心地推荐此选项这将对他有效。 使用系统的假设检验，我们可以提高数学期望并减少错误的可能性。
我们的许多假设，我们不仅在案例中进行描述并显示其实现的结果，还告诉我们为什么要测试此特定解决方案。 一些假设是基于心理假设和研究的，而另一些则破坏了常见的刻板印象。
在对商店建议的假设进行系统检查之后，便开始了更多实验和冒险工作的阶段。 Growth Hacking专家正在寻找新的解决方案，以提高商店的转化率和平均支票。 对于触发信，通常在头脑风暴期间会创建新的假设，并且必须从心理学的角度证实每个假设。 现场团队更喜欢基于研究的更实用的方法。
我们的客户提供了一些假设。 我们评估测试它们的适当性，建立大概的计算方法，如果我们知道结果值得付出努力，那么我们将进行测试。 当然，客户会更好地了解他们的听众，因此，结合我们的经验，一些假设可以提供出色的结果。 最成功的想法甚至已成为我们假设的一部分。 例如，在一系列成功的测试之后，触发方案“通知篮子中的商品价格下跌”触发条件在我们的触发图中占据了重要位置。
因此，通过结合商店营销人员的专业知识和零售火箭专家的经验，我们获得了双赢的双赢系统。
如何检验假设，或为什么我们选择A / B检验
对于在线空间中的假设测试，AB测试过程非常出色。 当然，如果您正确进行拆分测试，他的方法很清晰，结果也很透明。
我们拥有清晰的测试方法，其中包括多个检查阶段，并消除了可能的错误。 有一个共享流量的工具。 拥有专业知识和经验，因此，当出现问题时，我们知道在哪里寻找和在哪里寻找问题。
A / B测试可以分为几个阶段：
- 运行测试。 可能存在许多潜在的错误。 典型的列表包含不正确的布局和分段错误。 我们的方法基于对测试的交叉检查以及与零售商的所有详细信息的仔细协调，这有助于最大程度地减少可能的错误。
- 停止测试。 测试必须进行多长时间才能唯一解释结果？ 如何理解新颖性的影响在转化的可行方法中所处的位置？
- 结果评估。 从收集和清理数据的方法到任何分析师都可以验证的结论，在测试报告中，我们提供了有关特定解决方案产生何种效果的最完整，最透明的信息。
因此，根据测试结果，商店清楚地了解了哪一种假设会带来商店转化和销售增长，而哪一种假设则没有任何意义。
在实践中看起来像什么
这是“增长黑客”如何在Retail Rocket中工作的几个例子。
案例1.在触发信中使用社会证据原理
如上所述，在触发场景中，假设通常基于心理学的各种假设。 例如，在大多数情况下，良好的结果表明了社会证明原则的应用。 其本质是人们在选择产品时信任他人的意见。 社交证明可以通过多种方式使用，例如，产品评论，评分，有关同时有多少用户正在查看该产品的信息等。
我们决定通过实施“今天购买”模块来检验增加产品需求的假设，该模块演示了其他用户购买的商品数量。
这项工作是通过A / B测试进行的，在该测试中，所有信件接收者都随机分为两个部分。 信件的初始版本发送到A部分，而带有更改假设的信件发送到B部分，这将提高邮寄效率。
该假设在Mamsy销售俱乐部的触发场景“订购后向相关产品发送信函”中进行了测试：
根据测试结果，带有实施假设的字母到订单的转换率比标准版本高60.5％（结果的统计可靠性为96.8％）。
情况2。选择最有效的选项以在搜索页上显示推荐
现在，让我们转到该站点，并在ZdravCity在线药房的示例上查看假设检验。
在线商店网站上测试的主要重点是测试各种算法的有效性，以便了解哪种推荐机制将为零售商带来最大的收益。 但是，我们还会检查各种设计元素如何影响转换率，平均收益和收入。 这可以是在建议中引入滑块，添加折扣标签或其他设计决策。
在这种情况下，假设是，如果将CTA元素添加到推荐块中的商品，则用户将商品添加到购物篮中将更加容易，这将增加转化率和平均支票。
使用A / B测试机制进行了性能研究。 该网站的所有访问者被随机分为3个部分：
- 第一部分显示了一些没有CTA元素的建议（基本外观）
- 向第二部分展示了一系列建议，其中添加了CTA元素“添加到购物车”（将产品添加到购物车）
- 没有建议显示给第三部分（对照组）
根据测试结果，在网上商店Zdravcity.ru的搜索页面上
实施假设“添加CTA按钮并添加CTA按钮阻止建议”的转换将转化率提高了1.05％（统计显着性为99.5％）。 加上平均支票增加7.3％，预计收入将增加8.4％。
这些仅是几个示例，说明了如何生成和测试度量增长的各种假设。 我们会定期讨论这种情况，因此，如果您想了解更多有趣的假设及其验证结果，请访问我们的
博客 。
请记住，您进行的实验越多，长距离测试的结果就越高。 因此，进行A / B测试，测试假设并找到可以为您带来增长的解决方案。