Skip to main content

YC Library:如何搭建、招聘并规模化增长团队 — Anu Hariharan

英文原题:How to Set Up, Hire and Scale a Growth Strategy and Team 出处:ycombinator.com/library/59-how-to-set-up-hire-and-scale-a-growth-strategy-and-team 作者:Anu Hariharan — 前 YC 合伙人,前 a16z Growth 投资人,现任 Benchmark 合伙人 发布时间:2017 年 文章类型:YC Library 文章(非视频),有详细原文

先说结论:这篇是 YC 关于"什么时候做增长"最权威的一篇​

如果你正打算招第一个"增长经理"或建"增长团队",我建议你把这篇文章读三遍。

原因很直接——市面上 90% 的"增长"内容,都在讲"怎么做增长"。但 Anu 这篇讲的是更前置、更重要的问题:

什么时候你才有资格做增长?

这个问题被大多数创始人跳过了。结果是——一堆公司在没有留存的时候狂砸钱做增长,等于把汽油倒进一个漏水的桶。

Anu 的核心主张一句话:

先证明留存,再投资增长。

我自己踩过这个坑——在 PMF 没找到之前就招增长团队,结果增长团队再厉害,也救不了一个用户第二天就不回来的产品。Anu 这篇是我后来反复读、终于把这件事想明白的关键参考。

一、Anu Hariharan 是谁:为什么她的判断值得听​

身份我的注解
前 YC 合伙人见过 YC 几百家公司的增长数据
前 a16z Growth 投资人专门做"增长"赛道,深度跟踪 Facebook、Twitter、Pinterest、Airbnb、Uber、Snapchat
现任 Benchmark 合伙人Benchmark 是 Uber、Snapchat、Instagram 的早期投资人
观察过 100+ 顶尖消费互联网公司这个样本量在硅谷也数得上

我为什么觉得她比一般"增长专家"值得听——她不是讲方法论的咨询顾问,她是看过 100+ 家顶尖公司原始数据的人。她说"什么时候做增长",是有数据支撑的。

二、核心论点:先有留存,再有增长​

文章最重要的判断,我直接引原文——

在证明留存之前就投资增长,是浪费钱、时间,甚至公司未来最简单的方式。

为什么这一点被 YC 反复强调:

  • 增长会把"留存"的真相放大——留存好的公司,增长让好变更好;留存差的公司,增长让差变更差
  • 烧钱买量但留存差的典型例子:2015 年的 Pronto、2018 年的 Blue Apron、2019 年的 Casper——都因"高获客、低留存"的恶性循环而死
  • YC 在 Startup School 里强调"99% 的公司,核心指标应该是收入",而不是"活跃用户数"——因为收入是留存最强的代理变量

我的注解:"增长放大留存"这条是我认为全文最反直觉、也最重要的一条。大部分人的直觉是"留存差那就靠增长补"——错。留存差的时候做增长,等于把破洞捅得更大。水进得越快,漏得也越快。

三、留存检查清单(Retention Checklist):4 步全部通过才能做增长​

Anu 给了一个 4 步的检查清单,所有 4 步都必须通过,才能开始投资增长。我逐条拆解。

Step 1:选对指标(Pick the Right Metric)​

要做的事:

  • 选收入的领先指标(leading indicator of revenue)——比如对电商是"加购率",对 SaaS 是"试用期使用频次",对市场是"订单数"
  • 选重复行为的指标(metric of repeated behavior)——比如登录次数、交易次数、内容发布次数
  • 不要选虚荣指标(vanity metrics)——下载量、注册量、PV/UV 都不是
  • 双边市场需要双边指标——例如 Airbnb 既要看房东留存,也要看房客留存;Uber 既要看司机留存,也要看乘客留存

我的注解:虚荣指标是早期创业最大的陷阱。下载量、注册量这些数字好看,但跟公司能不能活下去没关系。收入和重复行为,才是真相。

Step 2:选对 cohort 周期​

周期取决于业务:

产品类型cohort 周期我的注解
高频产品(社交媒体、新闻)按天用户每天都来,周期要短
中频产品(电商、SaaS)按周用户一周来几次
低频产品(旅行、汽车、房地产)按月用户几个月才来一次,周期要长

我的注解:这一条很多人搞错——一个旅行产品按"天"看留存,当然惨不忍睹,因为用户根本不会天天订酒店。周期错了,所有数据都是错的。

Step 3:识别 Period 1 内的"初始用户行为"​

核心问题:100% 的安装基础,在 Period 1 内,采取了哪个收入领先指标的动作?

  • 例:对 SaaS,Period 1 = 第一周,初始行为 = "完成至少 1 个核心任务"
  • 如果你发现 80% 的新用户在第一周都没有完成核心任务,说明你的激活流程有问题

我的注解:这一条本质是在测激活率。激活是留存的前置条件——用户第一次没感受到价值,后面根本不会回来。

Step 4:识别 Period 2 内的"后续用户行为"​

核心问题:在 Period 2(比如第 4 周),有多少比例的安装基础仍然在用这个产品?

  • 这就是"留存率"
  • 如果 Period 2 的留存远低于 Period 1,说明用户在新奇感过后就流失了——这就是"漏水的桶"

我的注解:Period 1 vs Period 2 的对比,就是检测"新奇感 vs 真实价值"的试金石。很多产品用户第一天觉得新鲜,第二天就卸载——这种产品,增长做得再猛也是死。

四、好的留存 vs 坏的留存:三条判断标准​

Anu 用了三条标准判断留存是否健康。

标准 1:长期留存应该稳定并平行于 x 轴​

  • 坏留存:曲线持续向下,跌到 0——用户最终都流失了
  • 好留存:曲线在某一点变平,稳定在某个非零值——核心用户留下来

我的注解:这一条是图形化判断法——画一条留存曲线,如果它不平,你的产品就有根本问题。这是最简单也最狠的诊断。

标准 2:长期留存应该在你的垂直领域平均或中位数之上​

垂直领域30 天留存基准我的注解
社交网络25%–40%用户转移成本低,基准本来就低
通讯50%–60%高频刚需,留存最高
电商10%–20%复购周期长
SaaS(企业)80%+切换成本高,留存最好
游戏5%–15%玩腻就走,留存最低

如果你的留存远低于基准,说明产品体验或市场定位有问题。

我的注解:基准对照是被忽视的诊断方法。很多创始人看自己 20% 留存觉得不错,但同行业基准是 40%——你其实是失败的。没有基准,数据毫无意义。

标准 3:更新的 cohort 表现应该更好​

判断方法:把不同时间加入的用户(cohort)画在一张图上——

  • 如果新的 cohort 留存曲线在旧 cohort 上方,说明产品在变好
  • 如果新的 cohort 留存曲线在旧 cohort 下方,说明产品在变差(可能因为加了一堆不必要的新功能)

我的注解:这一条特别适合检测产品是否在退步。很多公司加了 N 个功能后,新用户留存反而下降——功能多 ≠ 产品好。

五、增长团队什么时候组建?​

Anu 的核心数据:我们调研的大多数公司,第一次增长 hire 是在产品工程团队大约 15 名工程师时。

具体公司数据:

公司增长团队建立时间工程团队规模年份我的注解
Facebook工程团队约 20 人202007Zuck 很早就重视增长
Twitter工程团队约 15 人152009典型的"15 人门槛"
Pinterest工程团队约 12 人122011略早,因为他们增长特别快
Airbnb工程团队约 18 人182012经典案例

反例:也有公司在工程团队 5 人时就设增长团队——但那些公司都失败了,因为他们还没找到 PMF。

我的注解:15 人是一个"经验数字",不是绝对真理。但核心逻辑是——你得先有 PMF,再有增长。5 个人的团队做增长,基本是自杀。

六、第一年增长团队的"理想配置"​

Anu 给出了一个具体的"第一年增长团队配置":

角色人数工作内容我的注解
Growth-focused PM1设定目标、定义实验、跨部门协调团队的大脑
Growth Engineers2–3执行实验、写代码、推动上线团队的手
Growth Data Scientists1–2设计实验、分析结果、识别洞察团队的眼睛
(可选) Growth Designer1设计实验的 UI/UX团队的眼睛(视觉)

总人数:4–6 人。这是第一年的最小可行团队。

为什么是 PM + 工程师 + 数据科学家:

  • PM 知道该做什么
  • 工程师 知道怎么做
  • 数据科学家 知道做得有没有效果

我的注解:这个三人组合是增长团队的"黄金三角"。缺任何一个,团队都会跛脚——没有 PM 没方向,没有工程师没产出,没有数据科学家没反馈。

七、理想 Growth PM:60% 是前创始人​

最好的 Growth PM 是强烈数据驱动的,理想情况下有增长经验,而且极有可能是前创业公司创始人。我们调研的增长 PM 中,60% 是前创始人。

为什么前创始人是好 Growth PM:

  • 他们有端到端思维(能从 0 到 1)
  • 他们不抗拒做不能规模化的事
  • 他们有责任感和 owner 意识
  • 他们愿意承担决策风险

我的注解:"前创始人"这个信号被严重低估。一个失败的创业者,做 Growth PM 经常比大厂出来的精英更好——因为他们懂"从 0 到 1"的模糊性。

八、理想 Growth Engineer:速度大于完美​

理想的 Growth Engineer 是自驱型,不执着于已经写过的代码(随时愿意推倒重写),接受"不能规模化"的临时方案,而且沟通能力很强。

Growth Engineer 的关键特质:

  1. 速度比完美更重要——一周跑 5 个实验 > 一周做 1 个完美实验
  2. 不抗拒短期方案——用胶带粘起来上线,只要能学东西
  3. 能写产品代码——不只是埋点和数据分析,要能改产品 UI
  4. 不执着于代码所有权——很多实验会失败,代码要废弃,不能情感绑定

我的注解:Growth Engineer 和 Product Engineer 是两种人。Product Engineer 追求代码质量、架构优雅;Growth Engineer 追求学习速度、实验数量。招错了,两边的痛苦都是双倍的。

九、理想 Growth Data Scientist:最重要的特质是怀疑精神​

理想的 Growth Data Scientist 精通实验设计和解释,有编码能力,沟通能力强。最重要的特质是怀疑精神——能够质疑结果。

Data Scientist 在增长团队的角色:

  • 设计 A/B 测试的统计有效性
  • 识别异常数据和信号噪音
  • 把数据翻译成可执行的洞察
  • 守住统计严谨性——防止团队被虚假相关性误导

我的注解:"怀疑精神"这一条特别重要。增长团队最容易掉进的坑,就是"看到一点相关性就当成因果"。一个好的 Data Scientist,本质上是团队的质检员。

十、增长团队的 5 个"反模式"(常见错误)​

Anu 在文章最后列出了她见过的增长团队最常见的 5 个错误:

  1. 过早组建增长团队——PMF 还没找到就开始做增长
  2. 把增长团队当"营销部"——增长不是买量,是产品工程
  3. 没有清晰的指标定义——每个人都对"增长"有不同理解
  4. 不重视实验严谨性——A/B 测试样本太小、显著性不够就推全量
  5. 增长团队与产品团队隔离——增长团队做的实验应该融到产品里,而不是孤岛

我的注解:第 2 条和第 5 条是最隐蔽的坑。很多公司把增长团队当"买量团队",结果做了一堆花钱的事,产品本身没变好。真正的增长团队,本质上是"产品工程团队",只是工作方式更数据驱动。

十一、Anu 给出的具体操作框架(可直接套用)​

框架 A:留存的"4 个问题"​

在开始做增长之前,问自己:

  1. 你的核心留存指标是什么?(不是虚荣指标)
  2. 你的cohort 周期是什么?(天/周/月)
  3. Period 1 内,100% 的新用户完成了哪个动作?
  4. Period 2 内,有多少 % 的用户仍然在用?

框架 B:第一年增长团队的招聘顺序​

顺序角色关键招聘信号
1Growth PM前创始人 + 数据驱动
22 名 Growth Engineers自驱 + 接受"不能规模化"
31 名 Data Scientist实验设计 + 怀疑精神
41 名 Designer(可选)实验型设计

框架 C:第一年的增长实验节奏​

  • 每周 2–5 个 A/B 测试
  • 每月 1 个大型跨部门实验
  • 每季度 1 次方向复盘——砍掉不工作的实验方向
  • 每半年 1 次团队结构调整——根据实验量增加/减少人手

我的注解:这三个框架可以直接抄。我建议把它打印出来贴墙上,每周对照一次。

十二、Anu 的 5 条核心建议​

  1. 不要过早做增长。先证明留存,再投资增长——这条比任何其他建议都重要。
  2. 选对指标比做对实验更重要。如果你的指标是错的,做得再多的实验也是浪费时间。
  3. 第一批增长 hire 至少有 60% 是前创始人。他们有 owner 意识,这是大公司工程师没有的。
  4. 增长团队 = 工程团队,不是营销团队。如果你把增长团队定义为"买量",你就完了。
  5. 每个实验都要有"杀掉"的标准。如果 3 个月一个实验方向都没有正结果,换方向。

十三、与其他 YC 课程的关联​

YC 课程关联点
[[YC-Library-How-to-Find-Product-Market-Fit]]PMF 是增长的前提,David Rusenko 讲的是怎么找 PMF
[[YC-Library-How-to-Get-Users-and-Grow]]Gustaf Alströmer 讲怎么增长,Anu 讲怎么建增长团队——一个偏战术,一个偏组织
[[YC-Library-Mark-Zuckerberg-on-Building-a-Startup]]Zuckerberg 提到 Facebook 增长团队成立第一年把增长率翻倍——Anu 引用了这个案例
[[YC-Library-How-to-Build-Products-Users-Love]]Kevin Hale 讲"留存"的产品设计,Anu 讲"留存"的数据分析,两者结合
[[YC-Library-How-to-Succeed-With-a-Startup]]Sam Altman 讲"构建好到用户自发推荐的产品",Anu 讲"如何用团队规模化这件事"

十四、我的一点小结​

把整篇文章串起来看,Anu 实际上在讲一个反直觉的道理——

增长不是"做更多",而是"在对的时机做对的量"。

如果让我只带走一句话,我会带这一句:

先证明留存,再投资增长。在修补好"漏水的桶"之前,不要投资增长。

我最后再强调一遍:如果你现在正打算招第一个增长人员,先问自己一个问题——"我的 Period 2 留存是多少?" 如果答不上来,或者答出来低于行业基准,先别招增长,先修产品。

十五、参考链接(References)​

#资源链接
1YC Library 文章原文ycombinator.com/library/59-how-to-set-up-hire-and-scale-a-growth-strategy-and-team
2Anu Hariharan 的演讲(SaaS School)Y Combinator YouTube 频道
3Andrew Chen 的增长博客(参考作者)andrewchen.com
4Reforge 的增长课程(参考资料)reforge.com
5相关 YC 文章:How to Get Users and Grow[[YC-Library-How-to-Get-Users-and-Grow]]
6相关 YC 文章:How to Find Product Market Fit[[YC-Library-How-to-Find-Product-Market-Fit]]
7相关 PG 文章:Startup = Growth[[PG-Startup-Equals-Growth]]

术语表​

英文中文解释
Retention留存用户反复使用产品的比例
Cohort同期群在同一时间段加入的用户群体
Leading Indicator领先指标提前预示某个结果(通常是收入)的指标
Vanity Metric虚荣指标看起来好但不反映真实业务健康状况的指标
Leaky Bucket漏水的桶比喻留存差的用户基础
PMF产品市场契合Product-Market Fit,产品真正满足市场需求的状态
Growth Team增长团队专门负责用户增长和留存的工程团队
A/B TestA/B 测试把用户分成两组,对比两种方案的效果
Statistical Significance统计显著性实验结果不是随机产生的概率
Activation激活用户第一次感受到产品核心价值的时刻
Self-starter自驱型人才不需要外部指令就能主动找事做的人
Owner MindsetOwner 意识把公司当成自己的来工作的态度