已收录到待读目录。
原文链接
当前状态
- 来源：知乎专栏
- 抓取情况：正文暂时被知乎反爬限制，当前先保存原链接
- 处理建议：后续如果你要，我可以再做一版“通俗拆解 / 重点提炼 / 岗位相关解读”
备注
如果你后面回我这篇是讲什么方向的（比如推荐、广告、召回、排序、工程架构、A/B 实验、特征工程），我可以更快给你补一版针对性拆解。
正文已抓取
说明：这次通过登录态浏览器抓到了正文内容。下面先放核心提炼，再放正文摘录。
这篇文章在讲什么
这篇《一个案例说完用户增长实验》本质是在用一个很小的产品改动案例，串完整个用户增长实验的基本链路：
- 先明确目标：为什么要做这个改动，想提升什么
- 再设计实验：怎么随机分组，怎么保证只有一个变量变化
- 再看结果：看过程指标，也看结果指标；看显著性，也看样本量和实验时长
- 最后做复盘与迭代：不仅判断“有没有用”，还要判断“为什么有用 / 对谁有用 / 接下来怎么改”
通俗拆解
别把 A/B 实验理解成“改个按钮看看涨没涨”。这篇文章真正想讲的是：
增长实验是一个完整闭环：提出假设 → 设计实验 → 判断真假 → 提炼可复用认知。
1. 为什么做实验
作者拿抖音里的一个例子开头：
- 有些用户刷到一定次数后，分享按钮变成“好友头像”
- 另一些用户还是普通分享图标
作者借这个例子说明：
- 表面目标是提升分享率
- 更深一层，是希望提升互动
- 再往上，是希望提升留存、DAU、时长、收入这些更核心的结果
也就是说，过程指标只是中间桥梁，最终还是要看业务结果。
2. 实验怎么设计
文章强调两个最基础的点：
- 随机分组：确保实验组、对照组本来就差不多
- 单一变量：确保差异能归因到这次改动，而不是别的东西
进一步还提到：
- 可以用 hash 之类的方法按用户 ID 分组
- 最好有 AA / 空跑期 去验证分组有没有偏
- 流量紧张时会用到 正交分层
- 对照组不是简单“不下发”，否则可能引出 SRM 之类问题
3. 结果怎么看
作者说不要只盯着一个指标。
要分层看：
- 过程指标：分享按钮点击率、分享完成率、回流率
- 结果指标：次留、DAU、时长等
还要看：
- 显著性：这个差异是不是随机波动
- 样本量：样本太少，结果不稳
- 实验时长：要覆盖足够长时间，避免被短期新奇效应骗到
这个点挺关键：很多人做实验，只会问“涨没涨”；更成熟的问法应该是：
- 涨的是不是可信
- 涨的是短期还是长期
- 涨的是过程还是最终业务价值
4. 实验结束后最重要的，不是结论本身
作者后面其实讲得更值钱：
- 及时复盘
- 下钻分析（看对哪些人群更有效）
- 沿着漏斗找断点
- 把一次实验提炼成通用认知，迁移到别的场景
这其实就是增长里最核心的能力之一：
不是做一个个实验，而是通过实验积累“对用户和策略的理解”。
如果从求职/面试视角看，这篇最该记住什么
如果你以后面数据产品、增长、策略、推荐、广告、数据分析相关岗位，这篇最值得记的不是案例，而是它背后的回答框架。
一个标准回答框架
当别人问你“一个增长实验怎么做”时，你可以按这 4 步回答：
- 明确实验目标
- 要优化哪个核心问题
- 过程指标和结果指标分别是什么
- 设计实验方案
- 随机分组
- 单一变量
- 样本量和实验周期评估
- 分析实验结果
- 看显著性
- 看长期效果
- 看不同用户分层表现
- 输出结论和后续动作
- 是否上线
- 对谁有效
- 后续迭代方向是什么
这个结构非常通用，很多增长/策略题都能套。
正文摘录
标题
一个案例说完用户增长实验
作者
- 金磊
- 专栏：用户增长实战
- 首发于微信公众号：用户增长实战笔记
核心摘要（原文意译）
- 用户增长核心工作流是：分析数据 → 形成假设 → 实验验证
- 用“分享按钮替换成好友头像”的例子，讲清楚一个 UG 实验从目标、设计、下发、分析到复盘的全过程
- 实验设计里最基础的是：随机分组、单一变量、样本量、实验时长
- 实验分析不只看显著性，还要看是否能提炼出新的用户认知和策略方向
原文关键要点
- 目标不能只停留在表面点击率，要映射到留存、DAU、时长等最终业务结果
- 分组必须尽可能随机，否则实验结论不可信
- 变量必须尽量单一，否则没法做归因
- 实验结果不仅要看显著，还要看样本量和实验周期是否合理
- 做完实验后，要继续做复盘、下钻、漏斗分析和策略迭代
我补一句
这篇适合当 增长实验入门文 来看。
优点是结构清楚、框架完整，适合你先建立整体感。不足也有：
- 偏方法框架，技术深度不算很强
- 统计部分讲得比较轻
- 真正落到工程系统、实验平台、日志口径、归因细节时，还差很多
所以更适合拿它做：
- 入门认知搭架子
- 面试回答组织语言
- 知道做实验时该关注哪些大点
不太适合把它当成“实验体系已经学明白了”。