增长工程是用软件工程,通过小型、可衡量的实验去推动公司增长指标的做法。它的工作单位是绑定某个数字的、可测试的改动,而不是功能。这篇给出七步循环、一个样本量算例(5.0% 提升到 6.0% 每个变体需要 7,600 位访客)、一份打过分的待办清单,以及团队在首次测试之前需要打好的基础。
读完你会知道
- 增长工程把想法变成绑定单一指标的可测试改动,有护栏指标,无论结果好坏都书面记录
- 要检测的提升减半,样本量乘以四:5.0% 到 6.0% 每个变体 7,600,5.0% 到 5.5% 则是 30,400
- 样本量要在开始前定好;在一个公开示例里,一出现显著结果就停,会把假阳性抬高到 26.1%
什么是增长工程?
增长工程(growth engineering)是用软件工程,通过持续不断的小型、可衡量的实验,去推动公司增长指标的做法。增长工程师写代码改动注册流程、新手引导、定价页或生命周期消息,给改动埋点,并把它发布出来,好让它对某个指标的影响能被读出来。工作单位不是功能,而是绑定了某个数字的、可测试的改动。
这个岗位名称还很年轻,各公司的说法不一。Gergely Orosz 的 Pragmatic Engineer 通讯,与前 MasterClass 增长工程负责人 Alexey Komissarouk 做了一次深度访谈,围绕增长工程师做什么、为什么往往比产品工程师行动更快来展开。想看一位从业者的视角可以去读;这篇给出的是一个通用模型,你可以套在自己的漏斗上。
一个可用的定义,包含三部分:
- 一个目标指标:注册、激活、复购、每位访客收入。
- 改变用户接触产品方式的代码:流程、文案、速度、消息、价格展示。
- 读出结果的办法:能做对照实验就做对照实验,做不了就用前后对比加护栏指标。
增长工程和增长黑客、增长营销、产品工程有什么不同?
实际中边界是模糊的,但重心不同:
| 角色 | 主要工具 | 典型产出 | 成功标准 |
|---|---|---|---|
| 增长工程 | 代码与实验 | 一个已上线且被衡量的改动 | 某个漏斗指标的提升 |
| 增长营销 | 渠道、创意、优惠 | 活动与内容 | 获客成本、合格流量 |
| 增长黑客 | 快速手法 | 一次性的小技巧 | 短期峰值 |
| 产品工程 | 路线图上的功能 | 新能力 | 按计划交付 |
增长营销和增长工程在落地页交汇:营销决定谁带着什么承诺来,工程决定页面拿他们怎么办。团队层面的视角见 增长团队;渠道层面见 增长营销策略。这篇只讲工程这一环。
| 角色 | 主要工具 | 典型产出 | 成功标准 |
|---|---|---|---|
| 增长工程 | 代码与实验 | 一个已上线且被衡量的改动 | 某个漏斗指标的提升 |
| 增长营销 | 渠道、创意、优惠 | 活动与内容 | 获客成本 |
| 增长黑客 | 快速手法 | 一次性的小技巧 | 短期峰值 |
| 产品工程 | 路线图上的功能 | 新能力 | 按计划交付 |
实际中边界是模糊的,不同的是重心。
增长工程的循环是什么样的?
七个步骤,反复进行:
- 选指标。 一个漏斗环节,比如访客 → 注册。
- 写假设。「把注册表单从六个字段减到三个,注册率会从 5.0% 提高到 6.0%。」
- 定护栏。 不允许变差的指标:错误率、页面速度、退款率。
- 做能验证假设的最小改动。
- 上线前先埋点,并确认事件能到达。
- 运行到预先定好的样本量或时间,中途不提前停。
- 决定:上线、回退或再迭代,无论结果如何都记下来。
这个循环的价值在第 7 步。留有想法、结果和回退记录的团队,会知道哪些杠杆能推动自己的漏斗;只上线成功案例的团队,分不清是运气还是能力。
一个实验需要跑多久?算例
许多「失败」的测试,其实是样本不足的测试。Evan Miller 的 A/B 测试指南给过一条经验规则:每个变体的样本量 n = 16σ² / δ²,其中 δ 是你想检测的最小变化量(以百分点计),转化率为 p 时 σ² = p(1 − p)。该页把它作为在测试开始前固定样本量的经验规则。
示例数据:注册页转化率 p = 5.0%,想检测到提升至 6.0%,即 δ = 1.0 个百分点 = 0.01。
- σ² = 0.05 × 0.95 = 0.0475
- n = 16 × 0.0475 ÷ 0.01² = 0.76 ÷ 0.0001 = 每个变体 7,600 位访客,合计 15,200。
- 如果每周有 3,000 位符合条件的访客,则需要 15,200 ÷ 3,000 ≈ 5.1 周;向上取整到 6 周,让每个星期几的权重相同。
现在把要检测的提升改小,从 5.0% 到 5.5%(δ = 0.005):
- n = 16 × 0.0475 ÷ 0.005² = 0.76 ÷ 0.000025 = 每个变体 30,400,合计 60,800,同样流量下约 20.3 周。
要检测的效果减半,样本量就乘以四,所以低流量网站应该测更大的改动,而不是更小的。
数字好看时不要提前停。Miller 的例子:基线 50%,改动实际没有任何作用,只要结果首次达到 5% 显著就停,或者在 150 个观测处停,假阳性率达到 26.1%,是名义 5% 的五倍多。样本量在开始前就要定好。
如果在合理时间内达不到样本量,就直说,并改变决策规则:凭判断上线,用前后对比并盯住护栏指标,同时记录这份证据只是观察性的。
每个变体需要的访客数
基线 5.0% · 示例数据流量不够怎么办?
流量低限制的是你能读出结果的实验,不是你能上线的改动。四种办法,按优先顺序:
- 测更大的改动。 样本量随效果的平方下降,所以改版比换按钮颜色更容易测出来。
- 挪到基础比例更高的上一个环节。 示例数据:如果 30% 的访客会开始填注册表单,要检测到提升到 33%(δ = 0.03,σ² = 0.3 × 0.7 = 0.21),需要 16 × 0.21 ÷ 0.03² = 每个变体 3,733,远少于完成率 5.0% 所需的 7,600。代价是:开始填写只是代理指标,改动可能提高开始率却降低完成率,所以两个都要看。
- 前后对比,同时盯住护栏指标,标注日期,并注明证据是观察性的。
- 干脆不测:对风险低、明显正确的改动,比如修复一个坏掉的表单,把流量留给结果不确定的问题。
增长工程师到底在做什么?
| 领域 | 工作示例 | 瞄准的指标 |
|---|---|---|
| 获客页面 | 落地页速度、表单长度、个性化首屏 | 访客 → 注册 |
| 新手引导 | 设置清单、空状态、示例数据 | 注册 → 已激活 |
| 生命周期 | 触发式邮件或应用内消息 | 已激活 → 回访 |
| 变现 | 定价页版式、套餐对比、结账步骤 | 活跃 → 付费 |
| 推荐 | 邀请流程、分享链接 | 老用户 → 新注册 |
| 平台 | 实验分流、事件管道、特性开关 | 测试本身的速度与可靠性 |
平台这一行容易被忽略:行动最快的团队会去做让下一个实验变得便宜的工具,因为每次测试都共用同样的分流、记录和分析步骤。
先做哪个实验,怎么决定?
用一个简单、明确的公式给想法打分,让争论落在输入值上,而不是谁最后发言。一个可用的分数:每月受影响用户数 × 预期相对提升 × 信心(0 到 1)÷ 工程周数。示例待办清单:
| 想法 | 每月用户数 | 预期提升 | 信心 | 周数 | 得分 |
|---|---|---|---|---|---|
| 缩短注册表单 | 10,000 | 10% | 0.7 | 1 | 700 |
| 定价页文案 | 6,000 | 5% | 0.5 | 0.5 | 300 |
| 加快落地页 | 20,000 | 3% | 0.8 | 2 | 240 |
| 新手引导清单 | 3,000 | 15% | 0.5 | 3 | 75 |
| 推荐链接 | 2,000 | 20% | 0.3 | 4 | 30 |
排序是 700、300、240、75、30。权重都是估计值,所以把排名当作讨论的起点,每出一次结果就重新评估;有用的结论是:便宜又覆盖面广的改动,胜过令人兴奋但覆盖面窄的改动。
首次测试之前要准备好什么?
- 事件定义书面约定。 「注册」在两个地方含义不同,测试就读不出来。
- 稳定的身份。 从匿名访客到登录用户,一个人在测试期间只算一次。
- 每个相关事件都记录变体,作为属性,这样任何报表都能按它拆开。
- 盯住护栏指标。 错误率、页面速度和退款要有阈值和告警。
- 排除机器人。 自动化访问会扭曲两个组和分母。
哪些错误会拖慢增长工程?
- 测的改动对这点流量来说太小。 看上面的样本量算例。
- 偷看数据,首次赢就停。 会抬高假阳性。
- 没有护栏。 用错误率上升换来的注册提升,是亏损。
- 做了没人记录的测试。 没有记录,团队会重复想法。
- 把一次胜利当成规律。 推广之前,换个页面或季节再测。
- 优化的环节不是瓶颈。 先看整个漏斗;自动化建议怎么融入,见 AI 转化率优化。
怎样在增长工程循环里使用 TapCub
TapCub 不给用户分配变体、不运行实验、也不管理特性开关;这些仍在你自己的代码或测试工具里。它负责衡量发生了什么。仍以上面的注册测试为例:
- 规划事件。 在 全端分析 › 数据管理 › 埋点方案 里记录
signup_started和signup_completed并设置状态;打开实时验证,查看近 24 小时的到达数和必填属性完整度。 - 发送变体。 在代码里给事件加上
variant属性,然后在 全端分析 › 行为分析 › 行为分析 里建一个从访问到signup_completed的漏斗,并按variant拆分(漏斗拆分只用一层)。 - 盯住护栏。 在 全端分析 › 智能运营 › 监控 里为
error_rate和bounce_rate添加监控,先试运行;页面速度看 监测 › 性能。监控只会通知,不会回滚任何东西。 - 标注上线。 在 配置 › 日期标注 里加一条日期标注,让上线时间出现在每张图表上。
- 达到样本量之后再读。 在计划好的样本量处,把两个组对比一次。机器人单独统计,爬虫不会混进分母。
FAQ
什么是增长工程?
增长工程是用软件工程,通过小型、可衡量的实验来推动增长指标。工程师改动注册流程、新手引导、价格展示和消息,给改动埋点,并读出它对某个漏斗指标的影响。
增长工程师做什么?
增长工程师上线绑定某个指标的可测试改动:更短的表单、更快的页面、引导步骤、触发式消息、推荐流程,常常还有实验工具本身。他们也记录结果,包括失败的,让团队知道哪些杠杆能推动漏斗。
增长工程和增长营销有什么区别?
增长营销通过渠道、创意和优惠把对的人带进来;增长工程通过代码和实验处理他们到达之后的事。两者在落地页上重叠,并共用同样的漏斗指标。
做 A/B 测试需要多少用户?
取决于基线和你想检测的最小提升。基线 5.0%、目标 6.0%,按 n = 16σ²/δ² 得到每个变体 7,600;目标 5.5% 则是 30,400。样本量要在开始前就定好。
做增长工作需要写代码吗?
文案和活动测试可以不写代码,但增长工程指的是改动产品本身:流程、速度、价格展示、事件管道。没有工程师的团队也能用这个循环,只是改动范围限于无代码工具能改的部分。
资料来源
- Orosz, G.、Komissarouk, A. What is Growth Engineering?。The Pragmatic Engineer,2025 年 3 月:增长工程师做什么,以及与产品工程师的区别。2026-11-19 查阅。
- Miller, E. How Not To Run an A/B Test:偷看问题(26.1% 假阳性示例)和 n = 16σ²/δ² 经验规则。2026-11-19 查阅。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

