TapCub 正式上线:统计、分析、客服一个平台免费用
增长与运营

增长工程:把增长想法变成可测试的改动

增长工程用代码和实验推动漏斗指标。了解它的循环、给定提升幅度下测试要跑多久、怎样给待办想法打分,以及怎样衡量结果。

索菲娅·贝内特 发布于 2026 年 11 月 19 日 9 分钟阅读 增长与运营
示例数据:n = 16σ²/δ²,σ² = 0.05 × 0.95 = 0.0475。δ 从 0.01 减半到 0.005,样本量乘以四;每周 3,000 位符合条件的访客,分别需要 5.1 周和 20.3 周。示例数据

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:

  1. 一个目标指标:注册、激活、复购、每位访客收入。
  2. 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。
  3. 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:

  1. 选指标。 一个漏斗环节,比如访客 → 注册。
  2. 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%。」
  3. 定护栏。 不允许变差的指标:错误率、页面速度、退款率。
  4. 做能验证假设的最小改动。
  5. 上线前先埋点,并确认事件能到达。
  6. 运行到预先定好的样本量或时间,中途不提前停。
  7. 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。

app.tapcub.com

每个变体需要的访客数

基线 5.0% · 示例数据
检测 5.0% → 6.0%(δ = 1.0 个百分点)7,600
检测 5.0% → 5.5%(δ = 0.5 个百分点)30,400
示例数据
示例数据:n = 16σ²/δ²,σ² = 0.05 × 0.95 = 0.0475。δ 从 0.01 减半到 0.005,样本量乘以四;每周 3,000 位符合条件的访客,分别需要 5.1 周和 20.3 周。

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:

  1. 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。
  2. 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。
  3. 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。
  4. 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10,00010%0.71700
定价页文案6,0005%0.50.5300
加快落地页20,0003%0.82240
新手引导清单3,00015%0.5375
推荐链接2,00020%0.3430

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:

  1. 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。
  2. 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)。
  3. 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。
  4. 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。
  5. 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。

索菲娅·贝内特

产品应用顾问

关注客户上手、在线沟通与自助服务,将常见使用问题整理为清晰的操作建议与改进思路。

在一处衡量每个实验

TapCub 不运行测试,它负责追踪事件、按变体拆分的漏斗、护栏监控和上线标注。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie