https://zhanbo.netlify.app/work/Recent content in Works on Zhanbo Growth LabHugozh-CNFri, 05 Jun 2026 00:00:00 +0800https://zhanbo.netlify.app/work/experiment-platform/Fri, 05 Jun 2026 00:00:00 +0800https://zhanbo.netlify.app/work/experiment-platform/<h1 id="案例ab-实验平台与实验文化建设">案例：A/B 实验平台与实验文化建设</h1> <h2 id="背景">背景</h2> <p>我在内容、电商、游戏等场景中参与过实验体系建设和方法论推广。实验平台的挑战通常不是单个功能，而是技术、统计、流程和组织文化同时成立。</p> <p>常见问题：</p> <ul> <li>有配置中心，但没有完整实验生命周期</li> <li>有 p-value，但业务不知道如何解释实验结论</li> <li>有大量实验，但流量互斥、正交、分层不清晰</li> <li>有短期指标提升，但长期留存、变现、用户体验被忽视</li> <li>实验结果没有沉淀，团队重复踩坑</li> </ul> <h2 id="解决框架">解决框架</h2> <ul> <li>流量管理：Hash 分流、正交分层、互斥实验、联合实验、条件分流</li> <li>实验管理：假设、目标指标、护栏指标、审核、发布、灰度、回滚、归档</li> <li>统计分析：Welch&rsquo;s t-test、Z-test、Delta Method、CUPED、MDE、多重比较校正</li> <li>指标体系：北极星指标、核心指标、护栏指标、长期指标</li> </ul> <h2 id="组织推广">组织推广</h2> <p>实验平台要真正有效，必须让产品、算法、运营和管理层对「什么是可信结论」形成共同语言。</p>https://zhanbo.netlify.app/work/strategy-capacity/Fri, 05 Jun 2026 00:00:00 +0800https://zhanbo.netlify.app/work/strategy-capacity/<h1 id="案例策略产能投放团队的第二增长曲线">案例：策略产能，投放团队的第二增长曲线</h1> <h2 id="什么是策略产能">什么是策略产能</h2> <p><strong>策略产能</strong> = 投放团队把数据、经验和判断转化为有效增长动作的能力。</p> <p>它不等于操作时长，也不等于 campaign 数量，而是团队能否持续回答：</p> <ul> <li>哪些 campaign 应该扩量？</li> <li>哪些 GEO 被低估？</li> <li>哪些素材正在疲劳？</li> <li>哪些出价和预算动作有效？</li> <li>哪些经验可以沉淀为规则和模板？</li> </ul> <h2 id="诊断指标">诊断指标</h2> <table> <thead> <tr> <th>指标</th> <th>含义</th> </tr> </thead> <tbody> <tr> <td>人效消耗</td> <td>月总消耗 / 优化师人数</td> </tr> <tr> <td>策略时间占比</td> <td>策略判断时间 / 工作时间</td> </tr> <tr> <td>新人上手周期</td> <td>新优化师多久能独立管盘</td> </tr> <tr> <td>动作复盘率</td> <td>调价、暂停、扩量、换素材后是否追踪效果</td> </tr> <tr> <td>策略复用率</td> <td>是否有可复用的规则、模板和 playbook</td> </tr> </tbody> </table> <h2 id="提升路径">提升路径</h2> <ol> <li><strong>减操作</strong>：批量创编、模板化 campaign、自动导数、命名规范。</li> <li><strong>推信号</strong>：ROI 红绿看板、异常预警、素材疲劳检测、机会清单。</li> <li><strong>沉策略</strong>：策略模板库、动作审计日志、Action Tracking、规则引擎与 Agent 建议草案。</li> </ol>https://zhanbo.netlify.app/work/ua-growth-diagnostic/Fri, 05 Jun 2026 00:00:00 +0800https://zhanbo.netlify.app/work/ua-growth-diagnostic/<h1 id="案例出海游戏-ua-增长数据诊断">案例：出海游戏 UA 增长数据诊断</h1> <h2 id="背景">背景</h2> <p>出海游戏团队在规模化买量后，常见问题不是「没有数据」，而是数据太多、口径太散、系统之间互相解释不清。</p> <ul> <li>媒体后台、MMP、BI 的 spend、install、revenue、ROI 对不上</li> <li>Campaign 命名和层级变化导致 cohort 历史不可比</li> <li>iOS SKAN、user-level 归因和广告变现收入混在一起解释</li> <li>优化师每天看多个后台，但动作缺少效果追踪</li> </ul> <h2 id="核心判断">核心判断</h2> <p>买量诊断不能只看 ROI 报表，要同时检查广告平台、MMP 归因、游戏事件和 BI 决策四条链路。</p> <h2 id="方案">方案</h2> <p>建立一次本地诊断数据房间，围绕四个评分输出：</p> <ul> <li>Data Trust Score：数据可信度</li> <li>UA Efficiency Score：买量效率</li> <li>Attribution &amp; Event Chain Gap：归因和事件链路缺口</li> <li>Decision System Maturity：决策系统成熟度</li> </ul> <h2 id="可复用方法">可复用方法</h2> <ul> <li>先做 read-only 诊断，不直接改后台</li> <li>原始数据、本地脚本、指标口径和图表全部可复跑</li> <li>区分管理层看板、UA Lead 看板和优化师工作台</li> <li>每个投放动作必须形成 action tracking：动作前、动作后、预期、结果</li> </ul>https://zhanbo.netlify.app/work/publishing-platform-l1-l4/Fri, 05 Jun 2026 00:00:00 +0800https://zhanbo.netlify.app/work/publishing-platform-l1-l4/<h1 id="案例发行投放平台从-l1-到-l4">案例：发行/投放平台从 L1 到 L4</h1> <h2 id="背景">背景</h2> <p>成熟出海发行团队的增长系统通常不是从零开始，而是在大量工具、报表、后台和手工流程之上继续增长。</p> <p>典型现状：</p> <ul> <li>优化师在媒体后台、MMP、BI、变现平台之间来回切换</li> <li>素材、campaign、GEO、媒体、包体之间缺少统一模型</li> <li>老 BI 报表很多，但缺少统一指标合同和业务解释</li> <li>对账、充值、授信、权限、API token 等后台能力被低估</li> <li>业务希望 AI Agent 自动优化，但底层数据和动作记录还不完整</li> </ul> <h2 id="能力分层">能力分层</h2> <table> <thead> <tr> <th>层级</th> <th>状态</th> <th>核心能力</th> </tr> </thead> <tbody> <tr> <td>L1</td> <td>信息可见</td> <td>统一看数、基础 ROI、素材效果、账户余额</td> </tr> <tr> <td>L2</td> <td>数据整合</td> <td>媒体 API、MMP 入仓、cost / revenue 对齐、SKAN 处理</td> </tr> <tr> <td>L3</td> <td>效率工具</td> <td>批量创编、素材挂载、跨媒体操作、账户财务对账</td> </tr> <tr> <td>L4</td> <td>策略辅助</td> <td>红绿看板、异常预警、素材疲劳、投放健康度</td> </tr> <tr> <td>L5</td> <td>策略自动化</td> <td>规则引擎、自动执行、跨媒体预算协同、Agent 闭环</td> </tr> </tbody> </table> <h2 id="经验总结">经验总结</h2> <ul> <li>平台不是功能堆叠，而是决策链路设计</li> <li>先解决数据可信，再谈 AI 自动化</li> <li>对业务方要用 Quick Win 换长期能力建设空间</li> <li>对管理层要用 ROI、人效、风险降低讲平台价值</li> </ul>