GrowthDeck
用户全生命周期增长工作台 · 一套可被验证的判断
这是一个把汽车 To C 全链路增长方法论迁移到电商场景的工作台原型。从业务诊断到指标分解、语义层、用户洞察、策略矩阵、执行简报、实验设计、分析报告到效果复盘，九大模块串成一条「看清现状 → 切分人群 → 配置策略 → 设计实验 → 复盘归因」的完整路径。所有图表均为脱敏示意数据，重点在于框架与决策逻辑，而不是漂亮的可视化本身。
§ 00项目背景
在理想汽车的实习期间，我深度参与了从线索到交付、再到老客转介绍的全链路用户运营工作。汽车行业的决策周期长达数月，每一步转化都被严苛地度量与归因，这种「克制的、以数据为骨架的」增长文化让我意识到：增长不是营销话术，而是一组可被验证的判断。
GrowthDeck 是我对这套方法论的一次抽象与迁移——把它从汽车搬到电商。希望它呈现的不只是一组界面，更是一套思考路径：在缺乏完美数据的现实里，如何用统计、分群和实验，把模糊的「我觉得」收敛成可以被反驳的判断。
§ 01核心模块
业务诊断
六大核心指标 + 五阶段健康度 + GMV 趋势 + 异常检测。把「业务现在怎么样」一屏说清楚。
指标分解
选择北极星指标 → OSM 三层拆解 → 执行层度量。让目标从口号变成可追踪的数字。
语义层
统一指标口径、维度定义、业务术语映射。让「DAU 下降」在不同人口中说同一个含义。
用户洞察
RFM 三维分群 + 6 类典型人群 + 标签覆盖率审计 + 流失风险用户名单。从「人群」回到「人」。
策略矩阵
6 类人群 × 4 类策略 = 24 个策略格子。每一格标注可行性与 ROI 评估，避免拍脑袋分配预算。
执行简报
从策略到行动的最后一公里：执行摘要 + 任务清单 + 人群包导出 + 监控看板配置。
实验设计
样本量计算、SRM 自检、双门槛显著性、跨天归因模型。在跑实验之前先把统计基础打住。
分析报告
面向管理层的结构化分析报告：指标变化、漏斗健康度、风险分群、异常检测，AI 一键生成。
效果复盘
实验结果 + 多维度下钻 + 辛普森悖论检查 + 用户状态流转 + 历史实验集市。