E501. 用数据做增长的完整方法论，和数据工作的时代变化

围绕《Growth Data Analysis Playbook》，Mengying、Joe、Yuzheng 与 Julie 把增长分析从报表和指标拉回产品决策：PLG 如何运转，产品市场匹配怎样量化，实验体系何时建设，以及数据叙事如何让严谨分析真正推动团队行动。 适合增长、产品、数据分析、数据科学和 AI 应用从业者，帮助你判断该追什么指标、何时建设实验体系，以及如何让分析进入真实决策。 这期你会听到 • 为什么 PLG 不是放任产品自然增长？ • 如何用留存、规模和参与度判断产品市场匹配？ • 实验体系应该何时建立，覆盖率为何比实验数量更重要？ • 数据叙事怎样在不牺牲严谨性的前提下推动行动？ • AI Agent 出现后，数据工作的角色和指标会怎样变化？ 章节 00:00 — 嘉宾与增长数据分析的核心问题 05:54 — 为什么需要《Growth Data Analysis Playbook》 12:52 — PLG 不等于让产品自然增长 14:41 — 用留存、规模和参与度判断产品市场匹配 19:59 — 实验体系何时需要基础设施 22:36 — 严谨分析如何通过数据叙事推动行动 26:53 — 让工程团队真正形成数据文化 29:24 — AI 时代如何重估数据工作的角色 35:58 — 职业、PLG 营销与 AI Agent 指标问答 本期嘉宾 Mengying、Joe、Yuzheng 与主持人 Julie 围绕《Growth Data Analysis Playbook》，讨论增长分析、PLG、实验体系、数据团队建设及 AI 时代的数据工作。 相关内容 观看本期视频版 阅读本期文字稿 购书链接： https://www.amazon.com/Growth-Data-Analytics-Playbook-Product-Market/dp/1544549822 加入Superlinear Academy免费社区 拿出近期增长决策及其数据依据，和大家检查指标、实验设计与叙事能否支持行动。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。