{"type":"rich","version":"1.0","provider_name":"Transistor","provider_url":"https://transistor.fm","author_name":"课代表立正","title":"E501. 用数据做增长的完整方法论，和数据工作的时代变化","html":"<iframe width=\"100%\" height=\"180\" frameborder=\"no\" scrolling=\"no\" seamless src=\"https://share.transistor.fm/e/bfc7d19f\"></iframe>","width":"100%","height":180,"duration":3001,"description":"课程： https://www.superlinear.academy/ai-builders\n社区：https://www.superlinear.academy/c/share-your-projects/\n购书链接：https://www.amazon.com/Growth-Data-Analytics-Playbook-Product-Market/dp/1544549822\n\n在App Store搜索Superlinear Academy，加入AI先行者的大本营\n\n这期视频适合正在做增长、产品、数据分析、数据科学、AI应用，或正在搭建数据驱动团队的人。\n\n围绕《Growth Data Analysis Playbook / 增长数据分析实战手册》的新书发布，Mengying、Joe、Yuzheng 和主持人 Julie 讨论了增长数据分析在真实公司里的作用：它不是单纯做报表、建模型或追指标，而是帮助团队更好地理解用户、做产品决策、验证增长假设，并把经验沉淀成可复用的方法。\n\n视频里聊到几个很实用的问题：为什么产品和增长分析长期缺少系统方法论；PLG 为什么不是“让产品自然增长”；如何用留存、规模和参与度判断产品市场匹配；实验体系应该什么时候建立，为什么覆盖率比实验数量更重要；数据人如何通过叙事和图表推动行动；工程团队怎样真正用上数据；以及 AI 时代数据科学家的角色、能力和职业机会会如何变化。\n\n如果你关心增长、产品分析、实验、PLG、数据团队建设，或正在思考 AI 会怎样改变数据工作，这场对谈会给你一些来自一线实践者的判断和框架。\n\n00:00 开场与嘉宾介绍\n05:54 为什么写《Growth Data Analysis Playbook》\n12:52 PLG 的常见误区：不是自然增长\n14:41 如何量化产品市场匹配\n19:59 实验体系：样本量、覆盖率与基础设施\n22:36 数据严谨性与数据叙事\n26:53 工程团队的数据文化\n29:24 AI 时代的数据工作会怎么变\n35:58 观众 Q&A：职业、PLG 营销、AI Agent 指标","thumbnail_url":"https://img.transistorcdn.com/6qJNndCuNNsETn3J2B9p3Z9vVJEgAowQiCfGrI1qgng/rs:fill:0:0:1/w:400/h:400/q:60/mb:500000/aHR0cHM6Ly9pbWct/dXBsb2FkLXByb2R1/Y3Rpb24udHJhbnNp/c3Rvci5mbS9jYzZl/YWYzMjA5NzJiMDY4/MjIxOGE0ZjYwMzY0/ODQ1ZC5qcGc.webp","thumbnail_width":300,"thumbnail_height":300}