Growth Hacking

Growth Hacking im Überblick

Growth Hacking kombiniert Marketing, Produkt und Daten, um Wachstum systematisch zu testen. Statt nur großer Kampagnen werden viele kleinere Experimente durchgeführt, gemessen und bei Erfolg skaliert.

Bekannte Growth-Hack-Muster:

Der Growth-Prozess:

1. Analysieren: Wo ist der Engpass im Funnel?
2. Hypothese: "Wenn wir X ändern, sollte sich Y verbessern"
3. Experiment: Schnell umsetzen und testen
4. Messen: Hat es funktioniert?
5. Lernen: Was haben wir gelernt?
6. Skalieren oder Pivoten

Technisch betrachtet

AARRR-Framework (Pirate Metrics)

Acquisition  → Wie kommen Nutzer?
Activation   → Haben sie ein gutes erstes Erlebnis?
Retention    → Kommen sie zurück?
Revenue      → Zahlen sie?
Referral     → Empfehlen sie uns weiter?

Für jede Stufe: Metriken definieren, Experimente fahren

Experiment-Tracking

class GrowthExperiment:
    def __init__(self, name, hypothesis, metric, target_lift):
        self.name = name
        self.hypothesis = hypothesis
        self.metric = metric
        self.target_lift = target_lift
        self.status = "planned"
        self.results = None
    
    def run(self, control_group, test_group, duration_days):
        # Experiment durchführen
        self.status = "running"
        
        # Nach Ablauf
        control_result = measure(control_group, self.metric)
        test_result = measure(test_group, self.metric)
        
        lift = (test_result - control_result) / control_result
        significant = calculate_significance(control_result, test_result)
        
        self.results = {
            "lift": lift,
            "significant": significant,
            "winner": "test" if lift > 0 and significant else "control"
        }
        
        self.status = "completed"
        return self.results

Viral Coefficient

def calculate_viral_coefficient(invites_sent, invites_accepted):
    """
    K-Faktor: Wie viele neue Nutzer bringt ein Nutzer?
    K > 1 kann auf selbstverstärkendes Wachstum hinweisen
    """
    k = invites_sent * (invites_accepted / invites_sent)
    return k

# Beispiel mit variablen Annahmen
k = calculate_viral_coefficient(
    invites_sent=avg_invites_sent,
    invites_accepted=acceptance_rate
)
# k einordnen und mit Retention, Aktivierung und Kanalqualität kombinieren

Growth-Experiment-Ideen