Growth Hacking

Einfach erklärt

Growth Hacking kombiniert Marketing, Produkt und Daten für schnelles Wachstum. Statt großer Kampagnen: viele kleine Experimente, messen was funktioniert, skalieren was klappt.

Berühmte Growth Hacks:

Unternehmen	Hack	Ergebnis
Dropbox	Referral: 500MB für Einladungen	3900% Wachstum
Hotmail	”PS: I love you” Signatur	12M Nutzer in 18 Monaten
Airbnb	Craigslist-Integration	Massive Reichweite
LinkedIn	”Wer hat mein Profil besucht?”	Engagement-Boost

Der Growth-Prozess:

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

Technischer Deep Dive

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 = virales Wachstum
    """
    k = invites_sent * (invites_accepted / invites_sent)
    return k

# Beispiel
k = calculate_viral_coefficient(
    invites_sent=5,      # Jeder Nutzer lädt 5 ein
    invites_accepted=0.3  # 30% akzeptieren
)
# k = 1.5 → Virales Wachstum!

Growth-Experiment-Ideen

Bereich	Experiment
Acquisition	Neue Kanäle, SEO, Referral-Programm
Activation	Onboarding optimieren, Time-to-Value reduzieren
Retention	E-Mail-Sequenzen, Push-Notifications, Features
Revenue	Pricing-Tests, Upselling, Paywalls
Referral	Incentives, Social Sharing, Viral Loops