我提供的不是一次性 PPT 或"AI Demo"，而是围绕增长决策基础设施的一条能力链：数据可信 → 实验验证 → 决策工作流 → 受控 Agent 执行 → 效果追踪。
合作按三步推进，从自检开始：
| 步骤 | 形式 | 回答什么 |
|---|
| ① 免费自检 | 广告数据可信度快检（营销买量）· 实验能力自检（实验平台），各约 5 分钟 | 你的数据 / 实验现在处在什么段位、最可能的断点在哪 |
| ② 1v1 诊断 / 团队工作坊 | 提交自检结果后预约，带着结果过一遍真实场景 | 判断痛点真伪、数据基础和切入顺序；工作坊适合先统一团队认知 |
| ③ 诊断冲刺与平台共建 | 确认值得做再进场，两周只读诊断起步，之后按里程碑推进 PoC / 共建 | 正式输出问题地图、优先级矩阵与分阶段建设建议 |
正式进场：增长决策可信度诊断（两周，只读）#
自检和 1v1 确认问题真实后，用两周回答一个问题：当前看到的数据、做过的实验和准备投入的预算 / Agent，到底能不能信？
| 项目 | 内容 |
|---|
| 适合谁 | 对增长结果负责的 CEO / COO、业务负责人、增长负责人、数据负责人；团队已有投放、归因、BI 或产品数据，但口径与决策链路不清晰 |
| 典型触发事件 | 新渠道/新市场扩张；ROI 争议；更换归因/BI；融资或预算会前要解释增长；准备自建或采购实验平台；准备落地 Agent |
| 客户投入 | 3–5 位关键角色访谈、只读数据快照与看板/文档审阅、每周 4–6 小时对接 |
| 两周交付 | 决策可信度评分；数据/指标/归因/实验问题地图；优先级矩阵；分阶段建设建议；一次管理层对齐会 |
| 不做什么 | 不接管投放、不改生产环境、不替客户研发团队做工程交付、不承诺两周修好所有问题 |
采用固定范围、固定输出，不按人天堆量。具体合作方式在问题澄清会后 24 小时给出书面提案。
先做数据快检 →
实验能力自检 →
或查看诊断完整范围
诊断之后，自然升级的路径#
诊断本身不预设继续合作。如果判断成立，常见的下一步有三类；每一类都按里程碑推进、可暂停，不卖人月。
1. 数据治理 / 投放数据底座 PoC（6–12 周）#
- 适合：ROI/ROAS 口径长期对不上、归因链路不清、准备自建或采购 BI / 数据中台的团队
- 交付：指标语义层、关键 ROI 报表、fact/dim/agg 底座、数据合同与变更流程
- 典型场景：多渠道投放数据归集、业务后台与归因平台对账、ROI360 首版
2. 实验体系专项诊断与共建（2 周诊断 + 可选陪跑）#
- 适合：已有实验工具但实验量少、结论不被采用，或正在从互斥桶走向重叠框架、从百级走向千级并发的团队
- 交付：流量域/层切分方案、统计引擎与护栏指标、实验治理 SOP、组织培训
- 可参考的真实锚点：从"有分流"到可规模化实验
3. 单场景决策工作流 / 企业 Agent PoC（4–8 周）#
- 适合：数据底座已经可信、希望在一个真实场景验证 Agent 价值的团队
- 交付：Schema 居中的工作流、分级授权与审批、可审计执行、独立验证与效果闭环
- 边界：Agent 用于监控、分析、建议与受控执行；高风险动作必须有人审批，不追求"全自动增长"
4. 阶段性平台共建（3–6 个月或分阶段）#
- 适合：多团队、多市场、长期增长基础设施升级，已通过诊断或 PoC 验证方向
- 方式：客户负责研发与业务，我负责架构、方法论、关键 PRD 与治理机制；里程碑驱动、可暂停
- 典型方向：营销数据底座、实验平台、决策工作流/企业 Agent、策略产能（规则与信号引擎）
工作原则#
- Read-only first：诊断阶段只读访问，不改生产后台、生产配置。
- Local-first：原始数据优先在客户环境处理，不把敏感数据放进 LLM 上下文。
- 可复跑：诊断脚本、指标口径、数据快照、报告都能被客户团队复现。
- 先诊断再建设：不把复杂问题直接压成一个 dashboard 或一个 Agent。
- 人类保留决策权：Agent 用于监控、分析和建议；高风险操作必须有人审批。
- 共建 > 外包：把方法沉淀进客户团队，避免"交付即失效"。
- 不做代投、不做人月外包、不接没有责任人的项目。
从哪里开始#
- 先做 5 分钟自检 → 广告数据快检（营销买量）或 实验能力自检（实验平台）
- 想了解正式进场做什么 → 增长决策可信度诊断；想看真实锚点 → 从"有分流"到可规模化实验
- 提交自检结果或直接留言，预约 1v1 诊断 / 工作坊 ↓
预约 1v1 诊断 / 团队工作坊#
留下你的情况（最好附上自检结果），我会在 1 个工作日内回复，判断适合 1v1 诊断、团队工作坊，还是已经到了进场做两周诊断冲刺的时候。
如需邮件联系：zanhe@139.com。其他背景与合作边界见 关于展博。
增长决策可信度诊断 这是自检与 1v1 诊断之后的正式进场产品。用两周回答一个问题：当前看到的数据、做过的实验和准备投入的预算 / Agent，到底能不能信？
还不确定要不要进场？先花 5 分钟做 广告数据可信度快检（营销买量）或 实验能力自检（实验平台），提交结果即可预约 1v1 诊断或团队工作坊。
不接管投放、不改生产环境、不替你的研发团队做工程交付。用只读方式，把最影响业务判断的断点找出来，并给出优先级矩阵和分阶段建设建议；具体时间线在对齐会上按你的资源与节奏共同确定。
适合谁 对增长结果负责的 CEO / COO、业务负责人、增长负责人、数据负责人，且团队已经在跑投放、归因、BI 或产品数据，开始遇到下面一类情况：
业务后台、归因平台、BI 看到的是三套数，ROI / ROAS 口径在预算会上反复吵架； 正在加码新渠道或新市场，但历史数据无法判断哪些经验可以复用； 已经在做 A/B 实验，但实验量少、结论没人信、结果互相污染； 准备自建或采购实验平台、BI、数据中台，立项前需要一次外部判断； 团队在尝试 AI Agent，却停留在聊天、报表和 Demo，担心数据底座撑不起自动化； 融资、董事会、年度预算前需要把"增长到底行不行"讲清楚。 如果团队还没有任何数据沉淀、也没有明确的业务负责人，这个诊断可能为时尚早——可以先约 30 分钟聊聊。
两周做什么，不做什么 维度 诊断范围内 诊断不做 数据 指标口径、归因链路、BI 与业务后台差异、关键看板可信度 不重建数据仓库、不改 ETL 实验 实验平台准备度、流量分层、统计可信度、实验治理 不替团队跑实验、不做长期实验运营 决策 从数据到决策到执行到复盘的链路断点 不替业务方做决定、不代投 AI 前置 哪些场景适合 Agent、数据 / 权限 / 审计是否就绪 不直接交付 Agent 产品 工作方式 3–5 位关键角色访谈、只读数据快照、现有文档与看板审阅 不要生产权限、不连生产数据库 客户需要投入：3–5 位关键角色各 1–2 次访谈、只读数据 / 看板 / 文档访问、每周 4–6 小时对接时间。
...
Inhouse UA 数据底座与 UA-Monitor 建设 8-12 周内,把付费投放从"多后台切换 + 三套数据打架"升级为「Inhouse 数据底座 + 通用 ROI 报表 + 盯盘规则引擎 + 优化师 Action List 闭环」的可信增长体系。
Agentic UA 时代,微操价值在快速贬值,数据主权价值在快速升值。
Meta Advantage+ / Google PMax / TikTok Smart+ 已经吃掉了投手 80% 的手动优化空间;与此同时,MMP 从归因工具向数据产品公司演化,任何"部分回传"都在造成数据割裂,任何"全部回传"都在稀释你的议价权。下一步只有一条路:把数据主权握回自己手里。
适合谁 本服务特别适合:
🌍 出海内容 / 电商 / SaaS / 平台型业务的付费投放团队 💰 月消耗 $10 万 - $500 万区间 📊 有稳定投放、有 UA 团队,但数据能力薄弱 🤖 中长期看重数据资产 + 想在 Agentic UA 时代保持议价权 🛡️ 对 MMP 数据依赖度评估存在焦虑,担心数据主权流失 不适合:
❌ 只想外包投放执行的客户(我们不做代投) ❌ 完全不愿开放 read-only 授权的客户(我们无法诊断) ❌ 只想要"一个 dashboard"的客户(我们不做 BI 外包) ❌ 已经有强数据团队,只缺具体 skill 的客户(我们可以给 skill,不需要完整 Phase 1) 典型场景:
...
实验平台搭建与诊断冲刺 2 周内，把你的 A/B 实验从"看看数据"变成"支撑 AI 决策的可信反馈闭环"。
A/B 实验不是一个按钮，也不是一个报表，而是一套让产品、算法、运营和增长团队能持续学习的贝叶斯系统。
尤其关注 AI / Agent 决策是否具备可信反馈闭环 —— 这是下一个十年增长团队的核心基础设施。
适合谁 本服务特别适合：
📈 内容 / 电商 / SaaS 的产品 / 增长 / 算法团队 🔬 日均 DAU 10 万+，正在遇到实验规模瓶颈的团队 🤖 准备引入 AI Agent 决策，但缺乏可信测量体系的团队 典型场景：
“我们的实验结果经常互相矛盾，产品和数据团队吵个不停”
“分流好像有问题，同一个用户进多个组，数据根本不敢信”
“想上 AI 做自动决策，但连 A/B 实验的基线都没打牢”
“实验做了不少，但真正推动产品前进的没几个”
服务周期 🕒 2 周密集诊断 + 4 周陪跑实施（可选）
六维诊断框架 我提供实验平台与增长测量体系的诊断、设计和实施陪跑，覆盖六个核心模块：
模块 诊断对象 核心问题 流量管理与分流能力 分层、分桶、互斥、正交 是否支撑实验规模和复杂度 实验管理与流程规范 创建、审核、发布、回滚、归档 是否有完整生命周期管理 统计分析引擎能力 p-value、置信区间、CUPED、序贯检验 结论是否科学可信 指标体系健康度 北极星指标、护栏指标、长期指标 是否避免短期指标误导 工程架构与稳定性 SDK、配置、日志、容灾 是否稳定可靠 实验文化与组织效能 假设质量、复盘机制、决策习惯 是否真正用实验学习 实验驱动增长的四大场景 场景 目标 衡量方式 用户体验优化 持续优化产品手感与体验 时长、留存、GMV / 完成率 产品特性探索 验证产品方向，降低创新风险 用户需求满足度、功能渗透率 增长与运营效率 产品内与渠道侧双向优化 ROI、渠道生命周期、获客成本 商业化收益 平衡用户体验与变现效率 ARPU、LTV、付费深度 你将拿到什么（核心交付物） 不是空泛的"咨询报告"，而是工程团队拿到就能用的决策文档：
...
增长平台建设咨询 4 周内，把增长团队从「多后台人工看数 + 手工操作」升级为「统一数据底座 + 策略辅助 + AI Agent」的智能增长体系。
优秀的业务专家把时间花在决策上，不是每天切多个后台粘数。
当你的业务方一半时间在做"数据搬运工"，跨职能协作要靠 Excel / 飞书文件夹，财务对账要翻多个系统——你缺的不是人，是平台。
适合谁 本服务特别适合：
🚀 中大型增长团队：多产品线并行，规模化增长诉求明确 👥 5 人以上增长团队：业务方人均管理后台超过 5 个，人效瓶颈明显 🛠️ 已有技术团队但缺产品架构：BI 做了很多报表但没人用，系统越做越乱 🤖 想上 AI Agent 但缺基础底座：不知道从哪里开始智能化转型 典型场景：
“业务方每天切 5 - 8 个平台后台，数据割裂，看数效率极低”
“老 BI 累计了上百张报表，没有统一模型，没人知道该信哪张”
“内容 / 素材管理全靠人工上传打标，跨职能协作成本高到离谱”
“想上 AI 做自动化决策，但连基础的数据打通都没做好”
服务周期 🕒 4 周蓝图设计 + 12 周实施陪跑（可选）
增长平台能力分层模型 我们不做"一步到位"的空中楼阁——从 L1 到 L4，每层都有明确的业务价值：
能力层级 核心功能 业务价值 L1 数据基建 统一数仓、ROI360 看板、内容 / 渠道效果、增长效果 数据打通，看数效率提升 50% L2 智能辅助 Campaign 红绿看板、异常预警、信号体系 问题发现从天级缩短到分钟级 L3 操作工具 跨渠道批量创编、内容 / 素材库、账户财务对账 业务方与创作端人效提升 30% L4 AI Agent 增长 Monitor + 决策 Agent 双轮驱动 80% 日常监控、分析、建议自动化 四大建设抓手 不追求大而全，每个抓手都指向具体的业务结果：
...
增长数据诊断冲刺 2 周内，把你的增长数据从"去后台看数"升级为"数据可信 + 效率可测 + 归因清晰 + 决策可复现"的增长系统。
90% 的增长决策问题，不是团队不够努力，而是数据本身就不全面、不可信。
ROI 算不准、归因有坑、老板和团队对不上数——这些根本不是"再招两个人"能解决的问题。
适合谁 本服务特别适合：
🚀 成长期内容 / 电商 / SaaS 团队：数据散、ROI 不稳、扩量困难 📊 中小型增长团队：业务方依赖后台和经验，缺统一看板 📈 已有自研 BI 的成熟团队：老板、业务、BI 对 ROI 口径争议大 🎯 准备规模化增长投入的新项目：需要确认数据、事件、归因和看板基础是否可靠 典型场景：
“业务后台、数据平台、BI 三套数据，ROI 差 30%，不知道信谁”
“钱花出去了，但不知道哪条渠道 / 哪个动作真正带来价值”
“归因链路一升级，老经验就不管用”
“业务同学每天盯多个后台，人效极低，还经常漏异常”
服务周期 🕒 2 周数据诊断 + 4 周落地陪跑（可选）
我们要回答的四个核心问题 问题 本质 为什么重要 数据准不准 可信度基线 数据错了，所有决策都是错的 钱花得好不好 效率诊断 找到预算浪费，释放 20 - 30% 的增长空间 归因链路有没有坑 基础建设 事件、归因、上报、聚合环环相扣，一个环节错全错 团队能否持续决策 组织能力 从"人盯数"变成"数找人" 诊断范围全覆盖 不只是看某个后台的数据，而是全链路端到端扫描：
...