隨著數(shù)據(jù)分析這兩年的火熱，作為產(chǎn)品/運營不懂點數(shù)據(jù)分析，特別是在供需市場趨于平衡甚至過于飽和的情況下，如何讓自己的產(chǎn)品脫穎而出，獲得更大的用戶增長？如何做好一次運營活動？......

最近在學習一些數(shù)據(jù)分析方法，結(jié)合自己的一些心得，梳理出以下數(shù)據(jù)分析文章，讀完本文大概需要8-10分鐘。

一、什么是數(shù)據(jù)分析？

數(shù)據(jù)分析是指用適當?shù)慕y(tǒng)計方法對收集來的數(shù)據(jù)進行分析，以求最大化的發(fā)揮數(shù)據(jù)的價值。數(shù)據(jù)如同金錢一樣，本身并沒有太多的價值，而正是由于使用分析方法的存在，利用分析方法來得出一定的結(jié)論與發(fā)現(xiàn)問題，從而挖掘其巨大的價值。

二、為什么數(shù)據(jù)分析？

很多時候，VC投資需要看數(shù)據(jù)，做投資決策；公司產(chǎn)品/運營需要做迭代的依據(jù)... 數(shù)據(jù)需求的可能會來自多個方面，總體而言，數(shù)據(jù)分析的原因主要有以下四種：

1.驅(qū)動產(chǎn)品迭代：
用戶使用產(chǎn)品的真實軌跡是怎樣的？為什么他們會這么做，有沒有更簡便的流程，以幫助我們作出優(yōu)化決策？也可以分析產(chǎn)品過往的數(shù)據(jù)，來洞悉問題，驅(qū)動有目標的產(chǎn)品迭代。

2.深度需求分析
對用戶所處馬斯諾幾個層面的需求，用數(shù)據(jù)來支撐；對交互需求，用數(shù)據(jù)佐證；對公司層面的需求，通過數(shù)據(jù)驗證合理性。

3.驅(qū)動運營決策：
產(chǎn)品新功能上線后效果怎么樣？新功能的用戶活躍度、用戶留存率的變化？A方案和B方案哪個更好？諸如此類的問題，評判一個問題的好壞，比較可靠的恐怕就是數(shù)據(jù)了。感性的定義很多時候往往會產(chǎn)生大量的不必要的爭執(zhí)。

4.決策商業(yè)機會：
針對商業(yè)機會的評估，必要的需求調(diào)研及市場調(diào)研顯得尤為關(guān)鍵。一個新市場是否值得介入？一個新項目是否值得投資？是否可以收購某公司等等？

三、如何數(shù)據(jù)分析？

viri.png

1、數(shù)據(jù)采集：

原則1：全量而非抽樣

采集多種數(shù)據(jù)來源，前端與后端、業(yè)務(wù)數(shù)據(jù)庫的全面采集。前端有網(wǎng)頁端與APP客戶端等，后端采集用來補充前端行為事件所無法采集到的數(shù)據(jù)。

原則2：多維細分

針對客戶行為事件實現(xiàn)5W1H的全面細化，將行為中的什么人、什么時候、從哪里、什么原因、什么事情、如何做的行為軌跡全面記錄下來，并進行細化，人（who）可以從注冊賬號、性別、年齡、個人成長階段等細分；時間(when)可以從起始時間、結(jié)束時間等細分；從哪里(where)可以從IP、位置信息、運營商、OS、機型、IMEI、網(wǎng)絡(luò)接入方式（2G/3G/4G/WIFI）等細分；原因(why)可以從愛好、需求層級等細分；事情(what)可以從主題、步驟等細分。行為事件與維度的結(jié)合，就能得出需要的指標，比如用戶在什么地域下的訂單......

目前數(shù)據(jù)采集（埋點）方式主要有三種：

• 第一種：使用第三方統(tǒng)計分析標準SDK接入到應(yīng)用中
• 第二種：使用無埋點方式
• 第三種：自己開發(fā)，精細化運營與產(chǎn)品決策

2、數(shù)據(jù)建模：

搭建數(shù)據(jù)指標模型大致要考慮以下三大要素：

a.打通行為數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)；
b.回歸關(guān)鍵數(shù)據(jù)指標
c.多維度考慮數(shù)據(jù)可行性

• 第一關(guān)鍵指標方法

找出第一關(guān)鍵重要指標，然后衍生于子指標，比如：電商銷售額
如果你想提升銷售額，要么提升買家數(shù)，要么提升客單價。
銷售額=買家數(shù)x客單價
銷售額=流量x轉(zhuǎn)化率x客單價
在到達商品詳情頁中，這個還可以衍生為：
銷售量=商詳uv x 下單率 x 付款率x客單價
銷售量= 活動展現(xiàn) x 活動轉(zhuǎn)化率x 下單率x付款率x客單價

• 各階段指標側(cè)重：

各階段.png

• MVP階段（驗證）：驗證可行性與以用戶留存率為目標，定性分析，這個階段本身并沒有多少數(shù)據(jù)可言（數(shù)據(jù)型產(chǎn)品）除外。

• 增長階段（跨越鴻溝）：大多數(shù)公司都沒能到這個階段，增長階段的數(shù)據(jù)分析需要適當?shù)娜?yīng)相應(yīng)的數(shù)據(jù)產(chǎn)品分析師，或者使用更深度的數(shù)據(jù)工具來做相應(yīng)的決策?？梢苑譃閮蓚€層面
  1.留存階段，主要以留存率為指標（次日留存、7日留存、15日留存、30日留存率等）；
  2.引薦階段，主要考慮病毒系數(shù)與病毒周期：平均一個用戶能帶來多少個新用戶。所以當病毒系數(shù)大于1時，信息將會不斷擴散，而總傳播人數(shù)是發(fā)散的。相反，當病毒系數(shù)小于1時，總傳播人數(shù)是收斂的，以及NPS（凈推薦值）。

• 平臺期（激活轉(zhuǎn)化）：有專門的數(shù)據(jù)分析師、工程師，團隊對數(shù)據(jù)分析更加深入。主要關(guān)注的是平臺用戶的活躍度、轉(zhuǎn)化率，使得度過平臺期迎來下一個增長期。

• 變現(xiàn)期:營收成本、用戶激活召回、LTV、CAC、渠道分析等指標

3、數(shù)據(jù)分析：
分析方法：有效的數(shù)據(jù)分析方法能夠深度挖掘數(shù)據(jù)的價值，常見的數(shù)據(jù)分析法與模型有用戶分群、A/B測試、多維事件分析、漏斗分析、AARRR分析等等

這里主要以漏斗分析法、AARRR分析模型、A/B測試、多維事件分析為例展開：

● 漏斗分析法

分析從潛在用戶到最終轉(zhuǎn)化用戶這個過程中用戶數(shù)量的變化趨勢，從而尋找到最佳的優(yōu)化空間，這個方法被普遍用于產(chǎn)品運營的各個關(guān)鍵流程分析中。

何為用戶轉(zhuǎn)化漏斗，就是你的業(yè)務(wù)是如何一步步將一個用戶轉(zhuǎn)化過來。比如：

活動：活動展示—>點擊詳情—>轉(zhuǎn)化
約妹子：搭訕—>約會—>牽手->......

經(jīng)過的每個階段，都可以拆為好幾個子階段。而每一個階段都會有用戶流失、用戶留存下來。對漏斗的每一個環(huán)節(jié)準確地記錄數(shù)據(jù)，以便分析和優(yōu)化各個環(huán)節(jié)的轉(zhuǎn)化率，是數(shù)據(jù)化運營的基礎(chǔ)設(shè)施。

比如一個電商的活動頁，它的漏斗模型應(yīng)該是這樣的：

下單率.png

從瀏覽活動頁面到詳情頁的轉(zhuǎn)化率是50%，在詳情頁下單的下單率是10%，最終下單到付款的轉(zhuǎn)化率是40%。

有這么個漏斗，我們就可以分析每個環(huán)節(jié)代表了什么，該如何去改善：

活動頁—>詳情頁uv：頁面上的內(nèi)容是否醒目，商品是否是用戶喜歡的，需根據(jù)頁面點擊情況及時替換點擊效果差的商品。
詳情頁uv—>下單人數(shù)：詳情頁是否吸引人，頁面加載速度是否有影響，是否需要將商品重新排序。
下單人數(shù)—>付款人數(shù)：是否支付引導(dǎo)差，支付工具是否有故障，是否低于業(yè)內(nèi)平均指標。

另外，在同一個系統(tǒng)內(nèi)部，也需要做轉(zhuǎn)化率進行對比，比如本月與上月，本周與上周，增加了還是減少了，這樣才能得出更為準確的結(jié)論與發(fā)現(xiàn)問題。

● AARRR模型

AARRR（Acquisition、Activation、Retention、Revenue、Refer）是硅谷的一個風險投資人戴維 · 麥克魯爾在2008年時創(chuàng)建的，分別是指獲取、激活、留存、收入和推薦。

AARRR.png

以下例子中渠道A與渠道B哪一個更優(yōu)？

比如游戲AARRR各階段指標
1.A（How do users find us?）
DNU(日新注冊且登陸用戶數(shù))、推廣渠道監(jiān)測（成本、流量）
2.A（Do users have a great first experience?）
DAU（每日登陸過游戲用戶數(shù)）、日均使用時長、道具關(guān)聯(lián)分析模型
3.R（Do users come back?）
留存率（次日留存、7日留存、21日留存、30留存）、流失率、流失預(yù)警分析模型
4.R（How do you make money?）
PR（付費率）、 ARPU（平均每用戶收入）、ARPPU（平均每付費用戶收入））、LTV（生命周期價值）
5.R（Do users tell others?）
K-factor、NPS等

● A/B測試

A/B測試就是通過數(shù)據(jù)支撐，不同渠道、不同人群、最終選定方案。

A/B測試需要有一定的數(shù)據(jù)支撐，建立準確性與效率高的框架，比如針對不同渠道、用戶分群發(fā)布、灰度發(fā)布等來得出合適方案,這里不加以展開.

AB測.png

● 多維事件分析法

多維事件分析，從多個角度細分數(shù)據(jù)，從中發(fā)現(xiàn)數(shù)據(jù)變化的具體原因。行為事件與維度的結(jié)合可以得到數(shù)據(jù)指標，比如在電商應(yīng)用中：
行為事件（1H）：搜索商品、點擊商品詳情、提交訂單、支付訂單、售后服務(wù)等等都是一系列事件
維度(5W)：人（who）可以從姓名、性別、年齡；時間(when)可以從停留時間、下單事件、付款事件、到貨時間等細分；從哪里(where)可以從IP、城市、運營商、OS、機型、IMEI、網(wǎng)絡(luò)接入方式（2G/3G/4G/WIFI）等細分；原因(why)可原因(why)可以從愛好、需求層級等細分；事情(what)可以從主題、步驟等細分。
兩者結(jié)合就可以得出多維度指標，比如用戶在哪個區(qū)域下訂單，從什么渠道過來的，過去一段事件支付訂單款項多少等等......

四、數(shù)據(jù)不是萬能的

數(shù)據(jù)雖然不可或缺，但也不是萬能的，比如在產(chǎn)品創(chuàng)新方向上很難獲得驅(qū)動，在長期的用戶反饋上很難獲得數(shù)據(jù)的足夠判斷，那么真正能驅(qū)動一款產(chǎn)品的用戶快速增長，靠的都是什么方法呢？

驗證.png

- 做真正有意義的產(chǎn)品

市場上很大一部分產(chǎn)品都是意義不大的，尤其在這個存量過于飽和的市場下，要獲得用戶的快速增長，還是應(yīng)該回到產(chǎn)品的核心上來，創(chuàng)造真正有價值的東西，輔以數(shù)據(jù)驅(qū)動，這樣的結(jié)合可能能獲得更大的增長。

- 塑造品牌價值
對核心用戶尤其要重點塑造品牌觀念，在傳統(tǒng)行業(yè)中，眾多企業(yè)做品牌的重視度高于互聯(lián)網(wǎng)行業(yè)的企業(yè)，而在互聯(lián)網(wǎng)確是常常不被重視的，與本身的燥熱有很大關(guān)系，也許我們可以看看健身應(yīng)用Keep的slogan與品牌塑造案例里面學習到更多的東西。

- 利用增長黑客技術(shù)
在《增長黑客》這本書里面，談到了很多增長黑客技術(shù)增長的案例，如何低成本的獲得用戶增長等等。

五、最后推薦一些國內(nèi)外的統(tǒng)計分析工具與數(shù)據(jù)分析書籍

8款國內(nèi)數(shù)據(jù)分析工具

國內(nèi)的數(shù)據(jù)分析工具大多由小部分免費功能+高級的收費功能服務(wù)相結(jié)合。

1、友盟 （https://www.umeng.com/）
2、Growing IO（無埋點 https://www.growingio.com/）
3、神策數(shù)據(jù)分析（https://www.sensorsdata.cn/）
4、TalkingData（http://www.talkingdata.com/）
5、 諸葛iO（https://zhugeio.com/）
6、 百度移動統(tǒng)計（https://mtj.baidu.com/web/welcome/login）
7、 ASO100（http://aso100.com/）
8、 蟬大師（http://www.ddashi.com/）

8款國外數(shù)據(jù)分析工具

1、Google Analytics
2、Flurry Analytics (免費)-更好的了解用戶群體
3、Crashlytics-Crash分析工具
4、亞馬遜移動分析 (免費)
5、Tap stream (免費)-生命周期的分析
6、Followapps – App精細化分析平臺
7、App Annie
8、Claritics – App BI數(shù)據(jù)分析

** 數(shù)據(jù)分析入門書籍推薦**

? 《Head First Statistics》：深入淺出統(tǒng)計學
? 《精益數(shù)據(jù)分析》
? 《數(shù)據(jù)之魅-基于開源工具的數(shù)據(jù)分析》
? 《數(shù)據(jù)挖掘-市場營銷、銷售與客戶關(guān)系管理領(lǐng)域應(yīng)用》
? 《R語言實戰(zhàn)》