全文共 5319 个字，建议阅读 10 分钟
数据分析并不是简单的数字罗列和图表制作，而是需要一种结构化的思维方式。这意味着我们需要从以下几个方面入手：- 业务流程梳理：清晰地了解业务流程是分析的基础，只有知道了业务是如何运转的，才能更好地理解数据背后的故事。
- 用户路径梳理：了解用户是如何一步步成为忠实顾客的，这涉及到用户的情绪体验地图和决策心理分析。
- 搭建数据指标体系：为了量化业务成果，需要建立一套完整的数据指标体系，包括用户分层和数据标签。
- 数据对业务的价值：通过数据预估模型来预测未来的趋势，并通过数据采集和埋点来获取关键数据。
在数字化时代，用户增长是企业发展的重要驱动力。而数据分析，则是实现用户增长的关键所在。那么，如何深入剖析数据，制定有效的用户增长策略，是摆在面前的重要课题。
传统营销的第一步，是占领用户的心智，增长用户的品牌认知。以前所有的大规模广告、电视、报纸、还是门户网站，都要占领用户的心智。第二步，要增加用户的兴趣。第三步，用户就开始评估了：在这么多品牌、这么多产品里面到底该买哪个。第四步，购买及交易。接下来有一部分购买完的用户会变成忠诚用户，进而向其他用户推荐。这是传统、经典的漏斗模型，这种思维不是成长型的思维，是一种收敛型的思维，是一种漏斗型的思维，每步之间是一种除法的关系。今天，我们希望能引入一种全新的思维，一种成长思维。这个思维很简单，是一个金字塔的思维。大家回顾一下这个成长型的思维，它是从一个核心价值点开始培养我们的忠诚的用户群，然后通过增加第一次的用户体验，不断的培养更多的核心用户群。接着让这些有第一次体验的用户反复回来体验我们的产品，形成习惯以后，找到那些有主动使用这些产品的意愿的用户，对他们进行精准营销和服务。全新的增长思维是以优质的产品和服务为基础的。第一阶段，我们一定要用技术，用产品来驱动我们最早期的核心增长。第二阶段，我们可以进入以效果营销驱动增长的阶段。第二阶段我们最需要专注的一点，就是成本和收益之间的关系；如果你的成本大于收益，这样的增长是一种恶性增长，这样的企业一定垮掉。阶段一：问题/解决方案匹配期，主要是调研客户的需求。第二阶段，最小可行性产品时期，寻求若干种最小化产品的建立方法。第三阶段，产品和市场匹配期，提升用户的黏度和体验。第四阶段，渠道和产品匹配时期，对高优先级的渠道进行大规模的投入。数据驱动增长的方法论由4步组成，依次是：确立优先级、设置目标SMART、拆解和执行、效果评估。面对复杂多变的市场竞争环境，如何快速准确找到合适的增长突破口至关重要，确立优先级是增长的第一步。模型6和模型7会具体介绍如何确立增长执行的优先级。接下来如何设置增长目标和具体的数据指标，我们推荐模型8SMART原则和模型9OSM模型。再接下来就是拆解增长任务并执行，执行之后进行效果评估和优化，这个时候我们推荐在硅谷非常流行的精益学习引擎模型（模型10）。在众多产品线/产品功能中，哪一个是你企业/产品核心竞争优势？在新开设的产品线/产品功能时，又如何找到自己的差异化竞争优势？“价值-客户满意度”的九宫格模型是一种非常好的参考。数字1、2、3分别代表低、中、高三种程度，3.2则意味着相比于行业我们的业务/产品提供了更高的价值，但是客户满意度和行业一样。右上角3.3意味着更高的价值、更高的客户满意度，这是我们核心的竞争优势。在众多增长选项中，如何选择一个最优的增长方向，这就涉及优先级排序问题。增长黑客之父Sean Ellis 曾提出ICE框架，分别Impact（影响力）、Confidence（自信心）、Ease（难易度）三个角度去打分，然后进行项目优先级排序。其本质是基于“投入-产出”的ROI决策框架。在下面的模型中，数字1-9依次代表项目的优先级，1最高，9最低。在资源有限的情况下，我们可以按照1-9的顺序依次展开增长试验。如何选择具体的增长指标，SMART原则是一个非常有用的模型。SMART是具体的、可衡量的、可达成的、和大目标相关的、时效性等5个单词的首字母组合，根据这5个原则可以找出合理的增长指标。以用户数量为例，“日活跃用户数”指标显然比“注册用户”这个指标更聚焦、更有商业指导意义。以互联网理财产品为例，“累计投资金额”显然比“投资用户数”更有意义。指标从来都不单单只是数字，它代表管理层对用户的价值和公司成功关系之间的理解，也会指导每个基层员工在日常工作的一次次决策和执行。选取正确的增长指标对于公司的成功具有战略意义。OSM模型是选择企业核心增长指标的方法论，它将这一选择过程总结为3大步骤。第一步，确认公司业务/产品功能存在的业务目标（Objective）；第二步，确认了达成上述业务目标所采取的业务策略(Strategy)；第三步，选择合理的度量指标来衡量策略的有效性、反映业务目标的达成情况。OSM模型从业务需求出发搭建KPI指标体系，层层拆解落实。业务目标是一级一级传承的，你需要跟你的上级确认你的核心业务目标；然后和你的业务单元格负责人讨论业务策略，最后和分析师确认具体度量指标的选择。“学习引擎”是《精益创业》一书提倡的精益化运营方式，在硅谷被大小企业广泛采纳。当我们有一个想法的时候，可以采用最小可行性产品(MVP)的方式将其构建(Build)出来，产品上线后，我们要衡量(Measure)用户和市场的反应。通过分析收集到的数据，我们可以验证或者推翻我们之前的想法，从而不断学习(Learn)和优化。LinkedIn最新的增长团队目前有一百多人，划分为3个大组，分别是核心增长、国际化和数据产品，每个组都有自己的核心任务。国际化部门负责人最大程度地获取新兴市场的用户，核心增长部门负责用户的成长，数据产品部门提供量化支持：各个部门各司其职又相互配合，共同推动LinkedIn的快速增长。团队成员多样化是Facebook增长团队的一个重要特征！Facebook的增长团队里面什么人都有，有做数据分析的，有产品经理，有做技术的，有一天到晚想各种用户增长策略的，从搜索引擎优化(SEO)、App Store 排名优化到决定进入中国市场，这都是这个增长团队做的决策。收购团队也在增长团队里，Facebook收购Instagram的项目就是由该团队完成的。Facebook的增长团队负责人直接汇报给扎克伯格。点融网的增长团队架构和Facebook比较类似，由产品副总裁担任增长负责人。增长策略组(Growth Strategy)主要负责指标拆解工作，他们会在增长团队中担任整体协调角色。增长服务(Growth Service)团队的使命是开发、搭建所有服务产品，比如用户肖像系统、数据跟踪系统、短信触发平台等。核心增长(Core Growth)是一个最大的执行团队，他们会将所有的预测结果、增长思路等落地到产品里面。运营(Operations)部门通过一些日常的运营、推广手段维护和增长。特别工作组(Taskforce)类似特工队一样，在某些创新担忧风险的领域，点融网会视情抽出一个小团队去做尝试性探索。用户是大数据的来源也是大数据最终要服务的终点。在这套框架中，数据分析的基本框架向下延伸，最基础从Customers（用户）开始，也是用户结束。在实践中还发现，在这个大数据分析框架中，也是贴近底层占用的时间越多，而框架顶端的决策耗时却很短；从价值频率来讲，顶端低频次、高价值，底层是高频次、低价值。因此，大数据技术的一个重要发展方向是，效率低的部分实现全方位自动化，并实现一站式的大数据服务。增长需要一个过程，它的框架其实是非常简单的；这个方法论也已经很多年了。首先我们需要一个明确的目标，这个非常重要。这个是非常重要的。接着根据目标去分析我们面临的情况，我们到底存在哪些问题。然后提出我们的想法，可以解决我们面临问题的想法或者实现目标的想法。紧接着排列一个优先级，先测试哪个想法、后测试哪个想法。最后开始测试，通过试验来验证或者推翻我们的想法。然后开始新一轮的分析、假设、俳优、测试，在不断优化中实现增长。GrowingIO首推“采-看-想-做”的用户行为数据分析流程，将数据采集、数据监控、数据分析、数据运营系统化的串联起来，形成精细化运营的闭环。漏斗形需要无限的解构。首先我们要明确用漏洞解决什么问题，在基础上充分解构这个漏斗。从A到R的转化问题，我们可以把A再拆开，拆成A1、A2、A3，再看哪一步是主要问题，假设是A2，再把A2拆开，再看其中的主要问题。下面展示了APP push的整个漏斗过程，可以拆解为3大步10小步。最理想的状态是，我们能解构到唯一变量的颗粒度。然后我们就能够精准定位并且解决这个问题，带来用户增长。如果我们用的漏斗是一个很粗略的漏斗，是无法解决问题的。需要一步步解构、定位问题，然后去解决，这样才能带来有效的用户增长。增长团队负责人按照MVG（最小化增长试验）来设计核心增长团队的组织架构。一个个小的MVG之间是有关联的，通过MVG的关联将团队的人连在一起。MVG可以帮助增长团队的每个人明确自己的工作，从而实现团队增长效果最大化。点融网将增长的方法论分为“定义增长-最小化-衡量-最大化”四个步骤，通过增长团队的快速迭代和试验来驱动增长。当你的核心指标确认之后，你需要问自己一些关于用户行为的基础问题来定义增长渠道。比如用户是否通过搜索来寻找解决方案？如果答案是肯定的，那么SEM/SEO就是很好的渠道。对于LinkedIn来说，搜索引擎就是很大的一个渠道。因为在LinkedIn,你很容易找到在各个专业领域很有建树的人，所以人们会通过SEO搜索相关的人，然后进入到LinkedIn网站。再比如，用户是否通过口口相传的方式分享你的产品？这个问题会决定你是否需要花时间、精力在病毒传播和推荐上，如果用户有分享你产品的意愿，那么你需要尽可能地让用户的分享体验更流畅。当然，以上这些问题不能代表全部，但是它们代表了一种寻找增长渠道的思路。对于任何一个增长试验，我们都可以通过象限来衡量；它通用性强，而且简单易懂。最重要的是，一个象限图可提现三个指标，因此能体现任何一个MVG的三个核心增长指标，可以用于所有人的工作汇报。下面这张图，就是获客渠道推广的绩效衡量。横轴体现的是渠道的ROI，纵轴单位获客成本，圆圈的大小表示收入规模。通过这张图，你可以非常迅速地看到每个渠道的效果。显然，越往右下角的渠道越好，因为获客成本低、ROI高。我们当然希望所有的圆圈都在右下角，但是最初投放的时候是不可能的。我们要做的事情就是通过优化，让所有的圆圈都往右下角挪动，每一个增长试验其实做的都是这种事情。AARRR模型和业务活动，关键指标对应，形成系统的用户增长数据分析体系。以拉新为例，拉新对应企业的营销活动，落实关键指标上，包括但不限于新访问用户量、跳出率、来源等。1. 明确业务目标
明确业务目标是构建数据增长体系的第一步，也是最为关键的一步。首先，企业需要确定其核心的商业目的，这可能是提高总体销售额（GMV），扩大市场份额，或是提升品牌知名度等。一旦确定了总体目标，就需要将其细化为可操作的小目标。例如：
新用户获取：针对GMV增长，可以设定新用户获取的目标，如每月增加新用户数或新用户占比。
老用户激活：提高老用户的活跃度和复购率，设定具体的激活指标，如每月活跃用户数或重复购买率。
用户留存：确保用户在一定周期内的留存率，减少用户流失。这些小目标应具体、可量化，并与总体目标保持一致。
2. 构建数据指标体系
在明确了业务目标之后，接下来是构建一套完整的数据指标体系，用以衡量目标的实现程度。数据指标体系应包括：
关键结果指标（KPIs）：直接反映业务目标实现情况的指标，如GMV、订单量等。
过程指标：追踪业务过程中的关键环节，如UV（独立访客数）、PV（页面浏览量）、转化率等。
辅助指标：提供额外信息，帮助理解数据背后的原因，如用户行为数据、市场趋势数据等。每个指标都应设定合理的基准值和目标值，以便于后续的数据分析。
3. 数据采集
数据采集是获取所需数据的过程，其方法多样，包括：
手动统计：通过人工方式记录数据，适用于数据量小或特定场景。
数据埋点：在网站或应用中植入代码，自动收集用户行为数据。
第三方统计工具：使用Google Analytics、百度统计等专业工具，可以更高效地收集和分析数据。确保数据采集的准确性和完整性对于后续分析至关重要。
4. 数据分析
数据分析是对采集到的数据进行处理和解读的过程，数据分析应遵循逻辑和系统的方法，如使用A/B测试、多变量测试等，以验证优化方案的有效性。其目的是：
还没有评论，来说两句吧...