作者：許金坤
來源：GrowingIO（ID：GrowingIO）
本文為作者授權鳥哥筆記發(fā)布，轉載請聯(lián)系作者并注明出處。
數據分析作為運營人員必備的核心技能，對職業(yè)發(fā)展起著尤為重要的作用。本文將基于基于業(yè)務場景，分享幾種基礎的數據分析框架和方法，系統(tǒng)化的進行數據分析。
無論是產品、還是運營，都需要具備良好的數據分析能力，對用戶行為數據和業(yè)務數據，進行分析、評估甚至預測。本文通過分享三種常見的數據分析框架，幫助我們更系統(tǒng)的進行數據分析，發(fā)現并解決產品暴露出的問題，從而更高效的完成工作。
一、用戶行為分析
1. 事件分析
事件：通過埋點，高效追蹤用戶行為或業(yè)務的過程。注冊、啟動、登錄、點擊等，都是常見的事件。例如下圖，展示出某日的注冊事件。
通過事件分析我們可以準確了解 App 內發(fā)生的事件量，根據產品特性合理配置追蹤，可以輕松回答關于變化趨勢、分維度對比等問題，例如：
某個時間段推廣頁面點擊量有多少，對比昨日有多少提升？
某個渠道的累計注冊數是多少，第一季度排名前十的注冊渠道有哪些？
某個活動頁的uv分時走勢，安卓和 iOS 占比情況如何？
2. 漏斗分析
漏斗模型：分析一個多步驟過程中，每一步的轉化與流失情況。以互聯(lián)網金融-理財端為例，新用戶在首次投資會經過如下步驟過程：
注冊成功
實名認證
充值成功
投資成功
我們可以通過漏斗分析整體的轉化情況，以及每一步轉化量、流失量、轉化/流失率。
在漏斗模型中清晰 3 個基本概念，可以借助強大的篩選和分組功能進行深度分析。
步驟：指的用戶行為，由事件加篩選條件組成
時間范圍：漏斗第一步驟發(fā)生的時間范圍
轉化周期：用戶完成漏斗的時間限制，漏斗只統(tǒng)計這個時間范圍內，用戶從第一步到最后一步的轉化。
如上圖表示：2018 年 3 月份，注冊成功的 27 萬名用戶，在 7 天內投資成功的轉化與流失情況。
這里漏斗分析與事件分析不同的地方在于：漏斗分析是基于用戶，或是說基于人來統(tǒng)計某一批用戶所發(fā)生的行為，不會受到歷史瀏覽頁面用戶的事件影響，可以更加準確的暴露某一時間段產品存在的問題。
通過漏斗模型及時發(fā)現問題：我們通過建立了注冊轉化漏斗，度量每一步的轉化率和整體的注冊轉化率，通過時間維度來監(jiān)控每一步和整體轉化率的趨勢。
例如：4 月 12 日發(fā)現輸入圖形驗證碼這一步轉化率有明顯異常，于是緊急通知技術同事排查，發(fā)現圖形驗證碼功能失效，導致大量用戶無法顯示。緊急修復后，轉化率回到之前的水平。所以，通過對每一步漏斗轉化率的監(jiān)控分析，可以及時發(fā)現問題，及時止損。
（數妹按：我們上線了更強大的漏斗功能，還可以直接在漏斗中將未轉化成功的用戶下鉆分群，定向推送召回！）
3. 留存分析
留存用戶：即用戶發(fā)生初始行為一段時間后，發(fā)生了目標行為，即認定該用戶為留存用戶。
留存行為：某個目標用戶完成了起始行為之后，在后續(xù)日期完成了特定留存行為，則留存人數 +1
留存率：是指發(fā)生“留存行為用戶”占發(fā)生“初始行為用戶”的比例。常見指標有次日留存率、七日留存率、次月留存率等。
留存表：留存表中給出了目標用戶的留存詳情，主要包括以下幾個信息：
目標用戶：每天完成起始行為的目標用戶量，是留存用戶的基數；
留存用戶：發(fā)生留存行為的留存用戶量和留存率
留存曲線圖：留存曲線圖可以觀測隨著時間推移，用戶留存率的衰減情況。
以電商為例，我們觀察運營策略優(yōu)化/產品改版，是否會影響用戶的購買行為。此時我們可以將用戶行為分為：
初始行為：注冊
留存行為：支付訂單
然后根據客戶注冊的時間按周進行分組，得到同期群，制作留存曲線圖，觀察該群體用戶發(fā)生購買的 30 日留存。通過比較不同的同期群，可以獲知新用戶購買率指標是否在提升。
留存行為一般都與我們的目標有強相關性。我們在進行留存分析時，一定要根據自身業(yè)務的實際需要，確定高價值的留存行為才能能對產品的優(yōu)化提供指導性建議。
二、AARRR 模型
AARRR 模型是一套適用于移動 App 的分析框架，又稱海盜指標，是“增長黑客”中驅動用戶增長的核心模型。AARRR 模型把用戶行為指標分為了 5 大類，分別為：獲取用戶，激發(fā)活躍，提高留存，增加收入和病毒傳播。
從用戶獲取到病毒傳播，每個環(huán)節(jié)都有重要的指標需要我們去關注，通過 AARRR 模型系統(tǒng)化的拆解 5 大類目用戶行為，可以讓我們更清晰的知道每個環(huán)節(jié)需要重點關注的重點指標。
以電商業(yè)務為例，下圖基于 AARRR 模型，構建用戶生命周期運營全脈絡和每個節(jié)點需要關注的重點指標：
1. Acquisition 獲取用戶
在獲取用戶階段，我們希望讓更多潛在用戶關注到我們的產品，通過以下基礎途徑來曝光我們的推廣頁面：
付費獲取：媒體廣告、SMS、EDM、流量交易/置換
搜索營銷：搜索引擎優(yōu)化（SEO），搜索引擎營銷（SEM）
口碑傳播：用戶間邀請活動，病毒 H5 傳播等
用戶訪問頁面后，可以通過導航、主動搜索、算法推薦來了解到我們的產品。切中當下需求的用戶會進行注冊行為，算是和用戶真正意義上第一次會面。
這時就要重點關注推廣頁 UV，點擊率，注冊量，注冊率，獲客成本等重要指標。
2. Activation 激發(fā)活躍
用戶注冊后是否有進一步了解我們的產品？這其中涉及到產品的功能，設計，文案，激勵，可信等等。我們需要不斷調優(yōu)，引導用戶進行下一步行為，讓新用戶成為長期的活躍用戶：
我們可以通過界面/文案優(yōu)化，新手引導，優(yōu)惠激勵等手段， 進行用戶激活流程的轉化提升。監(jiān)控瀏覽商品頁面，加入購物車，提交訂單，完成訂單的漏斗轉化。
這個過程中，我們要重點關注活躍度，若定義加入購物車為活躍用戶，那么就要觀察注冊至加入購物車漏斗轉化率，按維度拆分，分析優(yōu)質轉化漏斗的共有特征/運營策略，提升策略覆蓋率，優(yōu)化整體轉化效果。
3. Retention 提高留存
用戶完成初次購買流程后，是否會繼續(xù)使用？流失的用戶能否繼續(xù)回來使用我們的產品？
產品缺乏粘性會導致用戶的快速流失，我們可以通過搭建生命周期節(jié)點營銷計劃，通過 push、短信、訂閱號、郵件、客服跟進等一切適合的方式去提醒用戶持續(xù)使用我們的產品。并且在此基礎上通過積分/等級體系，培養(yǎng)用戶忠誠度，提升用戶粘性。
重點關注留存率，復購率，人均購買次數，召回率等指標。
4. Revenue 增加收入
我們獲得每位用戶平均需要花費多少錢？每位用戶平均能為我們貢獻多少價值，能是否從用戶的行為，甚至其他方式賺到錢？
電商業(yè)務的基礎要關注獲客成本CAC，顧客終身價值，在此基礎上通過運營活動激勵用戶進行購買，提升用戶單價、頻次、頻率，最終提升用戶生命周期貢獻價值。
重點關注獲客成本，顧客終身價值，營銷活動ROI等指標。
5. Referral 病毒傳播
用戶是否會自發(fā)的推廣我們的產品？通過激勵是否能讓更多的忠誠用戶推廣我們的產品？
在社交網絡高度發(fā)達的今天，我們可以通過各種新奇的方式去進行產品傳播：用戶邀請的老帶新活動，垂直領域的社群運營，H5營銷傳播，讓老用戶推廣我們的產品，吸引更多的潛在用戶。
重點關注邀請發(fā)起人數，每個病毒傳播周期的新用戶量，邀請轉化率，傳播系數等。
三、3 大增長引擎
精益創(chuàng)業(yè)提出一個概念：唯一關鍵指標（one metric that matters, OMTM）。
在任何類型產品的任何一個階段，都需要找到唯一的一個數字，把它放到比其他任何事情都更重要的位置上。在數據分析時，可以抓取許許多多的數據，但必須聚焦在最關鍵的事情上。同時其也是“增長黑客”中的關鍵特質：專注目標。
1. 粘著式增長引擎
粘著式增長引擎以 Retention 留存作為 OMTM 驅動增長
典型案例是游戲類的 App，Facebook 針對游戲提出的“40-20-10”法則，即如果你想讓游戲的DAU 超過 100 萬，那么新用戶的次日留存率應該大于 40%，7 日留存率大于 20%，30 日留存率大于 10%。
不使用任何運營激勵手段與使用留存激勵相比，次日留存相差甚遠。
例如游戲中常見的：簽到活動，登錄獎勵，時長獎勵等玩法都是基于提升用戶留存的目的。
通過提供目的性的目標，制定規(guī)則和反饋系統(tǒng)，為玩家?guī)韯?chuàng)造性成就和能力的提高帶來的滿足感和愉快感，從而提升用戶的游戲頻率，游戲時長，最終提升用戶留存。
好的留存率對于不同的產品而言是不同的，在這里不展開對用戶留存率的劃分，針對不同類型的產品與用戶粘性尋找最適合的留存指標才是正確的。
2. 付費式增長引擎
付費式增長引擎以 Revenue 營收作為 OMTM 驅動增長。
簡單來說，從顧客在產品上貢獻的價值大于獲取付費客戶的成本，就可以一直驅動營收增長。
互聯(lián)網金融是付費式增長引擎的典型例子，由于產品類型不像游戲和視頻資訊類應用，有強大高頻使用需求?；ソ疬\營考核的核心目標就是促成交易，從用戶每一次投資/借貸行為中獲得收入，覆蓋營銷的投入，不斷驅動引擎的轉動。這里我們要重點關注2個指標：
CAC（Customer Aqusition Cost）客戶獲取成本
CLV (Customer Lifetime Value) 客戶終生價值
例如：某次月在營銷上投入成本 20000 元，新增投資用戶 100 人，則獲取每位投資用戶的成本是 200 元。若人均投資 5 萬元，利潤率 2%，客戶終身價值 CLV=1000 元/人。
當 CLV>CAC ，不計其它成本的基礎上，已驅動引擎正常運轉了，接下來就要思考如何提供更多曝光，擴大頂端的漏斗，以及盡可能縮短客戶盈虧平衡時間。
3. 爆發(fā)式增長引擎
爆發(fā)式增長引擎以 Referral 傳播作為 OMTM 驅動增長
典型案例：基于社交場景的分享，通過瓜分紅包，砍價、拼團、秒殺等玩法，不斷觸達潛在用戶。
用戶分享到社交網絡，即可降低付出的成本，通過為用戶省錢的策略，提升用戶感知價值，不斷刺激價格敏感用戶，貢獻大量的分享量，點擊量，引導潛在用戶進行體驗/注冊。
在爆發(fā)式增長引擎中，我們需要關注病毒系數 K = I x Conv :
I：Invitation，即每個用戶發(fā)送的邀請數量，反映了分布密度.
Conv ： Conversion rate，即每個邀請成功的概率，反映了感染強度.
那么如何提升讓病毒傳播系數，上面活動中常見的 3 種方案：
重點提高接受率：降低接受門檻，且盡量將接受步驟控制在社交場景中，避免二跳降低轉化。
縮短單次邀請流程的生命周期：通過限定時間的方法，加快增長進程的同時，提升緊迫感。
試圖說服用戶去邀請更多的人：頭幾位受邀用戶在砍價中可以砍掉很多金額，讓用戶初嘗甜頭后會激勵更多的轉發(fā)量。
