为什么许多公司的数据分析流于形式？
价值的认知 ：一拍脑子的决定 是目前国内很多公司的处于疯狂增长时的现象，即便已经产生价值也很难意识到数据决策能产生比暴力性增长更大的价值
基本方法论的认知：核心但简单的方法论，国内发展时间比较短，对基础的方法论没有太多的认知
实际操作方法：国内一线员工用数据来指导工作运营，比如产品，客服，销售等实际操作使用数据理念很少
*国内许多企业开始意识不到数据的价值，等到意识到数据的价值有期望太高，让真正价值无法落地，缺乏耐心
企业生命周期内的数据需求
第一个阶段，叫冷启动。这个时候公司特别早期，处在这个阶段的公司，用大数据驱动是一个伪命题——因为客户数量有限，样本性不足。他们需要更多地去了解潜在客户的需求，去“求”客户来用这个产品。
第二个阶段，增长前期。就是冷启动接近完成。有经验的创业者，会开始布局和增长有关系
的一些核心指标，比如说日/月活跃，留存度。这些指标能够告诉我们，什么时候我们应该去做增长。
第三个阶段，增长期。这个阶段就能看出来好的创业公司和普通创业公司的巨大差别——
效率。无论 PR 还是做活动，都需要人力和时间成本。如何在增长中，找到效率最高的渠道是创业公司之间 PK 的核心竞争力。
第四个阶段，是变现期。业务变现，要求很高的用户基数。一般互联网产品，其中一小部分
高活跃、体验好的用户，会转化为付费用户。类似一个漏斗，不断地去筛，这里面就是要拼
运营的效率了。
比如说，电商用户的转化漏斗一般是：访问——注册——搜索——浏览——加入购物车—
支付，或者到未来的退货。这是非常非常长的一个漏斗，真正要做好数据化运营，要对漏
斗的每个环节持续地进行追踪。不能衡量这些数据，就很难去做增长。
好的数据分析应该是怎样的
好的数据分析应该是公司所有人都获益，一线员工都可以使用，所有人的提升而不是一两个人的提升是区别数据驱动型企业和非数据驱动企业的区别
一个公司要建立完整的数据分析机制，应该从业务开始，从客户开始
一般企业应该从一个单点开始，找到一个转化点，看到价值，下一个实践而不是以此建立几十个数据圆圈，除非资源充足，否则必败
怎么做：有一些懂数据分析得人区核心负责数据增长，去实际操作，带着做几次，逐渐转起来
数据驱动增长：驱动力，障碍，钩子
精益化运营的方法论—MVP
当我们有一个很好的产品概念或者创意，我们需要用一种最小化产品的方法，通过工程手段迅速把产品落地，然后收集用户反馈来验证创意是否真正有效，创业初期很多企业使用最小化产品的方法，数据的核心就是在概念，产品，数据三者之间不断循环，不断迭代
海盗法则：AARRR获取—激活—留存—变现—推荐
数据驱动增长型产品经理的思维 — 核心驱动力 障碍 钩子
一，驱动力：如何提升ROI （投资回报比）品满足了用户哪一种诉求，商业中哪一种场景或者需求，产品给用户带来什么价值
1.营销变革：由出站营销到入站营销，
传统的出站式营销（高成本获客投入大量成本和资金）投放广告，社交媒体运营等各种手段拉伸，慢慢转化到入站式营销（低成本以自然增长为核心）
2.渠道优化：UTM 精益化推广效果
UTM机制可以追踪广告来源，广告媒介，广告名称，广告内容以及内部很多关键字，如果每一篇文章都有详细的数据追踪和数据分析机制，内容营销就可以有很多几何式增长，以前营销只看流量，现在一定要关注结果
给你的链接添加一个UTM参数，每一个渠道带来的流量都十分清楚，用户的产品行为也一目了然，可以根据不同的内容，不同的渠道做精细化运营分析
二，障碍：产品和运营人员的认知与用户行为的偏差，会造成用户深入使用产品的障碍
破解障碍的方法：热图 实时 细查
1.热图
找到障碍：对整个用户体验行为 —— 从视觉，交互，信息框架，内容和用户这几个层次进行拆解
一张热图可以快速了解高流量的落地页，例如不同的文章不同的位置转化率不一样，同样的信息不同的设计手段展现用户的关注点不一样，同样的界面，不同内容转化效果不一样，同样的界面同样的内容，不一样的人群效果也不一样。只有用户的交互，UI，用户本身与内容才能做到精细化运营。证拆解的过程要求我们在数据上进行追踪和分析
如果发现网站上有些波动无法解释，找不到核心原因时，应该对问题进行有效的分解就知道是用户的原因还是内容的问题还是产品的问题，以便高效正确的对产品和运营进行改进
2.实时：快速验证
有时候不用多维度拆分，比如做一个活动就可以直接的日间对比或者月间对比有很大提升的时候就可以衡量效果了，为什么必须要快的拿到数据做各种决策，有一个模型叫RMF：Recency (消费最近的一次时间) ，Frequency(消费的频率)，Monetary (消费的金额)
消费时间点离我们最近的用户在未来可能有更高转化的可能
3.细查：如何找到用户在使用过程中的转化效率衰减的关键节点
互联网的所有业务都可以归结为漏斗转化的过程，即“访客—普通使用者—高级使用者—付费使用者—粉丝用户”这样的转化规律，无论是网站还是APP 都是一个大漏斗，这种思维可以帮助我们快速定位问题，及时修复
仔细观察每一步骤的转化数据，有异常数据的那个步骤就是问题所在，再去对此步骤做细分，查询问题
三，钩子 — 产品中的一个核心点： 产品给用户提供很多功能，但是有一两个最重要的功能能让用户持续使用，在你的平台留存下来，这些核心功能被称为“钩子” ，留存度
Facebook提出521概念， 互联网社交产品的留存要求：次日留存在50%以上，7日留存在20%以上，当月留存在10%以上，低于此数据，这个社交产品就无法存活
留存是企业里最核心的指标，并且应该在业务中深入应用
很多硅谷的互联网企业都有自己魔法数字，比如LinkedIn发现用户一周增加5个社交关系，这样的用户给平台增加的价值是5个以上或者以下的用户价值的3倍以上
Facebook的发现第一周增加5个好友，推特发现在第周增加30个跟随者，Dropbox发现安装2个以上操作系统 具备这些特征的用户都有很高的留存度和活跃度
回家吃饭实战案例
回家吃饭在15年的三个月里通过地推的方式获客50万新增用户，但是新增进的用户留存率非常低，次周留存率只有百分之十几，而烧钱已过五千万，动辄两三千元的成本获取一个家厨，线上口碑传播的成本只有几十元。
转回线上通过精益化增长 改变如下
1，合理分发APP首页的流量，优化家厨首页推荐排序事关家畜能否得到合理的流量分发
通过数据分析，前20家家厨占据百分之八十的浏览器量没如果不能均匀的分发流量，就会面临一个非常严重的问题：一些评分高的家厨长期占据首页的前几位，而后来者迟迟得不到流量或者曝光
回家吃饭做出一下优化：
首先回家吃饭设置了流量分发达标的门槛，综合考虑用户评分，家厨与用户的地理距离等因素
接下来，将达标的家厨进行分组，选择合理的分发粒度系数，初步将符合条件的家厨分为AB两组，对分组后的家厨进行加权，并重新排序
分发的门槛是多少，加权系数定多少，分组又该分几组，才能使流量更加合理的配置这里数字需要分析研究
通过用户的DeviceID 后面都带一个term 可以区分用户来自哪一个分组，通过漏斗分析，将AB两组的转化率进行对比分析，在保证转化率不降低的前提，不断测试寻找最优的策略参数
回家吃饭平台的基尼系数由原来的0.59下降到0.4 ，相对之前更均匀了，说明流量分发有了很大程度的优化
2.优化用户购买路径
通过数据分析，用户通过收藏功能进入家厨列表的用户，下单转化率为63%，远远高于通过首页直接进入家厨列表的用户40%de 转化率，于是考虑吧收藏家厨显示在首页推荐位上，以提高成单，回家吃饭尝试在首页第二位隐藏推荐，这个位置上25%概率是以前收藏的或者吃过的家厨，之后的数据发现第二位的转化率由原来的22.6%上升到25.3%，但是第三位的转化率由原来的21.3%下降到20.7%，用漏斗分析的转化率并没有变化，但是家厨第二位拦截了后面的流量，导致流量分发不均匀，而总体的转化率没有提升。只能快速否定这个做法
3.优化TAB— new ，提高点击率
正常来说APP首页的家厨从上到下的点击率应该是递减的，但是数据发现第7.和17的位置是比后面的两个低的，属于不正常现象， 原来第7和17是新家厨，产品经理还在此位置标注了NEW ，月销售量0单，人均消费无，肚饿感觉，立刻把此信息优化之后，效果好多了
网友评论