無論你是產品人還是運營人，只要與業務相關、與產品相關，你就少不了和數據分析打交道。一套優良的數據分析方法能夠高效解決很多問題，并在產品決策/產品運營遇到瓶頸時提供優秀的解決方案。

一套優良的數據分析方法可以讓你有條不紊地解決各類問題，擺脫雜亂無章的假設和猜想。面對工作和生活中的一系列問題，你需要一套體系化的數據分析方法論幫助你去偽存真，無限縮短你與正確答案的距離。

一提起數據分析這個詞，很多人都會犯難，說自己連Excel都用不好，更別提利用編程的方法去做更高級的數據分析了，其實這樣的想法是有一些多慮的。數據分析方法已經不是數據分析師的專屬了，更不是數據挖掘工程師獨享的方法，幾乎每一個與業務和產品相關的崗位都需要數據分析方法。

崗位不同，要求則不同。從招聘網站也能看到，像傳統的數據分析崗位自然是會要求編程等技能的，但是一些以數據分析助力主要職責的崗位則不要求編程類技能，更多的是數據分析思維，和BI系統分析經驗。

有的公司自建BI，有的公司使用第三方BI，鑒于系統保密的原則，本文案例的BI案例均來自友盟+移動統計（U-App AI版）DEMO，希望本文能帶給大家數據分析方面的思悟。

一、為什么要擁有數據分析能力？

今年互聯網行業回歸常態，各個崗位的招聘需求回落明顯。

我爬了某招聘網站的數據發現，招聘名字帶“數據分析”的崗位仍有8000多個，從實習生到高級管理崗位都有較多需求。也就是說，有一定數據分析能力的人在找工作時的優勢十分明顯，崗位薪資均值也高于其他職能類崗位。

所以，掌握數據分析能力可以加薪是必然的，這也是為什么要學數據分析的原因。

二、打破常規的數據分析思維

如果大家看過相關數據課程或者文章，一定了解過各類分析方法，大學的數據分析課程也會介紹很多數據分析方法。你學了一遍又一遍，筆記記了一遍又一遍，但是在最后遇到問題時，仍然不知道該如何下手。

所以要打破常規的數據分析思維，在基礎理論之上建立自己的數據分析思維。

從思維能力上看，我認為數據分析能力的提升要遵從這3個原則：

第一，要深度理解業務。不理解業務的分析結論不具有任何參考或者指導意義。所謂理解業務就是要學會拆解業務，用指標衡量業務的發展趨勢。

第二，拆解業務后，要基于業務指標建立分析框架，并且基于當前業務狀態和目標找到可衡量的關鍵性指標。

第三，用數據量化指標，把指標公式化，最佳的狀態是每一個指標背后的數據都是最小維度且量化的。

例如以電商店鋪的當日銷售額為例：

銷售額=店鋪客單價*付費客戶數=客單價*支付人數*支付成功率

支付人數=瀏覽人數*下單率

瀏覽人數=商品曝光次數*曝光轉化率

所以理論上，在店鋪客單價不變的情況下，可以通過提升各個步驟的轉化率，以及商品曝光機會來最終提升店鋪當日的銷售額。

對應的策略可以是加大廣告投放量，優化商品詳情頁，以及下單支付時的各項優惠刺激，去提升曝光量和轉化率。

所以，指標公式化量化，就是把它拆解到最小不可分割的、可量化的數據指標。這一系列拆解背后是對業務關系和流程的理解，如果不理解業務，根本找不到其中指標之間的相關關系。

完成基礎拆解后，就是根據目標去找到那些能影響目標的最小可量化的數據指標，加上時間、地區等維度對比分析，找出曾經策略的優劣點，優化策略繼續戰斗。

三、如何善用數據分析能力？

發揮數據分析能力之前，首先要熟悉自己使用的數據查詢分析系統，也就是BI（商業智能）系統。

如果你還沒有使用過BI系統，我這里以友盟+BI為例，簡單熟悉一下系統背后的功能指向。

我拿到U-App AI版基礎架構，有9個大部分和一個概況匯總。具體如下圖所示，BI系統的每一個功能模塊都有其作用，接下來我簡單闡述一下自己對這個系統的理解。

概況里的指標是設計人員認為對產品有利的關鍵性指標，所以放在一起集中展示，其中的每一個指標都是取自下面的9大指標體系，只是起到了一個匯總呈現，集中對比展示的作用。

用戶分析模塊涉及到用戶的拉新和活躍數據，留存分析是單獨把新老用戶的留存單拎出來統計，通過公式化拆解出2個關鍵性指標，分別是用戶新鮮度和用戶活躍度。

渠道分析模塊是把拉新方式中的渠道投放給細化統計監測，用于區分優劣渠道，核算預算投入產出比。

用戶參與度模塊就是把用戶活躍度指標繼續細化，具體到產品行為產生的數據上，得到使用時長、使用頻率、訪問頁面分布、訪問時長間隔分布。

功能使用模塊則是更進一步把訪問頁面的行為細化，統計出用戶訪問的路徑是從哪個功能到哪個功能，得出頁面訪問路徑圖，還能自定義功能事件并統計到該事件發生的次數，以及事件完成率。

終端屬性模塊主要是簡易的內部用戶畫像，涉及到機型、地域等。

錯誤分析模塊主要是統計到產品報錯的次數和概率，用以及時發現錯誤，優化各模塊的可用性和易用性。

社會化分享模塊對應到的是產品中涉及到分享的功能，統計到分享到各個平臺的數據，以及進入分享頁面后的分享完成率。

消息推送模塊和移動廣告監測主要是推廣了友盟+另外的產品，就不多說了。

四、如何利用數據分析能力制定產品和運營策略？

4.1 產品策略

這里說的產品策略分為兩類：

一種是基于用戶型App的更新迭代，比如抖音近一年更新42次是如何獲得數據支持的；另一種是業務型產品的定價、推陳出新等，比如網貸理財產品的定價。

以抖音為例，我注意到抖音近1年更新42次，上一次更新是9天內，基本上是一周多就更新一次，如何利用BI數據來支持產品的迭代方向呢？

整理抖音近期的更新日志會發現，抖音近期關于“道具玩法”的更新非常多。

那這里我們拋出一個問題：迭代多種新奇好玩的道具玩法能否提升產品的活躍指標呢？

從我觀察到的現象來說，抖音有很多平時不發作品的用戶，也會嘗試道具玩法來增加樂趣。發作品的用戶憑借道具玩法就能創造出眼前一亮的短視頻，這個功能可以說持續吸引各層級的用戶，理應可以增加抖音產品的活躍度。

（抖音新推的復聯超能力玩法）

除了從產品邏輯上推斷，如果要從BI取數據驗證功能邏輯成立，我們需要什么數據呢？數據之間可以證明些什么呢？

抖音道具是一種發布作品時的效果加成，如果你沒有作品創意，不知道要發什么，參與道具話題，使用道具的特效加成制作作品也是很好的選擇。

（抖音道具玩法常規流程）

我作為外部用戶，基于業務我分析出抖音道具功能涉及到的數據指標。

如下圖所示：

（抖音道具玩法指標模型）

我認為抖音道具玩法功能的價值點在于貢獻更多內容，提升產品作品的受歡迎程度，間接提升了抖音整體的活躍度。

從道具玩法的貢獻度和受歡迎程度兩個指標繼續拆解，我認為：

道具玩法作品貢獻度=道具作品量/平臺作品總量

道具玩法受歡迎程度=道具玩法作品的推薦轉化率*權重1+點贊率*權重2+評論率*權重3

其中三者的權重之和為1，比如推薦轉化率占40%，點贊率占30%，評論率占30%，權重的大小分配也是基于對業務的理解程度而定，可以不斷調整。當然也可以有意識的調整使其成為了一個好看的數字，體現業務的增長性。

分析完單一功能，繼續把視線拉回到抖音產品本身來，道具玩法到底能否提升產品整體的活躍度呢？

先拆解抖音活躍度這個指標，抖音是一款體量非常大的產品，我把用戶活躍義為“使用產品各項功能”，使用時間越長、頻次越高，則代表用戶越活躍。

基于對活躍的定義，用公式化的思維拆解活躍度就是：

功能活躍度P=使用功能時長T*使用頻次N

產品活躍度=P1*權重1+P2*權重2+P3*權重3+P4*權重4……..

產品整體的活躍度的衡量即是產品內各個功能的活躍度之和。由于每一個功能對于產品本身的作用是不同的，所以要添加權重；像看視頻、對作品進行互動等這類核心功能權重就高，而像資料設置這類功能權重就低一些。

要想衡量產品活躍度是否提升，就得落實到具體數據上，需要看產品功能的使用總時長和總頻率是否增加，驗證之前的推測邏輯是否正確。對于抖音道具玩法功能來說，它可能就是公式中的功能3，它的使用時長和頻率就影響著產品的整體活躍度，也對產品作品數量，產品社區氛圍有一定的影響。

既然找到了關鍵性指標是道具玩法的使用時長和頻率，也確定它們是可衡量化的數據，所以可以通過BI來展示跟蹤，比如U-App AI版里就有該模塊，可以統計時長和頻率。

（U-App AI版DEMO，不具有現實數據意義）

利用BI統計的數據趨勢就可以驗證產品的活躍度是否增加了，還能知道用戶在產品內的路徑，更清晰地了解用戶使用道具功能后是否發布作品，用戶查看作品時是否點擊“道具主題”關鍵詞進入主題頁，從而停留時長更長，活躍度更高。

4.2?運營策略

運營策略所面向的產品，通常也是有用戶型和業務型。通常被熟知的都是用戶型產品，判斷標準是用戶使用產品本身是不需要付費的，產品需要先做大用戶，然后再從其他方面獲得收益，所以用戶型產品的利潤通常是“羊毛出在豬身上”。

而業務型產品就不一樣了，和傳統行業一樣，使用產品就需要付費。典型的有自營理財類產品，在于從業務本身要有利率差可以賺，如果利率差不高于業務運營所需成本，用戶越多虧損越嚴重，業務型產品的羊毛必須要從羊身上薅出來。

不論是哪種類型的產品都需要數據驅動，做任何決策需要數據支持，絕不能一拍腦門就決定行動目標和方向。

比如以陸金服這款理財產品為例，陸金服雖然背靠平安銀行，獲客渠道更多，成本更低，但獲客成本仍可以通過優化渠道投放來進一步降低成本。

這時候渠道運營就要思考：哪些渠道可以增加預算，哪些渠道可以放棄，哪些渠道適當維持正常預算？

（理財產品的常規獲客模型）

拿到這樣一個“分析渠道獲客優劣”的命題，第一直覺是先深入了解渠道獲客的全流程。

根據上圖的“理財產品的常規獲客模型”，可以明白理財產品一般是渠道投放和做分享拉新活動來獲客，兩者的落地也設計是不同的；渠道投放的落地頁可以理解為是一個廣告鏈接，寫上吸引目標用戶的文案，感興趣的用戶點擊后直接跳轉應用商店。

而社交分享活動的落地頁含有注冊協議，一般是領投資紅包和加息券，用戶填寫手機號點擊領取后就直接注冊了該平臺，隨后點擊使用優惠權利就直接跳轉到應用商店了。

所以可見，社交分享拉新的注冊流程是隱秘化的，一般來說注冊轉化率遠遠高于渠道投放的注冊轉化率，畢竟注冊的發生路徑短了很多。

隨后，用戶注冊App后，就需要登錄產品了。如果用戶未登錄，那獲客就失敗了，畢竟對于業務型產品來說，注冊并沒有什么用戶價值。

用戶登錄之后，有一個很重要的權益是可以投新手標；新手專享具有期限短、利率高的特點，一般不允許疊加加息券和紅包，如果允許疊加，那羊毛黨是最喜歡的了。

新手專享標會有限額，對于大額投資人來說，他們可能會追投普通標，這樣就可以認為這個用戶留下來了。也有一部分用戶在體驗新手專享后，信任度提高了，新手到期后繼續投資或追加投資，這部分用戶也留存下來了，這些留存用戶是分析渠道獲客成本的主要力量。

更多的登錄用戶是放棄了投資，或者在新手到期后就取現離場了，同時留存的老用戶中這部分也有到期或者債轉取現的。同樣的都是流失用戶，那些已經發生投資行為的用戶具有很高的激活召回價值。

鑒于討論的是渠道獲客質量的優劣，更多的內容就不展開了，繼續深挖分析“如何衡量渠道獲客質量”這個命題。

我認為想要衡量好壞就要給出一個可衡量的指標，并且我覺得衡量理財產品的獲客優劣的關鍵性指標是“渠道獲客投入產出比”。有些客戶獲取成本高，但是貢獻的投資額更高，投資期限更長，獲客的“投出產出比”就更高。

接下來將該指標公式化，可以衡量的指標才值得指導業務，所以得出：

渠道獲客投入產出比=平均獲客收益/平均獲客成本

平均獲客收益=年平均投資額=客戶累計投資額*投資期限/365

平均獲客成本=渠道累計投入預算額/渠道累計發生投資用戶

因此，渠道預算花銷、渠道累計獲得有效用戶，有效用戶累計投資額、投資期限這些數據就是衡量渠道獲客優劣的核心數據，也是可以量化的數據。找到各個渠道來的用戶在產品發生的該項數據，然后計算出各個渠道的“獲客投入產出比”，數值越大則代表渠道獲客質量更高。

以上可量化的數據在BI系統里也會相應的統計模塊， 利用BI觀察數據趨勢，也可以把“獲客投入產出比”這個指標定制化做入系統，這個層面的事情就很多元化了，這里不贅述了。

（U-App AI版DEMO）

4.3?數據分析心得

通過上述兩個案例，我們發現數據是非常寶貴的，任何一家不注重數據保護和挖掘利用的公司都難以生存。在解決工作中大大小小的問題時，數據是最直觀最重要的依據。

想要做好數據分析，要從3個方面入手：

第一，掌握數據分析方法，其中包括工具方法和分析思維。

第二，深度理解業務邏輯，了解數據與數據、指標與指標之間的相關關系。

第三，換位思考，站在需求方的角度去做分析，去解決實際問題。不要沉浸于分析成果中，再漂亮的分析報告如果不能支持業務，不能作為做決策的依據，那它就是無用的。

五、總結

本文闡述了筆者對數據分析的認知，拋出了數據分析三原理。

數據分析是一件說大也大，說小也可以小，本文的內容難以詳盡這個領域，只希冀其中寫到的數據分析思維和小案例能幫到你做一個合適的策略。

說明：文章中的部分數據為脫敏數據或DEMO數據，不具備真實運營參考價值。

相關閱讀

萬元懸賞數據高手｜2019「友盟杯」數據分析大賽報名啟動！

你的堅持值得被肯定｜2019「友盟杯」數據分析大賽結果公布

一款家居后APP，如何用增長黑客方法實現從0到40萬增長？

產品高于需求：低頻產品也可以有高用戶活躍度

渠道評估怎么做，才能讓App假量灰產無處遁形？

我的朋友老曹，居然用數據工具搞了這么多事

針對直播產品的成熟期，重構用戶運營體系方案

拆解主要數據，分析社交類產品的數據運營方法

如何利用數據驅動，從0.5到1搭建App積分體系？

場景分析：游戲關卡難度對玩家流失的影響

用AB實驗分析個人中心的首頁改版

作者：王亮，人人都是產品經理專欄作家。多行業跨界撰稿人，關注新產品新營銷，用產品思維抒寫互聯網運營的細節和本質。

本文為「人人都是產品經理」社區和友盟＋聯合舉辦的“2019「友盟杯」數據分析大賽”中獲獎作品，未經作者及平臺許可，禁止轉載

本文部分數據有脫敏處理，非全部真實數據

題圖來自Unsplash，基于CC0協議