中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導(dǎo)語：當(dāng)今時代是數(shù)據(jù)時代，數(shù)據(jù)分析的重要性不言而喻，數(shù)據(jù)思維或者數(shù)據(jù)分析能力已經(jīng)成為這個時代的必須，本文作者通過萬字長文講解了完整數(shù)據(jù)分析過程，一起來看看吧。

筆者支付產(chǎn)品經(jīng)理，本篇文章內(nèi)容基于自己從事支付領(lǐng)域從0到1搭建支付業(yè)務(wù)數(shù)據(jù)分析實戰(zhàn)經(jīng)驗。

從一個小白接觸支付業(yè)務(wù)，毫無章法胡亂看數(shù)據(jù)，到開始有點門道看表層數(shù)據(jù)，再到此篇文章輸出的成體系的數(shù)據(jù)分析系列篇章，前后經(jīng)歷了2年多時間。此篇文章內(nèi)容皆為當(dāng)前階段認知，并不全面，后續(xù)肯定會持續(xù)做迭代更新。

一、為什么需要數(shù)據(jù)分析

數(shù)據(jù)分析的重要性不言而喻，沒有數(shù)據(jù)，就是感性呀。

你說你做完這個功能可以獲得什么價值回報，沒有數(shù)據(jù)支撐，太過蒼白無力，沒人信服你。但是只要你說，你做完這個項目，可以提升訂單轉(zhuǎn)化率多少個點，并且信誓旦旦講，那沒有人不會不理你。畢竟，這是赤裸裸的錢，誰不愛錢呢。

數(shù)據(jù)不會被觀點打敗，數(shù)據(jù)只能被數(shù)據(jù)打敗。人家拿數(shù)據(jù)得出的結(jié)論，跟你的直覺再對不上，你心里再不服氣，想反駁，也必須拿數(shù)據(jù)說話。

我們現(xiàn)在妥妥地已經(jīng)進入了數(shù)據(jù)時代。

互聯(lián)網(wǎng)公司，無一例外地強調(diào)自己的數(shù)據(jù)驅(qū)動決策；傳統(tǒng)企業(yè)，現(xiàn)在最重要的戰(zhàn)略就是數(shù)字化轉(zhuǎn)型。

相信今天你能感覺得到，數(shù)據(jù)在我們的工作和生活中，已經(jīng)成了空氣和水一樣的存在。

數(shù)據(jù)思維或者數(shù)據(jù)分析能力已經(jīng)成為這個時代的必須，不是可選。

那么數(shù)據(jù)分析為何如此重要呢，我從以下4點來闡述。這些場景也是日常發(fā)生在我實際工作中的，我們用數(shù)據(jù)每天來做各種分析、洞察或者決策。

1. 量化IT投資成效，以數(shù)據(jù)驅(qū)動決策

無論哪家公司開發(fā)資源永遠不夠，每個產(chǎn)品經(jīng)理都想爭取開發(fā)資源做自己的項目，說自己項目更有價值。如何評估優(yōu)先級，數(shù)據(jù)來說話。

站在公司或者決策者角度，數(shù)據(jù)最本質(zhì)的作用，是作為資源調(diào)配的裁判，幫我們用最客觀的方式將資源投到最有價值的事情上。

目前我所在公司運轉(zhuǎn)方式為：年初制定年度KPI，如轉(zhuǎn)化率或者用戶滿意度，那么接下來一年內(nèi)所有產(chǎn)品經(jīng)理運行的項目將按照這個指標(biāo)來。

產(chǎn)品經(jīng)理A和產(chǎn)品經(jīng)理B同時啟動了自己的項目，那么IT資源投到誰的項目上，A和B需要去做項目 ROI 的論述。誰的ROI更高，業(yè)務(wù)總負責(zé)人就同意將資源調(diào)配到哪個項目上，這樣A和B都沒什么話說，IT資源也將被用在刀刃上，減少資源浪費。

產(chǎn)品經(jīng)理在論述項目價值時，采用自下而上的論證方式。比如說這個項目要完成哪些功能，功能1、功能2、功能3……每個功能帶可以帶來多大的價值，如轉(zhuǎn)化率可以提升多少，這些都來自數(shù)據(jù)。

有時候我們以為的很大項目價值經(jīng)這種層層靈魂拷問，最后驗證預(yù)估價值不大，在早期就能減少資源浪費，而不是真的要等到功能上線才發(fā)現(xiàn)對業(yè)務(wù)價值幫助不大，那時候開發(fā)資源已被浪費。

如果你一直抱著項目上線后看真實數(shù)據(jù)反饋，除非你家開金礦的，可以容忍不斷做嘗試創(chuàng)新類實驗。運氣好成功了，大家都開心；運氣不好，大家失敗了，不怕，反正家里開金礦，大不了重頭再來。但是，我想這應(yīng)該是個偽命題。

今日頭條系產(chǎn)品為何能快速發(fā)展？它們的產(chǎn)品方法論是什么？

今日頭條是一家流量運作公司，對流量ROI的運用純熟度與效率非常高。依賴強大的數(shù)據(jù)和算法系統(tǒng)，通過AB test 同時運行幾千條功能測試，用最短的時間去找出最有價值的業(yè)務(wù)方向，得到結(jié)論后，快速推出市場，搶占先機。

中國互聯(lián)網(wǎng)已經(jīng)進入到一個獲取流量成本很高的時代，企業(yè)并沒有那么多容錯機會給到大家不斷嘗試試錯。要提高決策準(zhǔn)確性，主要依賴數(shù)據(jù)論證。

2. 通過數(shù)據(jù)分析驗證產(chǎn)品成效

你在面試時，你說你牛逼。如何叫人信服你？你說你牛逼，你就真牛逼？

相信大家已經(jīng)習(xí)慣了小套路，說自己曾經(jīng)做的某個項目轉(zhuǎn)化率提高了多少個點之類的。

實際上，在我們做的每個項目或者功能中，都應(yīng)該用數(shù)據(jù)來驗證產(chǎn)品成效。

電商網(wǎng)站的收銀臺大家耳熟能詳，比如以下：

參照國內(nèi)競品調(diào)研和產(chǎn)品交互設(shè)計師自以為的產(chǎn)品目標(biāo)：給用戶傳遞安全感——通過增加底部“確認支付”按鈕來實現(xiàn)。

實際上線效果卻不盡如意，新版本比老版本跌了3個點左右。

事后我們反思了整個過程，得到一些啟發(fā)：

支付需要用戶沖動型消費，不需要用戶那么理性思考。按鈕操作，讓用戶有種儀式感，反而增加了用戶猶豫心理。

比如淘寶換成了指紋支付，或者刷臉支付，轉(zhuǎn)化率會提高。我作為用戶，使用了淘寶指紋支付后，下單支付快了很多。我也有同事，一不小心刷臉支付后，就懶得再發(fā)起退款了~

支付產(chǎn)品的核心是：安全和快捷。如果品牌背書，用戶已經(jīng)覺得安全，那么接下來就是快 ！去掉按鈕才是讓用戶有快速支付的感覺。

于是，我們又花了一些時間，去掉底部“確認支付”按鈕，用戶選擇支付方式就可以進到支付環(huán)節(jié)，轉(zhuǎn)化率竟然又提升了！

去掉了底部“確認支付”按鈕

整個團隊從這個案例中都得到較大感觸，充分體現(xiàn)了我們自以為更好的方案對用戶或者從業(yè)務(wù)角度并不是最好的。如果沒有數(shù)據(jù)來驗證，我們還會一直停留在自己覺得設(shè)計很好的功能中自嗨！

用AB test 測功能，用數(shù)據(jù)來驗證功能成效是最有說服力的手段。

3. 通過數(shù)據(jù)分析洞察用戶

用戶研究是產(chǎn)品經(jīng)理必須要去做的一件事，懂用戶，挖痛點，給方案。

用戶研究常用的方法除了用戶訪談、調(diào)查問卷等定性研究外。從已存數(shù)據(jù)中發(fā)現(xiàn)用戶的行為偏好，建立數(shù)據(jù)與用戶畫像之間的關(guān)聯(lián)，針對不同人群需求或者痛點給出合理的產(chǎn)品解決方案也是數(shù)據(jù)驅(qū)動決策的手段。

比如從歷史訂單數(shù)據(jù)中，挖掘新老用戶購買商品的偏好，可以針對新老用戶群體做個性化的商品推薦，這也是大家能夠感知到的電商產(chǎn)品推薦。你去逛淘寶首頁，是不是會覺得淘寶比自己還懂自己？給自己推薦的大部分商品是自己喜歡的。

通常對用戶歷史行為數(shù)據(jù)收集越詳細，越是能夠了解用戶，為用戶做出合理的產(chǎn)品設(shè)計。

為什么人們總說作為電商平臺和支付平臺的阿里有最完整的行為數(shù)據(jù)乃至最完整的人群畫像，那是因為根據(jù)生活消費的商品和服務(wù)，幾乎能夠推斷一個人全部的特征，而越是習(xí)慣網(wǎng)上購物的用戶，衣食住行都用同一個支付手段的用戶，就越能夠被電商和支付平臺完整描述。

產(chǎn)品在做產(chǎn)品功能設(shè)計時，并不只是單純?yōu)橛脩籼峁┕δ芎头?wù)就可以，理所當(dāng)然以為用戶會來使用。定要對用戶需求或者痛點挖掘地足夠深，才能精準(zhǔn)提供服務(wù)。從過去已存數(shù)據(jù)中挖掘用戶行為偏好或者痛點，是產(chǎn)品設(shè)計的第一步。

這里借用《產(chǎn)品思維》一書中提到的例子。

我們是一個創(chuàng)業(yè)小團隊，正在做一個P2P（個人對個人）金融產(chǎn)品。平臺上已經(jīng)有了一定量的用戶，他們購買了我們的理財產(chǎn)品。我們正在考慮要不要增加VIP（貴賓）套餐服務(wù)，定位高價值用戶，定向提供理財顧問服務(wù)。

我們會請許多專家，提供很多額外的分析工具，讓這些用戶享受高端服務(wù)，贏利方式就是VIP年費。單拿這個服務(wù)來看，肯定是沒有什么問題的。

“許多類似的產(chǎn)品都有這樣的服務(wù)?！币苍S老板就會這么跟你說。但這不能成為我們就一定要提供VIP套餐服務(wù)的理由，我們還是要看看我們的用戶是什么樣的。

可以先統(tǒng)計下當(dāng)前用戶購買理財產(chǎn)品的行為數(shù)據(jù)，看看大部分買的額度有多大。其實，額度背后代表的是這些用戶的收入水平和對理財?shù)膽B(tài)度。

比如粗暴一點假設(shè)，我們看用戶的行為，過去99%的用戶都是奔著投資5萬元，鎖定期6個月，年化收益率5%的產(chǎn)品去的。

這些行為代表什么呢？從生活經(jīng)驗判斷，對年化收益率要求不高，對流動性也要求不高，對安全性要求比較高的人，應(yīng)該都是普通的上班族。這些人在理財方面非常保守，而且還比較年輕，理財額度并不高。

具體的驗證可以通過訪談和調(diào)研來完成。假如結(jié)果顯示，這些用戶群體基本都是畢業(yè)三年內(nèi)的職場新人，理財行為非常保守，而且還比較年輕，理財額度并不高。

這時回過頭來看，這個VIP套餐服務(wù)的吸引力就特別有限了。僅從用戶特征來看，幾乎就可以給這個創(chuàng)意判死刑了。

從已存數(shù)據(jù)中分析用戶需求或者痛點，找到用戶行為偏好，精細化用戶群體，了解用戶，才能判斷業(yè)務(wù)模式的可行性。而不是理所當(dāng)然覺得用戶會使用這個功能。

4. 通過數(shù)據(jù)分析找到機會點

在剛做支付業(yè)務(wù)時，首先就對Top10、各端做了支付成功率分析，很快就發(fā)現(xiàn)某些國家的轉(zhuǎn)化率是低于其他國家的，自此這些國家被列為重點和困難國家。我們的機會點也是優(yōu)先提高這些國家的支付轉(zhuǎn)化率。

再比如做商城購物流程優(yōu)化項目時，首先拉取了商詳頁-購物車-結(jié)算頁-收銀臺-支付成功 發(fā)現(xiàn)商詳頁和結(jié)算頁轉(zhuǎn)化率兩個環(huán)節(jié)在整個路徑中轉(zhuǎn)化率最低，因此馬上定出了事項優(yōu)先級，優(yōu)先解決這兩個頁面的轉(zhuǎn)化問題。

職場中如何價值最大化？可不就是發(fā)現(xiàn)最嚴重的問題，找到最大的機會點，把資源用在刀刃上。

5. 結(jié)語

管理大師德魯克說：“不能衡量，就無法管理?！?/p>

產(chǎn)品經(jīng)理完拍腦袋、憑感覺、憑經(jīng)驗做決策的時代已經(jīng)過去了。如果你還沒有數(shù)據(jù)思維或者數(shù)據(jù)分析相關(guān)的能力，被時代淘汰真的是，早晚的事！

產(chǎn)品經(jīng)理不需要成為數(shù)據(jù)分析方面的專家，但什么時候分析數(shù)據(jù)、分析哪些數(shù)據(jù)、如何分析數(shù)據(jù)、如何用數(shù)據(jù)輔助決策、如何用數(shù)據(jù)驅(qū)動業(yè)務(wù)，這些問題是產(chǎn)品經(jīng)理必須要回答的。

二、數(shù)據(jù)分析的框架

我以支付業(yè)務(wù)為例來講解。

用戶來到支付收銀臺后，在頁面上有很多點擊行為，比如選擇各種支付方式，微信支付、ApplePay 支付等最后完成支付，也有可能點擊左上角返回鍵或者右上角訂單中心離開當(dāng)前頁面。

這個過程會產(chǎn)生很多數(shù)據(jù)，從數(shù)據(jù)大類上分成：用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)。

誰（用戶數(shù)據(jù)）做了什么（行為數(shù)據(jù)）結(jié)果如何（業(yè)務(wù)數(shù)據(jù)）？

用戶數(shù)據(jù)指用戶本身的特性，如用戶畫像，使用你產(chǎn)品的用戶男性多還是女性多，年齡多大等。

行為數(shù)據(jù)指用戶使用產(chǎn)品在頁面上的各種點擊行為，在頁面上停留時長等。

業(yè)務(wù)數(shù)據(jù)指用戶行為之后，實際產(chǎn)生的結(jié)果，業(yè)務(wù)數(shù)據(jù)會落庫業(yè)務(wù)數(shù)據(jù)表。分析業(yè)務(wù)數(shù)據(jù)的意義，可以衡量商業(yè)價值，是業(yè)務(wù)最終呈現(xiàn)結(jié)果，用以推動公司業(yè)務(wù)的發(fā)展。

用戶數(shù)據(jù)和行為數(shù)據(jù)通?？梢詮牡谌綌?shù)據(jù)工具，如友盟、Google Analytics 直接獲取，業(yè)務(wù)數(shù)據(jù)一般要內(nèi)部建設(shè)。

今天重點講業(yè)務(wù)數(shù)據(jù)搭建完整過程，以阿里云的Quick BI為例。

在整個數(shù)據(jù)分析的框架中，分為五大層次，依次是：數(shù)據(jù)生成、獲取數(shù)據(jù)、數(shù)據(jù)建模、數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用。

1. 數(shù)據(jù)生成

還是以支付業(yè)務(wù)為例，用戶選擇支付方式完成支付后，落庫核心的兩張業(yè)務(wù)表：訂單表和交易表。一個訂單會對應(yīng)多筆交易（每選擇一種支付方式生成一筆交易，一筆訂單可以使用多個支付方式嘗試支付），其實還會產(chǎn)生其他表，比如收貨地址表等。

2. 獲取數(shù)據(jù)

通常使用第三方工具如ETL將業(yè)務(wù)系統(tǒng)的數(shù)據(jù)經(jīng)過抽?。‥xtract）、清洗轉(zhuǎn)換（Transform）之后加載（Load）到數(shù)據(jù)倉庫的過程，數(shù)據(jù)呈現(xiàn)在BI的數(shù)據(jù)源。

3. 數(shù)據(jù)建模

所有數(shù)據(jù)進到數(shù)倉以后，需要根據(jù)實際想要看的業(yè)務(wù)數(shù)據(jù)進行數(shù)據(jù)建模，建模后的數(shù)據(jù)呈現(xiàn)在數(shù)據(jù)集。數(shù)據(jù)集作為數(shù)據(jù)源和可視化展示的中間環(huán)節(jié)，承接數(shù)據(jù)源的輸入，并為可視化展示輸出數(shù)據(jù)表。

4. 構(gòu)建數(shù)據(jù)模型

數(shù)據(jù)建模是什么含義呢？

底層的業(yè)務(wù)數(shù)據(jù)表其實很多，幾十張上百張都有，但到了業(yè)務(wù)數(shù)據(jù)分析階段，當(dāng)需要分析的數(shù)據(jù)存儲在不同的表，可以通過數(shù)據(jù)關(guān)聯(lián)，把多個表連接起來，形成模型進行數(shù)據(jù)分析。

比如上述的業(yè)務(wù)底層訂單表到了數(shù)據(jù)分析階段衍生的訂單表字段發(fā)生變化，name 和 city 是從業(yè)務(wù)地址表取來的數(shù)據(jù)。

總的來說，數(shù)據(jù)模型是完全面向數(shù)據(jù)分析的業(yè)務(wù)場景形成的新表。以支付業(yè)務(wù)為例，我構(gòu)建的數(shù)據(jù)模型有：用戶表、訂單表和交易表。

5. 設(shè)計維度和度量指標(biāo)

對數(shù)據(jù)字段可以進行下一步分類：

• 維度（Dimensions）
• 度量（Measures）

在統(tǒng)計學(xué)中，單一數(shù)據(jù)字段可以被分為離散和連續(xù)。離散通常是維度，比如城市名稱、用戶名字，特征是有限數(shù)量的值；連續(xù)通常是度量，比如銷量、利潤或成功率，特征是不可羅列，可能為任一數(shù)值。維度和度量中有許多灰色區(qū)域，比如金額，可以做維度，也可以做度量。

在上述訂單表中，device、city 等是維度，對order_id 計數(shù)的總訂單數(shù)、對status = success 計數(shù)的成功訂單數(shù)是度量。

度量可以再分原子度量和派生度量。

原子度量指從維度里直接獲取到，上表中的總訂單數(shù)和成功訂單數(shù)。

派生度量并不能直接從數(shù)據(jù)表中獲取，而需要基于已有數(shù)據(jù)進行加工處理得到，上表中的訂單成功率是成功訂單數(shù)/總訂單數(shù)得到。

6. 數(shù)據(jù)分析

有了維度和度量的概念后，接著引入聚合概念。對于數(shù)據(jù)分析來說，往往關(guān)心的并不是最底層一行一行的的明細數(shù)據(jù)，更注重分析數(shù)據(jù)的角度，關(guān)心的是數(shù)據(jù)的總體特征。

聚合，簡單講就是數(shù)據(jù)源里的多行數(shù)據(jù)按照一定的標(biāo)準(zhǔn)計算成一個數(shù)據(jù)，不管數(shù)據(jù)集里有1行還是多行，視圖里的數(shù)據(jù)都是聚合后的結(jié)果，一行數(shù)據(jù)也是要聚合的，當(dāng)然一行數(shù)據(jù)聚合的結(jié)果是一樣的。實際上，維度為數(shù)據(jù)聚合提供依據(jù)，而度量是依據(jù)維度聚合得到的結(jié)果。

配置了聚合計算的計算字段，將根據(jù)配置的維度自動進行聚合運算。

如：

• 求和：SUM([字段])
• 計數(shù)：COUNT([字段])
• 計數(shù)去重：COUNT(DISTINCT [字段])
• 求平均值：AVG([字段])

表述的業(yè)務(wù)含義為時間周圍為2021.3.1 ~ 2021.3.15 范圍內(nèi)pc端的訂單成功率為0.5。

計算過程：根據(jù)created_at=2021.3.1 ~ 2021.3.15 和device =pc ，SUM([總訂單數(shù)])= 2，SUM([成功訂單數(shù)])=1，SUM([成功訂單數(shù)])/SUM([總訂單數(shù)])=1/2=0.5。

Quick BI 提供電子表格和儀表盤兩種可視化工具做以上分析。

電子表格：

儀表盤：

通過可視化的圖標(biāo)去分析數(shù)據(jù)，找出機會點或者異常。

7. 數(shù)據(jù)應(yīng)用

通過可視化的圖表去分析數(shù)據(jù)，找出機會點或者異常?？梢哉f，前面1、2、3、4 所有的工作都在為了第5部分數(shù)據(jù)應(yīng)用上。

數(shù)據(jù)從用戶中來，通過一系列的數(shù)據(jù)沉淀、處理和分析找出機會點做決策再回到用戶中去，提升用戶體驗，帶動業(yè)務(wù)增長，此即數(shù)據(jù)驅(qū)動業(yè)務(wù)。

8. 結(jié)語

本篇文章介紹了分析數(shù)據(jù)的數(shù)據(jù)框架拆解、數(shù)據(jù)處理加工過程。

但是海量數(shù)據(jù)怎么看，看哪些？度量指標(biāo)應(yīng)該怎么設(shè)計，度量指標(biāo)中什么是業(yè)務(wù)的北極星指標(biāo)等此文還沒提到，在第三部分數(shù)據(jù)指標(biāo)體系設(shè)計中講解。

三、數(shù)據(jù)分析 | 數(shù)據(jù)指標(biāo)體系設(shè)計

接著來講數(shù)據(jù)分析的第三篇文章數(shù)據(jù)指標(biāo)體系設(shè)計，是整個數(shù)據(jù)分析篇章中最核心的內(nèi)容。

在第二篇文章中講到，我把數(shù)據(jù)分為：用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，再往下又分了維度和度量兩個概念。

盡管如此，維度也好，度量也罷，都會產(chǎn)生很多散落的數(shù)據(jù)，你并不知道數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)性，也不知道眾多數(shù)據(jù)中什么是最核心的，什么最能表示業(yè)務(wù)最終呈現(xiàn)效果或者哪個數(shù)據(jù)指標(biāo)表示目標(biāo)達到。

數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)性或者相關(guān)邏輯性稱作數(shù)據(jù)指標(biāo)體系。指標(biāo)體系指將零散單點的具有相互聯(lián)系的指標(biāo)，系統(tǒng)化的組織起來，通過單點看全局，通過全局解決單點的問題。

說白了就是找個框架把所有的數(shù)據(jù)以一定的邏輯性組裝起來，框架也即數(shù)據(jù)模型。此篇文章針對用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)分別給出代表性模型，用以各自領(lǐng)域的數(shù)據(jù)分析。

1. 用戶數(shù)據(jù)之AARRR模型

提到用戶本身，馬上會想到經(jīng)典的AARRR 模型，即獲取用戶（Acquisition）、提高活躍（Activation）、提高留存率（Retention）、獲取營收（Revenue）和自傳播（Referral）。

每個環(huán)節(jié)都有這個環(huán)節(jié)應(yīng)該關(guān)注的指標(biāo)，這些環(huán)節(jié)并不一定遵循嚴格的先后順序。

• 獲取（Acquisition）：用戶如何發(fā)現(xiàn)（并來到）你的產(chǎn)品？
• 激活（Activation）：用戶的第一次使用體驗如何？
• 留存（Retention）：用戶是否還會回到產(chǎn)品（重復(fù)使用）？
• 收入（Revenue）：產(chǎn)品怎樣（通過用戶）賺錢？
• 傳播（Refer）：用戶是否愿意告訴其他用戶？

AARRR模型是非常經(jīng)典的用戶分析模型，且需要結(jié)合具體業(yè)務(wù)展開來講，這里不做過多描述。

2. 行為數(shù)據(jù)之UJM+OSM模型

UJM即User-Journey-Map，用戶旅程地圖模型；OSM分別指目標(biāo)、策略和衡量，Objective-Strategy- Measurement。

UJM+OSM，通過拆分用戶使用產(chǎn)品的階段性行為，從中挖掘用戶的需求，在每個階段確定能夠提升的指標(biāo)，將用戶旅程和業(yè)務(wù)目標(biāo)結(jié)合起來。

目標(biāo)（ Objective）指業(yè)務(wù)目標(biāo)。業(yè)務(wù)或者產(chǎn)品，存在的目的是什么、能夠解決用戶什么問題、滿足用戶什么需求？如上述業(yè)務(wù)目標(biāo)為購買轉(zhuǎn)化率，購買轉(zhuǎn)化率越高，說明用戶體驗越佳，商業(yè)價值越高。

策略（Strategy）指為了達到業(yè)務(wù)目標(biāo)，應(yīng)當(dāng)采取什么策略。如上述為了提升用戶首頁-商詳轉(zhuǎn)化，策略1可以為視覺提升、策略3可以為交互流程改善等。策略1的視覺提升可以進一步拆解為頁面整體顏色、卡片樣式等。

衡量（Measurement）：用來衡量策略的有效性，反映策略執(zhí)行是否能達成業(yè)務(wù)目標(biāo)的度量指標(biāo)。如上述首頁轉(zhuǎn)化率可以為進到首頁用戶數(shù)轉(zhuǎn)化到商品詳情頁的用戶數(shù)，轉(zhuǎn)化率越高，說明用戶對首頁青睞度越高，首頁的產(chǎn)品呈現(xiàn)內(nèi)容越有效。

基于用戶的行為路徑來拆解目標(biāo)，對于每個子目標(biāo)找到最終可落地的方案，啟動項目\需求，通過用戶功能滿足達到最終的業(yè)務(wù)目標(biāo)。

如購買轉(zhuǎn)化率目標(biāo)為提升15%，那么估算首頁改版項目提升的目標(biāo)為8%，商詳改版項目提升的目標(biāo)為5%，下單結(jié)算改版項目提升的目標(biāo)為3%，收銀支付改版項目提升的目標(biāo)為2%。

按照價值從高到低依次投入開發(fā)資源去實現(xiàn)目標(biāo)，項目上線后再復(fù)核業(yè)務(wù)目標(biāo)是否達成，若未達成，進行差距分析。

3. 業(yè)務(wù)數(shù)據(jù)之指標(biāo)分層

談到業(yè)務(wù)數(shù)據(jù)時開始涉及角色的問題，業(yè)務(wù)和產(chǎn)品的角色分工，不同的角色在不同的場景下關(guān)注的指標(biāo)并不相同。

基于此，一開始就把指標(biāo)進行分層級，分為業(yè)務(wù)、產(chǎn)品和流程三個層級，業(yè)務(wù)關(guān)注業(yè)務(wù)的，產(chǎn)品關(guān)注產(chǎn)品的。不同層級的指標(biāo)有不同的思考維度和分析方法。

以支付業(yè)務(wù)為例，先明確指標(biāo)層級后，根據(jù)指標(biāo)設(shè)計原則，去做關(guān)鍵指標(biāo)的拆解，一級指標(biāo)可以拆解到二級指標(biāo)，二級指標(biāo)還可以繼續(xù)拆解到三級指標(biāo)等等。

業(yè)務(wù)層級的指標(biāo)用來衡量商業(yè)層面的客戶發(fā)展、增長與獲利、競爭力與盈利能力等。

業(yè)務(wù)從用戶那里掙錢，需要通過產(chǎn)品作為載體或媒介，互聯(lián)網(wǎng)產(chǎn)品的使命是利用技術(shù)賦能業(yè)務(wù)，幫助企業(yè)降本增效。所以談到產(chǎn)品，需要去思考產(chǎn)品定位、產(chǎn)品能提供的核心價值、產(chǎn)品帶給用戶的產(chǎn)品使用體驗、產(chǎn)品如何實現(xiàn)業(yè)務(wù)目標(biāo)。

進一步細化，一個產(chǎn)品往往有著很多功能，承載著不同的用戶交互步驟或操作流程。梳理并整理出整個轉(zhuǎn)化流程中各個關(guān)鍵節(jié)點，去實現(xiàn)產(chǎn)品的核心指標(biāo)。

從業(yè)務(wù)模式，到根據(jù)產(chǎn)品的價值與體驗，再分解到具體流程的步驟效率。這提供了一種縱向的，自上而下、由粗到細的分析模型，在每一個層級上，又會有不同關(guān)注點和類別的指標(biāo)。以數(shù)據(jù)為基礎(chǔ)，主導(dǎo)產(chǎn)品布局，拆解流程步驟，賦能業(yè)務(wù)增長。

4. 結(jié)語

本篇文章從用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)三方面介紹了3個數(shù)據(jù)指標(biāo)體系模型。特別說明的是，文中提到的AARRR模型、UJM+OSM模型、指標(biāo)分層3個數(shù)據(jù)模型僅舉例說明，實際還有更多模型，如PLC、HEART、GSM、PTECH模型等等，需在不同場景下評估綜合使用。

但不管什么數(shù)據(jù)模型，核心都在于找到數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)性，從海量數(shù)據(jù)中找出最核心的數(shù)據(jù)指標(biāo)用以衡量目標(biāo)是否達到，以系統(tǒng)和結(jié)構(gòu)化視角思維來看數(shù)據(jù)分析。

四、數(shù)據(jù)呈現(xiàn)之?dāng)?shù)據(jù)分析方法

今天來講數(shù)據(jù)分析的第四篇文章數(shù)據(jù)呈現(xiàn)之?dāng)?shù)據(jù)分析方法，是整個數(shù)據(jù)分析篇章中最后一部分內(nèi)容。

在前面第二部分、第三部分文章中，我們講了數(shù)據(jù)生成-獲取數(shù)據(jù)-數(shù)據(jù)建模-數(shù)據(jù)指標(biāo)搭建這樣漫長的數(shù)據(jù)加工處理過程，到最后一步便是數(shù)據(jù)呈現(xiàn)和從數(shù)據(jù)中挖掘出來的問題或者機會點的數(shù)據(jù)應(yīng)用。

有句話調(diào)侃講，辛苦干活兒一年還比不過一個做PPT的，同樣適用數(shù)據(jù)分析。如果前面做了大量數(shù)據(jù)加工處理工作，但是最后不會做數(shù)據(jù)分析和數(shù)據(jù)呈現(xiàn)，挖掘不到問題和機會點，那么前面的工作將白費。

（或者說前面的工作皆屬于打地基，最后一步也就是本篇文章講述的內(nèi)容是收獲果實。）

通過數(shù)據(jù)呈現(xiàn)，把分析的結(jié)果完整呈現(xiàn)出來，為決策者提供科學(xué)、嚴謹?shù)臎Q策依據(jù)，供決策者參考以做出決策。

好的數(shù)據(jù)呈現(xiàn)，需要有一個好的方式展現(xiàn)數(shù)據(jù)間的關(guān)系和規(guī)律，讓人一目了然，這是接下來要說的數(shù)據(jù)分析方法。常見的漏斗分析、多維拆解、趨勢分析、對比分析、帕累托分析和交叉分析等。

上篇講的數(shù)據(jù)指標(biāo)體系設(shè)計是從宏觀層面指導(dǎo)如何進行數(shù)據(jù)分析，本章講的數(shù)據(jù)分析方法主要從微觀角度指導(dǎo)如何進行數(shù)據(jù)分析。從宏觀到微觀是不斷細化的過程。

1. 漏斗分析

漏斗分析能夠科學(xué)反映用戶行為狀態(tài)，以及從起點到終點各業(yè)務(wù)流程的用戶轉(zhuǎn)化率情況，是一種重要的流程式數(shù)據(jù)分析方法。

比如：對于電商產(chǎn)品來說，最終目的是讓用戶購買商品，但整個流程的轉(zhuǎn)化率由每一步的轉(zhuǎn)化率綜合而定。這時，我們就可以通過漏斗分析模型進行監(jiān)測。

如下圖所示，我們可以觀察用戶在每一個環(huán)節(jié)上的轉(zhuǎn)化率，尋找轉(zhuǎn)化路徑的薄弱點，優(yōu)化產(chǎn)品，提升用戶體驗，最終提升整體的轉(zhuǎn)化率。

所有互聯(lián)網(wǎng)產(chǎn)品、數(shù)據(jù)分析都離不開漏斗，無論是注冊轉(zhuǎn)化漏斗，還是電商下單漏斗。需要關(guān)注兩點，第一是關(guān)注哪一步流失最多；第二是關(guān)注流失的人都有哪些行為。轉(zhuǎn)化率最低的環(huán)節(jié)，往往是ROI 價值最大的地方。

2. 多維拆解

我自己本身是做支付業(yè)務(wù)的，日常呈現(xiàn)數(shù)據(jù)最多的形式便是多維拆解。（多維的意思是從多個維度拆解度量指標(biāo)，如果對維度和度量不太了解的可以去看第三部分的內(nèi)容。

• 首先呈現(xiàn)整體支付成功率，其次按照商戶維度分別去看各商戶支付成功率；
• 每個商戶下有很多個國家，再按照國家維度去看支付成功率；
• 每個國家有很多個支付端，再按照各個端維度去看支付成功率；
• 每個端上有很多個支付方式，再按照各支付方式維度去看支付成功率。

至此，拆到最小顆粒度。

在分析數(shù)據(jù)時，若整體支付成功率發(fā)生異常，按照此路徑拆解到最小顆粒度的支付方式，基本可以鎖定發(fā)生問題的原因。

3. 趨勢分析

建立趨勢圖表可以迅速了解市場、用戶或者產(chǎn)品特征的基本表現(xiàn)，便于進行迅速迭代。趨勢分析通常按時間維度的小時\天\周\月看度量指標(biāo)的變化情況（像我每天早上來第一件事是看昨天的支付成功率有無異常）。

趨勢分析有兩大作用：趨勢預(yù)測和數(shù)據(jù)監(jiān)測。比如我現(xiàn)在正在做的項目業(yè)務(wù)數(shù)據(jù)監(jiān)控，就是基于支付成功率在過去一段時間內(nèi)的數(shù)據(jù)表現(xiàn)來預(yù)判當(dāng)前支付成功率是否異常。如下圖中的7月和8月明顯低于其他月份，可判定這兩個月數(shù)據(jù)發(fā)生了異常，需要去尋找原因。

4. 對比分析

同一維度還常常做度量指標(biāo)的對比分析，主要用于對比同維度間的差異性。比如我做支付業(yè)務(wù)，會去對比Top 國家的支付成功率，看哪個國家是我重點要關(guān)注的國家。

同漏斗分析類似，對比分析也可以快速找出最需要關(guān)注的維度指標(biāo)，把資源用在刀刃上。

（比如我印象很深，我的leader第一次做數(shù)據(jù)分析報告時，按Top國家做了國家維度的對比分析，大家很快知道哪些國家需要花資源重點解決，從此改變大家對支付業(yè)務(wù)的認知。以前大家可能以為支付需要持續(xù)接入新支付服務(wù)商，但是大家現(xiàn)在知道可以分重點國家差異性改善，不僅僅是無腦接入新支付服務(wù)商）

另外，在對比應(yīng)用中，現(xiàn)在流行A/B test，A/B test的關(guān)鍵就是保證兩組中只有一個單一變量，其他條件保持一致，實驗組和對照組也是對比分析。

除了跟別人比，也可以自己跟自己比，統(tǒng)計學(xué)中的環(huán)比和同比便是自己跟自己比的經(jīng)典應(yīng)用。（比如到年底，我會做支付業(yè)務(wù)的復(fù)盤，會把連續(xù)幾年的訂單量和支付成功率做對比，看今年的整體情況）

5. 帕累托分析

帕累托分析，平常也稱之為二八定律。在任何一組東西中，最重要的只占其中一小部分，其余盡管是多數(shù)，卻是次要的。

帕累托模型即是以二八定律為基礎(chǔ)原理構(gòu)建出的商品分析模型，這個模型最大的好處是可以對商品或者產(chǎn)品進行分類，按照投入產(chǎn)出比的優(yōu)先次序原則，將自己的資源盡量投入到頭部產(chǎn)品當(dāng)中，以期產(chǎn)生最大的效益。

其核心思想就是少數(shù)項目貢獻了大部分價值。以款式和銷售量為例：男士服飾、運動服裝及用品、兒童服裝、女士皮鞋占總體銷售額的70%以上。

6. 交叉分析

交叉分析法就是將對比分析從多個維度進行交叉展現(xiàn)，進行多角度的結(jié)合分析，從中發(fā)現(xiàn)最為相關(guān)的維度來探索數(shù)據(jù)變化的原因。

如下圖，從APP\PC 端的維度結(jié)合漏斗做對比分析，可以發(fā)現(xiàn)APP在每一步轉(zhuǎn)化率更好。

以上掌握了基本的數(shù)據(jù)分析方法，如何撰寫一份分析報告增加它的可讀性呢？

邏輯清晰。數(shù)據(jù)是怎么來的；發(fā)現(xiàn)了什么問題；總結(jié)問題發(fā)生的原因；如何解決這種問題；給出結(jié)論和解決方案。這樣一個簡單明了強邏輯關(guān)系的分析報告就能讓絕大多數(shù)人接受；

報告圖表化。用圖表代替大量堆砌的數(shù)字會有助于人們更形象更直觀地看清楚問題和結(jié)論，更容易做到有理有據(jù)；

規(guī)范化。整篇文檔的圖表風(fēng)格統(tǒng)一、名詞統(tǒng)一。數(shù)據(jù)有來源，口徑有說明。（特別是第一次引入數(shù)據(jù)統(tǒng)計口徑時，要額外說明）

至此，數(shù)據(jù)分析文章系列全文完。

五、結(jié)語

在最后，我想說的點是：數(shù)據(jù)分析重在思路，更多在實踐中訓(xùn)練自己數(shù)據(jù)思維，要有數(shù)據(jù)意識。

盡管寫了此篇文章10000多字，也只是數(shù)據(jù)分析的一點點方法論，是工具層面的皮毛。到目前為止，我仍然有業(yè)務(wù)上的數(shù)據(jù)問題無法解開，可見，就算是成體系的所謂方法論也無法解決所有的實踐問題。

想加以強調(diào)的是，無論是看了我的文章還是別處學(xué)習(xí)了其他知識&技能，都需要在自己實際業(yè)務(wù)場景下去應(yīng)用，否則信息就只是信息，永遠無法內(nèi)化為自己的知識。

就我自身而言，從20年寫第一篇數(shù)據(jù)分析的文章，到現(xiàn)在21年寫四篇數(shù)據(jù)分析的文章。我相信在未來我還會持續(xù)迭代甚至推翻當(dāng)前這套也是有可能，任何東西都不會學(xué)到即停止，它會被一直迭代和更新。

#專欄作家#

花開不敗，微信公眾號：涵小仙女，人人都是產(chǎn)品經(jīng)理專欄作家。文藝女青年一枚，白天工作，晚上碼字，愛美、愛跑步、愛旅行，愿我手寫我心，余生不將就。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Pixabay，基于 CC0 協(xié)議