起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識運營數據：使用群組分析提高用戶增長
在上兩節文章中，我跟大家依次分享了新手如何做好運營工作和工作上要養成用數據驅動思考的習慣，今天按例，和大家聊聊怎么把數據用的有價值從而解決問題。希望大家能前后串起來，舉一反三；形成一個完成的閉環體系。
一、找到工作任務的行動指標
運營的工作，往宏觀上說，是希望產品能與市場達成匹配，圍繞著這一點，我們要構建多個部門，分配多個崗位協調工作，需要定性地學習和校驗用戶的行為，以此反哺產品，抓住用戶上癮；所以，運營核心上是圍著產品、用戶轉；更需要行動指標來幫助認識和評估用戶生命周期的各個環節。
行動指標指的是衡量行動結果的數據，它能明確反映具體可重復的行動和觀測結果之間的關系。和行動指標相對的是虛榮指標，比如網站點擊量或者APP下載量。這樣的指標只能反映產品目前的狀況，但是只看這些指標的話，你無法知道不知道下一步該做什么。
如果有一個指標每個月都會增長的話，那可能這個指標就是虛榮指標。像點擊量或者下載量這樣的指標；要想把指標變成行動指標，你必須要把數據清洗成可見的（用簡單的報表）、可分析（即能挖掘出數據代表的意義）。指標有三個 A：Actionable（可行動）、Accessible（可見）、Auditable(可分析)
二、指標需要深入解讀
在運營推出新活動或者新功能的時候，會出現各種各樣的問題?；A的轉化數據可以告訴你哪個環節出了問題，但是不會告訴你為什么。哪個數據指標才是影響的關鍵？
簡單數據分析觸達不了核心
通常我們上線一個活動或者功能，漏斗報表可能是一種非常好用的分析工具。它很容易看懂，而且又很適合用來展示轉換率信息。不過，漏斗報表更適合用來做微觀層面的轉換率分析（比如某節點轉換率），而不適合做宏觀層面的轉換率分析（比如客戶生命整個周期）。
微觀層面上的轉換周期比較短，一般只有幾分鐘，而宏觀層面的轉換周期則比較長，會以天或者月來計算。簡單的漏斗報表需要有起止時間，然后計算發生的次數，并把這些數據展示出來。如果事件與事件之間的間隔超出了設定的起止時間，那這種報表就計算不了。
舉個例子，假設我們有一個軟件，當天“點擊”和“注冊”的時間間隔都比較短，而“付費”的周期則會很長，所以，這個簡單的漏斗報表存在下面這些問題。
1.得不出準確的轉換率
報表中的收入不會算上七月份的收入，但很可能算上了五月注冊用戶在六月份的付費情況，而這就會導致總體轉換率產生誤差。
2.無法處理流量波動
如果某月訪問下載量出現波動，也會造成誤差。例如六月份的注冊量下滑的話，那么轉換率就會上漲，但實際事實可能并非如此。
3.無法把產品的開發進程也納入考慮
這種報表還有一個問題，它無法把產品開發進程也考慮進去。你的產品不斷在變化，所以，雖然你你有后臺觀測數據，但卻很難分析這些數據到底是由之前采取的哪個行動造成的，比如是產品新功能的影響還是受活動的影響呢？
三、解決方案：按目標群體歸類制作漏斗報表
隨著產品生命線時間的推移，你可能會做一些分離測試，為不同的目標群體制作不同的漏斗報表，像上面這種簡單的漏斗報表是無法做到這一點。要想發揮出漏斗報表的作用，就必須把它和群組分析一起搭配使用。
群組分析是醫藥界常用的研究方法，主要用來研究藥物和疫苗的長期作用。群組分析里的“群組”指的是一群有相同特征，或者在同一時期內有相同經歷的人（比如同一時期出生，同一時期服藥或者注射疫苗）。舉例來說，如果一群人都是在 1948 年的某一天或者某一段時間范圍內出生的話，那他們就是一個“出生群組”。研究人員可以把用藥群組和該群組所在的普通人群進行比較，也可以找和當前群組比較相似、只接觸少量或者沒有接觸過藥品的人組成群組來進行比較。此外，群組內還可以分組進行相互比較。
其實，在互聯網產品、運營界上也有群組分析這個概念，但實操的不多，把這個用在用戶身上，然后跟蹤他們的整個生存周期。就會發現有價值的數據信息，
在上面，你可能已經發現了，點擊和注冊的轉換率很接近，但收入的轉換率則變動很大。下面，我們制作一個按周注冊-收入的群組報告，來解決普通漏斗報表的問題。
這樣看起來，問題似乎就跟清楚了，訪問量波動問題，所有的節點都能和執行動作的用戶聯系起來，所以，群組報表解決了訪問量波動的問題。產品開發進程問題，每周群組報表可以清晰地展現某些指標所經歷的大幅變動，而且我們也可以追溯其來源，查找具體行為及其發生的時間段。按目標群體歸類的問題；群組報表本身就是針對不同的客戶群體來做的，而你也可以自行決定群組標準。
四、制作動態群組分析報表
每周做一份群組報表，挖掘出子流程中每個步驟的數據，并把所有步驟的數據都可視化，這樣才能更好地排查問題。
這里，我以跟蹤留存率的指標，作為分析對象簡要說明一下。
留存率是分析在一段時間內用戶重復使用產品的情況。第一步先確定怎樣才算是使用：定義活躍用戶，定義活躍用戶的方法很多。最基本的定義就是看登錄次數（即用戶是否回來過）。
如果要以產品/市場匹配為目標的話，那我們就需要一個更有意義的定義，不能只評估客戶的使用情況，還要看他是否屬于“典型用戶”。比如說，對于博客網站來說，寫博客就是其核心指標。電商網站付款才是核心指標，每個產品都應該有一套核心的用戶指標判斷其是否屬于持續典型用戶。要注意的是，激活率對應的核心活動和留存率對應的核心指標并不一定相同。
美國互聯網業界有一套先進的方法來評估典型用戶的產品粘度，稱為“客戶滿意指數”（作者：達邁什·沙提），簡稱CHI。這種理念使用一個公式，通過計算不同的使用頻率、范圍和所使用的功能深度來為不同的活動分配1到100的分數。
例如，我們是一款充值類產品，我在一開始的時候將活躍用戶簡單地定義為任何在注冊后（7天）至少有過一次消費的用戶。如果要算典型活躍用戶的話，就可以按照上圖加權公式來計算。
我們可以用這些分數來將用戶分類，然后把活躍用戶定義為任何CHI>80的用戶。清楚定義了活躍用戶之后，就可以把用戶分成不同的類別，有針對性地做營銷、排查問題。
留存率若是按照“活躍”用戶的數量來計算的。就和其他宏觀指標一樣，深入探索留存率也應該有一套詳細的報表。不過，這次不再用漏斗圖了，而是用一個表格來展示不同時間的留存率數據變化
橫豎兩個時間軸最好都能修改，讓你能夠按照每天、每周或者每月來呈現數據。
作者：貓力，目前從事互聯網消費金融項目，崗位運營負責人一枚
本文由 @貓力 原創發布于人人都是產品經理。未經許可，禁止轉載
題圖來自 Unsplash ，基于 CC0 協議
你好，請問CHI中的‘理想登陸次數’是如何計算出來的，還是說這個是可以根據不同的產品，自己來設定？