在数据分析中，我们经常会遇到以下问题，接下来一一揭晓答案。
- 业务有很多数据，但却不知道如何分析
- 掌握了基本的数据分析方法，找到了关键影响因素，但不知道怎么有效拆解
- 数据缺失，不知道要埋哪些点
- 如何每次都能快速查看数据，降低整理成本
一、整体数据分析方法
- 适用目标：从整体业务数据入手，找到聚焦点
- 适用场景：数据比较简单的业务
具体方法：
1、构建全链漏斗增长模型，拆解业务漏斗，如何构建增长模型，在上一篇内容已经详细说明，这里不提。
2、分析历史趋势，以时间为轴，分别看不同时间数据趋势如何，通过趋势找到拐点和异常点，观察产品内部趋势异常点（比如客单价，停留时长等等），看产品内部是否上线了什么内容，影响了数据波动。
3、按获客渠道拆解，将洞察的数据异常点和拐点，按照渠道拆解，比如，转化率数据在某一天产生拐点波动，我们需要去分析不同渠道的数据是否都存在波动情况，还是某一渠道效果更好。
4、用户属性分析，根据用户画像的属性来看使用产品用户的年龄、身份、需求痛点等等，找到核心用户群体。
5、用户活跃度分析，根据活跃频次占比来看典型用户的使用频次，以及高频次使用的用户画像。
6、洞察线索，制定策略，根据以上历史趋势、获客渠道、用户的分析，洞察增长的线索和不足之处，比如哪些渠道转化率较高，哪些内容用户比较喜欢，哪些用户群体是我们的核心用户等等，根据增长线索亮点处，我们可以对渠道、内容、用户更进一步的加强。
对于业务漏斗里流失严重之处，关于转化类相关问题，比如哪些渠道转化较低，不同投放内容有没有区别，可以针对性的优化；对于类似留存、活跃等周期性问题，可以根据阶段和分类进行进一步分析，比如用户在新用户激活、新用户留存、老用户留存哪个阶段留存率较低；在不同渠道、不同种类的内容、不同用户的留存率有没有区别来找到相关线索进而进一步优化。
二、精细化数据分析方法
- 适用目标：希望通过对用户数据多维度分析，找到增长线索
- 适用场景：业务数据比较丰富
两种方法：用户分群&行为分析
1、用户分群
针对不同属性用户分成不同群组，找到不同群组的需求，进而精细化运营。
用户怎么分组？如何选择分组维度？
分组维度有三类：
用户基本属性（如获客渠道、年龄、性别、地理位置、用户身份、用户需求等等）
用户行为（新老用户、活跃程度RFM、使用哪些功能、未使用哪些功能、是否付费等等）
增长模型里的关键因素：在不同用户分组群体中间差异化很大，比如滴滴的客单价，不同出行场景客单价不同，使用场景则是分群维度之一。
选择几个维度分群？
一般1-5个用户分群维度，一般有简单分群和组合维度分群，千人千面不太适合绝大多数公司。
分组后怎么精细化运营？从而驱动增长
1、精准拉新，找到高质量用户画像，可以帮助业务更加精准去拉新，找到精准渠道和广告。
2、获取用户后，对不同群组，进行不同运营动作，比如个性化产品体验，如上手流程；比如精细化运营，根据不同分组，推送个性化内容。
2、行为分析
用户在产品中的行为数据反映出用户使用产品的情况，找到问题点针对性优化。
两类用户行为：一次性行为&周期性行为
一次性行为：顾名思义，是指用户只做一次或者很低频的行为，比如用户注册，开启某项功能等等。
周期性行为：高频发生的行为，比如电商平台下单行为就是周期性行为。
如何找到两类关键行为分别是什么？
一次性行为：找出关键转化路径上的行为
周期性行为：找到发生频次高的周期性行为
用户行为分析能够帮我们解决哪些问题？
1、转化问题，通过用户路径来解决，解决方法：
- 漏斗分析，通过梳理各个关键行为路径的漏斗数据，比如AARRR各梳理一个漏斗或者业务全链漏斗，找到可以优化的关键节点。
- 路径分析，通过路径分析，找到大部分用户的使用路径是什么，与期望的路径是否有区别，有哪些特别的路径，可以通过对比客观用户行为路径和期望路径，引导用户回到期望路径上；以及以终为始的思维方式，以某个行为为终点，在用户到达的转化页面，哪些路径比较主流，我们可以去影响；以某个行为为起点，可以观察用户为什么离开了期望路径，去了哪里，如何避免。
- 轨迹细查，查看单个用户行为轨迹，比如找到用户流失原因，功能bug，或者未付款原因，去探究用户的行为，找到用户在哪里卡住了，进而去解决问题。
2、留存问题，通过让用户养成习惯，能够更多的做某些事：
- 留存分析，用户的留存情况洞察，可以观察产品留存能力，用户流失时间阶段分析，以及观察不同用户群体、渠道、功能的留存情况；以及衡量产品、运营活动对留存是否有效。
- 频次分析，在一段时间里，用户会用一个功能多少次，是否总体频次偏低，是否某一个群体频次高于平均值，对用户进行频次分层，对高价值或低价值用户进行制定策略引导；并且根据用户群体划分，观察频次分布情况，进行策略引导。
在实际工作场景中，数据分析情况是更为复杂的，要将行为分析和用户分群结合一起运用。
比如转化类型的问题，通过梳理转化漏斗发现有某个环节需要优化，但是不知道具体怎么办，这个时候结合用户分群去进一步找到答案。比如通过用户分群，发现不同渠道的用户转化情况不同，则需要针对某一渠道转化低的用户类型优化。
比如留存类的问题，我们通过分析留存情况后，该如何提升新用户阶段的留存，需要结合用户处于生命周期什么阶段，对用户使用功能等进行分群、渠道等分析。
梳理用户路径
在做数据分析之前，我们如何获取需要的业务数据呢？分三步，梳理用户路径→制定数据采集方案→搭建增长仪表盘，接下来我们先了解如何梳理用户路径。
当我们制定好北极星指标后，构建转化漏斗主路径，细化到不能细为止，并加入其他相关路径，构建业务路径图，即可搭建好用户路径。
制定数据采集方案
采集数据为我们后续分析数据打下基础，因此如何采集数据呢？埋哪些点？每个点记录哪些信息呢？如何提给开发需求？
- 埋点：一般是按照用户核心路径，核心路径细节以及其他路径进行埋点。
- 记录信息：行为和属性（一般是who when where how what）。
- 提需求：将行为名称、要回答的问题、事件、事件属性制作埋点表提交给开发。
埋点时常见的坑：思路不清晰，事无巨细，此时解决方法是从当前业务重点和带着分析目标和数据解读思路出发进行埋点；其次命名不统一导致混乱；错过重要的埋点，每次新功能活动或者改版，埋点务必要提前做好，想清楚回答哪些问题，追踪哪些事件，事件需要哪些细节。
打造增长仪表盘
当我们梳理完用户路径，采集完数据后，可以构建业务增长仪表盘，仪表盘分为净增用户仪表盘和细分仪表盘。
- 月净增用户=本月新增用户+本月流失回流用户-本月流失用户
- 新增用户：本月首次活跃
- 本月流失回流用户：上月不活跃，本月活跃
- 本月流失：上月活跃，本月不活跃
- 增长指数=用户流入/用户流出
应用：可以根据增长指数判断产品的流失率情况是否高，评估增长态势，制定问题解决方案，如果用户流失率高，留存率低，要考虑产品是否没有达到PMF，如果用户流失率高，留存率高，用户流失基数大，要考虑产品是否到了成熟衰退期；并且根据增长指数可以对比多个产品的增长健康度情况。
细分增长仪表盘，了解业务的基准线和数据之间相互影响关系很重要，基准线是对业务历史数据的了解，数据间的关系是对业务逻辑理解、数据来源的了解（定义每个字段数据所要回答的问题）、用户行为路径等理解。
细分指标仪表盘需要显示指标为：北极星指标、增长模型关键指标、关键细分指标和漏斗（比如与关键行为相关的指标，关键路径）、重要用户分组。
搭建细分仪表盘分为四步：梳理用户路径→制定关键指标→加上分解维度→构建仪表盘。
应用：发现异动情况，找到关键点解决问题；对业务影响因素的认知，不断通过AB测试提升业务指标；对核心数据监测，找到用户需求和产品提供的价值是否匹配。
利用数据优化渠道投放
渠道质量衡量：目标用户/渠道用户的比例，目标用户是产生关键行为的用户数。
根据用户行为路径，找出关键指标，观察每个指标在各个渠道上的表现情况，关注ROI，放大效果好的渠道，优化效果不好的渠道。
via公众号：连大胆思考日志（gh_0725ab968ab0）
