数据分析：三步搭建基础分析框架

数据分析作为运营人员必备的核心技能，对职业发展起着尤为重要的作用。本文将基于基于业务场景，分享几种基础的数据分析框架和方法，系统化的进行数据分析。

无论是产品、还是运营，都需要具备良好的数据分析能力，对用户行为数据和业务数据，进行 分析、评估甚至预测。 本文通过分享三种常见的数据分析框架，帮助我们更系统的进行数据分析，发现并解决产品暴露出的问题，从而更高效的完成工作。

一、用户行为分析

1. 事件分析

事件： 通过埋点，高效追踪 用户行为或业务 的过程。 注册、启动、登录、点击 等，都是常见的事件。例如下图，通过“神策分析”展示出某日的注册事件。

注册事件分日走势
通过 事件分析 我们可以准确了解App内发生的事件量，根据产品特性合理配置追踪，可以轻松回答关于变化趋势、分维度对比等问题，例如：

• 某个时间段推广页面 点击量 有多少，对比昨日有多少提升？
• 某个渠道的累计 注册数 是多少，第一季度排名前十的注册渠道有哪些？
• 某个活动页的 uv分时走势 ，安卓和iOS占比情况如何？

2. 漏斗分析

漏斗模型： 分析一个多步骤过程中，每一步的转化与流失情况。以互联网金融-理财端为例，新用户在首次投资会经过如下步骤过程：

• 浏览页面
• 实名认证
• 充值成功
• 投资成功

我们可以通过漏斗分析整体的转化情况，以及每一步转化量、流失量、转化/流失率。
在漏斗模型中清晰3个基本概念，可以借助强大的筛选和分组功能进行深度分析。

• 步骤： 指的用户行为，由事件加筛选条件组成
• 时间范围： 漏斗第一步骤发生的时间范围
• 窗口期： 用户完成漏斗的时间限制，漏斗只统计这个时间范围内，用户从第一步到最后一步的转化。

理财购买转化漏斗
如上图表示:“2018年3月份，浏览标的页面的28100名用户，在7天内投资成功的转化与流失情况”。这里漏斗分析与事件分析不同的地方：漏斗分析基于用户，或是说基于人来统计某一批用户所发生的行为，不会受到历史浏览页面用户的事件影响，更加准确的暴露某一时间段产品存在的问题。

通过漏斗模型及时发现问题
我们通过建立了注册转化漏斗，度量每一步的转化率和整体的注册转化率，通过时间维度来监控每一步和整体转化率的趋势。
例如：4月12日发现 输入图形验证码 这一步转化率在有明显异常，于是紧急通知技术同事排查，发现图形验证码功能失效，导致大量用户无法显示。紧急修复后，转化率回到之前的水平。所以，通过对每一步漏斗转化率的监控分析，可以及时 发现问题，及时止损 。

3. 留存分析

留存用户： 即用户发生初始行为一段时间后，发生了目标行为，即认定该用户为留存用户。
留存行为： 某个目标用户完成了起始行为之后，在后续日期完成了特定留存行为，则留存人数 +1
留存率： 是指发生“留存行为用户”占发生“初始行为用户”的比例。常见指标有次日留存率、七日留存率、次月留存率等。
留存表： 留存表中给出了目标用户的留存详情，主要包括以下几个信息：

• 目标用户：每天完成起始行为的目标用户量，是留存用户的基数
• 留存用户：发生留存行为的留存用户量和留存率；

用户留存表
留存曲线图：
留存曲线图可以观测随着时间推移，用户留存率的衰减情况。
以电商为例，我们观察运营策略优化/产品改版，是否会影响用户的购买行为。此时我们可以将用户行为分为：

• 初始行为： 注册
• 留存行为： 支付订单

然后根据客户注册的时间按周进行分组，得到同期群，制作 留存曲线图 ，观察该群体用户发生购买的 30日留存。通过比较不同的同期群，可以获知新用户购买率指标是否在提升。

留存曲线图
留存行为一般都与我们的目标有强相关性。我们在进行留存分析时，一定要根据自身业务的实际需要，确定 高价值的留存行为 才能能对产品的优化提供指导性建议。

二、AARRR 模型

AARRR模型 是一套适用于移动App的分析框架，又称海盗指标，是“增长黑客”中驱动用户增长的核心模型。 AARRR模型 把用户行为指标分为了5大类，分别为： 获取用户，激发活跃，提高留存，增加收入 和 病毒传播。

从用户获取到病毒传播，每个环节都有重要的指标需要我们去关注，通过AARRR模型系统化的拆解5大类目用户行为，可以让我们更清晰的知道每个环节需要重点关注的重点指标。
以电商业务为例，下图基于AARRR模型，构建 用户生命周期运营全脉络和 每个节点需要关注的 重点指标 ：

1. Acquisition 获取用户

在获取用户阶段，我们希望让更多潜在用户关注到我们的产品，通过以下基础途径来曝光我们的推广页面：

• 付费获取： 媒体广告、SMS、EDM、流量交易/置换
• 搜索营销： 搜索引擎优化(SEO)，搜索引擎营销（SEM）
• 口碑传播： 用户间邀请活动，病毒H5传播等

用户访问页面后，可以通过导航、主动搜索、算法推荐来了解到我们的产品。切中当下需求的用户会进行注册行为，算是和用户真正意义上第一次会面。
这时就要重点关注 推广页UV ， 点击率，注册量，注册率，获客成本 等重要指标。

2. Activation 激发活跃

用户注册后是否有进一步了解我们的产品？这其中涉及到产品的功能，设计，文案，激励，可信等等。我们需要不断调优，引导用户进行下一步行为，让新用户成为长期的活跃用户：
我们可以通过 界面/文案优化 ， 新手引导，优惠激励等手段，  进行用户激活流程的转化提升。监控 浏览商品页面，加入购物车，提交订单，完成订单 的漏斗转化。
这个过程中，我们要重点关注 活跃度 ，若定义加入购物车为活跃用户，那么我们就要观察 注册至加入购物车漏斗转化率 ，按维度拆分，分析优质转化漏斗的共有特征/运营策略，提升策略覆盖率，优化整体转化效果。

3. Retention 提高留存

用户完成初次购买流程后，是否会继续使用？流失的用户能否继续回来使用我们的产品？
产品缺乏粘性会导致用户的快速流失，我们可以通过搭建 生命周期节点营销计划 ，通过push、短信、订阅号、邮件、客服跟进等一切适合的方式去提醒用户持续使用我们的产品。并且在此基础上通过 积分/等级体系 ，培养用户忠诚度，提升用户粘性。
重点关注 留存率，复购率，人均购买次数，召回率 等指标 。

4. Revenue 增加收入

我们获得每位用户平均需要花费多少钱？每位用户平均能为我们贡献多少价值，能是否从用户的行为，甚至其他方式赚到钱？
电商业务的基础要关注获客成本CAC，顾客终身价值，在此基础上通过 运营活动 激励用户进行购买，提升用户单价、频次、频率，最终提升用户生命周期贡献价值。
重点关注 获客成本，顾客终身价值，营销活动ROI 等指标。

5. Referral 病毒传播

用户是否会自发的推广我们的产品？通过激励是否能让更多的忠诚用户推广我们的产品？
在社交网络高度发达的今天，我们可以通过各种新奇的方式去进行产品传播：用户邀请的 老带新 活动，垂直领域的 社群运营 ， H5营销传播， 让老用户推广我们的产品，吸引更多的潜在用户。
重点关注 邀请发起人数，每个病毒传播周期的新用户量，邀请转化率，传播系数 等。

三、3大增长引擎

精益创业提出一个概念： 唯一关键指标 （one metric that matters, OMTM ）。

在任何类型产品的任何一个阶段，都需要找到唯一的一个数字，把它放到比其他任何事情都更重要的位置上。在数据分析时，可以抓取许许多多的数据，但必须聚焦在最关键的事情上。同时其也是“增长黑客”中的关键特质： 专注目标 。

1. 粘着式增长引擎

粘着式增长引擎以  Retention 留存 作为 OMTM 驱动增长

典型案例是游戏类的App，facebook针对游戏提出的“40-20-10”法则，即如果你想让游戏的DAU超过100万，那么新用户的次日留存率应该大于40%，7日留存率大于20%，30日留存率大于10%。

不使用任何运营激励手段与使用留存激励相比，次日留存相差甚远。
例如游戏中常见的： 签到活动，登录奖励，时长奖励 等玩法都是基于 提升用户留存 的目的，

登录奖励
通过提供目的性的 目标 ，制定 规则 和 反馈系统， 为玩家带来创造性成就和能力的提高带来的满足感和愉快感，从而提升用户的 游戏频率，游戏时长 ，最终提升用户留存。
好的留存率对于不同的产品而言是不同的，在这里不展开对用户留存率的划分，针对不同类型的产品与用户粘性寻找最适合的留存指标才是正确的。

2. 付费式增长引擎

付费式增长引擎以  Revenue 营收 作为 OMTM 驱动增长。
简单来说，从顾客在产品上贡献的 价值 大于获取付费客户的 成本 ，就可以一直驱动营收增长。

互联网金融是 付费式增长引擎 的典型例子，由于产品类型不像游戏和视频资讯类应用，有强大高频使用需求。互金运营考核的核心目标就是 促成交易 ，从用户每一次投资/借贷行为中获得收入，覆盖营销的投入，不断驱动引擎的转动。这里我们要重点关注2个指标：

• CAC（Customer Aqusition Cost）客户获取成本
• CLV (Customer Lifetime Value) 客户终生价值

例如： 某次月在营销上投入成本20000元，新增投资用户100人，则获取每位投资用户的成本是200元。若人均投资5万元，利润率2%，客户终身价值CLV=1000元/人。
当 CLV>CAC ，不计其它成本的基础上，已驱动引擎正常运转了，接下来就要思考如何提供更多曝光，扩大顶端的漏斗，以及尽可能缩短客户盈亏平衡时间。

3. 爆发式增长引擎

爆发式增长引擎以  Referral 传播 作为 OMTM 驱动增长
典型案例：基于社交场景的分享，通过 瓜分红包，砍价、拼团、秒杀 等玩法，不断触达潜在用户。

用户分享到社交网络，即可降低付出的成本，通过为用户省钱的策略，提升用户感知价值，不断刺激价格敏感用户，贡献大量的分享量，点击量，引导潜在用户进行体验/注册。
在爆发式增长引擎中，我们需要关注 病毒系数 K=I * Conv :
I：Invitation，即每个用户发送的邀请数量，反映了分布密度.
Conv ： Conversion rate，即每个邀请成功的概率，反映了感染强度.
那么如何提升让病毒传播系数，上面活动中常见的3种方案：

• 重点提高接受率： 降低接受门槛，且尽量将接受步骤控制在社交场景中，避免二跳降低转化。
• 缩短单次邀请流程的生命周期： 通过限定时间的方法，加快增长进程的同时，提升紧迫感。
• 试图说服用户去邀请更多的人： 头几位受邀用户在砍价中可以砍掉很多金额，让用户初尝甜头后会激励更多的转发量。

四. 总结

结合多种业务场景，梳理如何通过 用户行为 进行事件分析、漏斗分析和留存分析，基于 AARRR模型 如何获取用户、激发活跃、提高留存、获取收入和病毒传播，最后通过三大引擎，聚焦OMTM驱动增长。
每当产生新的业务问题的时候，通过框架去进行系统化的思考，对问题的解决起着尤为重要的作用。
数据分析是互联网产品和运营的基本功，笔者在数据分析方向的还处于不断提升阶段，以上是最近学习工作中的一些案例和心得分享，希望能给在学习中新人带来一些思路！
 
作者 @George 。

关键字：数据运营, 运营技巧, 留存, 用户

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！