本文将基于业务场景，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，从而更高效的完成工作。
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！
·END·
本文由鸟哥笔记
