數(shù)據(jù)分析之道是價值觀，認同數(shù)據(jù)分析的價值，對數(shù)據(jù)分析工作有清楚的定位，并非常了解數(shù)據(jù)分析背后的商業(yè)模式。對數(shù)據(jù)分析只有認同其價值，明確其定位，深諳其商業(yè)模式，才能走在正確的軌道上。
數(shù)據(jù)分析之術是正確的方法論：AARRR模型和分析上的學習引擎。AARRR是《增長黑客》海盜法則：依次是獲取用戶、激發(fā)活躍、提高留存、增加收入、推薦傳播的首字母，覆蓋用戶整個生命周期。學習引擎是《精益創(chuàng)業(yè)》中提倡的精益化運營方式，當有想法時采用最簡可行產(chǎn)品MVP的方式將其構(gòu)建出來，上線后我們衡量用戶和市場反應，通過分析收集到的數(shù)據(jù)來驗證或推翻之前的想法，從而不斷學習和優(yōu)化。
數(shù)據(jù)分析之器是指數(shù)據(jù)分析工具。統(tǒng)一的數(shù)據(jù)采集平臺，選擇合適的分析工具。
作者：張溪夢 Simon
鏈接：https://www.zhihu.com/question/64072628/answer/220105409
來源：知乎
著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請注明出處。
一、 數(shù)據(jù)分析體系：道、術、器
「道」是指價值觀。
要想做好數(shù)據(jù)分析，首先就要認同數(shù)據(jù)的意義和價值。一個不認同數(shù)據(jù)分析、對數(shù)據(jù)分析的意義缺乏理解的人是很難做好這個工作的。
那么如何讓數(shù)據(jù)分析真正發(fā)揮價值？
我認為必須在價值認同、工作定位和商業(yè)模式三點上取得突破。
（一）數(shù)據(jù)分析的價值認同
做好數(shù)據(jù)分析，首先要認同數(shù)據(jù)的意義和價值。一個不認同數(shù)據(jù)、對數(shù)據(jù)分析的意義缺乏理解的人是很難做好這個工作的。
放到一個企業(yè)里面，企業(yè)的 CEO 及管理層必須高度重視和理解數(shù)據(jù)分析的價值。你想一下，如果老板都不認可數(shù)據(jù)分析的價值，那么數(shù)據(jù)相關的項目在企業(yè)里面還能推得動嗎？然后，企業(yè)內(nèi)部還需要有數(shù)據(jù)驅(qū)動的公司文化。如果大家寧可拍腦袋做決定也不相信數(shù)據(jù)分析師的建議，那么數(shù)據(jù)分析往往是事倍功半、走一下形式而已，反之則是事半功倍。
（二）數(shù)據(jù)分析的工作定位
做好數(shù)據(jù)分析，要對數(shù)據(jù)分析的價值有清楚的定位。既不要神化數(shù)據(jù)分析，把它當做萬能鑰匙；也不要輕易否定數(shù)據(jù)分析的意義，棄之不用。數(shù)據(jù)分析應該對業(yè)務有實際的指導意義，而不應該流于形式，淪為單純的 “取數(shù)”、“做表”、“寫報告”。
在 LinkedIn 那么多年的工作時間里面，我們對數(shù)據(jù)分析的工作早已有了清晰的定位：利用（大）數(shù)據(jù)分析為所有職場人員作出迅捷、高質(zhì)、高效的決策，提供具有指導意義的洞察和可規(guī)模化的解決方案。
當時我們還采用了一套 EOI 的分析框架，對不同業(yè)務的數(shù)據(jù)分析價值有明確的定位。針對核心任務、戰(zhàn)略任務和風險任務，我們認為數(shù)據(jù)分析應該分別起到助力（Empower）、優(yōu)化（Optimize）、創(chuàng)新（Innovate）的三大作用。
（三）數(shù)據(jù)分析的商業(yè)模式
做好數(shù)據(jù)分析，要對企業(yè)的商業(yè)模式非常了解。數(shù)據(jù)分析的最終目的還是服務于企業(yè)的增長目標，所以務必要對行業(yè)背景、業(yè)務含義、產(chǎn)品和用戶有著深刻的認知。
還是以 LinkedIn 為例，作為企業(yè)增長的重要環(huán)節(jié)，LinkedIn 在產(chǎn)品設計之初就優(yōu)先考慮到了數(shù)據(jù)的價值模式。首先是用戶的增長、使用和活躍，然后產(chǎn)生大量的數(shù)據(jù)，最后根據(jù)數(shù)據(jù)進行業(yè)務變現(xiàn)（企業(yè)廣告、企業(yè)招聘、高級賬號等業(yè)務）和用戶增長，從而不斷良性循環(huán)。
只有認可分析價值、明確工作定位、深諳商業(yè)模式，數(shù)據(jù)分析才能走在正確的軌道上。
「術」是指正確的方法論。
（一）數(shù)據(jù)分析的兩個方法論
數(shù)據(jù)分析應該幫助我們不斷優(yōu)化營銷、運營、產(chǎn)品、工程，驅(qū)動企業(yè)和用戶的增長，而不是為了分析而分析。在這里我給大家介紹兩個方法論，一個是業(yè)務上的 AARRR 模型，另一個是分析上的學習引擎。
AARRR 是著名的 Growth Hacker （增長黑客）海盜法則，依序分別是 Acquisition（獲取用戶）、Activation（激發(fā)活躍）、Retention（提高留存）、Revenue（增加收入）和 Referral（推薦傳播）的首字母簡稱，覆蓋用戶整個生命周期。
我們在進行數(shù)據(jù)分析的時候，應該考慮用戶正處于 AARRR 模型的哪個部分、關鍵數(shù)據(jù)指標是什么、對應的分析方法又是什么？
“ 學習引擎 ” 是《精益創(chuàng)業(yè)》一書中提倡的精益化運營方式，在硅谷被大小企業(yè)廣泛采納。
當我們有一個想法的時候，可以采用最簡可行化產(chǎn)品（MVP）的方式將其構(gòu)建（Build）出來。產(chǎn)品上線后，我們需要衡量（Measure）用戶和市場的反應。通過分析收集到的數(shù)據(jù)，我們可以驗證或者推翻我們之前的想法，從而不斷學習（Learn）和優(yōu)化。
（二）數(shù)據(jù)分析的具體方法
數(shù)據(jù)分析的具體方法有很多，接下來我就選幾種典型的講講。
（1）流量分析
a. 訪問 / 下載來源，搜索詞
網(wǎng)站的訪問來源，App 的下載渠道，以及各搜索引擎的搜索關鍵詞，通過數(shù)據(jù)分析平臺都可以很方便的進行統(tǒng)計和分析，分析平臺通過歸因模型判斷流量來源，產(chǎn)品經(jīng)理在分析這些流量時，只需要用自建或者第三方的數(shù)據(jù)平臺追蹤流量變化即可，第三方平臺如 Google Analytics 、GrowingIO 等；
b. 自主投放追蹤
平時我們在微信等外部渠道投放文章、H5 等，許多產(chǎn)品都會很苦惱無法追蹤數(shù)據(jù)。
分析不同獲客渠道流量的數(shù)量和質(zhì)量，進而優(yōu)化投放渠道。常見的辦法有 UTM 代碼追蹤，分析新用戶的廣告來源、廣告內(nèi)容、廣告媒介、廣告項目、廣告名稱和廣告關鍵字。
c. 實時流量分析
實時監(jiān)測產(chǎn)品的訪問走勢，尤其要關心流量異常值。舉個例子，某互聯(lián)網(wǎng)金融平臺因為一個產(chǎn)品 Bug 導致用戶瘋狂搶購造成的流量峰值，產(chǎn)品經(jīng)理發(fā)現(xiàn)實時數(shù)據(jù)異常后迅速下線該產(chǎn)品修復 Bug，避免了損失擴大。
（2）轉(zhuǎn)化分析
無論是做網(wǎng)站還是 App，產(chǎn)品里面有很多地方需要做轉(zhuǎn)化分析：注冊轉(zhuǎn)化、購買轉(zhuǎn)化、激活轉(zhuǎn)化等等。一般我們借助漏斗來衡量用戶的轉(zhuǎn)化過程。
影響轉(zhuǎn)化率的因素很多，我們總結(jié)了三個大的方面：渠道流量、用戶營銷、網(wǎng)站 / APP 體驗。以渠道流量為例，通過優(yōu)選渠道并且量化分配我們的投放資源，可以有效提升總體的轉(zhuǎn)化率。
更詳細的轉(zhuǎn)化分析方法，可以參考我之前的這篇回答如何提升轉(zhuǎn)化率？ - 張溪夢的回答。
（3）留存分析
在互聯(lián)網(wǎng)行業(yè)里，通常我們會通過拉新把客戶引過來，但是經(jīng)過一段時間可能就會有一部分客戶逐漸流失了。那些留下來的人或者是經(jīng)常回訪我們公司網(wǎng)站 / App 的人就稱為留存。
在一段時間內(nèi)，對某個網(wǎng)站 / App 等有過任意行為的用戶，稱之為這個網(wǎng)站 / App 這段時間的活躍用戶，這個任意行為可以是訪問網(wǎng)站、打開 App 等等。
現(xiàn)在大家經(jīng)常會用到所謂的「日活」 （日活躍用戶量，DAU）、「周活」 （周活躍用戶量，WAU）來監(jiān)測我們的網(wǎng)站，有的時候會看到我們的「日活」在一段時期內(nèi)都是逐漸地增加的，以為是非常好的現(xiàn)象，但是如果沒有做留存分析的話，這個結(jié)果很可能是一個錯誤。
留存是產(chǎn)品增長的核心，用戶只有留下來，你的產(chǎn)品才能不斷增長。一條留存曲線，如果產(chǎn)品經(jīng)理不做什么的話，那么用戶就慢慢流失了。
這是一個常見的留存曲線，我把它分成了三個部分：第一部分是振蕩期，第二部分是選擇期，第三部分是平穩(wěn)期。
從產(chǎn)品設計的角度出發(fā)，找到觸發(fā)留存的關鍵行為，幫助用戶盡快找到產(chǎn)品留存的關鍵節(jié)點。之前我們發(fā)現(xiàn)我們產(chǎn)品里面，使用過“新建”功能用戶的留存度非常高；于是我們做了產(chǎn)品改進，將“新建”按鈕置于首頁頂部刺激用戶使用，效果非常好。
硅谷流行的 Magic Number（魔法數(shù)字）也是留存分析的一部分，比如 Facebook 發(fā)現(xiàn)「在第一周里加 10 個好友」的新用戶留存度非常高。作為產(chǎn)品經(jīng)理，我們也需要通過數(shù)據(jù)分析來不斷探索我們產(chǎn)品里面的魔法數(shù)字，不斷提高用戶留存度和活躍度。
更詳細的留存分析方法，可以參考這篇文章你能找到的最深入的留存分析文章 - 留存 · 增長 · Magic Number 。
（4）可視化分析
用戶體驗，是一個非常抽象的概念，我們可以對其進行形象化。目前一個普遍的方法就是對用戶的數(shù)據(jù)進行可視化，以熱圖的形式呈現(xiàn)。
借助熱圖，產(chǎn)品經(jīng)理可以非常直觀了解用戶在產(chǎn)品上的點擊偏好，檢驗我們的產(chǎn)品設計或者布局是否合理。
熱圖的概念、原理、類型和應用，可以參考這個回答熱力圖是什么原理? - 張溪夢的回答。
（5）群組分析 & 挖掘用戶需求、改進及優(yōu)化產(chǎn)品
千人千面，產(chǎn)品經(jīng)理對用戶精細化的分析必不可少。不同區(qū)域、不同來源、不同平臺甚至不同手機型號的用戶，他們對產(chǎn)品的使用和感知都可能存在巨大的差異。產(chǎn)品經(jīng)理可以對不同屬性的用戶進行分群，觀察不同群組用戶的行為差異，進而優(yōu)化產(chǎn)品。
之前我們做過一次分析，網(wǎng)站的總體注冊轉(zhuǎn)化率是 6%；但是使用 Chrome 瀏覽器的新用戶注冊轉(zhuǎn)化率高達 12%，使用 IE 瀏覽器的新用戶注冊轉(zhuǎn)化率才 1%。這樣一分的話，問題就很明顯了，極有可能是瀏覽器兼容性的問題，產(chǎn)品經(jīng)理應該關注一下這個問題。
詳細的群組分析操作流程，可以參考這個回答產(chǎn)品經(jīng)理一般是怎么搜集產(chǎn)品不好用之處的？ - 張溪夢的回答。
懂得每一種方法的原理是一回事，在業(yè)務中靈活應用又是另外一回事。以產(chǎn)品經(jīng)理為例，可以把“用戶行為 - 數(shù)據(jù)分析 -產(chǎn)品設計&優(yōu)化 ”三位歸于一體，在不斷的實踐應用中掌握各種分析方法的精髓和要義。
因為數(shù)據(jù)來源于用戶，數(shù)據(jù)分析的最終目的也是服務于企業(yè)和用戶。做數(shù)據(jù)分析之前，一定要清晰業(yè)務目的和數(shù)據(jù)指標，選擇科學的分析方法，用數(shù)據(jù)來指導產(chǎn)品和用戶增長。
「器」則是指數(shù)據(jù)分析工具。
“ 大數(shù)據(jù)、大數(shù)據(jù)，最重要的就是數(shù)據(jù)。但數(shù)據(jù)在哪里呢？現(xiàn)在最缺乏的，是統(tǒng)一的數(shù)據(jù)采集平臺！”這是很久之前我接受采訪時的觀點，現(xiàn)在仍是如此！
（一）為什么工具那么重要？
在我創(chuàng)立 GrowingIO 的時候被投資人拉進一個交流群，群里面是硅谷各種創(chuàng)業(yè)公司的 CEO。我發(fā)現(xiàn)群里面討論的東西很有趣，就兩件事情：一個是創(chuàng)業(yè)增長的方法論，另外一個就是討論各種工具?！?工欲善其事，必先利其器 ” 說的就是這個道理，古今中外概莫如此！
很久之前我就跟人談起過這個問題，整個數(shù)據(jù)框架下面的部分可能花費了你 80% 的時間和精力，但是產(chǎn)生了不到 20% 的價值。大家都在搭建數(shù)據(jù)采集平臺、都在寫代碼埋點、都在做 ETL、都在建 BI 系統(tǒng)，哪里還有更多的時間和人力來做 Analytics 和 Insight 。
以前我在 eBay、LinkedIn 工作的時候，市面上沒有好的數(shù)據(jù)分析工具，我們不得不自己去部署很多的系統(tǒng)、建立很多的機制，甚至雇傭三四個團隊去做一件事。今天市面上有很多好的工具來幫助我們進行數(shù)據(jù)分析，為了節(jié)省時間、資源（特別是成長型企業(yè)），大家完全沒有必要內(nèi)部建造一套分析系統(tǒng)，應該擅用好的工具來幫助自己做數(shù)據(jù)分析。
（二）選擇合適的分析工具
選擇什么樣的分析工具，跟你的工作崗位、分析場景息息相關。每種場景都有若干種工具可以選擇，有些工具也可以用于多種分析場景，關鍵在于你對工具的熟悉和理解。
Excel 絕對是最基本、最常見的數(shù)據(jù)分析工具了，對于數(shù)據(jù)量較小的情況，無論是數(shù)據(jù)處理、數(shù)據(jù)可視化還是一些統(tǒng)計分析都能支持。一旦數(shù)據(jù)量大了，這個時候就需要大型的數(shù)據(jù)庫來支持。
市場營銷人員需要對廣告投放進行數(shù)據(jù)分析，網(wǎng)站流量監(jiān)測是他們關注的重點。產(chǎn)品和運營重點關注用戶行為和產(chǎn)品使用，用戶行為數(shù)據(jù)分析工具是他們的首選。以前大家只關注業(yè)務數(shù)據(jù)，然而這些結(jié)果型的數(shù)據(jù)并不能告訴他們中間發(fā)生了什么、為什么發(fā)生；現(xiàn)在大家越來越關注精細化運營、對用戶行為數(shù)據(jù)的需求也越來越高，這也是我回國創(chuàng)立 GrowingIO 的原因。
如果你能懂一些 R 和 Python，在數(shù)據(jù)建模、統(tǒng)計分析、數(shù)據(jù)科學的方向上有所發(fā)展，那么你的數(shù)據(jù)分析水平就更上一層樓了。
