第1章 业务指标

1.1 如何理解数据？

第1步，弄清楚数据里每一列的含义。
第2步，对数据进行分类。
数据分为3类：用户数据（我是谁）、行为数据（我做了什么）、产品数据（卖什么）。

1）用户数据：我是谁>用户数据是指用户的基本情况，包括姓名、性别、邮箱、年龄、家庭住址、教育水平、职业等。
2）行为数据：我做了什么>行为数据是记录用户做过什么的数据。行为数据主要包括用户做了哪些行为、发生行为的时间等。
3）产品数据：卖什么>产品数据包括产品名称、产品类别、产品评论、库存等。

1.2 常用的指标有哪些？

“如果你不能衡量，那么你就不能有效增长。”

1.2.1 用户数据指标

（1）对于新增用户使用的指标：日新增用户数。//日新增用户数就是产品每天新增的用户是多少。
（2）对于活跃用户使用的指标：活跃率。//活跃的定义、活跃用户数按时间又分为日活跃用户数、周活跃用户数、月活跃用户数。
（3）对于留存用户使用的指标：留存率。//留存率又分为次日留存率、第3日留存率、第7日留存率、第30日留存

1.2.2 行为数据指标

行为数据相关的指标包括：
PV和UV：
PV（访问次数，Page View）：一定时间内某个页面的浏览次数，用户每打开一个网页可以看作一个PV。
UV（访问人数，Unique Visitor）：一定时间内访问某个页面的人数。
转发率：
为了实现“病毒式”推广：转发率=转发某功能的用户数／看到该功能的用户数
转化率：
计算方法与具体业务场景有关
淘宝店铺：转化率=购买产品的人数／所有到达店铺的人数
广告转化率=点击广告进入推广网站的人数／看到广告的人数。
K因子：
K因子（K-factor）可用来衡量推荐的效果，即一个发起推荐的用户可以带来多少新用户。K因子=平均每个用户向多少人发出邀请×接收到邀请的人转化为新用户的转化率。
当K>1时，新增用户数就会像滚雪球一样增大。如果K<1的话，那么新增用户数到某个规模时就会停止通过自传播增长。

1.2.3 产品数据指标

1）总量：成交总额（GMV）、成交数量、访问时长（用户使用App或者网站的总时长）
2）人均：人均付费（ARPU或客单价=总收入/总用户数）、付费用户人均付费（ARPPU=总收入/总付费人数）、人均访问时长（总时长/总用户数）
3）付费：付费率(=付费人数／总用户数。付费率能反映产品的变现能力和用户质量。)、复购率(重复购买频率，用于反映用户的付费频率。复购率指一定时间内，消费两次以上的用户数／付费人数。)
4）产品：从产品的角度去衡量哪些产品好，哪些产品不好。通过找出好的产品来进行重点推销，不好的产品去分析原因。常见指标：热销产品数、好评产品数、差评产品数。这里可以根据具体的业务需求，灵活扩展使用。

1.2.4 推广付费指标

1）展示位广告
展示位广告出现在网站或手机App的顶部、App的开屏等。
按展示次数付费（CPM），也就是有多少人看到了该广告。

2）搜索广告
例如搜索引擎（百度等）的关键字搜索广告、电商搜索广告（淘宝直通车等）。广告主为某一个搜索关键词出价，用户看到的搜索结果是按广告主出价的高低来排名的。
按点击次数付费（CPC），也就是有多少人点击了该广告。

3）信息流广告
例如微博、今日头条、知乎、朋友圈（信息流）里的广告。这种广告是根据用户的兴趣爱好来推荐的。
按点击次数付费（CPC）或者按投放的实际效果付费（CPA）。
按投放的实际效果付费（CPA）包括：CPD：按App的下载数付费；CPI：按安装App的数量付费，也就是下载后有多少人安装了App；CPS：按完成购买的用户数或者销售额来付费。

在决定将产品投放到哪个渠道的时候，要清楚你的目标用户是谁，目标用户在哪。

1.3 如何选择指标？

（1）好的数据指标应该是比例。通常要想理解一个数字的真实含义，最好把它除以一个总数，换算成一个比例。
（2）根据目前的业务重点，找到北极星指标。

1.4 指标体系和报表

1）什么是指标体系
指标体系是从不同维度梳理业务，把指标有系统地组织起来。

2）指标体系有什么用
· 监控业务情况；
· 通过拆解指标寻找当前业务问题；
· 评估业务可改进的地方，找出下一步工作的方向。

3）如何建立指标体系
（1）明确部门KPI，找到一级指标。
一级指标是用来评价公司或部门运营情况最核心的指标。
一级指标并非只能是一个指标，有可能需要多个指标来综合评价。
（2）了解业务运营情况，找到二级指标。
具体拆解，要看业务的运营。例如销售部门一般按地区运营，就可以从地区维度拆解。市场部门一般按用户运营，就可以从用户维度拆解。
（3）梳理业务流程，找到三级指标。
把二级指标按照业务流程拆解为更细的三级指标。

每个指标从3个方面确定统计口径：
· 指标业务含义：这个指标在业务上表示什么？
· 指标定义：这个指标是怎么定义的？
· 数据来源：从什么地方收集的原始数据？数据统计的时间范围是什么？

（4）通过报表监控指标，不断更新指标体系。
报表就是报告状况的表，是通过表格、图表来展示指标，从而方便业务部门掌握业务的情况。
每天汇总更新的报表叫做日报，每周汇总更新的报表叫做周报。

报表制作步骤
（1）需求分析
（2）建立指标体系。
（3）设计展现形式。
（4）编写需求文档。
（5）报表开发。

4）建立指标体系有哪些注意事项
（1）没有一级指标，抓不住重点。
（2）指标之间没有逻辑关系。
（3）拆解的指标没有业务意义。
（4）一个人就完成了指标体系和报表，也不和业务部门沟通。

第2章 分析方法

常用的分析方法

2.1 5W2H分析方法

what（是什么）、when（何时）、where（何地）、why（为什么）、who（是谁）。how（怎么做）、how much（多少钱）。

2.2 逻辑树分析方法

把复杂问题拆解成若干个简单的子问题，然后像树枝那样逐步展开

2.3 行业分析方法

PEST分析方法：政策、经济、社会和技术

2.4 多维度拆解分析方法

维度、拆解
1）从指标构成来拆解
2）从业务流程来拆解

2.5 对比分析方法

和谁比：和自己比，和行业比。
如何比较：数据整体的大小、数据整体的波动、趋势变化

1）数据整体的大小：某些指标可用来衡量整体数据的大小。常用的是平均值、中位数，或者某个业务指标。
2）数据整体的波动：标准差除以平均值得到的值叫作变异系数。变异系数可用来衡量整体数据的波动情况。
3）趋势变化趋势变化：是从时间维度来看数据随着时间发生的变化。常用的方法是时间折线图，环比和同比。

环比是和上一个时间段对比，用于观察短期的数据集。
同比是与去年同一个时间段进行对比，用于观察长期的数据集。

2.6 假设检验分析方法

1）提出假设
根据要解决的问题，提出假设。
（1）从用户、产品、竞品这3个维度提出假设；（2）从4P营销理论提出假设；（3）从业务流程提出假设。

2）收集证据
通过收集证据来证明。

3）得出结论
这里的结论不是你主观猜想出来的，而是依靠找到的证据得到的结论。

4P营销理论：产品、价格、渠道、促销。

2.7 相关分析方法

（1）在研究两种或者两种以上数据之间有什么关系，或者某个事情受到其他因素影响的问题时，可以使用相关分析
（2）在解决问题的过程中，相关分析可以帮助我们扩大思路，将视野从一种数据扩大到多种数据
（3）通俗易懂，便于和其他人沟通，方便得到他人的理解和认可；
（4）相关分析可以和其他分析方法相结合，帮助进行深入分析。

相关分析就是得到相关系数，相关系数有两个作用：
（1）相关系数的数值大小可以表示两种数据的相关程度。一般相关系数的值大于0.6或者小于-0.6，表示两种数据之间高度相关；
（2）相关系数的数值正负可以反映两种数据之间的相关方向。

2.8 群组分析方法

“群组分析方法”（也叫同期群分析方法）是按某个特征，将数据分为不同的组，然后比较各组的数据，说白了就是对数据分组然后来对比。
在分析用户留存或者流失问题的时候，可以先使用群组分析方法找到留存率低的组；然后使用假设检验、相关分析等方法，分析这些组留存率低的原因。还可以先使用群组分析方法找到留存率高的组，然后分析为什么这些组留存率高。

使用群组分析方法需要注意如何分组，除了按时间分组，还可以根据具体的业务场景来确定。

2.9 RFM分析方法

最近1次消费时间间隔（Recency）、消费频率（Frequency）、消费金额（Monetary）

使用RFM分析方法
（1）使用原始数据计算出R、F、M值；
（2）给R、F、M值按价值打分，例如按价值从低到高分为1～5分；
（3）计算价值的平均值，如果某个指标的得分比价值的平均值低，标记为“低”。如果某个指标的得分比价值的平均值高，标记为“高”；
（4）和用户分类规则表比较，得出用户分类。

精细化运营策略
（1）重要价值用户，RFM三个值都很高，要提供VIP服务；
（2）重要发展用户，消费频率低，但是其他两个值很高，要想办法提高他的消费频率；
（3）重要保持用户，最近消费时间距离现在较远，也就是R值低，但是消费频率和消费金额高。这种用户，是一段时间没来的忠实客户。应该主动和客户保持联系，提高复购率；
（4）重要挽留客户，最近消费时间距离现在较远，消费频率低，但消费金额高。这种用户即将流失，要主动联系用户，调查清楚哪里出了问题，并想办法挽回。

2.10 AARRR模型分析方法

（1）获取用户（Acquisition）：用户如何找到我们？
（1）渠道曝光量：有多少人看到产品推广的信息；
（2）渠道转换率：有多少人因为看到广告转换成用户；
（3）日新增用户数：每天新增用户是多少；
（4）日应用下载量：每天有多少用户下载了产品；
（5）获客成本：获取一个客户所花费的成本。

（2）激活用户（Activation）：用户的首次体验如何？
要想激活用户，需要绘制一幅通往“啊哈时刻”的路径图。
激活用户还可以通过游戏的玩法，给用户发放奖励来唤醒用户，例如打卡、积分、发优惠券等。

（3）提高留存（Retention）：用户会回来吗？
留存的核心目标是让用户养成使用习惯。

（4）增加收入（Revenue）：如何赚到更多钱？
收入分为服务收入、广告收入。
（1）用来衡量业务总量的指标，例如成交总额、成交数量；
（2）用来衡量每个人平均情况的指标，例如客单价；
（3）用来衡量付费情况的指标，例如付费率，复购率。

（5）推荐（Referral）：用户会告诉其他人吗？
1）传染物本身传染物本身是说要对自己的产品有足够的了解。我的产品是否真正解决了用户的痛点？
2）传染物发挥作用所需的环境要思考使用产品的用户经常在哪些环境
3）人们传播传染物的行为在对自己的产品有了深刻洞察，同时找了目标用户后，还要考虑人们会因为什么目的去分享你的产品，让更多的人看到你的产品。

2.11 漏斗分析方法

环节转化率=本环节用户数／上一环节用户数，是为了衡量相邻业务环节的转化情况。
漏斗分析的作用是“定位问题节点”，即找到出问题的业务环节在哪。

第3章 用数据分析解决问题

3.1 数据分析解决问题的过程

第1步明确问题：通过观察现象把问题定义清楚
第2步分析原因：（1）哪里出了问题？（2）为什么会出现这个问题？
第3步提出建议：针对原因给出建议，或者提出可以实施的解决方案。

3.2 如何明确问题？

1）明确数据来源和准确性：时间、地点、数据来源
针对时间：这是观察哪个时间范围的数据发现问题的？
针对地点：这是哪个地区的数据？
针对数据来源：数据来自哪里？是否核对过数据没有问题？

2）业务指标理解
对于业务指标，可以分析指标含义、和谁比。

3.3 如何分析原因？

（1）使用“多维度拆解分析方法”对问题进行拆解，将一个复杂问题细化成各个子问题；
（2）对拆解的每个部分，使用“假设检验分析方法”找到哪里出了问题。分析的过程可以用“对比分析方法”等多个分析方法来辅助完成；
（3）在找到哪里出了问题以后，可以多问自己“为什么出现了这个问题”，然后使用“相关分析方法”进行深入分析。

3.4 如何提出建议？

常用的分析方法是回归分析或者AARRR分析