Part1：拼多多如何实现用户规模按月翻倍？

AARRR增长模型
1.“砍一刀”利用微信转发的社交裂变效果，进行用户获取和激活。
2.签到、秒杀、果园等应用，提高用户的启动次数，进而提高留存率。
3.百亿补贴，提升客单价，进而增加收入。
4.推荐？

看似给用户薅羊毛，其实是为了让用户每天花更多时间在APP上，提高留存率。

使用门槛低，让用户形成固定的认知？
提升用户对平台认知的定位？

Part2：流量产品如何名利双收？

精细化运营。
针对不同用户对广告接受程度进行拆分。
群组分析→对用户进行分群→对不同用户群体应用不同策略→获得最大收益。

使用次数少时，样本量少，只按比例计算进行加广告可能会导致用户流失。

ddd：活跃低，也不接受广告，不是平台目标用户。

加餐：什么是趋势分析？

要说数据分析里，什么方法最常用？当然是趋势分析法。只要和数据有关，几乎每个人，时时刻刻都在用。很多同学一听：“啥？还有这方法啊？我咋没感觉到呢！”今天我们系统讲解一下。

思考一秒钟，估计一秒钟不到，很多同学都能脱口而出答案了
上题就是通过业绩趋势图进行分析的直观体验。很多同学是不是脱口而出四个“对、对、对、对”。

是滴，趋势分析法的基本原理就是这么简单，几乎是个人都会用。那么趋势分析到底怎么做呢？

一、趋势分析法的做法

第一步，明确一个指标是正向/负向。
比如本题里，销售业绩是个正向指标，肯定大家都希望销售得越多越好。因此，正向指标一天比一天大，就是趋势向好，一天比一天小，就是趋势不好。
第二步，收集数据，观察指标走势。
因为已经明确了“销售指标越高越好”，所以只要观察数据就好了，我们看到一天比一天好，所以能下结论：销售趋势向好。下边可以分析为啥销售这么好了
是不是很简单，90%的网上文章都是这么说的。

but，这个回答是错的。
因为根本没考虑，到底是什么行业、什么产品的销售业绩。不同行业、产品的销售，在一定时间内会呈现不同的销售走势。
比如吃喝玩乐类销售，往往集中在周末，会呈现以周为单位的周期性波动。比如3C类电子产品，新品上市是最火热的时候，之后会呈现逐步衰退的迹象。当销售趋势增加了时间维度后，才会呈现出规律性。

一般管随着周，月循环变化，随着春夏秋冬四季循环变化的趋势规律，称为自然周期性规律。因为人们本身身的消费会随着四季、工作/休息日而变化。

一般管有明显预热、上升、稳定、下降态势称为生命周期态势，新品上市表现的最为明显，大家对新品会有明显熟悉，喜爱、厌倦过程

所以，这个题的前三问，都是“对、对、对”，第四问则是“不确定”。想要确定，还至少需要，在已经做的两步工作基础上，再多做两步。

第三步，树立趋势标杆，建立判断标准。
树立标杆的方法有两种，如果自己熟悉这个行业，可以直接根据行业特点，画出大致走势图。如果不熟悉，可以把时间往前拖长，看之前几周的趋势。

当然，想观察趋势，最好是画出同比、环比、三年比三张图。这样看的最准，能最大程度的避免短期波动的影响

顺便一提，也是为啥大家在做报表的时候，经常有同比、环比、三年比三个指标，并且分日、周、月三种口径统计，就是为了避免短期影响，观察趋势是否正常

第四步，将现状数据套入标杆，得出结论。
如果我们已经树立了标杆形态，套入文章开头的题目的数据，马上会有不一样的解读

所以，为啥有个名字叫“趋势分析法”，而不是“我画个折线图，高了就是好，低了就是不好”。是因为即使画个折线图，想要不作出错误判断，也得按规矩一步步来。这就是方法和随便玩玩的区别。而下边我们会看到，随便玩玩，经常玩出问题来。

二、趋势分析法的优点

趋势分析法最大的好处，就是：省事！
因为它无需任何理论基础，无需任何专业知识，无需很多数据，只要有一个结果数据，无论是正向还是负向，都能直接得出判断。所以它是所有数据分析方法里最先被总结出来，并且沿用了20多年的祖传手艺。

在20年前，企业的数字化系统还在洪荒混沌状态，那时候的职业经理们想做判断，可没有现在这么多明细数据进行分析，于是只能死磕利润、成本、销售额几个结果数据。
因此只能死磕曲线走势，你会发现60、70后的职业经理人，和85前的数据人，都对曲线走势特别敏感，特别喜欢拖三年走势，过往12个月的走势之类数据看

第二个好处：直接！
还拿销售举例，很多辅助性活动，比如营销活动、拉新裂变，到底对销售有没有用？不需要很复杂的漏斗分析，只要看一眼趋势，立马见效果。越简单的方法，在评估结果时越靠谱！

想象中：活动中，用户参与热烈；活动后，氛围被炒热，新人持续优化
现实中：活动中，没几个人响应；活动后，立马打回原形。。。。

趋势分析法的好处在于，不用说什么“自然增长率”“深层影响”，有没有用，一眼就看到了，在考核效果的适合，越简单直接的方法，越能明辨是非

第三个好处：自带标准。
曲线走势本身，可以成为判断指标好坏的标准，除了上文说的自然周期/生命周期型标准，涨跌程度，也能成为判断标准，这样省去了大量找标准的时间。

炒股的同学对这套说法是最熟悉的，震荡的曲线本身就是标准
今时今日，这个方法也很好用。因为虽然我们有条件做ABtest，做漏斗，做多维度交叉分析，但是每天、每时、每刻都让你这么搞，你试试看。
且不说做数据的会累死，为了搞这么多分析，要业务延迟上线，APP开发进度减缓，活动hold住去一个个做埋点、做测试，你问问业务干不干。所以大量常规的分析，依然要依靠日报、周报的数据做趋势分析来满足。
况且，每天、每时、每刻的数据变化，搞得业务神经过敏，嚷嚷着要深入分析，结果事后发现屁事没有的情况：非常多！

三、趋势分析法的不足

不足之一：神经过敏。
三人成虎的效应，在趋势分析里非常常见。具体的如下图所示。人们往往习惯于对：突发巨大的、连续几次的、与前边连续几次不一样的神经过敏。却容易忽视更大的问题。

业务出现波动是很正常的事情，如上图，理论上只有4，5场景才是需要紧张的暴涨暴跌。可实际上，即使平安无事，人们也会因为小小的波动而紧张，比如突然有1天下跌，如1所示，比如连续下跌好几天，如2所示，比如连续上涨后下跌，如3所示。虽然幅度不大，但是还是会引起业务经常神经过敏，不停的追问：为什么涨，为什么跌。——其实有可能就是正常波动而已

不足之二：混杂因素。
趋势分析在观察因果效果的时候，无法处理混杂因素。在多个因素叠加的时候，是无法区分出来真正的关键影响因素的。

不足之三：乱用滥用。
注意，趋势分析是有前提的，在指标是结果指标，有明确的正向/负向判断的时候，才可以使用
其他场景，比如活跃率、消费率这种比例，比率类指标，不能直接套用，比例/比率类指标得先看分子分母到底哪个引起的变化。比如：用户注册数、浏览数这种不明确正负的，也不适合用，至少得跟转化率连起来看。
至于刚开头所说的：看着高了就是好，低了就是不好，更是典型的乱用。

不足之四：缺少洞察。
最最最经典的场景，就是炒股票。直接上图，一看就懂。

不知道咱们群里有没有股民，有过这样的想法

看过往走势：“已经洞察了股市规律，只要在A买进，B卖出，一夜暴富
新的走势又来了：”C点就就是买入时机，梭哈抄底，。。。。。我不行了，别拦着我

指标的走势只是一个结果度量，不代表原因本身，不了解原因看着结果做评价，是很容易犯错的。
因为本质上，趋势是由背后的原因推动的。看趋势，更得看背后的原因，而不是单纯的看着结果走势想当然。这也是我们为啥会研发出ABtest、漏斗图、多维度交叉对比等等方法的原因。我们需要简单的方法短平快做决策，也需要更复杂的方法深入问题。

还有一些方法是数据分析领域的祖传手艺。比如多维度交叉分析，如果是2维的话，就是矩阵法，如果3维以上，就是切割对比法。
这些在网络文章里被吹得云里雾里的各种“底层逻辑”“核心思想”其实一点都不神奇。都是基于具体场景、数据限制、业务需求所产生的方法。
好了，我们今天的分享就到这里了，在咱们正式课中，老师也会详细给大家讲解每一个方法的应用和实战案例。