【寫在前面】
前面梳理交流了如何通過分析“新增”、“活躍”、“留存”等數據，本季主要深挖用戶表面行爲的背後真實、本質的需求，全面視角的分析產品的用戶行爲數據，展現驅動業務實現增長的經驗、案例以及方法論。（【數據說 ·“新增”·“活躍”·“留存”】）
那麼，作爲本季最後一期，來梳理交流一下以數據驅動業務增長的底層邏輯。來這片自留地，一起探索交流運營與數據的魅力所在。
天真的理想主義者縱使執着、縱使頑強，卻依然是軟弱的。他們並不明白，在這世上，很多事情你可以不理解，卻必須接受。只有真正瞭解這個世界的醜陋與污濁，被現實打擊，被痛苦折磨，遍體鱗傷、無所遁形，卻從未放棄對光明的追尋，依然微笑着，堅定前行的人，纔是真正的勇者。不經歷黑暗的人，是無法懂得光明的。——《明朝那些事兒》
· 正 · 文 · 來 · 啦 ·
◆ ◆ ◆ ◆ ◆
數據驅動業務增長的底層邏輯
所謂的“數據驅動業務增長”是以企業產品業務線海量數據的收集、存儲、可視化、分析、挖掘作爲核心支撐的，全體業務線人員參與的，以精準、細分和精細化爲特點的運營戰略。即針對運營、產品、市場、客服等部門的運營數據，通過可視化、可量化、可細化、可預測等一系列數據分析方法論以及理論、經驗等來進行業務分析，挖掘業務增長點。
具體的主要以“產品以及官網流量數據分析、目標用戶行爲數據分析、目標用戶羣轉化分析、活動營銷策劃推廣數據分析、用戶畫像數據分析、產品功能優化迭代、競爭調研以及監控數據分析、渠道效果分析等”。
而面對海量的數據，還是有很多人不知道從如何着手、如何開展，如何得出結論。下面梳理探討一下“數據驅動業務增長”的底層邏輯思維，希望在數據驅動業務增長的實際應用中能給大家擴展一下思路。
01
那麼，首先來看一下何爲“底層邏輯”呢。
底層邏輯，廣義上關於某種事物的認知，狹義上對於具體到某個產品的規則。在《底層邏輯》這本書裏如是寫道：所謂底層邏輯，就是從事物的底層、本質出發，尋找解決問題路徑的思維方法。底層邏輯越堅固，解決問題的能力也就越強。
其實當我們在思考問題時，首先的核心切入點，從這個點開始思考所作出之後的決定，當圍繞着底層邏輯思考時，做出的決定纔是和初心一致，最貼合內心的，也是真實的人性反饋。而在商業系統裏的定位就是從底層邏輯爲思考覈心。比如騰訊，在早期，它的底層邏輯就是創造一個可以讓人與人交流的軟件。從這個邏輯上確定的定位就是“連接”。連接人與人，連接人與物，連接物與物，連接世界就是從這個底層邏輯上生髮出來的商業路徑。
也可以說，底層邏輯是事物基本的驅動力。（在這裏不做詳情探討，只要瞭解底層邏輯的概念）
02
接下來，我們來看一下以數據驅動業務增長的3個底層邏輯。
★底層邏輯一、數據分析基本步驟
所有數據分析都應該以業務場景爲起始思考點，以業務決策作爲終點。都繞不開是多少、是什麼、爲什麼、會怎樣、又如何。基於此，數據分析的五個基本步驟：
第一步，首先挖掘業務含義，理解數據分析的背景、前提以及想要關聯的業務場景結果是什麼。
第二步，需要收集整理數據，梳理用戶行爲路徑。
第三步，從業務場景中拆分出需要的數據，將數據可視化，落地分析原因。
第四步，從數據結果中，判斷提煉出業務洞察，預測可能會發生的結果。
第五步，根據數據結果洞察分析，最終產出業務決策。
例如，互聯網hr考勤類網站，渠道運營在百度和 360搜索上都有持續的廣告投放，爲官網引流。最近領導建議嘗試投放神馬搜索渠道獲取流量；另外也需要評估是否加入知乎、今日頭條進行深度廣告投放。
在這種多渠道的投放場景下，如何進行深度決策？我們按照上面數據分析流程的五個基本步驟來拆解一下這個問題。
第一步：挖掘業務含義
首先要了解渠道人員想優化什麼，並以此爲北極星指標去衡量。對於渠道效果評估，重要的是業務轉化：對hr考勤類網站來說，是否“創建企業”要遠重要於 “訪問用戶數量” 。所以無論是神馬移動搜索還是知乎、今日頭條渠道，重點在於如何通過數據手段衡量轉化效果；也可以進一步根據轉化效果，優化不同渠道的運營策略。
第二步，梳理用戶行爲路徑
以 “創建企業” 爲核心轉化點，分配一定的預算進行流量測試，梳理用戶下載激活到創建企業的行爲路徑，觀察對比註冊數量及最終轉化的效果。通過埋點，持續關注創建企業數量，進一步判斷渠道質量。
第三步，從業務場景中拆分出需要的數據
將數據通過漏斗圖可視化，需要比對渠道流量，以及各個渠道追蹤流量、落地頁停留時間、落地頁跳出率、網站訪問深度以及訂單等類型數據，進行深入的分析和落地。
第四步，提煉業務洞察，預測可能會發生的結果
根據數據結果，比對神馬搜索、知乎、今日頭條投放後的效果，根據流量和轉化兩個核心KPI，觀察結果並推測業務含義。如果神馬移動搜索效果不好，可以思考是否產品適合移動端的客戶羣體；或者仔細觀察落地頁表現是否有可以優化的內容等，需找出業務洞察。
第五步，根據數據結果洞察分析，最終產出業務決策
根據數據洞察，指引渠道的決策制定。比如停止神馬渠道的投放，繼續跟進知乎、今日頭條進行評估；或優化移動端落地頁，更改用戶運營策略等等。
★底層邏輯二、內外因素分解法
在數據分析的過程中，會有很多因素影響到業務指標，那麼如何找到這些因素呢？在此向大家推薦內外因素分解法。內外因素分解法是把問題拆成四部分，包括內部因素、外部因素，然後再一步步解決每一個問題。
a：內部因素：可有爲獲客（渠道質量低、活動獲取非目標用戶）、滿足需求（新功能改動引發某類用戶不滿）、提活手段（簽到等提活手段沒達成目標、產品自然使用週期低導致上次獲得的大量用戶短期內不需要再使用等），新手上手難度大、收費不合理、產品服務出現重大問題、活動質量低、缺少留存手段、用戶參與度低等等；
b：外部因素：可採用PEST分析（宏觀經濟環境分析），政治（政策影響）、經濟（短期內主要是競爭環境，如對競爭對手的活動）、社會（輿論壓力、用戶生活方式變化、消費心理變化、價值觀變化等偏好變化）、技術（創新解決方案的出現、分銷渠道變化等）、以及市場、競爭對手、節假日等。
這裏也需要注意區分哪些因素爲可控和不可控的。
例如，內容付費網站，其盈利模式一般購買廣告位等。運營人員發現了， 作者“發佈文章” 的篇數，在5-6月份有緩慢下降的趨勢。對於這類某一數據指標下降的問題，可以怎麼分析呢？
根據內外因素分解法可分爲 。
內部可控因素：產品近期上線更新、市場投放渠道變化、產品粘性、新老用戶留存問題、核心目標的轉化。
外部可控因素：市場競爭對手近期行爲、用戶使用習慣的變化等。
內部不可控因素：產品策略（移動端/PC端）、公司整體戰略、公司客戶羣定位（比如只做大數據方面的技術類文章）。
外部不可控因素：互聯網行業趨勢、整體經濟形勢、季節性變化。
有了內外因素分解法，我們就可以較爲全面地分析數據指標，避免可能遺失的影響因素並且對症下藥。
★底層邏輯三、拆解思維
拆解思維是從一個具體問題拆分到整體影響，從單一的解決方案找到一個規模化解決方案的方式。
例如，某在線教育平臺提供免費課程視頻，同時售賣付費會員，爲付費會員提供更多高階課程內容。如果我想將一套phython技術的付費課程，推送給一羣持續在看 C++ 免費課程的用戶，那麼數據分析應該如何支持呢？
我們按拆解思維的四個步驟，分解如下：
具體問題：預測是否有可能幫助某一羣組客戶購買課程。
整體影響：首先根據這類人羣的免費課程的使用情況進行數據分析、數據挖掘的預測，之後進行延伸，比如對整體的影響，除了計算機類，對其他類型的課程都進行關注。
單一回答：針對該羣用戶進行分析，監控最終轉化的影響。
規模化方案：之後推出規模化的解決方案，對符合某種行爲軌跡和特徵的行爲進行建模，產品化課程推薦模型。
03
總之，數據驅動業務增長是一個厚積薄發的過程，需要日常業務工作中要做好數據收集、數據清洗、數據監控、數據可視化分析、數據產出在內的每一個環節。
而在產品業務線不同的生命週期階段，其增長內核各不相同：
引入期：產品驅動，通過用戶行爲數據，優化產品迭代。
成長期與成熟期階段：渠道驅動，通過渠道數據，篩選優質渠道。
衰退期：品牌驅動，通過內容數據，設計出有效的營銷策略。
但不同生命週期階段的都有數據產生，通過數據來挖掘業務的潛在價值，且通過分析來發現業務的第二增長曲線。所以，以數據爲驅動更是成爲產品業務線增長的運營戰略，只要找到合適的方法，就一定能破解出數據背後的真正含義，爲增長賦能。
本期擴展 數據運營小白木兮
SMART原則（用於制定目標）
1. S代表具體(Specific)
指工作指標要具體可評，不能籠統。例如我們制定YY語音基礎體驗的產品目標，如果是提升產品體驗，則不夠具體，每個人的理解不一致，當時我們的基礎產品目標則是提升新用戶次日留存，則非常具體。
2. M代表可度量(Measurable)
指績效指標是數量化或者行爲化的，驗證這些績效指標的數據或者信息是可以獲得的；提升新用戶次日留存率，則需要給出具體的數值。
3. A代表可實現(Attainable)
指績效指標在付出努力的情況下可以實現，避免設立過高或過低的目標；新註冊用戶的次日留存率，也不是拍腦袋得出的，當時我們基於YY新用戶次日留存率的歷史數據和遊戲用戶的新註冊用戶留存率的行業參考數值，制訂了一個相對有挑戰性的目標，從新註冊用戶次日留存率從25%提升到35%。
4. R代表相關性(Relevant)
是與工作的其它目標是相關聯的；績效指標是與本職工作相關聯的；新用戶的次日留存率，和用戶行爲息息相關，例如用戶對語音工具的認可程度，用戶對YY平臺的內容喜好程度等，所以新用戶的次日留存和產品的性能、內容受歡迎程度有較強的相關性。
5. T代表有時限(Time-bound)
注重完成目標的特定期限。
本期福利
讚賞作者，回覆“1”添加數據運營小白木兮，領取【硅谷黑客實戰筆記】資料。
歷史好文推薦
