5000字超干货|如何用数据分析驱动用户增长

正文开始

小洛写在前面：

用数据来洞察用户，了解用户是做增长的基础。毫无疑问，增长的过程也是数据挖掘和分析的过程，那么如何用数据分析来做增长呢？让我们一起来看看。

本期内容分享者姜頔：硕士毕业于日本早稻田大学，前人人贷高级数据工程师，现易车数据分析专家，数据运营增长方向负责人。擅长0 ~1搭建各业务线监控体系，能够将数学模型与实际业务相结合，从数据中找出问题突破口。

问题1：数据分析可以应用于用户增长的哪些方面，增长模型又该如何建立？

产品的永恒主题一定是增长，而增长的背后一定要有数据的支撑，也就是我们所说的数据分析。我把市面上所有的增长方向分为3大流派，分别是市场营销派、实验增长派和技术派，下面详细的讲一下数据分析在这三种增长方向的作用。

市场营销派：概括的说就是渠道运营、市场运营花钱买流量，在这个环节不要觉得花钱买流量就叫增长，这事谁都可以做。但如何不花钱或者花更少的钱，获取更多、更优质精准的流量，那才叫增长。在这个环节，数据分析师负责搭建渠道评估模型、反作弊模型去监控渠道质量，指导渠道或老板，保证流量的优胜略汰。互联网有句话，4成的流量都是虚假的，信不信由你，反正我是相信。所以，如何利用好数据分析守住企业第一道流量关卡，显得尤为重要。

实验增长派：SeanEllis在他写的《增长黑客》里面提及到最多的方法，就是这种实验增长派。通过发现问题、提出想法、实验测试和复盘分析这四步来构建实验模型，在成本可控范围内不断测试，领悟增长真谛。发现问题和提出想法离不开关键指标，关键指标也叫北极星指标，德鲁克说过：“无法去量化，就不能控制”，通过数据分析让业务有数看，有衡量，再去增长。实验测试阶段涉及到用户分桶实验、AB test等，同样离不开数据分析。最后，结果复盘的时候，需要利用数据分析中的统计学原理，是否显著，置信度等方法，来论证你的实验结论是否严谨可靠。

技术派：技术派就比较偏向数据建模师的方向了，比如通过历史用户的行为数据，构建逻辑回归模型，判断用户下单意愿是否强烈并对其运营，这就更是数据分析了对吧。

聊完了3大流派，我们在按照生命周期去分解增长，说到生命周期，那必须聊一聊烂大街但是依然很好用的AARRR（海盗模型），我们把生命周期分成拉新、激活、留存、变现和裂变。

拉新阶段：此阶段我们会构建渠道评估模型、渠道反作弊模型、渠道生命周期模型。这一些列的渠道模型的目的就是，通过数据分析，利用有限的资源，带来更多优质的流量。

激活阶段：这里就涉及到激活阶段的两个误区，第一个是认为注册就等于激活，一旦注册留了手机号就认为该用户真实有效。第二个误区是只看新增用户的留存情况，认为这个指标能够反馈用户的激活情况。然而大家往往忽视了一个重要的指标，那就是核心功能的使用率。

激活2大误区

 核心功能就是在《增长黑客》中经常提及到的aha moment（惊喜时刻），如何让用户在最短时间内使用产品的核心功能，从而使用户眼前一亮并记住你的产品。有的时候正是因为在“初次见面”的时候没有给对方留下深刻的印象，导致激活失败，从而造成用户流失。

不同类型的产品核心功能不同，以游戏类的王者荣耀为例子，每个游戏都有其独特的规则，理解成本会很高，如何利用新手引导让新玩家了解基本操作就显得尤为重要，所以新手引导完成率、首次游戏时长与局数等便成为激活的重要指标。以得物（毒）APP为例，核心功能就是收藏爱鞋，然后可以看到价格波动和市场行情，那么新用户的收藏率和工具使用率（穿搭、鞋VR等）便是激活的重要指标。以易车APP为例，核心功能是汽车工具，通过工具可以查询爱车的最低价格及相关资讯内容，那么新增用户使用工具后的询价率便成为激活的北极星指标。

北极星指标

 判断用户激活情况不仅限于注册率与留存率，还要根据自身的产品类型，找到核心功能的使用率作为监控指标。综上所述，注册率、新用户留存和核心功能使用率才是判断用户是否激活的关键指标，从业务监控指标到增长环节同样离不开数据分析。

留存阶段：留存这个指标是个好的监控指标，可以反馈用户的粘性。但是想要提升留存的话，实操难度则非常大，此话怎么讲呢？因为一个产品的留存包含5个方面，不是单一因素制约，下面来看一下我总结的提高留存的5大方法，分别是渠道精细化、产品结构优化、活动激励、提供优质服务和非常规（触达）手段push、短信、站内信等。

留存5大方法

留存的5个方面是怎么总结出来的呢，正是数据分析中复盘分析的体现，通过不断的复盘分析总结出来的业务思维模型。

变现阶段：举一个经典的模型，我们通过历史数据对下单/未下单的用户的行为进行建模，利用逻辑回归模型预测用户下单意愿，并提高用户下单率，如下图：

数学模型这更不用说了吧，建模能力也是数据分析不可或缺的技能之一。

裂变阶段：这个阶段给大家的建议就是做好反作弊机制，再去想裂变的玩法，否则很容易被羊毛党或者虚拟机刷穿，一次活动大几十万全部白花，新增设备全是虚假设备，这种事情屡见不鲜。所以数据分析师要为活动把关，如果让钱花到刀刃上，切记裂变玩不好就真的“裂开”了。

上面给大家按照增长的3大流派和生命周期进行拆分，讲了一下数据分析在增长方面的应用，是不是瞬间感觉玩法很多！

问题2：如何获取第一批种子用户？

 首先要知道我们做的目的是什么，比如我们要做汽车的洗车业务，那么种子用户就应该是车主对吧。第二步是如何获取更多的车主，通过第三方撞库、问券信息、用户注册认证车主等方式拿到车主用户数据。第三步为了保证效果，我们要有一定的筛选规则，选出活跃的用户，比如百日联网活跃车主进行短信、push触达告知。

筛选用户的时候颗粒度越细越好，细分地域、性别、车主价格等精细化运营。最后不要忘了真诚永远是种子用户进行裂变的基础，大客户的专属照顾和意见反馈，能够更好得为后期增长铺路。

问题3：做用户增长但是公司内部数据基础差，并且缺乏增长方法，该如何入手？

       数据基础差，且缺乏增长方法是两个问题。数据基础好比足球运动员的基本功，增长方法好比进球能力。基本功不好，想要在比赛中进球那是非常困难的，除非瞎猫碰见死耗子，这在统计学里是小概率事件，我们姑且不论。所以当务之急是基本功，也就是改善数据基础差的问题，磨刀不误砍柴工。

 那么我们就来唠唠数据基础差要怎么解决。君子生非异也，善假于物也。对于小公司，自己公司数据基础能力不够的时候，可以采用第三方服务，有的时候我们没必要去趟别人趟过的雷。埋点加上BI智能报表这一套自己做需要至少5个人吧，那一年开工资花个200多万合情合理吧，但是购买一个神测数据，其中就包括无埋点采集和智能展示功能了对吧，一年也就几十万，省出来的钱去做投放不香么。再比如说反作弊，自己做渠道流量反作弊需要非常大的用户数据基础和算法能力，小公司在初期自己业务还不稳定的情况下，再自己做一套反作弊出来，岂不是让资源本不富裕的技术团队雪上加霜，你选择数盟、数美这样的专业团队岂不是更稳妥。这就好比你想吃新鲜的食物，买个冰箱不就解决了，但你偏不，非要是自己造个冰箱，那我只能默默地给您点个赞，转身离开。

     但是一码归一码，当你的团队足够强大的时候，有些东西真的是要自己手工打造，比如渠道归因埋点采集、核心数据自建BI系统等，毕竟命运掌握在自己手里才是最稳妥的。

所以针对数据基础差的公司，我个人的建议是在企业初创期选择第三方服务作为过渡，等到企业壮大后再将命运真正掌握在自己手里，把一些能自建的数据体系都自建。毕竟出来混，迟早是要还的。

问题4、近些年大家都在讨论增长，那么中国产品的增长和美国硅谷增长黑客的增长的差异与共同点是什么？

“增长黑客”对于互联网圈的小伙伴来说一定不陌生，尤其是前几年，很多人也看了很多来自国外经典案列，比如网飞（Netflix）通过分析客户观看的电影和节目，发现凯文史派西参演的电影和政治题材的电视剧都非常受用户欢迎，所以才有的网飞制作的电视剧《纸牌屋》；Facebook做灰度测试的时候，发现新版本会使变现率下降25%，所以紧急终止新版上线等等，其核心理念是依靠技术和数据驱动，从而达到增长的目的。

      但近几年大家发现 “增长”不香了，所谓的“增长”都是别人家的“增长”，要不就是来自外国的案例，到了国内会变得“水土不服”，毕竟国外连运营或渠道岗位都没有是吧，再看看APP store和国内的华米OV（华为、小米、vivo、oppo） 等安卓应用商店的商业化程度对比就可以知道了吧，国内的增长可以说是hard难度的增长，有的时候连老硅谷也会望尘莫及。

       增长为什么会出现“水土不服”呢，主要有两点原因。第一点是中国人聪明，玩法很多，比如上面说的安卓市场商业化程度；第二点是美国的用户差异性和需求多样性较为单一，就拿事物来说，美国人就是披萨、汉堡对吧，再看看中国的食物分类，点开美团瞬间起立，因此出现了运营岗位是美国没有的。细分领域的复杂程度和高度的商业化模式是中美增长的主要差异。

      增长的共同点是什么呢，是增长的核心理念，比如MVP模型、FRM、aha moment等等这些理念是永恒不变的。就好比你在中国和美国踢球一样，规则都是一样的，只不过人的身体素质不一样罢了。

问题5:  增长实验的常见注意事项？

（1） 培养大局能力

“穷”玩mvp（最小可行性产品），“富”玩AB测试，为什么这说呢？有多少人是为了AB测试而AB测试，然后只是从中选出一种最优的解决方法，表面上确实是达到最优化，可是有没有想过我们在做AB测试的时候，其实就是“井底之蛙”在尝试哪种方式跳得更高？如果跳出井底，做的是最小可行性产品，视角贯穿整个产品，以“最小”的代价，收集更多的反馈信息，从而达到全局的增长。如果只是不断的在某个节点上做AB测试，那么我只能说你在浪费资源，不如融合整条产品线，做一套MVP测试。

下面给大家讲个具体的例子：

MVP最小可行性实验

AB test（C）：渠道新增素材测试，寻求最佳转化素材。素材我们有N种方法，最终得到C3这个素材是新增转化率最高的素材，那么我们就以为大功告成了，所有渠道、代理商都用C3素材，如果这么做我们是不是就是井底下，尝试哪种弹跳方式跳的最高的青蛙，但是我们跳出井底，会看到新增转化不单单是素材决定，其中包括产品、渠道、技术等等共同制约。

MVP：增长不是某一个部门，某一个环节的事情，是所有部门一起协作的共同结果。还是上面的例子，当我们跳出井底，通过MVP测试，新增转化的最佳增长方案可能是A1+B3+C3+D1和A2+B2+C1+D3，而不是单一的素材C3。

这就是我说的“穷”玩MVP，“富”玩AB，花同样的钱，是在井底玩还是在井外玩，井外岂不是性价比更高，所以我们要跳出局限，以全局视角看待增长。

，

（2）沟通

分析师最重要的技能就是沟通，先听懂老板的需求，再去分析，分析出来的结果要翻译成老板懂的语言，让老板明白你这么做的价值。

如果你的业务做得再好，但是无法让领导感知到，这个项目虽然有价值，但是不会使其价值最大化，如何将项目的结果让老板认可，这也是沟通的技巧，不要觉得不重要，这关系到项目是否能启动，项目的预算和规模。有能力的分析师会找到增长点，优秀的分析师会让领导感知增长点，要更多的预算继续扩大项目规模，最终拿到更好的成绩，最后的最后组员一起升职加薪。

举个小例子，我们要发现问题点（增长点），发现用户流失严重，要做流失用户召回项目。在做项目之前，我们为了评估召回项目的效果，要梳理监控指标，制定了触达召回率、触达召回率人数、召回商业转化率、召回后贡献留存率、第N日留存。我们又知道领导的KPI里有DAU、次日留存、第7日留存等等，又发现第7日留存与我们实验监控的指标密切相关，所以决定将第7日留存作为重点监控与汇报指标。

可能大家发现前面几个指标虽然都有可能增长，但是老板有可能感知不到，但如果与老板统一战线的话，老板能够迅速感知增长，如果再加上较强的沟通能力，那么预算和项目启动就不在话下。上述的培养大局观和向上向下的沟通能力，是我个人认为增长实验中最应该注意的2点。

—————— / END / ——————

分析最新的数据思想，与百万数据从业者一起成长