效(xiao)率運營的(de)(de)精細化(hua)程度可能逐漸成(cheng)為未來產品間的(de)(de)護城河，要(yao)實(shi)施(shi)精細化(hua)運營首先要(yao)做好產品的(de)(de)數(shu)據分析，本文是作(zuo)者對(dui)自己數(shu)據從業(ye)歷程所總結的(de)(de)一些感悟。
離上次寫文已過去五年(nian)，回想起那會最開心的(de)事就(jiu)是(shi)在微(wei)博(bo)上跟同(tong)行百(bai)舸爭(zheng)流，恰大數據(ju)正熱，年(nian)少氣盛，懷揣(chuai)憧憬，樂此不疲(pi)。然而，任何一個概念的(de)發(fa)展都(dou)是(shi)經歷了從(cong)興起，到炒作，再到回落(luo)的(de)循(xun)環，能(neng)否再次崛起，得看(kan)“財報業績”的(de)檢驗—數據(ju)的(de)價值是(shi)被高估還是(shi)低估。
在踐行數(shu)據價值(zhi)的(de)(de)這條(tiao)道路上，每個數(shu)據人都在用自己的(de)(de)方式積極(ji)備考，所以覺得有必要(yao)再來寫點什么，向各位同仁展開我的考(kao)卷，不為他，只為對數據的夢想與情懷。
回顧上(shang)文(wen)，我(wo)的數據(ju)(ju)從業(ye)歷程(cheng)是從咨詢公司(si)(si)切入，那里(li)有稍微學術(shu)點的指標體系和方法論。然后(hou)在(zai)數據(ju)(ju)服(fu)務公司(si)(si)應用，那里(li)有比較成熟的數據(ju)(ju)采集實現(xian)技術(shu)。而后(hou)在(zai)微博數據(ju)(ju)創業(ye)公司(si)(si)將(jiang)之前的知識技能進行應用和商(shang)業(ye)。回過頭來看，那會的觀點暫時經得起這(zhe)五(wu)年時間(jian)的考驗，同(tong)時也正是因為沒經歷過甲方公司(si)(si)的數據(ju)(ju)分析，所以彼時對(dui)業(ye)務的重要(yao)性(xing)感(gan)知不深，上(shang)文(wen)也就未有過多提(ti)及。本文(wen)將(jiang)來重點講述一下：
借用下大數據的梗，“數據分析要懂業務”這句話就像“Teenage Sex”——人人都在談論(lun)，但沒誰知道究竟怎(zen)么叫懂(dong)業(ye)(ye)務(wu)，人人都覺(jue)得別人都懂(dong)，所以(yi)人人都覺(jue)得自己(ji)懂(dong)業(ye)(ye)務(wu)。請(qing)允許我老調重彈，以個(ge)人(ren)視角闡述下什(shen)么叫懂業務(wu)，
不妨以別人家的(de)產品為例——
對于頭條類(lei)的內容(rong)產(chan)品來說，他的業務(wu)模式無非是從(內容(rong))生產(chan)到(dao)(dao)分(fen)發再到(dao)(dao)變現，從而實現從投入到(dao)(dao)盈利，再到(dao)(dao)盈利增長這(zhe)樣一(yi)個商業閉環，要想將(jiang)這(zhe)個模式跑通，他就得有(you)內容(rong)（生產(chan)者(zhe)），有(you)用戶（消(xiao)(xiao)費者(zhe)），有(you)平臺(tai)(tai)（消(xiao)(xiao)費平臺(tai)(tai)），有(you)廣(guang)告（激勵生產(chan)者(zhe)和平臺(tai)(tai)）。
（1）如果(guo)懂業(ye)務(wu)，你(ni)(ni)(ni)就(jiu)不(bu)(bu)會在(zai)日活出(chu)現下(xia)行趨(qu)勢(shi)時(shi)單純(chun)提(ti)出(chu)加大廣(guang)告投放這(zhe)樣誰都知道的(de)(de)建議(yi)；你(ni)(ni)(ni)就(jiu)不(bu)(bu)會在(zai)生產者(zhe)因競品提(ti)升激(ji)勵(li)費用而出(chu)現流失苗(miao)頭時(shi)，只是輕描淡(dan)寫的(de)(de)報一下(xia)同環比;你(ni)(ni)(ni)就(jiu)不(bu)(bu)會在(zai)關于廣(guang)告的(de)(de)反饋量異常提(ti)升時(shi)粗暴建議(yi)業(ye)務(wu)側全局減(jian)少廣(guang)告頻率……
（2）如果懂業務，你(ni)就會知道數據(ju)工作該(gai)如何(he)推進，第(di)一階段(duan)應該(gai)是基礎數據(ju)建設，保(bao)證數據(ju)收(shou)集的規(gui)范(fan)化(hua)、全景化(hua)和擴展化(hua)，保(bao)障(zhang)從打點 → 收(shou)集 → 清洗 → 統計 → 入庫這(zhe)個(ge)數據(ju)生(sheng)產流程的效率和穩定。
第二階段重點關(guan)注種子用戶(hu)的數(shu)據表現，用戶(hu)對產品哪些功能使用不順暢(chang)，對哪些品類(lei)的內容更加有偏愛(ai)，什么樣渠道的用戶(hu)質(zhi)量更高(gao)，并(bing)將以上結論同(tong)步輸出(chu)給(gei)業務側(ce)，并(bing)持續進(jin)行PDCA循環，直至通過留存率測(ce)算出(chu)來的life-time足夠支(zhi)持進(jin)入爆(bao)發期。
在爆發期的分析重點就是不斷提升運轉效率，比如根據用戶偏好特征進行定向組織生產，繼而擴大分發場景，從APP內分發再到APP外分發，不斷提高單篇內容的分發效率；優化產品的欄目布局、功能按鈕等動線設計，滿足不同人群的使用偏好，提高”坪效、人效”；從買用戶到等用戶再到漲用戶，目前產品的核心用戶群體是誰，在社會人口這個大盤里是否已滲透徹底，如果沒有，通過什么渠道可以“捕捉”到他們，以及通過分享/轉發這些策略的設計，實現用戶的自增長。在第二(er)階段的(de)種種目的(de)都是為了不斷放大用戶與內容的(de)規模(mo)效應，為商業化做準備。
第三階段的分析重點則(ze)是(shi)關注商業側表現(xian)，內容無(wu)論是(shi)自(zi)產也好，還是(shi)UGC也罷，都是(shi)有成(cheng)(cheng)本(ben)的，成(cheng)(cheng)本(ben)換作了流量，流量又通過商業化(hua)實(shi)現(xian)了變現(xian)，所以需要(yao)通過數據優化(hua)當前(qian)的廣告(gao)形式和策略，幫助金(jin)主爸爸找(zhao)到最(zui)匹配的用(yong)戶，以及讓用(yong)戶發現(xian)最(zui)需要(yao)的廣告(gao)，從而(er)實(shi)現(xian)ROI的最(zui)大化(hua)；
第四階段(duan)則(ze)應關(guan)注創新(xin)發(fa)展(zhan)(zhan)(zhan)，國內同行當前的(de)發(fa)展(zhan)(zhan)(zhan)模式都有(you)哪些，以及(ji)各自(zi)的(de)差異化競爭點，國外是(shi)否有(you)類似的(de)行業以及(ji)當下現(xian)狀是(shi)如何，用戶(hu)還有(you)哪些延(yan)伸(shen)需求沒有(you)得到滿足，內容行業的(de)未來發(fa)展(zhan)(zhan)(zhan)趨勢是(shi)什么，以及(ji)可能會遇到的(de)法律法規等政(zheng)策風險(xian)。
（2）如果(guo)懂業務，你(ni)就(jiu)會知道在相應的(de)階段老(lao)板的(de)關注點是什么，你(ni)就(jiu)會設計(ji)出更符(fu)合業務視角的(de)報表，通過(guo)相應的(de)專題分析，解答老(lao)板還未(wei)開口的(de)”需(xu)求(qiu)”。
（3）如果懂業務，你就會想到首先要了解各(ge)業務角色的(de)(de)KPI。對(dui)于團隊協作來說(shuo)，最有(you)力的(de)(de)方法就是(shi)驅(qu)之以利，而非驅(qu)之以理，當業務人(ren)員(yuan)知道你們是(shi)利益(yi)共同體的(de)(de)時候(hou)，良好的(de)(de)協作也就有(you)了保障。
……
說了這么多，那問題來了，如何檢驗自己是(shi)否懂業務(wu)，個人有個小經驗，就是(shi)看你(ni)的(de)主要時間花費(fei)和產出都(dou)在哪里(li)？如果懂業務(wu)，你(ni)的(de)主要產出就一定不會是(shi)提數(shu)，因為老板&業務(wu)部門知道，讓你(ni)提數(shu)那就是(shi)浪(lang)費(fei)公司(si)人效&損害自己利益。否則，分(fen)析就僅(jin)僅(jin)只能是(shi)提數(shu)。
引(yin)用下百度百科的解釋：
數據(ju)就是(shi)數值，他是(shi)我們通過觀(guan)察(cha)、實驗或計算得出的結果。數據(ju)有很多種，最簡單的就是(shi)數字。
數(shu)據的本質是數(shu)值(zhi)，只是屬于結果(guo)而已，要(yao)想改(gai)變結果(guo)，只能去尋找因(yin)，從因(yin)上(shang)做改(gai)變，才能引起數(shu)變。
這(zhe)段(duan)話可能(neng)不太(tai)好理解，舉一(yi)個大家都知道的流水萬(wan)能(neng)公式—-
流水=日活*購(gou)買(mai)率(lv)*人均購(gou)買(mai)金(jin)(jin)(jin)額，這(zhe)個(ge)公式還可以繼續往(wang)下(xia)(xia)拆，并將拆解后的(de)因子交給不(bu)同的(de)業務(wu)小組負責，美名其曰—KPI。老司機(ji)都(dou)知道，這(zhe)個(ge)公式最大(da)(da)的(de)意義(yi)是跟蹤和(he)監控，而不(bu)能作(zuo)為(wei)執行目標，初(chu)期可能還行，但到了(le)(le)(le)穩(wen)定期后，日活一旦大(da)(da)幅提升(sheng)，購(gou)買(mai)率(lv)和(he)人均購(gou)買(mai)金(jin)(jin)(jin)額反(fan)而出現了(le)(le)(le)下(xia)(xia)降；業務(wu)做了(le)(le)(le)很(hen)多優化，好不(bu)容易購(gou)買(mai)率(lv)得到了(le)(le)(le)提升(sheng)，購(gou)買(mai)金(jin)(jin)(jin)額反(fan)而下(xia)(xia)去(qu)了(le)(le)(le)；為(wei)了(le)(le)(le)人均購(gou)買(mai)金(jin)(jin)(jin)額達標，運營推薦了(le)(le)(le)很(hen)多高價商品，結果購(gou)買(mai)率(lv)卻又下(xia)(xia)降了(le)(le)(le)。。。
為什么，因(yin)為流水只是個(ge)(ge)結果表現，這個(ge)(ge)結果是由用(yong)戶決(jue)策(ce)產生的，決(jue)定(ding)流水的正確因(yin)子應該(gai)是用(yong)戶的需求強度(du)，購買力(li)，以及相應購買力(li)用(yong)戶與相應價格檔商品(pin)的匹配程度(du)。如果(guo)(guo)不(bu)從因果(guo)(guo)關(guan)系(xi)上想解決辦(ban)法，而只在當前的(de)存量(liang)購買(mai)力下(xia)，追求各(ge)個(ge)偽因子，就會出現按下(xia)葫(hu)蘆浮(fu)起(qi)了瓢。尤其在甲方業(ye)務(wu)環境里，各(ge)個(ge)小(xiao)組都是緊(jin)密圍繞在核心KPI的(de)基本(ben)路線，如果(guo)(guo)數(shu)據側陷入到(dao)各(ge)業(ye)務(wu)小(xiao)組的(de)KPI分析需求里而沒有及時糾錯，那后果(guo)(guo)將萬劫不(bu)復。
再舉一個例子(zi)，下圖是(shi)(shi)(shi)業務里常用的(de)數據報表(biao)視圖，并隨著業務的(de)迭(die)代和細化，出(chu)現各種(zhong)(zhong)報表(biao)堆砌，潑盆(pen)冷水，這種(zhong)(zhong)報表(biao)哪怕就(jiu)是(shi)(shi)(shi)有幾萬份(fen)，哪怕就(jiu)是(shi)(shi)(shi)進(jin)行分鐘(zhong)級別的(de)異動監控，可能(neng)對業績提升也于事無補，該跌還是(shi)(shi)(shi)跌
我們不(bu)妨將視圖變換一下，
以上表頭只是示意，并沒有詳細展開，主要思路是將結果型報表變換成過程型報表，以用戶視角將整個報(bao)表分成基本屬性 、興趣偏好 、使用特征 、商業貢獻四個單元。
有(you)(you)了這種視圖后，就等于有(you)(you)了自(zi)變(bian)量與因(yin)變(bian)量，就可以回到我們熟悉(xi)的因(yin)子，回歸，判(pan)別(bie)這些多變(bian)量分(fen)析方(fang)(fang)法上(shang)來(lai)，至于RFM、CRM、渠道評(ping)估/反作(zuo)弊等解(jie)決方(fang)(fang)案的產(chan)出(chu)更(geng)不在話下。
正是基于這種過程型數據結構，我們做了很多有意思的項目研究，比如如(ru)何提(ti)(ti)高游戲下載量，如(ru)何提(ti)(ti)高用(yong)戶活躍度，如(ru)何降低卸載率，如(ru)何提(ti)(ti)高PUSH轉化效(xiao)率，如(ru)何將當前(qian)收入再(zai)翻倍，流失用(yong)戶的再(zai)召回等(deng)等(deng)，并(bing)且創新的結合用戶反(fan)饋等文本數(shu)據，很通暢的將定量(liang)+定性這些只能在傳(chuan)統市場研究(jiu)公(gong)司實(shi)現的研究(jiu)方法在互聯網(wang)業務模式進行了再(zai)現，至于項(xiang)目效果(guo)，抱歉無法提供太多，但我想(xiang)(xiang)說，這個圈子(zi)其實(shi)沒多大，想(xiang)(xiang)打聽，其實(shi)不難(nan)。
一直(zhi)堅(jian)信一點，在(zai)數(shu)據分析這個(ge)行當是永無止境的，因為產(chan)生(sheng)數據(ju)的主體——人始終在變，所有(you)的經驗和(he)方法今(jin)天可(ke)能是(shi)你的利器，明天或許就是(shi)傷害你的兇器。熟(shu)悉業務(wu)的好處(chu)是(shi)可(ke)以有(you)相(xiang)同的對話語境和(he)立場，但(dan)弊端就是(shi)常(chang)常(chang)因走(zou)得(de)太近，走(zou)得(de)太快而忘記數據的本(ben)質(zhi)，一(yi)個優秀的分析師是需要(yao)建立(li)起一(yi)套屬于(yu)自(zi)(zi)己(ji)的分析系統，其中，很重要(yao)的一(yi)個環節是自(zi)(zi)我糾錯機制，這(zhe)點，我也是在摸索。
伴(ban)隨著人口紅利消解(jie)，互(hu)聯網大盤流量(liang)增長接(jie)近上限(xian)這(zhe)個(ge)大背景(jing)，增長黑客（Growth Hacker）的概念(nian)現在(zai)越(yue)來(lai)越(yue)火，這(zhe)里，我想說兩(liang)點，
手段是有有效(xiao)期和環境(jing)的，他(ta)的有效往往是(shi)在透支行(xing)業平均成功率的基礎之上(shang),畢竟后來者(zhe)的復制(zhi)會加(jia)快(kuai)人群(qun)防疫(yi)力(li)的構建, 不僅(jin)會慢慢失效，還有(you)可能會對自身造成傷害(hai),在模仿手段(duan)的這(zhe)個(ge)賽道里恐(kong)怕只(zhi)有第一,沒(mei)有(you)第(di)二????。
電商行業有句打油詩是這么說的——
“用戶(hu)促活一句(ju)話：推送信息把券發(fa)，
有(you)(you)事(shi)沒(mei)事(shi)發短(duan)信：您(nin)要登陸把(ba)禮拿，優質產(chan)品在秒殺，再不來就沒(mei)有(you)(you)啦(la)~
要是客戶不買賬，直接拿(na)券頭上砸”
這(zhe)種生(sheng)搬硬套無腦跟風做增(zeng)長的(de)(de)(de)后果就(jiu)是成本(ben)越來(lai)越高，效果越來(lai)越差(cha)。用戶的(de)(de)(de)購買決策體系發生(sheng)紊亂，商家的(de)(de)(de)定價(jia)權也(ye)(ye)受(shou)到質疑，“價(jia)格太虛了(le)，啥時候有(you)優惠(hui)啥時候再來(lai)買，反正也(ye)(ye)不著急”。薅羊毛的(de)(de)(de)用戶越來(lai)越多(duo)，平臺陷入了(le)飲酖(dan)止渴的(de)(de)(de)尷尬境地。
數據(ju)的(de)優(you)勢是可以客觀的(de)，全局的(de)，通過一組指標還原用戶場景和動(dong)機，進而(er)歸納演繹->找(zhao)到差異->抓(zhua)住(zhu)增長點。再往大(da)了說，數據增長還應包括用戶定位，產品設計(ji)，價格策略等一系列全(quan)鏈條環節(jie)，這個后面(mian)有機會再聊。
同時(shi)增(zeng)長類項(xiang)目(mu)能發揮(hui)多(duo)大效能，還(huan)取決兩個前提：
下圖是根據淘寶親情賬(zhang)號的公關稿以及(ji)一(yi)組(zu)假數據結合的增長案例，
如上所說，流水=日活*購買率*購買金額，在存量購買力下，單純提高某一個因子對總流水的提升都于事無補，但可以做的是通過數據還原用(yong)戶的需求場景(jing)，繼而進(jin)行(xing)場景(jing)再造，健康(kang)的將業績目標進(jin)行(xing)穩定(ding)增長(chang)。
數(shu)據(ju)分(fen)析(xi)師(shi)是(shi)個孤獨的圈子(zi)，孤獨在沒法跟同行(xing)交(jiao)流和切磋(cuo)，泛泛談沒有價(jia)值，說來說去(qu)就(jiu)是(shi)那么幾點(dian)—趨勢(shi)/細(xi)分(fen)/對(dui)比/多(duo)變量，有價(jia)值的是(shi)背后各種方(fang)法的嘗試以及遇到的坑(keng)，難免不(bu)(bu)涉及業務細(xi)節(jie)，也就(jiu)沒法展開(kai)進行(xing)描述，不(bu)(bu)得(de)已(yi)用了很多(duo)別人家的案(an)例，有不(bu)(bu)太清楚(chu)的地方(fang)歡(huan)迎留言(yan)評(ping)論進行(xing)具體交(jiao)流。
至于數據分析的前景，無需多做宣貫，只提一點，當像充電寶，單車，咖啡，甚至汽車、大賣場這些傳統行業都逐漸開始互聯網化的時候，意味著互聯網從輕資產走向重資產時代，你覺得企業還會不重視精細化運營么？產品有bug我們可以及時回滾，可智能硬件的生產制造都是有成本的，一旦生產多了賣不出去就成了庫存積壓，生產少了用戶買不到體驗就不好，至于新零售的本質就更是提高人貨場的周轉效率，這些可都是數據問題啊。效率運(yun)營的精(jing)細化程度可能(neng)逐漸成為未來產品(pin)間(jian)的護城(cheng)河。
好(hao)槍手是靠子彈喂出來(lai)的，好(hao)分析師是靠大量項(xiang)目實踐沉淀(dian)出來(lai)的。
上圖是根據資料以及自己的理解進行的歸納提煉—數據應用的三層價值模型&數據人員能力成長體系。筆者目前已從業八年，不論是單方面的個人自評，還是從外圍收獲到的別人他評，數(shu)據在互聯網的應用都還屬于低估階段，耐得(de)住寂寞，才能守得(de)住繁(fan)華，在數(shu)據分析這條道路，讓(rang)我們一起夢想與(yu)前(qian)行。
