数据分析→用户路径拆解→收集数据→搭建仪表盘

在实际的业务中，大多数人可能只会遇到以下一种或几种常见的场景，并且对于各个细分场景，所需要解决的问题和关注重点都是不一样的。

场景一：你刚加入一个成熟产品的用户增长部门，会发现业务当前有非常全面详实的用户和业务数据，但由于个人缺少数据分析的经验，面对一堆数据，除了能简要了解到产品基本情况，不知如何从数据中挖掘出更有价值的信息。

• 待解决问题：面对大量数据，不知如何入手分析。
• 所需的能力：各种可以从数据分析中找到增长线索的方法论。

场景二：你熟练掌握了基本的数据分析技能，能够基于现有数据找到增长线索，你想针对某些关键指标的异常情况进行分析，但不知道哪些数据相关性高，如何将多维度的数据关联分析。

• 待解决问题：有明确的问题需求，但不知如何有效拆解数据问题。
• 所需的能力：基于目标行为的拆解用户路径的方法。

场景三：拆解完用户路径后，发现目标的转化路径中有部分数据缺失，无法有效支撑你的分析。

• 待解决问题：如何快捷有效的收集缺失的数据。
• 所需的能力：制定数据采集方案。

场景四：需要的数据采集到位后，发现数据统计混乱，每次查询和分析数据的效率成本都很高。

• 待解决问题：数据如何高效可视化呈现，降低查询使用的成本。
• 所需的能力：创建数据仪表盘。

诊断上述的工作场景，大多数增长人的工作顺序可能是：数据分析→用户路径拆解→收集数据→搭建仪表盘。

基于数据驱动用户增长可以分为以下五个步骤：

对大多数增长从业者来讲，最重要的是先掌握一套数据分析方法，从现有数据中快速找到增长线索，取得一些增长业绩，再反过来检查数据埋点、统计等地方有没有问题。当掌握了数据分析方法，但所在的公司or负责的业务没有基础数据也无从下手，才需要思考如何拆解用户路径、数据采集。而数据仪表盘，则是为了提高查询效率，支持数据分析工作快速、准确开展。

一、分析数据：多维度数据分析

从数据分析中寻找增长机会，可分为“宏观”和“微观”两个角度。

• 宏观：在基础数据中，找到较大的增长机会。
• 微观：对比精细化的用户数据进行分析，挖掘相对隐蔽的增长线索。

无论所在的公司是否有用户的精细化数据，都可以通过从整体的角度进行数据分析，找到增长乏力点。然后再考虑要不要分析更精细的数据。

案例：某内容类APP产品

本节将会围绕北极星指标和全链漏增长模型，通过一个案例（数据虚拟）展开关于宏观数据分析的分享。

• 北极星指标：指导增长工作方向最重要的指标，也可以理为业务现阶段的唯一重要的指标。制定北极星指标时，需要在服务于业务的长期健康增长下，同时考虑商业目标和用户价值。
• 全链漏斗增长模型：是把影响北极星指标的主要细分指标梳理梳理出来，并标注转化率。通过模型，可以将北极星指标细化拆解，从中找到增长的机会点。

案例场景：刚刚入职一家内容类APP，负责用户增长，公司没有完善的后台数据系统，无法通过详细的用户行为埋点数据，如何找到一些增长的线索。公司现有后台可提高的数据指标：下载量、注册量、登录量、平均阅读时长、基本用户信息。

第一步：构建全链漏斗增长模型

从转化漏斗可发现：

• 拉新转化率较高：新用户下载到注册的转化率为70%，新用户下载转化率不错。
• 老用户活跃度低：当月活跃老用户占总注册用户数的10%，老用户活跃较低。活跃用户主要靠新用户补充。
• 用户感知的产品价值较低：当月人均阅读时长较低，远低于行业均值。