职场"险恶"岂能怼不过就撤,一切看数据说话
5月7日，诸葛io数据巡展来到「深圳」，本次巡展的主题为《让用户从“初见”到“狂热”的数据洞见》，大咖精英云集，共同分享智能数据驱动决策下的用户增长。
到场嘉宾有诸葛io联合创始人赵乾坤博士、嘟嘟巴士市场总监郭知静、小蓝单车深圳市场总监江珊芝、广州向日葵信息科技有限公司Growth Hacker负责人罗玲，之前分享了诸葛io联合创始人赵乾坤博士洞察并解锁数据增长的隐藏线索、嘟嘟巴士市场总监郭知静的发言再多"讨好"用户的套路 也不如真诚相待（点我查看）。
本文整理自：广州向日葵信息科技有限公司Growth Hacker负责人罗玲的现场发言《看数据说话》。
❶ 常用第三方分析
❷ 常用分析方法
❸ 项目案例
❹ 用户运营
Growth Hacker
我（广州向日葵信息科技有限公司Growth Hacker负责人罗玲，以下简称“我”）本来是一个地地道道的程序员，带眼镜，黑眼圈，敲代码，曾经这样过了大概两年的时间，我是计算机专业出身，在公司负责网站开发，后来有机会接触到数据，就慢慢从开发转向数据。
最初，因公司成立不久，我们更多的是做一些简单的业务数据的KPI分析。随着公司业务的扩大，很多部门需要数据驱动业务，使业务快速增长，从数据分析到面向整个公司各个部门，所以我的角色从报表、BI负责人，架构师，再到半年前担任了公司GrowthHacker的负责人。
这个模型很常见，我们所说的分析，关联分析等一些分析方法，最终呈现出来的大多是类似漏斗的形状，网站有一百万访客，到重点的环节可能有一千个人，到购物车，到真正提交，都是一步步，从大部分用户再到核心用户的转化过程。每一个分析都可以形成固定化的转化方法。
前几年，有些人对大数据是有误解的。其实，数据是有价值的，无论大小，都可以利用它实现效率提升，变更工作方式。比如，早上吃饭用了多长时间，有多长时间是在用电子产品，而我们在用电子产品的高峰期是哪些时段，而这些数据是可以帮我们应用到相关业务上的。例如，用户使用手机高峰期，我们推一些可能与他当前场景有关的核心产品，希望用数据驱动这一模式。
我们电商的数据，中间有些数据是抽样的，但比例基本是正常的。可以看到一天有5万个访客到网站、APP，有10310个产品到核心的产品页，到购物车的人只剩1000左右，这个漏斗是最粗糙的漏斗模型，叫三步转化。整体的转化率是2.1%，从图中只能针对这次用户有一个整体的概念，但是细节是什么？又可以分很多细的漏斗模型，从访客到产品页，到购买点击，再到购物车，再到支付。电商最重要的概念是复购，今天购买了一双靴子，后天再购买一件衣服，这就属于复购用户，针对复购用户的定义，可以从常规的时间维度去划分，周复购用户、月复购用户这些分成的方法。看用户对我们业务有贡献的价值所占的占比。
第三方分析工具
刚才我们只是把一些普通用户和付费用户做了分级，本身的平台会分APP、网站、微信，每个平台上面的表现其实是不太一样的，不同的表现意味着本身对应的产品设计，以及用户体验都不一样。
这里只是简单分享一下我们在APP和微信上面的一些转化率。前面说了一些常规的分析方法，而现在行业用的一些，因为不是每个公司都有能力或有技术资源可以针对所有数据做成一个独立的BI系统，或者是数据仓库相关的数据产品。我们可借助现在比较成熟的第三方分析工具，例如谷歌GA，GA很早就有分析概念，它们在出这款产品的时候，会把用户所使用到的维度、指标，行为数据，消费数据，价值数据，都会在分析工具里面有所体现。
百度统计是国内常用的，刚开始是针对网站做的，后面我们有了APP，百度统计或者是谷歌都可以支持网站和APP的使用。APP国内常用的是友盟，诸葛io等，每个工具针对的方向是不太一样的，共同的方向是作为一个效率工具提升业务。
工具用的好不好，有一部分是属于偏技术性的。有一些是雷同的，类似于频道管理，自定义事件，还有交易沾化。频道管理，是针对有核心产品，也分了一些子产品，可以针对每个频道做不同的管理，而针对于自定义事件，其实是属于定制化的产生。例如，今天做三八妇女节的活动，明天做女生节的活动，这个活动效果怎么样，针对活动频率的不确定性可以自定义一些指标，比如，参与人数，停留时间，成交数据等。
GA的交易转化，是按照国外的思路设计，国外的购物是含税的，含有本身商品相关的指标，还有商品在网站上行为相关的价值属性，例如，用户这次浏览了五个页面，到第五个页面才成交，有一个归因模型，到最后一个页面成交的时候，以贡献度来作为一个价值指标的计算，其实是针对有多个频道、多个页面，每个页面的重要性，以及贡献度的分级，其实都是有参考意义的，因为很多时候需要抓住最核心的去优化的。
常用的分析方法
常用的分析方法：关联分析、预测。
这是2016年“双十一”的交易额。分析更多的是帮助业务。简单介绍一下数据中心的工作，在座的可能涉及到产品、运营人员比较多，可能很多需求是“今天要一个转化分析，明天要一个活动效果分析”，很多时候一两句话就把需求说出来了，但实际上分析人员要考虑的东西其实挺多的。
首先要考虑这个数据有没有，是不是埋点了，埋点是不是对，这个数据是不是能支撑解决那些疑问，以及一些分析方向。很多时候数据中心是接收数据的一方，接收以后要确定数据源，用不同的分析思路，用不同的清洗工具，形成一些可做的数据源，再用一些数据分析工具处理成一些分析结果，再形成数据分析报告。
数据分析报告，即，要解决什么样问题的一个文件。数据团队，可以把它说的很小，一个人都可以搞定的事情，而这个人的综合能力需要很大。如果把它说的很大，他要考虑每一个部门，每一个项目数据采集的原理，再到可以形成什么样的数据产品供大家使用，以及在做类似大专题分析的时候，要有一个什么样的数据结构的产品。
之前项目采取的都是小步快跑模式，把公司最核心的那条转化线，前前后后都准备好，技术也准备好，先做最核心的。其他的做复制就可以成功的驱动整个项目的发展。
从事IT的人员最核心的能力是学习能力，所有的业务都在变更，每天要不停的学习，学习不同的产品，和不同的人打交道。
关联分析
在做关联分析的时候是要找出一些相关性，而这些相关性可能会带来之后的数据驱动的产品，类似于推荐或客户关怀的产品。
最近，经常被提起的是用户增长，增长黑客的概念，这是一个很好的趋势。之前说大数据能解决什么样的问题，很多层面都停留在处理数据，是不是有一些比较完整的技术方案。到最后要应用数据的时候，到实处还是增长的概念，用户增长“AARRR”增长模型，可以应用到APP或网页，大家可以稍微留意一下，留存率的概念，刚开始只是应用到APP。而现在更多的是会把它扩展到网站，或者是其他的形式，都会强调留存率的概念。APP的模型，从用户获取，到用户注册，用户留存，之后怎么把它变成付费用户，付费用户可不可以带来第二次贡献。例如，复购，或者说是否将产品推荐给好友。这涉及到活动机制如何把设置，而活动目的是围绕用户增长的。
这里把普通用户所涉及到的一些产品，可能会涉及到类似于店铺会员有一些幸运抽奖，每日签到，会员特权，看起来很多个产品的用户，而实际上每个产品后面其实是有一些底层的基础产品在支撑，例如，优惠券、令牌、折扣、金币、积分等等，实际是形成一种体系。
用数据驱动实现SEM
刚开始SEM项目有一个人负责，他们每天实际的转化量在40-50，我接到这个项目后，大概花了两周时间，目前最新的数据已达到120。跟大家分享一下做SEM相关的经验，从做数据的角度分析SEM的效果，选词的规则，还有投放的策略，再到后面效果的分析。
因为我有单独做数据仓库项目，会把SEM项目单独拎出来做一个单独的项目。以百度为例，百度实时点击的数据等等，我们会把数据都收集到数据仓库，把行为数据和交易数据进行整合，导出相关报表。现在简单的操作是，报表系统已搭建完整，有实时报表，有核心的报表关健词，计划单元的报表等等，从头到尾的转化数据都有。基本上是5分钟一条，看转化低了可以把它调上去，根据百度的排名或其他的投放策略。
这个项目，作为数据分析人员可能不太会接触，自己可以控制这个业务的操作、投放策略，一个整个项目的产出。因为有数据分析本身比较完整的经验，在投入投放策略会比较熟悉，知道投放策略会带来一些比较长久的转化，例如一些SEM的长尾词，我们会觉得太贵，但是它带来的转化是持续的。
SEM的投放，我会建议大家分一些长词、短词在不同的时间段投，每一个关健词和自己的核心业务相关，针对于关健词的设置要跟核心业务相关，进行不同的组合，扩充词量。
结语：数据分析从来不是一劳永逸的，产品在不断迭代，业务在不断更新，从认知到决策，数据更多的是起到了辅助的作用，从梳理需求、到采集、到分析、到实践、再到衡量，始终循环在企业增长的整个过程中的，一切都应以能准确解决问题、驱动业务增长为前提。
要不要立刻体验下诸葛io的增长特技，欢迎注册试用，有问题可致电诸葛君哟：40080-94843。
错过了深圳站的精彩，本周六，上海站FinTech Club也同样值得期待，等你~
活动推荐
5月13日，
诸葛io FinTech Club 来到 【上海】
（↑戳我报名↑）
大咖精英云集
从运营角度，
剖析在金融行业快速发展期，
如何通过数据驱动实现业务增长。
立刻报名