當(dāng)我們看了不少增長(zhǎng)案例之后，再看看手頭的工作和業(yè)績(jī)目標(biāo)，是不是還覺(jué)得不知道怎么實(shí)現(xiàn)？那是因?yàn)樵S多案例并沒(méi)有介紹得出結(jié)論的分析過(guò)程，而只是描述了問(wèn)題的背景和目標(biāo)，以及優(yōu)化之后的效果。真正的分析過(guò)程，往往被“發(fā)現(xiàn)”兩個(gè)字一筆帶過(guò)。

當(dāng)然有人會(huì)說(shuō)，數(shù)據(jù)分析過(guò)程是一個(gè)見(jiàn)仁見(jiàn)智的過(guò)程，根本不可能按照一個(gè)統(tǒng)一的流程完成全部分析，特別是在互聯(lián)網(wǎng)領(lǐng)域的高速變化當(dāng)中。那么數(shù)據(jù)分析的過(guò)程，究竟是一個(gè)只有零散技巧而無(wú)章法可循的過(guò)程，還是一個(gè)有明確的步驟并可以嚴(yán)格依照?qǐng)?zhí)行的過(guò)程？我認(rèn)為是后者。

我們這就來(lái)介紹一個(gè)通用的數(shù)據(jù)分析方法論：數(shù)據(jù)分析五步法，這個(gè)框架具有一下幾方面特點(diǎn)：

1. 不與具體業(yè)務(wù)綁定，是從決策需要的信息角度出發(fā)的；
2. 具有開(kāi)放性，可融入個(gè)人經(jīng)驗(yàn)和前沿技術(shù)；
3. 可結(jié)合大數(shù)據(jù)技術(shù)，排除人工環(huán)節(jié)，實(shí)現(xiàn)自動(dòng)化；
4. 邏輯清晰，容易學(xué)習(xí)。

一、分析五步法

這個(gè)簡(jiǎn)單的數(shù)據(jù)分析五步法，基本能夠應(yīng)對(duì)日常工作中至少80%的常見(jiàn)數(shù)據(jù)分析問(wèn)題。而剩下的20%的場(chǎng)景，可以在這個(gè)基本的分析方法論上擴(kuò)展出來(lái)，我們會(huì)在后面的內(nèi)容中探討。

1.1 五個(gè)基本步驟

首先，我們來(lái)一次講解著5個(gè)基本步驟，分別是：

1. 匯總
2. 細(xì)分
3. 評(píng)價(jià)
4. 歸因
5. 決策

1.1.1 匯總

這一步我們關(guān)注的是指標(biāo)，也就是大家常見(jiàn)的那些DNU、DAU、GMV、ROI等等。只要是說(shuō)到數(shù)據(jù)分析的內(nèi)容，一定會(huì)提示數(shù)據(jù)分析“要明確目標(biāo)”。因此，這個(gè)重要性我們倒是不需要贅述。

目標(biāo)當(dāng)然是所有指標(biāo)中最重要的。但只有目標(biāo)還不夠，我們還需要其它的輔助指標(biāo)。就比如ROI，是投入和產(chǎn)出兩項(xiàng)算出了ROI；而GMV，也可以用用戶數(shù)乘以平均每用戶的GMV計(jì)算出來(lái)。這樣，我們就把一個(gè)目標(biāo)的計(jì)算，拆分成了更多相關(guān)指標(biāo)的組合。并且，這些指標(biāo)更基礎(chǔ)，我們可以通過(guò)一些運(yùn)營(yíng)手段影響這些指標(biāo)的變化趨勢(shì)。

這部分沒(méi)有什么理解的難度。只不過(guò)，我們要找出指標(biāo)之間的計(jì)算關(guān)系，由此逐漸找到所有我們需要關(guān)心的指標(biāo)。在現(xiàn)在的互聯(lián)網(wǎng)產(chǎn)品運(yùn)營(yíng)當(dāng)中，從來(lái)不會(huì)缺少需要看的指標(biāo)，已經(jīng)多到了眼花繚亂的地步。但只有那些跟目標(biāo)相關(guān)的指標(biāo)，我們才需要關(guān)心。

1.1.2 細(xì)分

這一步相當(dāng)于給指標(biāo)增加了一個(gè)或者若干個(gè)維度。最簡(jiǎn)單的維度應(yīng)當(dāng)算是時(shí)間了。比如，我們按天看UV的變化趨勢(shì)；又或者，我們看不同頁(yè)面帶來(lái)的GMV是多少、看不同用戶分群中的GMV分別是多少等等。如果我們理解前面的指標(biāo)只是一個(gè)數(shù)字的話，增加了維度之后，它就變成了一列數(shù)據(jù)；增加了兩個(gè)維度之后，它就變成了一張表格，以此類推。

就像指標(biāo)的現(xiàn)狀一樣，我們也可以輕松找到許許多多可以用來(lái)拆分指標(biāo)的維度。比如前面提到的日期和人群，還有拉新上的來(lái)源渠道，活躍上的流量來(lái)源和轉(zhuǎn)化路徑等等。再將這些維度進(jìn)行排列組合，就能產(chǎn)生出一大批龐雜的拆分維度，多到根本看不過(guò)來(lái)。

因此，在細(xì)分之前的關(guān)鍵環(huán)節(jié)就在于區(qū)分維度的重要程度。

如何區(qū)分呢？

我們要按照是否可操作來(lái)區(qū)分這些拆分維度的輕重緩急。比如：前面提到了看APP中的不同頁(yè)面帶來(lái)的GMV。但是，如果我們沒(méi)有必要的技術(shù)手段或者運(yùn)營(yíng)工具，來(lái)為那些GMV更高的頁(yè)面分配更多流量，也不能降低那些GMV較低的頁(yè)面的流量，那么按照頁(yè)面拆分這種方法對(duì)于我們沒(méi)有任何操作空間，更不要說(shuō)操作之后的優(yōu)化空間了。

如果是這種情況，我們就應(yīng)當(dāng)認(rèn)為來(lái)源頁(yè)面這個(gè)維度，只是個(gè)“看看就好”的維度，而非關(guān)鍵維度。

另一個(gè)例子是用戶分群，特別是當(dāng)我們希望從外部的投放引流獲得更多高質(zhì)量的新增用戶，以此來(lái)拉動(dòng)增長(zhǎng)的時(shí)候。在這種時(shí)候，我們總是希望首先對(duì)現(xiàn)有的高質(zhì)量用戶進(jìn)行用戶畫(huà)像，并確定一些能夠標(biāo)識(shí)高質(zhì)量用戶的特征，再通過(guò)這些特征在投放的時(shí)候吸篩選出高質(zhì)量的用戶。

這個(gè)道理是講得通的，但遺憾的是，外投渠道不能提供十分精準(zhǔn)的人群定位，只能提供人口統(tǒng)計(jì)學(xué)和內(nèi)容偏好等粗粒度的劃分。這其中還隱含著，我們暫時(shí)認(rèn)為投放渠道對(duì)于用戶的標(biāo)記是十分精準(zhǔn)的，沒(méi)有考慮出現(xiàn)標(biāo)記錯(cuò)誤的概率。

因此可以看出，在拉新這件事上，我們對(duì)用戶分群的操作是受限的——并不是完全不能，但十分受限。而用戶分群更大的利用空間在于促進(jìn)活躍，也就是在我們自己的用戶群體中進(jìn)行切分。

比如，在增長(zhǎng)案例中常見(jiàn)的，在相同頁(yè)面的相同位置放置不同的文案或者圖片素材進(jìn)行版本間的A/B Test，那么具體展示哪個(gè)版本就是一個(gè)可以自由操作的維度，因?yàn)橐坏┌l(fā)現(xiàn)哪個(gè)版本更好，我們可以很快采取行動(dòng)，替換掉其它表現(xiàn)不好的版本。因此展示版本這個(gè)維度很適合用來(lái)切分指標(biāo)。

如果說(shuō)【匯總】的部分只是個(gè)監(jiān)控的話，在【細(xì)分】的步驟中，就已經(jīng)體現(xiàn)出一些分析的感覺(jué)了。在【細(xì)分】這個(gè)步驟中，我們需要找到那些真實(shí)可操作的拆分維度，以便讓我們的分析結(jié)論能盡快落地。但這部分還留下一個(gè)問(wèn)題，就是如果存在多個(gè)可操作的拆分維度，那么它們之間理應(yīng)是有區(qū)別的。

比如：我們可以簡(jiǎn)單地替換圖表和文案，但我們也可以煞費(fèi)苦心地給產(chǎn)品迭代一個(gè)大版本。

如何在分析的過(guò)程中體現(xiàn)并衡量這種操作的復(fù)雜度呢？這個(gè)就要說(shuō)到【評(píng)價(jià)】的問(wèn)題。

1.1.3 評(píng)價(jià)

在【評(píng)價(jià)】的步驟中，我們要用到【匯總】步驟中的那個(gè)作為目標(biāo)的指標(biāo)，以它作為評(píng)價(jià)的唯一標(biāo)準(zhǔn)。如果我們的目標(biāo)就是簡(jiǎn)單的GMV，甚至更簡(jiǎn)單的PV和UV，那么到了【細(xì)分】的步驟之后，我們基本就可以開(kāi)始下結(jié)論了，但是在實(shí)戰(zhàn)中并非如此。我們的目標(biāo)可能是一個(gè)復(fù)合目標(biāo)——在拉高GMV的同時(shí)，還要控制成本；在拉高PV的同時(shí)，還需要提高GMV；或者直接是一個(gè)ROI這樣的復(fù)合指標(biāo)。

在這個(gè)時(shí)候，我們就不能只關(guān)注目標(biāo)這一個(gè)指標(biāo)了，而要關(guān)注復(fù)合指標(biāo)。例如：我們的目標(biāo)是在拉高GMV的同時(shí)控制成本。為了進(jìn)一步簡(jiǎn)化問(wèn)題，我們把成本具體地定義為：促進(jìn)老用戶產(chǎn)生GMV的成本和獲得新用戶產(chǎn)生GMV的成本。因?yàn)橥ǔＴ谶\(yùn)營(yíng)中，拉新與促活的手段是不同的，這與【細(xì)分】部分的原則對(duì)應(yīng)，即：是否存在操作空間以及操作空間的大小。

之后，我們就可以分別按照拉新和促活的不同緯度，對(duì)產(chǎn)生的GMV和投入的成本這兩個(gè)指標(biāo)分別進(jìn)行細(xì)分了。例如：在拉新方面，我們有外投百度關(guān)鍵字、有外有廣告聯(lián)盟、還有與其他APP的合作換量；而在促活方面，我們?cè)贏PP上的ABCD四個(gè)Banner上設(shè)置的A/B Test。

那么對(duì)于新用戶的部分，我們就可以分別針對(duì)百度關(guān)鍵詞、廣告聯(lián)盟和合作APP這三種方式，評(píng)價(jià)每投入一塊錢(qián)的成本分別可以得到多少新增的GMV。通過(guò)這種評(píng)價(jià)，我們就能簡(jiǎn)單地在不同的拉新方式中，選擇更優(yōu)的方式，并在已有的方式中調(diào)整更優(yōu)的成本投入。而對(duì)于老用戶的部分，我們同樣可以針對(duì)ABCD四個(gè)Banner各自的A/B Test，評(píng)價(jià)不同的展示版本中每投入一塊錢(qián)可以產(chǎn)生多少GMV。

簡(jiǎn)而言之，在【評(píng)價(jià)】這個(gè)步驟中，我們需要把【匯總】部分的指標(biāo)分成兩類——最終的目標(biāo)，與實(shí)現(xiàn)目標(biāo)的手段。比如在前面的例子中，投入的成本就是實(shí)現(xiàn)GMV提高的手段。因此，每一塊錢(qián)的成本投入，我們都需要以產(chǎn)生的GMV來(lái)評(píng)價(jià)它。這時(shí)，要實(shí)現(xiàn)GMV提高的目標(biāo)，可選擇的手段就比較多了。

比如，針對(duì)老用戶促活，我們可以：

1. 保持成本投入不變，更換更容易帶來(lái)GMV的圖片和文案，來(lái)提高投入的每一塊錢(qián)帶來(lái)的GMV（優(yōu)化效率）；
2. 保持每一塊錢(qián)帶來(lái)的GMV不變，（在限制范圍內(nèi)）追加成本投入。

這兩種方式，都有意識(shí)地忽略了GMV可能帶來(lái)的價(jià)值。如果我們將這部分價(jià)值考慮進(jìn)來(lái)，它就能抵消掉一部分投入的成本，那么備選方案還會(huì)更多。

總之，在前面這個(gè)例子中，由于我們的拆分維度本身比較簡(jiǎn)單，只考慮了APP中的Banner和外部拉新的方式，因此比較容易通過(guò)數(shù)據(jù)中的一些標(biāo)記進(jìn)行細(xì)分。但是在實(shí)戰(zhàn)中，還有些情況是我們無(wú)法進(jìn)行明確地拆分的。

比如在用戶交互中，產(chǎn)生一個(gè)GMV的路徑需要經(jīng)過(guò)幾個(gè)環(huán)節(jié)的跳轉(zhuǎn)，或者就像前面那個(gè)例子中的ABCD四個(gè)Banner，如果用戶點(diǎn)擊了其中的兩個(gè)甚至三個(gè)Banner，那么我們?nèi)绾尾鸾饽?？這個(gè)問(wèn)題就是下一個(gè)步驟【歸因】了。

1.1.4 歸因

【歸因】這個(gè)步驟就是“最后一公里”了，也就是我們常說(shuō)的剖析“為什么”的過(guò)程，之后便可以得出結(jié)論并進(jìn)行決策。

在前面的步驟中，通過(guò)案例能清楚地看到，我們已經(jīng)得到了一些可以直接對(duì)比的量化指標(biāo)了。在這種情況下，其實(shí)我們不需要在【歸因】的步驟中做什么特殊的操作，可以通過(guò)數(shù)值的比較直接下結(jié)論。但是如果我們遇到了細(xì)分的問(wèn)題，也就是多個(gè)環(huán)節(jié)或者方法之間無(wú)法進(jìn)行明確地拆分時(shí)，應(yīng)當(dāng)怎么辦呢？

在日常的數(shù)據(jù)分析中有幾種常用的歸因思路：

比如，我們繼續(xù)使用前面提到的案例——用戶**依次**點(diǎn)擊了ABCD四個(gè)位置才產(chǎn)生了GMV：

1. **首次互動(dòng)歸因模型**：也就是用戶第一次做某件事，在數(shù)據(jù)中通常表現(xiàn)為時(shí)間最早、順序號(hào)最小等等。那么我們給A記100%，B、C和D記0%。
2. **最終互動(dòng)歸因模型**：也就是用戶最后一次做某件事，對(duì)應(yīng)的在數(shù)據(jù)中就表現(xiàn)為時(shí)間最近、順序號(hào)最大等等。那么我們給D記100%，A、B和C記0%。
3. **線性歸因模型**：也就是平均分。那么我們給ABCD分別記25%。
4. **加權(quán)歸因模型**：也就是給多個(gè)促成因素分配一定的權(quán)重，例如A和B各記30%，C和D各記20%。正因?yàn)槎喑鰜?lái)一個(gè)權(quán)重的維度，需要一定的設(shè)計(jì)；并且計(jì)算權(quán)重也可以作為一種分析的過(guò)程。關(guān)于權(quán)重也有幾種常見(jiàn)的設(shè)置辦法，比如首末兩項(xiàng)最重要而其它向中間遞減，或者按時(shí)遞減等等。

當(dāng)然，在選擇歸因方式的時(shí)候，也會(huì)結(jié)合具體業(yè)務(wù)的特征，來(lái)考慮行為的先后順序、停留時(shí)間長(zhǎng)短等情況，對(duì)于分析目標(biāo)的貢獻(xiàn)或影響。

1.1.5 決策

最后就可以決策了。但經(jīng)過(guò)了前面的幾個(gè)步驟逐漸消除了不確定性，決策反而是最簡(jiǎn)單的一步了——就是找出那個(gè)表現(xiàn)最好的版本、表現(xiàn)最好的位置、表現(xiàn)最好的拉新方法而已。

而當(dāng)我們有一些新的idea時(shí)，同樣可以作為A/B Test中的一個(gè)版本，加入到這套評(píng)價(jià)體系中，進(jìn)行綜合評(píng)價(jià)。

1.2 應(yīng)用案例

這套方法論不僅針對(duì)日常工作中的專項(xiàng)分析，在一些已經(jīng)固化成型的方法論中，也可以找到這套基礎(chǔ)方法論的影子。

我們來(lái)看幾個(gè)已經(jīng)成型方法論案例：

1.2.1 A/B Test實(shí)驗(yàn)

首先我們要看的案例就是A/B Test。在A/B Test的過(guò)程中，首先我們要確定實(shí)驗(yàn)的目的，也就是我們要通過(guò)實(shí)驗(yàn)提高和優(yōu)化的是哪個(gè)指標(biāo)。之后，我們以實(shí)驗(yàn)中的不同版本作為細(xì)分維度，以指標(biāo)是否實(shí)現(xiàn)作為評(píng)價(jià)標(biāo)準(zhǔn)，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)。如果在實(shí)驗(yàn)的過(guò)程中確實(shí)遇到了需要?dú)w因的問(wèn)題，則還需要考慮如何進(jìn)行歸因。

當(dāng)然，隨著業(yè)務(wù)的復(fù)雜度不斷發(fā)展，A/B Test的難點(diǎn)已經(jīng)不在于比較和得出結(jié)論的過(guò)程，而在于如何設(shè)計(jì)實(shí)驗(yàn)才能在更短的時(shí)間內(nèi)、耗費(fèi)更少的用戶流量、進(jìn)行更多的實(shí)驗(yàn)并得到有效的結(jié)論。這也是所有這方面的平臺(tái)和工具的起點(diǎn)——Google的著名論文《Overlapping Experiment Infrastructure: More, Better, Faster Experimentation》論述的核心內(nèi)容。

1.2.2 用戶分群

用戶分群是一個(gè)常見(jiàn)的運(yùn)營(yíng)手段，但如何確定分群的準(zhǔn)確度，以及如何在后續(xù)的使用中持續(xù)地維持準(zhǔn)確度，確是一個(gè)數(shù)據(jù)分析問(wèn)題。在基于特征的用戶分群過(guò)程中，首先要確認(rèn)的是，我們希望獲得具備怎樣特征的用戶群體。

之后，當(dāng)我們想找到符合這個(gè)特征的用戶時(shí)，就可以使用TGI（Target Group Index，目標(biāo)群體指數(shù)）來(lái)衡量找到的用戶群體是否對(duì)這個(gè)特征有傾向性。例如：如果我們想找到喜歡搞笑短視頻的用戶，并且以點(diǎn)贊行為作為“喜歡”的定義，就可以使用TGI的大小來(lái)評(píng)價(jià)我們找到的用戶群體是否確實(shí)對(duì)搞笑短視頻有所偏好。

具備了這種分析機(jī)制之后，我們就可以通過(guò)各種手段來(lái)對(duì)用戶進(jìn)行分群了，之后針對(duì)不同的分群方式就可以計(jì)算出多組TGI值，我們需要的就是那個(gè)TGI值最大的子群，并選擇那個(gè)得到這個(gè)子群的分群方式。

反過(guò)來(lái)說(shuō)，關(guān)于用戶分群還有另外一種場(chǎng)景：我們已經(jīng)得到了一個(gè)用戶群體，并想要研究這個(gè)群體具備怎樣的特征。這時(shí)，同樣可以使用TGI作為目標(biāo)，以TGI的大小來(lái)衡量分群對(duì)各種特征的傾向性。

1.2.3 經(jīng)典管理模型：BCG矩陣

在經(jīng)典的BCG矩陣中，隱含的一個(gè)關(guān)注目標(biāo)是整體利益，而手段是資源的優(yōu)化配置——也就是要將企業(yè)中有限的資源，投給更具潛力的業(yè)務(wù)，以便獲得企業(yè)層面的整體利益最大化。

為了對(duì)這個(gè)目標(biāo)進(jìn)行深入研究，在BCG矩陣中，按照兩個(gè)維度對(duì)這個(gè)指標(biāo)進(jìn)行了拆分，形成了一個(gè)二維矩陣。在通常的畫(huà)法中，橫向代表相對(duì)市場(chǎng)占有率的高低（通常是指相對(duì)于行業(yè)Top 3），而縱向代表了市場(chǎng)增長(zhǎng)率的高低。相對(duì)市場(chǎng)占有率和市場(chǎng)增長(zhǎng)率，就是創(chuàng)造利益的手段了，占有率高且增長(zhǎng)迅速，自然能更多獲利，而利益自然是最終目標(biāo)。

因此，由于手段帶來(lái)的利益是不同的，在拆分出的四個(gè)象限中，不同的業(yè)務(wù)就有了自己的“宿命”——有的維持，有的追加資源，有的減少資源，有的直接放棄。

二、方法論的優(yōu)化

根據(jù)前面對(duì)于方法論的整體描述，有三個(gè)點(diǎn)，可以對(duì)這套方法論進(jìn)行優(yōu)化。

（1）匯總

匯總部分的優(yōu)化，在于發(fā)現(xiàn)更新、更合適的輔助指標(biāo)，來(lái)計(jì)算出最終的目標(biāo)指標(biāo)。就比如在財(cái)務(wù)領(lǐng)域，相比于按照收入和支出匯總的計(jì)算方式，杜邦分析法（DuPont Analysis）給出了基于銷(xiāo)售利率、資金運(yùn)作和負(fù)債程度三個(gè)方面的拆解方式，更容易理解并采取行動(dòng)。

（2）細(xì)分

在前面講解細(xì)分的時(shí)候，側(cè)重的主要是一些客觀維度，如時(shí)間、已經(jīng)客觀存在的拉新方式和Banner等。而隨著分析經(jīng)驗(yàn)的積累和算法能力的提升，我們逐漸會(huì)在分析和應(yīng)用中，加入一些偏主觀的細(xì)分維度。比如根據(jù)用戶偏好制作的用戶標(biāo)簽。這些維度提供了新的視角，但同時(shí)也有自己的“玩法”。

（3）歸因

歸因部分是對(duì)于那些不能客觀確定的拆分邏輯，給出了人為定義的拆分邏輯。因?yàn)橛辛巳藶椴僮鞯募尤?，并且客觀情況在不斷的變化中，這其中就逐漸產(chǎn)生了優(yōu)化空間，需要對(duì)拆分的方式不斷調(diào)優(yōu)，以便適應(yīng)業(yè)務(wù)的發(fā)展和環(huán)境的變化。

作者：顧青，DTALK.org創(chuàng)始人；公眾號(hào)：DTalks (微信ID：dtalks），聯(lián)系請(qǐng)關(guān)注后回復(fù)“人人PM”。

本文由 @顧青 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自Unsplash，基于CC0協(xié)議