精品伊人久久大香线蕉,开心久久婷婷综合中文字幕,杏田冲梨,人妻无码aⅴ不卡中文字幕

廣州向日葵信息科技有限公司數據產品負責人 羅玲

之前一直負責公司的網站開發，接觸過網站架構，開發語言，這為此后從事數據分析、理解整個數據平臺打下良好基礎。

數據產品、報表架構師、報表開發、開發猿、BI負責人、數據分析師，這些都是我的標簽，現在我的角色是增長黑客（Growth Hacker），我們的工作就是搭建一個自上而下的指標體系，逐漸將增長黑客的理念落地到項目中。推薦2本書：一本Growth Hacker（增長黑客），一本京東數化運營，其中有成型的數據分析方法。

用戶分群、用戶畫像，用戶行為分析，從海量用戶中“淘金子”，即漏斗（篩出目標且有價值的用戶）。正如現代管理學之父所說的“你無法衡量的話就無法提高”。

海量訪客進入官網直到最核心的產品詳情頁，再到購物車，可以看到2次轉化過程，從訪客-產品頁的轉化率21%，“漏”下來10316人，其中與1062人到達的購物車，整體轉化率2.1%。

反過來看說明什么？100人中才留下2個到達購物車的用戶，此刻必須將“精細化運營”提上日程，盡快提高轉化率。精細化運營可橫向或縱向分析每一個場景，找到可增長的關鍵點。

從縱向看，轉化環節可再細分：從訪客-產品頁，從產品頁-購買點擊數-購物車的人數，從購物車-完成支付的人數，支付之后同樣可以再進一步細分，比如：首次支付-第二次支付的周期，進而實現持續支付，這也是一個用戶漏斗，找到最終為公司帶來更多價值的客群。每個細分轉化率從20%中抽出14%，其中是否存在可優化的空間？訪客進入到產品是對整個產品設計的感知，用戶體驗是否要區分新老用戶，為新用戶提供產品價值方面的引導，而針對老用戶，可以根據其歷史行為進行喜好推薦。另外，支付環節如果體驗不順暢，很可能導致某個很有購買意向的用戶放棄支付而離開，總之，通過精細化運營找到優化關鍵點，每優化一個環節，將帶來整體轉化率的大幅度提升。

從橫向看，轉化路徑是相對固定的，但橫向分析需要拆分，當前用戶所在平臺、所處環境、所在地域等屬性，需要從橫向分析角度做縱向轉化分析，看不同人群間有哪些不同行為特征/屬性特征，針對不同人群，采取相對應的運營策略/產品體驗。

如果公司沒有較為完整的數據分析團隊，谷歌出品的Analytics平臺，可將企業分析所需的模塊和指標都靈活的呈現出來，大概有120+緯度，200+指標，供企業自由組合參考。

國內百度統計也是常用分析平臺，作為數據智能決策平臺——諸葛io，僅以SQL查詢功能為例，這個功能就像我們在餐館點餐、服務員送餐一樣，有一個固定流程，SQL是一個查詢數據的固定語法，有固定格式，套用固定格式即可查詢到所需數據，我覺得，這個功能是產品和運營有必要了解的，這將為今后的數據采集工作帶來極大便利。

需要強調的是，工具是為提升效率實現業務增長的，很多平臺都提供很多固定分析模塊，例如：實時報表，定制化報表，頻道管理、自定義事件，交易轉化等靈活的分析工具，借助工具提升數據采集的效率，節省制作報表的時間。

點擊圖片 查看大圖

大數據必須經過清洗、分析、建模、可視化才能體現其潛在的價值。傳統的數據中心工作流大概是，各個業務部門提出需求給到分析師，涉及到前期埋點、臨時數據（比如：活動/專題/推廣數據），四面八方的數據源：第三方數據，第一方業務數據。

ETL工程師（從事系統編程、數據庫編程與設計，掌握各種常用的編程語言的專業技術人員。也叫數據庫工程師），主要精力通常在數據分析和清洗，如果產品/運營部門向TA提出各種（臨時/一次性）的報表需求，這勢必造成極大地人力浪費。

如果數據中心與數據需求方（產品/運營）達成一個共同意識，將數據平臺更高效的應用到實際業務中，那么就需要搭建一套數據平臺，涉及到常用的分析指標和篩選緯度：如，城市、渠道、商品、時間等。舉例：活動A、B、C可能只是以不同的創意形式呈現，而目標是一致的，那么即可形成一個工具型報表。

小步快跑，即梳理全公司核心指標體系，以公司最核心的收入為“圓點”向外延展指標體系，像做一個產品，將數據平臺拆成一個小小的版本不斷迭代，持續與業務部門溝通，定期為提供可參考的指標，如此落地到業務中。

通過數據采集、數據清洗，將數據應用于業務，實現數據驅動，在實時報表中可視化的呈現出最核心的關鍵數據以及趨勢變化，需要強調的是，即使使用第三方分析工具，也可以搭建一套自己的核心數據平臺。

新用戶-活躍-留存的增長黑客漏斗轉化中，除了引導用戶首次購買外，還可以將有過二次購買，甚至有多次且持續購買的價值用戶，通過用戶分群的方式進行精細化運營。谷歌直到2015年才把網站留存率作為網站價值的核心評估指標，由此可見留存率是很重要的指標，電商特別強調復購概念，用戶首次下單支付前的關鍵性動作是什么？刺激到用戶哪一個興奮點？如果找到那個點，是否可以找到一些增長方式實現快速增長，這在用戶生命周期中將衍生出很多運營方案。

數據分析的終極目標是推動業務增長，在達成共識的基礎上，通過具體指標共同推進，所以類似目標儀表盤的形式可幫助企業形成合力，“一個公司，一個目標”的儀式感，從加強數據驅動意識開始，讓各個部門明確所做的每一件都能切實的起到目標的改善/提升/優化。

再強調一下精細化運營，以電商用戶的生命周期為例，基于到運營策略和基礎平臺的搭建從首單到第二、第三單支付，從新手到忠誠用戶的轉化，讓用戶在生命周期中更好、更快的成長。同時，通過用戶分群，比如將有相同購物偏好的用戶作為一個群，向他們推薦他們感興趣的商品。

用戶分群是根據用戶行為劃分的，并不是簡單的根據自然屬性來劃分的（比如：不是簡單的將男和女用戶進行分群的），而是深入洞察到女性用戶在平臺上的行為特征，將她歸入某一類運營客群中，最終激勵她（們）完成轉化。

總之，數據分析要結合用戶生命周期和用戶需求，根據馬斯洛需求層次理論首先滿足用戶基本需求，進而滿足情感需求，而諸葛io作為一款數據智能決策平臺，讓用戶分析不僅是紙上談兵，而且讓數據更好的服務于業務，應用于業務增長。

數據分析從來不是一勞永逸的，產品在不斷迭代，業務在不斷更新，從認知到決策，數據更多的是起到了輔助的作用，從梳理需求、到采集、到分析、到實踐、再到衡量，始終循環在企業增長的整個過程中的，一切都應以能準確解決問題、驅動業務增長為前提。