問(wèn)題解析數(shù)據(jù)分析是增長(zhǎng)黑客的必備技能之一，同時(shí)越來(lái)越多的互聯(lián)網(wǎng)運(yùn)營(yíng)崗位招聘也都要求應(yīng)聘者具備數(shù)據(jù)分析能力及經(jīng)驗(yàn)。增長(zhǎng)黑客的觀念是通過(guò)數(shù)據(jù)的真實(shí)反饋指導(dǎo)產(chǎn)品迭代、市場(chǎng)推廣以及運(yùn)營(yíng)活動(dòng)的執(zhí)行策略，用數(shù)據(jù)洞察業(yè)績(jī)?cè)鲩L(zhǎng)契機(jī)。

掌握增長(zhǎng)黑客思維的基礎(chǔ)在于掌握數(shù)據(jù)分析的思路、數(shù)據(jù)分析的模型和工具，但如何從數(shù)據(jù)變化中發(fā)現(xiàn)問(wèn)題和契機(jī)，是增長(zhǎng)黑客思維的關(guān)鍵技能。

增長(zhǎng)黑客有哪些數(shù)據(jù)分析方法?

1.通過(guò)數(shù)據(jù)曲線總結(jié)趨勢(shì)。折線圖、散點(diǎn)圖和柱狀圖等是數(shù)據(jù)分析必備的基礎(chǔ)數(shù)據(jù)圖表，這些圖表通過(guò)基礎(chǔ)的曲線反饋階段時(shí)間內(nèi)數(shù)據(jù)量的變化。從基礎(chǔ)曲線的觀察中，增長(zhǎng)黑客善于總結(jié)不同曲線形狀反映的問(wèn)題，將數(shù)據(jù)表現(xiàn)還原到數(shù)據(jù)發(fā)生的場(chǎng)景中。

例如，用戶增長(zhǎng)曲線是最常見(jiàn)的數(shù)據(jù)分析圖表。當(dāng)把產(chǎn)品最近1年或更長(zhǎng)時(shí)間的用戶增長(zhǎng)數(shù)據(jù)繪制成一張圖表時(shí)，就能看到不同的增長(zhǎng)特征。

增長(zhǎng)黑客從用戶量增長(zhǎng)曲線中總結(jié)出丘陵曲線、過(guò)山車曲線和奶酪片曲線等不同特征，反映實(shí)際運(yùn)營(yíng)缺陷，如奶酪片曲線反映了初期產(chǎn)品增長(zhǎng)快，但后期缺少獲客渠道的問(wèn)題。

2.拆解指標(biāo)洞察問(wèn)題。從單一曲線中，可以還原歷史數(shù)據(jù)的形成過(guò)程。如果想從數(shù)據(jù)中找到問(wèn)題，就要以單一指標(biāo)為核心，拆解出影響指標(biāo)的相關(guān)因素。

例如在新用戶增長(zhǎng)相關(guān)的數(shù)據(jù)指標(biāo)分析中，可以進(jìn)行以下3步拆解。

第一步，拆解出各來(lái)源渠道的用戶新增數(shù)據(jù)以及該渠道新增用戶后續(xù)的留存、活躍等數(shù)據(jù)。

第二步，拆解出影響渠道轉(zhuǎn)化的數(shù)據(jù)指標(biāo)，包括各渠道的點(diǎn)擊率、推廣成本、落地頁(yè)轉(zhuǎn)化情況等。

第三步，拆解用戶在落地頁(yè)中的行為數(shù)據(jù)。例如從進(jìn)入落地頁(yè)到注冊(cè)、領(lǐng)取優(yōu)惠券等環(huán)節(jié)的流失數(shù)據(jù)，發(fā)現(xiàn)流失高的環(huán)節(jié)，從而分析問(wèn)題。

在日常數(shù)據(jù)分析中，增長(zhǎng)黑客要了解不同App版本、不同手機(jī)機(jī)型、不同操作系統(tǒng)、不同屏幕大小、不同地區(qū)用戶和不同訪問(wèn)來(lái)源等差異化情況，要對(duì)常規(guī)數(shù)據(jù)指標(biāo)非常熟悉。

3.通過(guò)用戶行為構(gòu)建用戶畫像。增長(zhǎng)黑客的用戶畫像分為單體用戶畫像和群體用戶畫像2類。單體用戶畫像記錄了用戶的全生命周期數(shù)據(jù)。一般從下載、激活、注冊(cè)登錄、訪問(wèn)頁(yè)面、瀏覽頻次、使用時(shí)長(zhǎng)等行為數(shù)據(jù)以及性別、年齡、地區(qū)、瀏覽器品牌、系統(tǒng)版本、顯示器屏幕高度等屬性特征形成用戶畫像。

用戶訪問(wèn)行為往往是多設(shè)備、多狀態(tài)和多終端的。在收集數(shù)據(jù)時(shí)，我們要收集同一用戶在不同設(shè)備上(手機(jī)/電腦)、不同狀態(tài)下(登錄/未登錄)、不同終端上(多個(gè)手機(jī)登錄)的所有行為數(shù)據(jù)，形成完整的用戶行為記錄。

而群體用戶畫像是基于某些共性行為特征建立的用戶分群機(jī)制。例如以30日訪問(wèn)時(shí)長(zhǎng)大于60分鐘的用戶為維度建立用戶分組。從這一分組用戶的其他行為中，洞察地域分布、機(jī)型分布、使用時(shí)間分布等個(gè)性化屬性特征以及以電商為例的購(gòu)物頻次、客單價(jià)等核心行為數(shù)據(jù)特征，對(duì)群組用戶發(fā)起精細(xì)化運(yùn)營(yíng)活動(dòng)，有針對(duì)性地提升用戶數(shù)。

4.用漏斗分析洞察流失原因。每個(gè)產(chǎn)品都會(huì)給用戶提供一條“主路徑”。

電商產(chǎn)品的主路徑是“首頁(yè)—搜索—搜索結(jié)果頁(yè)—商品詳情頁(yè)—加入購(gòu)物車—下單—確認(rèn)訂單信息—付款—確認(rèn)收貨”。

資訊類產(chǎn)品的主路徑是“首頁(yè)—內(nèi)容列表頁(yè)—文章頁(yè)—評(píng)論/轉(zhuǎn)發(fā)/收藏—相關(guān)閱讀—回到列表頁(yè)—回到首頁(yè)”。

漏斗分析的能力是發(fā)現(xiàn)在設(shè)定的路徑下，用戶在各個(gè)環(huán)節(jié)的流失情況。通過(guò)漏斗分析找到用戶流失的節(jié)點(diǎn)，然后回到相關(guān)頁(yè)面找原因。例如在資訊類產(chǎn)品中，用戶在從內(nèi)容列表頁(yè)向文章頁(yè)轉(zhuǎn)化的過(guò)程中流失比較多，那么有可能是用戶對(duì)當(dāng)前列表的內(nèi)容不感興趣。進(jìn)一步通過(guò)對(duì)比用戶日常閱讀內(nèi)容的標(biāo)簽與列表內(nèi)容標(biāo)簽，確認(rèn)推測(cè)是否正確。

5.多維度的用戶分層分析策略。精細(xì)化運(yùn)營(yíng)要基于群組用戶特征滿足群組用戶的共性需求。增長(zhǎng)黑客在用戶分組上，需要通過(guò)多維度的用戶篩選，找到用戶群的具體需求。

如果增長(zhǎng)目標(biāo)是提升商品銷售額，那么可以針對(duì)兩類用戶群策劃活動(dòng)，一類是購(gòu)買頻次高的用戶群，另一類是購(gòu)物金額高的用戶群。

在用戶管理中，我們可以用RFM進(jìn)行用戶分組。通過(guò)最近購(gòu)物時(shí)間、消費(fèi)金額、消費(fèi)頻次3個(gè)條件進(jìn)行用戶篩選，可以篩選出以下不同用戶組。

(1)最近30天內(nèi)發(fā)生過(guò)購(gòu)買行為且最近7天內(nèi)沒(méi)有購(gòu)買的用戶。

(2)每30天下單次數(shù)在3次以上的用戶。

(3)最近30天消費(fèi)金額大于1000元小于2000元的用戶。

基于這3個(gè)條件，我們篩選出最近30天內(nèi)消費(fèi)頻次高且最近7天內(nèi)未消費(fèi)的用戶。在建立分組后，下一步是分析這個(gè)群組用戶日常購(gòu)物品類的分布、集中消費(fèi)區(qū)間的分布、使用時(shí)間的分布，通過(guò)相關(guān)特征數(shù)據(jù)，洞察用戶的特征以設(shè)計(jì)針對(duì)性強(qiáng)的活動(dòng)。

6.通過(guò)還原用戶使用路徑發(fā)現(xiàn)用戶的行為規(guī)律。在洞察用戶行為上，增長(zhǎng)黑客還通過(guò)行為路徑分析來(lái)發(fā)現(xiàn)用戶的行為規(guī)律。行為路徑分析是指在指定某一個(gè)節(jié)點(diǎn)后，觀察用戶的后續(xù)行為路徑。例如我們想分析在線教育網(wǎng)站的用戶在訪問(wèn)首頁(yè)后都做了什么，通過(guò)行為路徑統(tǒng)計(jì)可以看到可能的一些數(shù)據(jù)：74%的用戶進(jìn)入了搜索課程頁(yè)面，23.9%的用戶去看了課程詳情，2%的用戶開(kāi)始注冊(cè)， 0.1%的用戶進(jìn)行了登錄。這些數(shù)據(jù)反饋了用戶是從搜索課程開(kāi)始的具體使用行為，而注冊(cè)環(huán)節(jié)用戶的主動(dòng)性較低，所以需要通過(guò)調(diào)整注冊(cè)入口或者優(yōu)化注冊(cè)引導(dǎo)機(jī)制，提高注冊(cè)的點(diǎn)擊率。通過(guò)用戶行為路徑分析，還可以觀察用戶的主動(dòng)行為是否與產(chǎn)品設(shè)計(jì)的“主路徑”一致，如果用戶在主路徑外發(fā)生行為的頻率比較高，說(shuō)明主路徑設(shè)計(jì)不符合用戶的行為習(xí)慣。

7.通過(guò)留存分析預(yù)測(cè)流失。用戶留存情況是預(yù)測(cè)用戶全生命周期價(jià)值(Ltv)的關(guān)鍵因素。通過(guò)分析用戶的7日、14日、30日留存率，再利用公式，增長(zhǎng)黑客可以預(yù)測(cè)出用戶的流失率。進(jìn)一步地，增長(zhǎng)黑客可以通過(guò)觀察每個(gè)留存用戶的畫像，發(fā)現(xiàn)用戶的行為習(xí)慣，從而提升整體用戶留存率。

8.用點(diǎn)擊熱力圖分析做產(chǎn)品優(yōu)化。點(diǎn)擊熱力圖分析是做產(chǎn)品交互設(shè)計(jì)優(yōu)化時(shí)的有效手段。通過(guò)記錄用戶在頁(yè)面不同位置的點(diǎn)擊次數(shù)、停留時(shí)長(zhǎng)、瀏覽完成度等數(shù)據(jù)，形成點(diǎn)擊熱力圖，可觀察用戶停留時(shí)間長(zhǎng)的位置與相關(guān)信息，從而優(yōu)化重要按鈕的位置與大小等，引導(dǎo)用戶點(diǎn)擊。

來(lái)源：用戶增長(zhǎng)實(shí)戰(zhàn)100問(wèn)

以上是關(guān)于用戶增長(zhǎng)師的相關(guān)信息，以供大家查看了解。想要了解更多用戶增長(zhǎng)師信息，第一時(shí)間了解用戶增長(zhǎng)師相關(guān)資訊，敬請(qǐng)關(guān)注唯學(xué)網(wǎng)用戶增長(zhǎng)師欄目，如有任何疑問(wèn)也可在線留言，小編會(huì)為您在第一時(shí)間解答!