《精益数据分析》读书笔记和理解

这本书很符合分析中的二八定律，前面20%的内容，蕴含了整本书80%的内容。

在数据的时代，我们希望我们的产品发展和用户增长都是数据驱动的。确保产品服务和营销有依据可寻。依据数据分析和数据挖掘的产品迭代在理论上是不断变优的。

具体的，我们的数据分析结果需要深入，全面，并且最好符合认知才能正确的指导产品发展。

一、什么指标是好的数据指标

衡量一个指标的好坏的重要标准，是指标是可以比较的，并且简单易懂。只有可以比较的指标才是有意义的，如果不能比较，我们就无法判断相对的好坏。比率是一个天然的好指标，因为比率是两个数据的比，按照统计学的角度，比率衡量了两个数据的差异和相关性，比单一数据蕴含了很多的信息。比如一个衡量一个活动效果最重要的KPI是ROI=收入/成本，ROI就是一个比率指标。若单纯的看收入或者成本数据进行分析，分析结果都是不全面的。

在设定指标时，我们可以看考以下5点原则：

1. 定性指标与量化指标：定性指标通常是经验性的，难以衡量。量化指标和已通过比较提供较为准确的结果
2. 虚荣指标与可付诸行动的指标：虚荣指标看似很好，但实际对业务没有帮助（比如总用户数，一定是在不断增长的），我们应该寻找可付诸行动的指标指导我们的商业行为。
3. 探索性指标与报告性指标：探索性指标具有一定的提前性，可使我们在竞争中取得先手。报告性指标是对过去的衡量，可以帮助帮助我们日常运行和管理
4. 先见性指标和后见性指标：个人理解有点类似探索性指标与报告性指标。
5. 相关性指标和因果性指标：分别衡量相关性和因果性，在数据分析领域，我们更关注变量之间的英国关系

二、市场细分、同期群分析、A/B test测试和多变量分析
市场细分、同期群分析、A/B test测试和多变量分析这几种分析方式，又有利于帮助我们优化的门的营销活动。

市场细分，指的是将用户分群，对不同的用户实行或不实行营销，或者实行不同的营销策略。其中细分的依据可以使用户的目的、用户的属性、用户的行为和用户的渠道等等。

同期群分期是指，同一个群体的行为随着时间的变化。随着产品的迭代，第一期的用户和第二期的迭代对产品拥有不同的体验，通过同期群比较，我们可以衡量我们的迭代和关键性指标是否越来越好。

A/B test是现在营销和产品迭代最经常使用的方法。A/B test通常为同一个目标，设计两种方案，将两种方案随机投放市场中。A/B test让组成成分相同（相似）用户去随机体验两种方案之一，根据观测结果，判断哪个方案效果更好。A/B test在产品的各个流程和层次都可以使用。合理的A/B test可以帮助我们的产品体验不断的增高。

我们还可以将上面几种方式同时组合使用，分析多个变量之间的关系和对产品不同人群的影响。

三、数据分析框架
此处大多是分析问题的框架，而不是具体的分析方法，当谢分析报告时可以参考下面的分析框架分析问题。

1.AARRR——麦克卢尔的海盗指标说
AARRR将产品去要关注的指标分为5大类：

• A（Acquisition）获取用户：产品的第一步都是获取用户，我们可以通过拉新等手段获取用户，此时我们关注的指标有：流量、点击量、每次点击费用、获客成本、搜索量等
• A（Activation）提高用户活跃度：我们去要将获取的用户转化为真正使用产品的用户，此时我们关注的指标有：注册人数、至少使用一次产品用户数、**人数、订阅量等。
• R（Retention）提高存留：用户**后，我们希望提高用户的活跃度和黏性，在互联网红海中，这一步现在变得越来越关键。根据二八定律，高黏性的用户往往为我们提供约80%的营收！这一步我们关注的指标有用户参与度、上次登陆时间、流失率等
• R（Revenue）获取营收：假设我们的用户增长营销活动提升了获客、**、和存留，我们去要在付出成本的同时和产品发展后，获取营收，实现盈利。此时，我们关注的指标有：用户价值（LTV，RFM等），转化率，点击营收
• R（Referral）自传播：产品在有一定规模后，可以实现已有用户对潜在用户的病毒式传播和口碑转播。此时，我们关注的指标有：人均邀请发送量，传播周期等

现在除了AARRR模型，还有基于RARRA的增长模型。

2.埃里克·莱斯的增长引擎说

黏性式增长引擎：黏性式增长引擎的重点是让客户持续使用产品，衡量黏性的KPI：存留率、流失率、使用频率。

病毒式增长引擎：病毒式传播的核心是让产品想病毒一样，人传人，知道用户饱和。其关键指标是病毒式转播系数，即一个客户可以带来多少的新客户（现在的PDD经常利用此方式），另一个关键指标是传播周期，只有传播系数足够大，传播周期足够短，才能在一定时间内达到一定的客户量。

付费式增长引擎：核心是让用户付费，获取收入才放过来进行更多的投入获取客户。

通常，我们首先关注的是用户的黏性增长，然后致力于产品的病毒性增长，最后希望用户进行付费获取收入。

3.阿什·莫瑞亚的精益创业画布

就是从各个角度去分析产品，个人感觉不是一种狭义的数据分析方法，更像是一种分析问题的方法：

4.肖恩·埃利斯的精益创业画布

通上上面一样，此方法更像是一种分析产品和问题的方法，不一定非要使用到数据分析的手段（每一步最好使用数据支撑）：

5.长漏斗
此方法在判断用户转化路径时非常常用，可使用甘特图将用户再漏斗的每一步转化路径可视化，具体的分析方法可以参考我的另一篇博客数据分析系列：漏斗分析

上图来自数据分析–电商版

四、使用第一关键指标

我们对于一个产品或者一个营销活动，总是会设置一个第一关键指标，来让员工集中更多注意力在关键问题上。首先，第一关键指标可以反映先结算最重要的问题，并让员工树立明确的目标。第一关键指标也是公司整体健康程度的反映。

个人感觉，第一关键指标蕴含的信息要尽可能的多,但是统计尽可能简单，比如在电商领域，我们可以把GMV拆解成多个维度进行分析，在有缺口的地方进行增长。又比如在用户营销增长中，我们可以设置ROI为第一关键指标，ROI涉及到收入和成本，收入有涉及到定价，销量等角度，成本涉及到渠道投放，营销方式，激励手段等角度。

上图来自什么时候觉得，数据分析真的非常有用？

五、六种商业模式

不同的商业模式往往在获取渠道、销售手段、营收来源、产品类型和送达模式等方面存在差异。

1. 电子商务
   销售不同商品的电子商务往往使用不用的增长引擎。如耐用品的销售考虑使用病毒式增长引擎，而消耗品的电子商务销售可考虑黏性式增长引擎。并且由于电子商务从用户触达到下单，到评价存在固定流程，在电子商务模式中，我们愈发注重漏斗分析。
2. SaaS
3. 免费移动应用
4. 美团网张
5. 用户生成内容
6. 双边市场

六、创业阶段划分

和上面埃里克·莱斯的增长引擎说和AARRR的分析框架思想十分类似，都是按照时间维度分析。这里是阶段的设计方法，而埃里克·莱斯的增长引擎说和AARRR是一种分析框架。

1. 移情
2. 黏性
3. 病毒式
4. 营收
5. 规模化