对一家互联网公司来说，如果没有设置单独的数据运营岗，那么用户运营是和数据最贴近，也必须是最了解用户的。 用户运营核心的方法论就三个：拉新，促活和留存。拉新可以作为渠道推广单独讨论，而促活和留存则相辅相成。 非运营岗，或者其他类型的运营，通常只会注重一个活跃数据的果，而不会注意活跃数据的因。我们在这里就抽丝剥茧，教大家比较快速地了解活跃体系。 互联网公司对活跃用户的定义大同小异，主要以用户打开APP一次记为一个活跃用户。

一个好的作品集一般由多个项目构成，每一个项目展示以上 1-2 个能力点。本文是讲述如何建立一个丰满的数据科学作品集的第三篇。本文将介绍如何打造作品集中的第二个项目，以及如何创建一个完整的机器学习项目。最后，你会拥有一个可以展示合理解释数据能力和技术能力的项目。如果你想一窥项目全貌的话，这里是完整的项目文件。

目前的大环境，对于产品经理的市场运营提出了要求。今天我会讲一下 GrowingIO 在这一块是怎么做的。有一个很有意思的话题： 我们自己也有这个问题，之所以有这样的疑问，是因为“增长黑客”的特殊性。有人说它其实是一个变化的市场，因为关心的是用户传播和品牌；有人说它定了很多产品需求，参与了很多产品设计，所以隶属于产品；也有人说大多数事情是跟数据打交道，所以跟研发相关。

人们随处都能借到Citi Bank，并在他们的目的地归还。使用Citi Bank的方法很简单，购买会员资格，然后在附近查找可以使用的Citi Bank，使用会员key解锁，在有效时间内(30或45分钟)归还并锁定Citi Bank。由于每个Citi Bank的租赁站点都有GPS位置信息，因此可以记录到用户租赁和骑行过程中的数据。“Citi Bank”官网提供了用户每一次骑行的数据，包括租赁开始及结束的位置及时间，整个骑行过程的时间，自行车ID，以及用户的性别和出生日期等数据。我们将使用python对“Citi Bank”2015年的数据进行分析，以了解纽约自行车共享计划的情况。

每周10万新增用户、每月20亿访问量、300万总用户量等等，这些都是商业时代推崇的指标，但毫无疑问，这些指标严格意义上讲都是废话指标（Bullshit Metrics），因为它们对业务和增长提不出任何的指导意义。事实上，根本不用关心这些指标，我们只需要*唯一关键指标。

如果你拥有顶尖学府的机器学习或相关领域的学位，获得数据科学相关的工作会相对容易。因为顶尖学府的声誉以及专业对口的事实，雇主相信你能为企业创造价值。但如果你没有来自顶尖学府的相关学位，你就不得不为自己建立这份信任。 这样说吧：对于雇主而言，需求的岗位有多达 200 份的申请。假设 HR 总共花 10 小时过滤申请以确定电话面试哪些人。这意味着平均每个申请只有 3 分钟的评估时间。开始时，HR 不相信你能为企业创造价值，而你有 3 分钟的时间来建立他们对你的这份信任，进而为自己创造电话面试的机会。

需要懂业务的整体概况，摸清楚所在产业链的整个结构，对行业的上游和下游的经营情况有大致的了解。然后根据业务当前的需要，指定发展计划，从而归类出需要整理的数据。最后一步详细的列出数据核心指标（KPI），并且对几个核心指标进行更细致的拆解，当然具体结合你的业务属性来处理，找出那些对指标影响幅度较大的影响因子。前期资料的收集以及业务现况的全面掌握非常关键。

很多企业花大钱吸引新客户，比如O2O行业常见的“首单免费”模式。虽然当天的DAU有很大的提升，但其实这些用户都是一些负资产；因为很多人享受到第一次优惠就走了，这是不科学的增长方式。 要想实现真正的增长，首先我们的产品得满足用户的核心价值，然后通过运营方式让用户留下来、持久使用我们的产品。我们不能老是看DAU，而应该更多*留存；只有留存提升才能实现真正的增长。

一个基于用户的使用路径，包括用户的操作（点击。返回、退出）、流失（如：注册流程增加一个跳转，用户的流失率）、停留时间（例如用户在淘宝某个商品的浏览时间）； 另外一个是基于产品的节点，包括用户转化率和占比，例如：通过某一个推广页面，新注册的用户与浏览用户的比例，付费用户与非付费用户的比例。一般来说，产品经理的KPI会直接与这几个指标挂钩。

数据分析就像一幅印象派油画。当你退后观察，并把各个部分视作一个整体时，这幅画的意境才开始浮现，近距离观察是无法理解其中内涵的。这可以帮助我们解释为什么曼城队的新角球战术不太可能会长久取得良好的结果。实施从外旋角球到内旋角球的简单战术转变：多开点内旋球，少开点外旋球，这一简单的战术转变，亦会忽略了每场比赛中每次出现破门机会时的某些独特变数。

近年来，数据收集的手段上从数量从深度从复杂度都有一种爆炸性地增长。大数据成为炙手可热的口头禅。数据堆积如山，如何从数据中筛选提炼信息，为公司带来更多价值，这就是太阁x直播《增长黑客：用户数据分析》分享的内容。 感兴趣的朋友可以拉到文末查看相关视频链接。本文基于该直播，讲述数据分析在互联网公司中的作用，并介绍黑客增长常用的逻辑框架和分析思路，如何利用它理解和把握产品与用户的互动关系，最后针对黑客增长的不同阶段说一些具体分析应用案例：1）用户获取之A/B Testing、2）用户初体验之Aha Moment 3）用户留存之定位高流失用户。

在产品运营过程中，数据分析具有极其重要的战略意义，是产品优化和产品决策的核心大脑。因此做好数据分析，是产品运营中最重要的环节之一。 那么如何做好支付的数据分析呢以下梳理出数据分析的8步流程，以及常见的7种分析思路。新手在启动数据分析前，最好跟主管或数据经验较丰富的童鞋确认每一步的分析流程。

当你的潜在用户在搜索他们需要的在线信息时，脑海里已经有了一个明确的需求，或者他们可能发现了一条引发他们思考的信息，并沿着这个线索开始寻找信息，那你需要在营销中提供一个引导路径到潜在用户正在寻找的东西，从而产生转化行为，是否能抓住用户的兴趣到购买的注意力，在很大程度上，是由你创造强有力的刺激信息留下的引导的能力决定的。

每个工作都需要用头脑去分析，理性思考，接触事物不同、知识水平差别，才形成不同的思维，而数据分析师也是有一个不同的思维方式去处理数据。那么，数据分析师的思维到底是怎么形成的呢？今天，大圣众包*就为大家讲讲如何训练数据分析师的思维能力！ 作为一个从业多年的数据分析师，深知数据分析师的思维，并不是一日可形成，更多是结合自己的工作实践，遇到问题、解决问题、得出经验结论的一个长期过程。不过，刚刚踏入数据分析这个行列的菜鸟还是可以通过一些方法去训练思维，培养逻辑能力的。

运营为何要做社群大家可能会对社群的数据化这个说法感觉到陌生，但对产品的数据化不管你有没做过相信都并不会觉得是新东西。 这其实就跟运营的思维方式有关，当我们把自己当作一个互联网产品运营的时候，你会想法设法的让自己的工作可数据化，但面对社群（这一站外运营工具）蛮多人就会习惯性的把重心放在如何吸引用户加入、怎样防止他们发广告….更夸张的是把提升社群每天产生的发言量当作管理目的（当然，有时候这是老板的指派的任务）。

如果你是一名要和组织内的分析师打交道的管理者，要做出更多数据驱动的商业决策，如何提出好问题应该是你要优先考虑的事情。很多管理者对提问感到恐惧，生怕在跟数据相关的问题上露怯。不过，如果你提出了正确的问题，你不仅可以显得博学，而且有可能带来更好的决策结果。 不过，重要的不仅仅是那些你能对数据提出的关键问题，在你提问之后可能发生的对话也同样重要。

对任何一款产品来说转化率都是最核心的指标，转化率的高低直接决定着一款产品的成败。而转化率指标拆解下来可以分为产品指标和用户指标。产品指标*的是流程和页面等PV、UV这些细分指标。用户指标*的行为和动作等下载量、点击量、分享量、转化量等，无非都是围绕这个复合指标来服务。

互联网时代，所有用户行为都会留下足迹，而这些足迹在前端表现为用户行为，在后端则表现为业务逻辑。企业在日常数据运营中，一方面因为日常报表展现的信息量过大，让日常运营人员难以抓住重点；另一方面，又因为各部门的信息缺乏有效整合，难以形成完整的数据链条，进而在关键业务逻辑数据缺乏支撑点。

LinkedIn 作为一家职业社交网站，通过人才招聘、广告投放、付费订阅等服务实现了盈利，这三项服务的背后实际上都有着数据分析的重要贡献。LinkedIn 利用数据分析为所有职场人员作出迅捷、高质、高效的决策，提供具有指导意义的洞察和可规模化的解决方案。因此，商业数据分析不仅是一种科学，而且是实实在在可以为业务带来价值的科学。

网站分析中,最常见的一项工作就是对流量的异常变化进行分析和解释.今天网站的流量变高了,为什么 后天网站的流量降低了,又是为什么 这些变化是如何产生的 对网站有什么影响这些都是等待我们去回答的问题. 通常在遇到这种情况时,我们会先进行定量分析,通过细分找出具体发生异常变化的那部分流量.然后再进行定性分析,找出这部分流量发生异常变化的具体原因.第一步的工作相对简单一些,通过google analytics的细分功能逐层剖析,就可以找到原因.而第二步的工作就有些难度了.因为数据本身只能说明发生了什么,却不能告诉我们为什么,所以,真正的原因需要我们自己去寻找.

找到公司的北极星指标，是做增长的第一步，也是至关重要的一步。为什么这么说？ 第一，做增长涉及到公司运营的方方面面，没有一个明确的指标指引，很容易眉毛胡子一把抓，而无法有效地集中火力抓住重点。 第二，当公司到达一定规模，一个共同的目标可以帮助把团队调整到同一个方向上，并且明确任务的优先级。 第三，设定一个指标，能够大幅提高行动力。如同YC联合创始人Paul Graham所说：一旦你选定了你的目标，你只有一件事可以做，努力达到那个目标。通过这一个目标，你可以知道公司的状况，有针对性地上线各种项目和试验，然后观察有无成效。

有没有一种神奇的方法，可以创造广受欢迎或者能让用户一见钟情的体验？并没有。创造所有人都喜爱的体验并非我们的目标，相反，我们力求创造一种直接服务于特定人群并让他们满意的体验。同样地，也没有一种特定的衡量我们创作成功与否的方法。在这样的情形下，分析学就有了用武之地。 如果你无法衡量它，那么你如何知道它是否是成功或有效的呢？

自定义事件，即记录用户的操作行为（如点击行为），记录用户操作行为中的具体细节；一般来说，通常所说的埋点，指的就是自定义事件。 埋点可以是某个按钮，某个点击区域，某个提示，甚至可以用来统计一些特定的代码是否被执行。在APP中，需要在代码中定义一个事件行为。

很多人可能不知道，「行为分析」四个字的分量已经代表了近两年一些高速成长的公司对数据分析需求的精细化程度，同时，它也催生出了新一代的数据分析工具和分析方法。过去，所有人都在*PV、UV、跳出率、访问深度、停留时长，还有很多人始终放不下的热力图等，总体来说，这些指标都属于统计指标，反映的都是产品总体情况，数据的价值除了反映现状，还有更重要的是应用。统计是数据汇总整理的结果，没有分析，怎能拿来指导业务增长呢

数据分析是各公司运营管理岗位必备的技能之一，在互联网、金融为代表的一些“数据大户”企业尤为出众。 以互联网行业为例，在产品需求阶段可以通过数据分析对用户的需求去伪存真，在产品上线运营阶段，又可以通过数据验证产品的可行性并且进行迭代。而这些过程往往会运用到不同的数据分析方法。

每次逛超市，总有那么几款商品在促销，如果没有促销活动，感觉整个零售行业都不会活了。电商也是一样，活动是电商重要的组成部分，没办过活动的电商都不好意思出来见人吧。尤其是刚成立的电商平台，如果有足够的银子，恨不得天天做活动。为何会这样热衷于活动。 办活动可以带来多个方面的价值，不仅仅是多卖几块肥皂的事情。

首先我们要采集下这些热门城市 当我们点击页数的时候，发现他的数据是Ajax加载的，末页是297，而且使用的是POST方法 提交的参数如下： 很明显这个page就是页数了，这里就有个问题，phpspider框架是有 URL 去重机制的，POST的话URL只有一个，但是query_string是不影响POST数据的，我们可以在后面加上 page=1|2|3…

成为数据科学家很有意思的一点是我们会被要求预测未来。大多数情况这意味着试图预测哪些人会买，哪些人会流失，他们接下来会买什么，会花多少钱，所有这些问题是评分模型最基本的部分。不过如果是预测他们下个月的购买总量（收入预期）或者是下个星期、下个月或者下一年用来满足这些订单的实际原料的价格，那么你已经进入了时间序列预测的世界了。

随着物质的提高，旅游渐渐成为人们的焦点，火热的国庆刚刚过去，乘着这股余热，我想很多人都想知道，大家一般会去哪里玩呢，于是我花了10分钟写了一个采集马蜂窝游记的小程序，当然速度能有这么快，完全依赖于PHP著名爬虫框架phpspider。 国际惯例，我们先来看看代码怎么写，算作抛砖引玉吧 ^_^ 马蜂窝不同于常规网站，因为并发量高并且某些数据需要实时，比如观看人数，点赞人数，所以网站多处使用了Ajax，而Ajax对于普通采集者来说，是个比较大的问题。

互联网金融的激速发展导致大量的同质化产品出现，监管和竞争又让很多互金公司不得不快跑前进，特别是对数据的采集和分析运用上，甚至一些商业银行开始利用数据指导运营和产品迭代，需求就是从数据采集到分析工具到各种分析服务的打包服务，助力产品实现用户价值增长以及建立未来竞争的数据壁垒。

数据分析的目的往往不是那么明确，只是有个大致的方向，这个有时候业务员和领导也没有办法。所以做数据分析时要抖点机灵。 比如让你做一个用户行为分析，出一个研究方案。你一定要知道这并不是真正的需求。你需要与领导再沟通，了解他做用户行为到底是要解决什么问题，摆脱什么困境？如果领导是因为觉得客户流失率太高，想留住客户，那分析方案就应该围绕用户满意度去展开，分析的价值在于研究找到用户不满意的点，并针对这些问题提出改进建议。

一个行业做的越久，问题越多，之前并不在意的问题也会拿出来思考（当然，更多可能是因为我做的不够久）。“数据解决企业什么问题？”这问题一定难不倒各位，甚至张口即答，例如通过数据可以对自身的企业情况有着准确和科学的把握，避免老板拍脑袋；数据可以实现对市场环境快速的反应和决策；数据可以区分客户个性化需求，提高服务价值等等等等。不瞒各位，不谦虚的讲，在下也答的出，而且如果让我继续答下去，也能答出几十条来不止。

如果Excel玩的顺溜，你可以略过这一周。不过介于我入行时也不会vlookup，所以有必要讲下。 重点是了解各种函数，包括但不限于sum，count，sumif，countif，find，if，left/right，时间转换等。 Excel函数不需要学全，重要的是学会搜索。即如何将遇到的问题在搜索引擎上描述清楚。 我认为掌握vlookup和数据透视表足够，是最具性价比的两个技巧。 学会vlookup，SQL中的join，Python中的merge很容易理解。

本文我使用了一个贷款预测数据集的子集（缺失观察值被丢弃）。你可以从这里下载训练集和测试集：下载。 注意：提供给您的测试数据是“贷款预测”问题的训练数据的子集。现在让我们从导入重要的包和数据集开始吧。在理解这些图之后，我们推断ApplicantIncome和Coapplantantcome在几乎相同的范围（0-50000 $）中，而LoanAmount是以千为单位，其范围从0到600 $。 Loan_Amount_Term则与其他变量完全不同，因为它的单位是月，其他变量的单位则是美元。

我们早就过了用粉丝数来衡量社交媒体营运效果的时代了，从2009年玩微博开始，我一直在用数据指导自己的微博策略，每天都看新增粉丝数、流失粉丝数，如果发现某天流失率增大我会去找原因，看看是不是发布的微博有问题，如果某天的粉丝暴增，我也要去找到增加的理由。刚开始的时候，微博的数据中心并不完善，于是我就自己用Excel每天记录数据。当时这个工作非常麻烦，我必须要晚上11点的时候（为了保证每天时间的一致性）清空新增粉丝数，再记下当时的粉丝总数，最后算出粉丝流失率，坚持了好几年啊，每天都这样。数据分析师玩微博真是一件非常苦逼的事情。

数据是量化事物的手段，投射到不同的人身上又会导致解读的结论偏差，因此我们需要“求证”地分析第三方网站提供的调研数据（网站改版案例）。 大量的数据如何为我们所用呢。大概包含以下几点：明确问题本质；了解产品业务；大量深入的产品实践。提出数据需求的过程，是一个“界定产品目的和目标，根据目标提出假设、预判产品效果”的过程，要求对功能目标、功能预期效果有完整且清晰的掌握。 一个完整的数据需求包含功能设计方案、功能目的和目标、功能上线后需要跟踪的数据指标及指标精确定义。

早些年提到店铺，绝大部分都会是线下的实体店面，而现在的店铺，已经不局限于线下，也包括线上例如天猫某某旗舰店、京东某某旗舰店一类。一般来说都会同时运营多个店铺，鸡蛋不能放在一个篮子里嘛，但每个篮子要放多少个鸡蛋，投入多少的资源，这就需要进一步的分析和研究了。 线下的实体店铺更多的*于销售情况、店铺库存情况等，而线上则会*销售、流量、推广营销等。

现如今电商市场竞争激烈，开发一个新用户的成本是维护一个老用户的5倍，怎样进行会员营销、提高会员粘性成了商家最为关心的事。 会员营销是一个看似简单，实际操作起来并不简单的事情。比如如何对会员进行精准商品推荐，跨屏时代如何把握会员的行为数据等等，本期内容我们就从产品推荐、跨渠道分析、场景分析这三个角度为大家分析一下。

数据更重要的是能满足分析需求。灵活、快速自定义数据的多种属性和不同类型，从而满足不同的分析目标。 比如“查看商品详情”这一行为，通过埋点，我们才能知道用户查看的商品是什么、价格、类型、商品id等多个属性。从而知道用户看过哪些商品、什么类型的商品被查看的多、某一个商品被查看了多少次。而不仅仅是知道用户进入了商品详情页。

一直以来，人们把大数据和埋点技术紧紧捆绑在一起，大数据时代也被称为埋点时代。技术发展，更新更快的无埋点技术横空出世。那么埋点技术是不是就此被判了死刑，无埋点就是万能的了？ 非也，二者只会进化的更为高级。 为什么这样说呢？其实从埋点技术的诞生和发展不难看出，一切都是源于大数据的发展，对数据的需求更加全面和精准，为适应这种发展，埋点技术不断更新迭代。这也是大数据发展的根源。

常见的 App 渠道追踪方法因为应用商店不提供渠道来源数据，所以 App 推广效果监测一直是个老大难的问题。为了追踪 App 渠道来源，人们想出了各种方法，下面我们给大家系统介绍一下。(一）Android 渠道追踪方法众所周知 Google Play 无法在中国使用，所以国内 Android 市场被数十家应用商店（ 豌豆荚、百度助手、酷市场、360手机助手等等 ）占领，Android 渠道追踪主要围绕上述渠道展开。

相信现在很多的企业都会被这样的问题困扰——明明我的产品很好，项目很好，可是为什么就是没有流量，没有客户签约 于是为了抢流量，公司就开始加大广告投放的力度，而大部分公司的首选就是竞价推广，简称SEM，主要有百度、搜狗、360、神马等竞价平台。今天以百度SEM为例，跟大家聊聊竞价需要*的数据问题！

很多新人入门数据分析的时候，要么胡子眉毛一把抓，要么无从下手。这都是缺少分析思路的表现，需要宏观的方法论和微观的方法来指导。那么方法论和方法有什么区别？方法论是从宏观角度出发，从管理和业务的角度提出的分析框架，指导我们接下来具体分析的方向。方法是微观的概念，是指我们在具体分析过程中使用的方法。

很多运营同学都会觉得做运营是一件很苦的事情，重复地做着别人眼里没有技术含量的事儿。但运营真的就只是打杂的吗？本文中，诸葛io资深数据驱动顾问王洛，将结合自身数据运营经验分享一套通过精细化运营驱动产品增长 的“组合拳”，帮助大家学会将“运营工作中纷乱繁杂的点串联成线，发挥出运营的最大效果”。

在大数据时代的当下，网站数据的关注度越来越高，网站分析已成为网站运营和互联网营销从业者的必备技能。然而，网站分析该怎么操作呢？网站分析有哪些方法呢？如何进行一次全面的网站分析呢 本章节讲的是在进行分析前，我们还需要做的一些数据分析前的准备工作。做准备工作的意义在于保证手头所有数据源的广度和精度。

从两个层面上来讲，一个是对经营情况的整体把控，将重要指标呈现在一张报表中，也就是日报或者周报，可以及时发现问题，更好的促进全公司的有效运转，提升工作效率。当然，前面所说的，都是显性的价值，我觉得还有个隐性的价值是非常重要的，那就是当这些指标数据展示在面前的时候，会触发思考，这也才是发现问题、体现数据价值的关键。

我主要利用 pandas 中的时间序列分析工具来分析数据，当 Wes McKinney开始处理 pandas 项目时，他就已经在一家投资管理公司工作，该行业广泛依赖于时间序列分析方法。因此，pandas 中包含非常多的时间序列分析函数。 首先，当我们拥有了时间序列数据后，我们可以定义参数 parse_dates 使得 pandas 可以正确地处理时间序列数据。对于我们来说，结束时点变量并没有包含额外的有价值的信息，所以我们在分析过程中将不考虑该变量的情况。 最后我们将开始时点变量设定为索引变量，这个设定有助于我们进一步的数据分析。

通常网站统计都包含了一定的基础指标，但如果只是将这些基础报表开放给其他部门，肯定是不能满足老板、产品部门、运营部门的需求。 一般而言，老板只想知道公司的一些关键指标数据及变化情况，产品部门关心增长、活跃、页面数据，因为他们要根据数据对产品进行优化迭代，运营方想要根据数据做用户画像以便做精准营销。

毫无疑问，总是有机会开始对个人活动进行反馈收集和分析。民意调查，在线调查我们都知道这些是怎么做的… 然而，在这种时候我们可以把注意力放到某些无约束的资源。通常来说，所有的产品都会在社交网络上被讨论。人们会把他们买的商品的照片放到网上，通过写评论来分享他们对商品的看法和交换意见。这种信息是非常有价值的，因为它是相对客观的，最新的，而且是免费对公众开放的。

每逢节假日，我们可以看到各种各样的促销活动，那么一场活动下来，效果如何？从哪里可以看到这些数据呢？这是电商运营人员最为需要*的，尤其是负责活动策划的人员。了解这些数据，我们可以通过专题页面分析得出。页面分析直观的反应出活动的整体效果，比如新增会员有多少，订单转化了有多少？促销的商品是否达到预估的销量，哪些商品卖的好…..等等。

对比分析法在本质上是通过数据计算方法来判定两个解决方案的优劣。一个常见的例子是：同一个电商网站上的商品A和商品B，哪一个对网站贡献更大呢？按常规的考量销量的方式显然不足以进行全面的对比，在这里我们要综合考虑访问量、转化率、商品热度才能更全面的评估两个商品对网站的贡献。

假设你是一位是商业分析师，是否会整天坐在超市中研究货架，帮助企业提高利润？ 我想不会，因为近十年来，影响超市的不再是货架，不再是超市的地理位置，不再是促销和供应链。 而是互联网，是电子商务，是崛起的大批互联网端消费者。工作一定年限的超市大妈，对货架摆放肯定比刚毕业的大学生更了解，但你不能说她有商业分析能力。 当超市经营的财务状况被网上消费群体冲击，当老百姓的购物方式改变。这种趋势的洞见，才是商业分析的最核心和本质。

任何学习都不是无用的，很多知识相通。我因为爬虫学习了HTML+CSS，后续便触理旁通地了解了网站结构和网站分析。 后续知道布置百度统计，知道JS，学习网页端的各类指标，了解访问路径、漏斗转化、跳出率退出率等。这些知识不止能用在网站上。也能用在APP分析、用户行为上。 我们把学习当成一个点，学完这本书就看下本书，其实这样发挥不出学习的效率。任何知识都具有关联性，A知识可以应用在B知识上，知识技能树应该是呈网状发散的。

量江湖ASM团队从去年11月开始做实际投放，在投放中不断有新的发现，为了更好的普及知识，成为ASM这个新兴领域真正有料的团队，并且能为这个行业激发一些新的思考，做一些别人没想过、没做过的事情，比如真正把大数据技术与人工智能运用到投放中，最终都是为了提升效率，不仅对于CP，对于服务商都需要提升效率。

PPC 广告是很多在线营销活动的关键组成部分，它可能也是营销活动中最昂贵的持续成本之一。因此，定期进行广告测试来确保转化率效果非常重要。在一定程度上， PPC 测试比许多其他类型的A/B测试更简单，部分原因在于测试的元素较少。但这并不意味着对测试规划和准备的轻视。

品牌广告的目的是让用户记住并访问网站，如果网址简洁和记，用户会直接记住网站地址进行访问，如果网址较长，用户会记住网站名称或slogan，然后通过搜索引擎访问网站，这些直接或间接的都造成了直接流量的增长。而这个非网址产生的流量就是造成直接流量波动的一个原因。

数据分析属于分析思维的一个子类，有专门的数据方法论。只有先养成正确的分析思维，才能使用好数据。前者是今天讲述的重点。 思维训练不同于Excel函数和技巧。既然是思维，它就倾向于思考的方式，Excel函数学会了就是学会，分析则不同。大多数人的思维方式都依赖于生活和经验做出直觉性的判断，最直观的体现是，在数据和业务分析中呈无头苍蝇状态，无从下手。

运营和产品的小伙伴常常会碰到这样的问题，不知道应该怎么评估新设计的版面、新出的内容是否是有效的，或者说是否比以前更好了。大部人是通过流量的增减来评估内容的效率，实践中这个方法并不科学，考虑到会有非常多的因素影响流量的增减，这里引入一个页面参与度的概念作为内容效率判断的依据。

人们很容易基于年龄、性别、位置或收入，试图对客户做一些假设。尽可能不要做这种假设！客户分析曾是定位目标客户的最好方式（唯一方式），没错，它在市场营销中依然有它的位置。然而，在数字时代，我们有那么多的选择！我们可以不必依靠细分来提供超个性化的体验。 人们很容易基于之类的东西年龄，性别，位置，收入或观众的假设。可能的情况下抵挡的诱惑！曾经有客户分析是目标客户的最佳方式（唯一方式）的时候;和，是的，它仍然有它的市场营销到位。

对数据的一个全盘观察是每一个数据分析的起始点。除非你已经有一个明确的分析重点，一个全面的数据呈现界面可以让你很快地判断出你是否需要进一步的分析，或者进一步分析的方向。但很多BI软件往往忽约了这一点。 在设计一个分析界面时，如果我们要求用户做很多工作才能看到一个全面的情况，用户就失去了一个很快掌握全局的机会。比如下面的一个Dashboard。

量江湖从2016年11月开始进行北美市场的苹果搜索广告投放，游戏类、工具类APP居多，做海外投放的朋友应该都不陌生Google Adwords，很多时候，CP会拿Google和苹果的效率做比较。当然了，Google Adwords的使用场景也不一样，Google Adwords是以发现为导向，Apple Search Ads是以实用为导向，量江湖在实操中发现Apple Search Ads与Google Adwords的区别，从投放结果来看，苹果搜索广告优势明显，转化率高达40%-60%，总的来说出乎意料。

数据化运营是一个近年来兴起的概念，它在运营的基础上，提出了以数据驱动决策的口号。 在了解数据化运营前，运营们有没有过如下的问题： 这是产品和运营每天每时每刻都会遇到的问题。数据化运营，实际以解决这些问题为根本。它从来不是BAT的专属，也不是大数据的独宠，每一家互联网公司，都有适合的数据运营土壤。 数据运营体系，是数据分析的集合与应用，也是数据先行的战略，它不仅是运营人员的工作，也是产品、市场和研发的共同愿景。从管理角度，是自上而下的推动，如果领导不重视，那么执行者数据用得再好，也是半只腿走路。

传说中的春运抢票，是一项对手眼协调速度、徒手计算机操作速度、奇特图形辨识速度等个人身体能力，对计算机配置、网速、网络稳定性等*件基础设施条件，对地区经济发展、交通运输水平等宏观经济背景，以及运气等不确定因素的综合比拼。 已抢到的，恭喜恭喜；没抢到的，快点放弃。 最近，我们做了一个测试实验，从12306网站上采集了春节期间从上海出发去往全国各个城市大约500班列车的实时余票数据（数据技术细节请看文末），希望能用这些数据帮我们搞清楚一个问题： 春运抢票到底有多难？

商业在推动着社会的发展，就用户运营的发展来说也是如此，用户运营一词随着互联网的发展而得到传播，又因为移动互联网寻求更高性价比的发展方式备受重视，虽然用户运营一词出现的比较晚，但用户运营这种现象在很早以前就出现了，最早可以追溯到先秦时期 。 先秦时期的商人，为了把商品兜售出去，往往采用走街串巷叫卖的形式，这种通过叫卖声引起他人注意以便兜售商品的形式和现在移动互联网的用户运营方式类似，都是通过某种方式成功吸引他人注意力之后再进行商业变现，只不过这种早期的用户运营形式过于松散 ，属于一次性交易，缺少延续性。

收藏夹是知乎通过用户进行知识分发的重要途径；很多重要收藏夹的创建者并不是大V，这使得知识可以通过非重要节点进行更有效的传递；与此同时，收藏夹的*是用户的完全主动行为。这两点天然地保证了我们的研究样本基本上可视为非僵尸的具有主动意愿的核心用户。 我们从*人数超过1万的知乎收藏夹中选取了不同类型的六个收藏夹，其总*者约为20万人：我们整理了他们公开在其主页上的个人信息（*、被*、提问、回答、学校、地域等）。根据这些数据，我们可以对这些内容分类导向的知乎用户进行了一些小分析。

不同岗位的人对竞品文档的侧重点不同，比如PM看一份竞品文档可能更侧重于对市场行业的相关数据，竞争对手的功能结构、运营策略以及商业模式。交互设计师对竞品分析则可能更注重于竞品的用户操作流程，产品功能分析以及交互逻辑。 可见，竞品文档没有固定模板，需要具体情况具体分析。但是，世间万事万物都是有迹可循的（是否觉得前后矛盾，其实不然），不然也没有这篇文章存在的意义。

只有在信度和效度上都达标，才是一个有价值的数据指标。举个例子：要衡量我身体的肥胖情况，我选择了穿衣的号码作为指标，一方面，相同的衣服尺码对应的实际衣服大小是不同的，会有美版韩版等因素，使得准确性很差；同时，一会儿穿这个牌子的衣服，一会儿穿那个牌子的衣服，使得该衡量方式形成的结果很不稳定；所以，衣服尺码这个指标的信度不够。另一方面，衡量身体肥胖情况用衣服的尺码大小？你一定觉得荒唐，尺码大小并不能反映肥胖情况，是吧？因此效度也不足。体脂率，才是信度和效度都比较达标的肥胖衡量指标。

所有的促销活动，本质上都是透支利润换销量。 想要让老板不欠工钱，小姨子不跑掉，就得有效控制促销投入，提升活动效果。实际上，促销，特别是打折促销，还在透支品牌。持续性的打折促销就像吸毒，短期见效果，越吸越上瘾，但长期吸就把品牌吸废掉了。特别是传统企业，不像互联网企业还能靠圈钱续命，每一笔促销都是在消耗自己的血汗钱。

优化流量和改善页面不是网站分析师的直接工作，但一个优秀的网站分析师得有能力为产品和运营部门提供分析和建议，并在公司中形成数据氛围，保证各个部门向着同一个目标前进。毕竟，网站分析是一个发现问题、分析问题和解决问题的过程。 而流量对一家互联网公司的重要性不言而喻，所以我们做流量分析、内容分析和转化分析等工作，因为我们关心流量的背后能为网站带来多少收入。

从购买阶段的角度，首先我们把所有用户可以分成新客和老客。对于这两个群体来说，运营策略和运营重点是非常不一样的。 新客群体，是从来没有在平台上发生过购买的用户，我们要根据用户的购买意愿，做进一步的运营。 老客群体，也就是在平台上已经发生过产品购买的用户，除了*用户的购买意愿之外，用户的资金状态（资金是否赎回）也是非常重要的参数。 用户是否购买过产品？购买产品的用户是否已经赎回资金？这两个内容，其实是一个用户当前的属性。在我们分群的工作里，有这个维度的菜单，通过这个维度菜单，我们就可以把具有某种属性的用户找出来。

区分广告流量的方法是对广告流量进行标记。而对广告流量进行标记是从流量的来源和流量的媒介来标记区分的。1）广告流量的来源标记法：这是指对关键词进行标记法。其中，付费关键词排名即是SEM排名，非付费关键词排名是SEO排名；可以通过为关键词单独建立一个页面，这个页面唯一的入口就是被标记的关键词进入的页面，这样每个被标记的关键词就有了独特的访问链接。

在量江湖提出ASM智能投放理念之后，一些公司开始援引这一理念，提出人工智能AI，全自动化等等，也有一些同行跳出来呛声智能投放。这里要纠正一个概念，智能投放是相对广义的概念，说现在智能投放做不了，这个理解本身是狭义的，量江湖目前在做的拓词、动态调价，都属于智能投放的范畴。比如在拓词上，原来的ASO和现在的ASM在选词上是有不同的，就需要全新的逻辑和思路来操作，并结合机器学习进行智能拓词。

什么是用户行为？用户行为由最简单的五个元素构成：时间、地点、人物、交互、交互的内容。（一）什么是用户行为？对用户行为进行分析，要将其定义为各种事件。比如用户搜索是一个事件，在什么时间、什么平台上、哪一个ID、做了搜索、搜索的内容是什么。这是一个完整的事件，也是对用户行为的一个定义；我们可以在网站或者是 APP 中定义千千万万个这样的事件。

增长，来源于对每一个用户行为的洞察。作为一名增长黑客，要学会观察用户是如何使用你的产品，哪些产品优势是可以放大的，哪些是需要避免的。而这一切，都离不开对用户行为数据分析！Growth Hacker 概念的提出者 Sean Ellis 说过：A growth hacker is a person whose true north is growth. 熟练使用这些工具只是增长的一小步，只有将其和增长方法论、业务增长目标紧密结合，你才可能成为下一个 Growth Hacker （增长黑客）！

通过分析用户的搜索行为，为用户补充网站内容/品类、优化搜索结果页结构、优化搜索推荐等提供数据支持。我们以“关键词”为例，通过分析用户的搜索行为，了解设置的“关键词”搜索的频率，哪些内容搜索的频率最高用户对使用关键词搜索的结果是否满意？网站的搜索功能是否存在问题，如何优化等等。

何为品牌推广呢？网络品牌推广是通过一定的方式或方法对商品、服务甚至人进行一定的宣传和推广，而其中的媒介就是网络，通过网络塑造将企业自身及产品品牌形象,使广大消费者广泛认同的系列活动过程。 品牌推广常见的渠道课分为品牌站点、APP、搜索引擎、自媒体、数字电视媒体、软文六大渠道，比如我们熟悉的新浪、搜狐，今日头条，百度，乐视电视，微信，微博，论坛等等。

同时投放的维度不同监测的指标也不同。比如以推广品牌为目的重点*点击量、点击用户数、点击IP数，以及到达量、到达用户数 ；以引入流量为目的重点*到达量、到达用户数、二跳量以及总浏览量；以引导用户参与活动为目的重点*转化量、转化用户数；以促进销售为目的重点*转化明细。

对于在线销售的企业来说，销量是最终的目的，而销量的达成就需要靠运营人员来实现，对于运营人员来说，既要懂业务、懂数据、懂营销，更要直接背负销量KPI，面对重重压力，运营人员如何应对呢？ 以前企业在网上做推广营销时，主要是通过打广告的方式进行宣传。但是从2010年开始，整个行业越来越重视数据化应用，因为互联网的基础就是数据，对于企业运来说，通过数据分析工具，帮助企业分析数据，进而驱动营销决策，为用户提供数据分析服务。对于运营人员来说，通过数据指导企业进行精细化运营，才是达成KPI提升销量的关键。

在国内，即时通讯应用已经成为时下最主要的社交平台。随着 QQ 和微信强势崛起，腾讯早已确立了社交王者的地位，并牢牢地将全国绝大部分移动互联网用户紧握在手中。然而在近十年来，我们还是看到了一批敢于向腾讯帝国发起冲锋的应用，有些还成为过“爆款”。在这批应用中，最具代表性的莫过于飞信、米聊和易信这三款“大家出品”。本文将基于极光大数据iAPP 监测平台的数据来解析这三大IM的近况。

HubSpot 是一家入站式营销（ Inbound Marketing ）软件提供商，在2006年的时候只有3个客户，而到2015年的时候他们年收入就达到1.86亿美元。面对竞争激烈的市场环境，HubSpot 到底是怎么做到的呢？ 总结来说，可谓是一招制敌！HubSpot 积极提供优质的内容和工具，将吸引到的大量优质流量转化为付费用户。

商品在零售电商企业中一般都走过下面的几个过程： 商品从采购开始到最终卖出去，按照商品的流程走下去，但是商品的售卖情况、退货情况又反过来影响商品的采购选择。在每个节点是有不同的事情要做(运输这个节点，很多情况运输是由供应商来负责的，所以可能零售商没什么事需要做)，本篇先针对采购这一个模块来讨论。

热销车型的价格档多数集中在7万-15万之间，其中轿车在10万-12万之间的车型最多，SUV在13万-15万之间的车型最多。 那么车企向市场推出这些价格档的车型这么多，市场表现是否能符合他们对消费能力的判断呢？ 从上图可以明显看出来，7万-15万的车型也是最受欢迎的。

Growth Hacker （增长黑客）的概念这两年在国内越来越火，除了范冰的《增长黑客》一书，很多人还想了解更多跟 Growth Hacker 相关的书籍。本文将从精益创业、市场营销、产品设计和数据分析四个角度出发，为大家推荐10本 Growth Hacker 必读书籍。

网站统计分析通常按日、周、月、季度、年或围绕营销活动的周期为采集数据的周期。当然单纯的网站访问统计分析是不够的，我们在分析报告中需根据网站流量的基本统计和可采集的第三方数据的基础上，对网站运营状况、网络营销策略的有效性及其存在的问题等进行相关分析并提出有效可行的改善建议才是网站访问统计分析报告的核心内容。

对于精益创业来说，一个应用商店（app store）模式是很有挑战性的。移动应用不像web产品那样可以很方便的做A/B测试以及持续开发，它们要过应用市场这一关——市场限制着一家公司能承受的迭代次数，以及试验的机会。以至于现在的移动应用为了应对这些限制，只能在不升级应用的情况下更新应用中的在线内容，但这又需要额外搭建构架的工作。一些开发人员提倡先从Android平台开始做，因为它允许你频繁的发送推送给用户。一旦那些开发人员验证了Android平台上的最简可行方案（MVP），就把它移植到Apple限制更多的部署环境中去。

用户行为分析，是指在获得网站访问量基本数据的情况下，对有关数据进行统计、分析，从中发现用户访问网站的规律，并将这些规律与网络营销策略等相结合，从而发现目前网络营销活动中可能存在的问题，并为进一步修正或重新制定网络营销策略提供依据。这是狭义的只指网络上的用户行为分析。

做运营的都知道， 想要完成营销转化，首先你得有流量，有用户，这就需要做好拉新、留存工作，接下来才能引导用户完成转化。站内营销转化的本质是“人”的转化，即用户，归根结底就是用户体验做的好不好，用户觉得好就是好，用户觉得不好，哪怕你产品再高大上，也收效甚微。 说了这么多，那么如何提升用户体验呢？*觉得网站体验首先排在第一位，想想看，如果你的网站连让人浏览的欲望都没有，哪里会有流量，更别提转化了。因此做好网站运营优化是首要工作。好的用户体验才能带来更多的流量。

做苹果竞价广告投放，学会看懂数据报告很重要，快速看懂数据不仅能提高工作效率，而且能给后续的优化迭代提供正确指导，不断使投放结果趋于高效率、低成本。在量江湖老万ASM实战营分享中，量江湖Vivian讲到了解读数据报告的一些关键细节，溪姐觉得有必要梳理出来，因为在与CP多次沟通中，很多朋友反复问到数据报告的问题，甚至一些朋友连基础的名词解释都记不住，无形中给工作带来极大困扰，看懂数据并了解一些注意事项，才能确保在投放中少踩坑。

我们都知道现在人们的时间越来越碎片化，购物的渠道也越来越多，进入跨屏时代，前一刻还在PD端浏览，下一刻可能就切换到手机端了，上下班之间的时间空隙也会被拿来利用，因此如何整合分析这些跨屏、跨渠道的数据？是很多电商人要面临的问题。 这一点我们可以通过SiteChannel跨渠道分析来实现，其功能就是将PC站、APP站、手机站和微信站中的用户行为进行跨渠道分析， 帮助企业了解不同*渠道整体销售情况。

如果用户打开产品既算活跃，就一定能保证商业模式盈利？优秀的用户运营体系，应该是动态的演进。 演进是一种金字塔层级的用户群体划分，上下层呈依赖关系。 首先，用户群体的状态会不断变化。以电商为例，他们会注册，下载，使用产品，会推荐，评价，购买以及付费，也会注销、卸载、和流失。从运营角度看，我们会引导用户做我们想要他做的事（这里是付费），这件事叫核心目标。

时代在不断变迁，漫画的载体和形式也在不断地进行调整，但人们对于漫画的热情似乎并没有丝毫减弱。随着智能手机完成对用户注意力的全面接管，漫画的主要载体也逐渐从纸媒和电脑屏幕过渡到手机屏幕，而 app 则成为了漫画作品的重要发布渠道。本文将基于极光大数据iAPP监测平台提供的数据，对三大主流漫画app的数据进行分析，借以考察国内漫画类app以及国产漫画的市场前景。

自从新媒体兴起后，越来越多的人选择进入新媒体行业，而制作直观且高效的数据报告则是一个“大坑”。不仅是因为老板要经常看报告，更是因为这些数据可作为优化公众号运营的参考依据，因此制作公众号数据分析报告的重要性就不言而喻了！ 用户分析：包含新增用户，新增用户来源渠道，累计*人数、用户性别占比，省份、城市、地域分布等等等等； 图文分析：图文页阅读、图文转化率、原文页阅读人数、原文页阅读次数、原文转化率、分享转发人数、分享转发次数等等； 菜单分析：菜单点击次数、菜单点击人数、人均点击次数等；

对于产品经理来说，所有网站运营的工作都只有一个目的—促成转化！尤其是提升订单转化率，转化不行，所有的工作都是白搭，哪怕推广做的再多也是一样。订单转化率不高怎么办？如何对症下药，改变转化率低的情况呢？ 订单转化简单一点来说就是用户买到想要的东西，完成注册支付等一系列的流程。我们先来看一下一个完整的订单转化流程是什么样的。

移动广告市场的快速发展，给众多广告主、媒体带来了可观的流量，但同时广告作弊和反作弊这个话题也随着移动市场的发展不断升温，面对广告主、广告平台、媒体三方利益牵扯，如何规范广告投放市场也不是三言两语就能说的清楚的。广告作弊已成为行业的潜规则了。 无疑广告作弊给企业或广告主带来了损失，面对众多的作弊手段，那如何甄别、防范这些手段呢？再此为大家简单聊聊广告作 弊这件事儿，希望对大家有所帮助。

我们都知道产品即销量，想要提升销量达成KPI，产品分析无疑是最重要的一个分析环节。产品分析的最终目的就是提升商品销量，首先要了解用户的需求，知道用户要什么，哪些产品受欢迎，进而根据这些数据指导产品优化和活动推广。这也是为什么要做产品分析的原因。 那么产品分析可以分析哪些数据，如何运用这些数据指导产品运营呢？接下来为大家简单阐述一下，希望对各位运营人员有帮助。

数据造假的甄别在数据分析领域是一个热门的话题，也是对数据分析师的一项挑战。分析数据造假的方法有很多种。我们在前面的系列文章中曾经介绍过两种检验作弊流量的方法。一种是根据历史经验及分布情况的多维度交叉检验，另一种是使用随机森林模型根据已知作弊流量的特征对新流量进行分类及预测。

从创始至今，美图一直在讲述一个“如何让用户变得更美”的故事，美图的产品脉络也主要围绕着这个使命延伸。本文基于极光大数据iAPP 监测平台提供的数据，来分析美图旗下主打应用美图秀秀、美颜相机、美拍、潮自拍和美妆相机的运营表现，借以窥探成功俘获了众多女性用户芳心的美图公司接下来的布局。

有效用户增长讲的是什么？假设有两个平台，平台1有 100W 注册用户，其中 1W 的投资用户；平台2虽然只有 5W 的注册用户，但是其中也有 1W 的投资用户。这样看来平台1就多了几十 W 的无效用户，这几十 W 的注册用户意味着平台1需要更多的渠道预算、更多的流量，也就意味着更高的成本。所以，互联网金融平台的增长一定要注重转化率，注重有效用户的增长。

搜索引擎是人们在网络上获取信息的主流渠道，如果你无法被搜索引擎抓取到，那么你就不存在。你的内容在搜索结果页面越靠前，你的优势就越明显。常用的搜索引擎优化（ Search Engine Optimization ,简称 SEO ）技术包括提高关键词的密度和权重、增加长尾关键词数量、建立外联、优化界面结构等等。

永安行最早成立于 2010 年，在 2013 年完成股份改制。和以摩拜和 ofo 为主的共享单车企业不同，永安行的主营业务是提供有桩公共自行车的出行服务，签约对象为各地区政府。在招股书中，永安行透露自身的有桩单车业务主要覆盖三线及以下城市及周边县、镇区等。在报告期内，来自三线及以下市县的收入占发行人总收入的比例达 85% 至 90%。