互联网相比线下最大的优势在于用户行为可追踪，可通过分析进行用户体验优化，由此产生了一个专业领域——网站分析，其方法与实践在2008年之前就已经理论化、系统化，相关产品也非常丰富，如处于全球顶级水平的ominiture、webtrends、coremetrics、GA等。而传统线下除了最终的成交结果数据，之前的过程基本没法采集留存，用户为什么成交，不成交的用户为什么走了，是一个黑盒子。如今，越来越多的线下环节被互联网化、数据化，用数据改善线下流程成为可能，网站分析的很多理念也焕发出勃勃生机。

与数据的接触大学时代我的专业是统计学，一个二流本科里面的王牌专业，但是毕业后（2006年）发现很难找到对口的专业，于是选择了北上，在北京漂泊一个多月，身上的钱也快花没了，这时突然有一家调研公司电话让我去面试助理研究员，于是经过几轮的面试，我荣幸的加入了这家公司，月薪2300。

在数据分析中， AARRR模型是产品经理经常用到的数据分析模型。著名的《增长黑客》里面的数据分析基础，也是以这个模型为基础的。AARRR模型分析在指导产品运营中发挥了重要作用。 AARRR用户运营模型是在海盗理论模型基础上简化了，把用户细分，不同类型的用户对应的处理方式不同，用户分为新增、活跃、流失三类，每一种类型用户所对应的KPI也不同。比如新增用户，需要拉新，最终我们要看的是有多少用户去注册了，是否有达到我们预定的KPI。

面对异常数据经常出现“好像做了什么？好像发生了什么？所以可能造成了影响”的主观臆测？ 面对数据报表，不知道该怎么分析？不知道该分析什么？ 数据分析作为运营最基础的一项技能，你是否真正的将其价值发挥出来，合格的运营一定是数据驱动运营，而非运营驱动数据！

网站运营最关键的工作就是引流，网站没有流量后面的工作就无法开展，所以对于运营人员来说，时刻*网站流量是每日必修的课题。但是也会经常出现这种情况，网站的流量异常下降跌，一时间也找不出原因，不知道从哪里去分析，更别提提出有效的解决方案。面对这种异常该如何处理呢？

对数据来源的跟踪，其实也是苹果反作弊在不断升级，对于渠道而言当然是很糟糕的，业内机刷、肉刷、积分墙掺量行为，会受到极大冲击，刷量作弊原形毕露。不过反作弊的事儿，苹果一直在做，自从上线苹果竞价广告以来一直在强化升级。可想，此次归因动作会再次让渠道哭惨，算了溪姐今天不写反作弊了（不能天天得罪人），今天写写为啥归因对CP这么重要，以及关于（移动互联网）归因的延伸知识吧。

经过取数工作后，就形成了由业务运行产生的原始数据。原始数据是极其丰富的，有很多种分类方法，而从用户的观点来看可以大致分为两种。一种是用户意识到的主动提供的，如注册数据，发表的文字等；另一种是用户不容易意识到的被动提供的，如上网IP地址，操作动作（像PC上的鼠标移动，手机上的滑动）。 之所以用这个数据工作者不常用的维度来分类原始数据是想提醒产品经理在产品设计时也需要一点数据思维。能采用第二种方式得到数据，就不用第一种方式去麻烦用户。

当我们用搜索引擎搜索资料时，选择关键词的关键性是毋庸置疑的。正确分析和处理关键词，是提高搜索结果满意度的必然前提。什么是关键词：关键词是用户通过搜索引擎进行搜索时所输入的一些词语。关键词分为主关键词和次关键词，主关键词是网站优化的主要关键词，在优化中站主要地位，此关键词略之。

现在我们大部分人都知道拿数据说话是思考和解决问题最好的方法，因此很多人会热衷学习各种处理数据的方法、工具。但到实际解决问题的时候就发现空有方法、工具却对问题无处下手，或者拿着一堆数据却不知从何而起。这就是忽略了思维方法，只知数据之器，而不得数据之道的缘故。

目前市场上APP种类繁多，但很多APP企业面临的最大问题就是APP运营问题，而 运营中遇到最棘手的问题就是我们常见的用户卸载率高和活跃度低。究其原因主要有两方面： 一是手机的存储空间有限，手机中不可能同时存在过多的app, 某些不具备特性的app被卸载在所难免。

用数据说话，通过数据分析，理清楚企业经营过程中的真相，了解活动间的内在联系，能帮助我们做出正确的决定。数据化管理包括两个维度，运营层面上，需要将企业经营活动实现量化管理；同时，结果的应用会进行目标管理。 经验和数据之间其实是相互支持的关系。如果没有良好的数据支持和数据环境，再先进的管理方法都无法奏效。有人说，我有丰富的经验。经验是主观、快速、低成本的，但容易产生争议，有较大风险。如果用数据的方式来弥补不足，那就是建立在客观有效的基础之上，就有是一种更加科学理性的决定。

近些年来随着移动互联网的发展，国内网络广告的发展势头一片大好。但随着网络广告的发展，广告效果却令广告主着实担忧，大把的广告费投进去，却跟当初的预想差距甚远。对于大多数广告主来说，广告投放的目的无非就是吸引更多的用户，最终实现营销转化。但同时他们最怕出现这些问题：投放结果不理想，转化率低；所投入的财力与投放结果不成正比；广告费浪费严重等等。

APP研发好了，广告做了，渠道选了，预算也到位了（虽然总是觉得不够吧），广告投放出去效果却不够好，这时我们会去反推APP产品是不是哪里优化不够好？广告文案不够勾引？渠道策略出了问题？等等，当然以上都对。但是却没人能回答这个问题：我的50%广告花费到底浪费在哪？或者广告预算如何分配更合理？

APP发展如此迅猛，作为产品运营者，不得不面临诸多挑战，诸如如何运营好APP呢？如何才能够自己的APP脱颖而出如何获得更多的用户以及对现有的的用户进行更好的管理并创造更多价值如何评估渠道效果和用户质量，制定正确的运营推广策略和方向等等一些列问题，这都对APP的数据分析和运营提出了更高的要求。产品开发出来了，如果没有实现其价值对企业而言就是一个鸡肋， 运营的最终目的就是实现其价值。

用户流失一直是产品运营中存在的头等大事，用户不稳定，持续流失，哪怕为了留住用户推出各种拉新活动，仍然未能力挽狂澜，留住用户的脚步。为什么用户会离开？还会有更多用户继续流失吗？已经流失的用户有没有可能被挽回呢？ 其实只要按照下面的分析方法来运营，重新赢取用户的芳心指日可待。

大量的报表进行整合，报表一定会精简很多，但是这个过程也一定是不容易，比如我就知道项目经理一定是会遇到这种阻力的，业务部门a：你凭什么把我这个需求去掉啊，我之前一直都是那样看的，看了两年你让我改，还有人性吗！ 对不起真不是我没人性，是你这报表没人性啊，你还记得你入职的时候所许下的誓言吗？所以这次还请忍一忍吧，毕竟整合之后，统一公司的管理口径，也为以后报表平台的扩充建立一个好的基础，长期来看，对所有人都说利好的嘛。

中国在线教育市场规模逐年上升，而经历5年的发展，业内竞争已趋于白热化，过高的获客成本已成为企业的负担，如何提升用户转化率，降低前期的招生成本等问题已成为企业前进道路上的绊脚石，在诸葛io智能数据决策平台的支持下，麦子学院极大地提高了运营效率和决策效率，从而实现业务增长和业务创新。

商家在进行决策时，尤其是在进行市场细分决策时，往往会看到这样的描述：某高端女性护肤品牌A的目标消费群体是一二线城市，年龄在30-40岁间，高消费档次的女性消费者（此处应有都市女金领配图）。那么，具有以上属性的目标消费者是如何从消费群体中被识别出来的？这些描述的背后，是经过数据分析得出的消费者洞察。

互联网是一个完整的生态，涉及到各个渠道，H5、APP、Web端等等，我们需要以一个唯一标识把用户打通，他在这一个端的行为可能受到另一个端的影响，我们需要把各个平台上的行为整合到一起才能有一个对用户更加完整的认知。所以这些行为数据是一个做数据驱动的基础。

通常来讲，商家获得一个新用户的成本是维护一个老用户的 5 – 10 倍，一个满意的用户会带来至少8 笔潜在生意，一个不满意的用户可能会影响超过25 个人的购买意愿。这就是为什么许多商家会通过发放优惠券等让利方式来激活老客的购买意愿。用户的消费习惯一旦形成，其流失风险就会显著降低，商业价值就会获得进一步的提升，从而大幅的提高用户生命周期价值（LTV），为企业带来可观收益。

数据分析涉及不同的业务领域，很多时候，业务的了解比数据技巧更重要。很多新人常问Python、SQL，但鲜有问业务，可后者才决定分析的成败。 业务的洞悉决定了数据分析师发展的上限，数据技巧只是逼近它。好的分析师都懂业务，也必须懂业务。 我希望通过本文，让数据新人对业务有一个大概的了解，也适用产品和运营新人（我是互联网背景，所以本文更多涉及这块）。文章的内容会给你「宽」和「范」的感觉，希望对新人有帮助，老人一笑而过就行了。

人口流入流出是由诸多因素决定的，比如城市的就业机会、环境状况、经济状况、产业结构、房价物价、交通状况等等，这些因素还会相互作用，比如交通状况会影响宜居水平、生活节奏、生产效率、房价地价，进而又作用于人口流出流入。人口的流出流入又直接影响一个城市房地产的供需关系进而影响房价，同时也会影响城市的企业创业进而影响经济。这些因素可以说是一环扣一环。但归根结底，在人口成为城市核心资源的前提下，人口吸引力无疑也体现出城市的核心竞争力。

以某电商为例，它的复购魔法数字为 9，用户完成 9 次购买所花费的平均时间为 25 天。但是一般情况，一个用户在 25 天内完成 9 次消费的可能性非常低，尤其是成立 1-2 年的初创企业。这是因为通过复购魔法数字的用户还非常少，计算中的异常用户干扰会非常大，导致整体的周期变短。

ASO丢失的量将统统转嫁到ASM上，只不过形式与玩法变了。你不去研究它，自会有人把属于你的流量吃掉。本次活动主讲嘉宾量江湖COO史建刚针对ASM获量潜力与玩法进行了全面系统的总结。 在大数据公司浸淫，离人工智能必然更近，跟别人不一样的是：史建刚每次演讲会援引不一样的文史段子表达深层次的主题内涵，有时会即兴发挥，比如深圳活动上午下雨了。人工智能ASM是他的标签，讲文史段子可以说是另一个标签。

在数据管理领域，我们通常将数据分为：主数据、交易数据、参考数据、元数据和统计分析数据（指标）， 指标是BI里面核心的概念，是一个企业数据运营*的核心数据，一般以KPI和报表的形式体现。从笔者的实践看，一个企业要进行数据治理，涉及了架构、安全等诸多层面，但最迫切的是提升数据质量，其中指标质量则是重中之重，一般业务上90%以上关于数据的疑问都从指标的质疑开始，只要你从事数据相关工作，就应深有体会。

据说现在都讲移动互联网下半场，有这么一波人，投资人的钱掰着花，流量再贵咬牙往上砸，用户数据看起来也还蛮漂亮，但是连自己都心虚。因为前面吹得太狠，后面就越难办，到了真枪实干，看增长、看营收、看利润的时候，发现增长乏力，营收疲软。投资人要收割创业者，创业者要收割流量（用户），奈何流量太垃圾，转化上不去。 为啥呢？别忘了，给你流量的渠道商、中间商，他们可不负责流量质量，只负责忽悠。掺假流量、低质流量，无论怎么运营都转化不出来，而如果你没有流量辨识能力，没有高质流量优化能力，没有流量精细化运营能力，想想你能拖多久？

在新产品上市前，或者是小规模投放市场后，在媒体上对粉丝和潜在用户的言论进行收集，对其进行文本分析，知道他们喜欢产品的哪些方面，对哪些方面不太满意，以及他们对产品的其他期望，从而敏捷、快速、准确制定营销策略，最后对已购买产品的用户反馈做出积极的回应。

矩表是数据汇总统计的数据控件。矩表由矩阵（Matrix）控件演化而来，矩阵可将存储的原始Detail 数据，通过【行分组】（即垂直显示字段值）和【列分组】（即水平显示字段值）,将数据二维的展示出来，然后计算每一行或列的合计；也可以将字段值作为行号或列标，在每个行列交汇处计算出各自的数量，然后计算小计和总计。

关于京东和唯品会合并的臆想在外界一直存在，此前双方联合发布《抵制不正当竞争行为声明》的行为更被不少媒体解读为是“联姻”的前兆。尽管合并传闻已被双方否认，但数据表明京东和唯品会确实存在一定的互补关系，至少合作的基础是存在的。

广告主更注重效果、转化，随之第三方服务商也有了相应的改变。广告监测服务市场也从早期的站外广告监测系统，改进为站外、站内多触点的监测系统，再配合上专业防作弊和高质量的人工服务，来保障广告投放的效果达成。基于市场的需求，众多的第三方服务商也发生了重要改变，产品从广告监测到广告效果评估服务，为广告主或企业提供一体化的广告效果评估解决方案。

目前社会学界较为一致的认为集群行为是一种具有一定规模、匿名的无组织人群，在一定的诱发因素影响下而突然爆发的社会互动[4]，具有自发性、偶然性、无组织性、情绪性、狂热性、失范性及短暂性等特征[5]。因为集群行为属于一种突发的集群互动，参与者很容易受到集体情绪和流言、谣言的影响，容易产生社会失范行为。基于对集群行为产生机制的分析角度不同，社会学领域对集群行为的后续研究可以划分为模仿理论、*理论、紧急规范理论、匿名理论和斯梅尔塞的六要素理论等五个分支[6]，每个分支都是从不同角度阐释集群行为的学术共同体。

如今饮料的种类和口味非常多，消费者的选择空间极大。品牌保留传统口味的同时，不推出新口味吸引“不甘平庸”的新新人类，很可能会丢失一大部分年轻消费者。 可口可乐陆续推出主打健康的无糖饮料零度、健怡、*可乐Plus，创新口味姜味、樱桃味等。 可口可乐晒图中新口味占26%，其中巴菲特挚爱的樱桃味占85%以上。巴菲特加持，樱桃酸甜可口，可乐酷爽刺激，樱桃+可乐的混搭听起来就让人十分期待。可惜，这次可口可乐的口味创新并没有得到消费者认可，反而被疯狂吐槽非常难喝，像杏仁露，甚至像止咳糖浆。

别再稀里糊涂地做市场推广了，发了那么多软文、投了那么多广告、做了那么多活动，老板却总是在说：你投的钱有没有用啊？想知道每一篇文章带来的流量和用户？不求工程师，也不求产品，只要给你的链接加一个神奇的 UTM 参数就可以啦。 运营老司机一定会说：我早就知道这个 UTM 啦。但你知道这个 UTM 还有更强大的功能吗？可以根据不同渠道、不同内容做精细化运营分析，帮你对比区分优质和劣质渠道，提高流量在产品内的转化。

可以借助APP统计分析工具获得如上的指标，对于国内来说，比如友盟、开源的Cobub、百度统计等；国外的工具有Flurry，Mixpanel等。我们以Cobub作为数据来源，之所以选择Cobub 是因为它的APP统计是可以私有化部署的，且我们可以较为容易的获取原始数据并产生如上的用户参与度衡量指标。

为什么没人讲？从IOS服务商角度来说，ASO优化，形成产业链的是干预型ASO（积分墙、机刷、协议刷）。而基础优化部分（产品名、副标题、关键词）只作为免费提供的服务，当然不会花太多心思去想这些事儿，我给你带量就得了，转化是你的事儿。 站在CP角度，则需思考更多，获量不等于转化率，以结果为导向，把搜索排名和下载转化当一个整体来思考，利用App Store把流量、转化与营收做上去，这关乎年终奖金，职位升迁，技能更全面想跳槽也更容易啊。

很多人都将用户激活（Activation）错误地等同为注册（Registration），因为从形式上来看两者容易混淆：当有一些访客在产品页面浏览后，发现了一些感兴趣的东西，然后点击了注册 / 登录按钮。 但其实用户激活是一个动作或一组动作，它的核心是在用户第一次使用产品时为用户迅速提供产品的核心价值单元。注册的确是一个关键动作，但是不一定是激活的唯一衡量方式。比如对 LinkedIn 来说，一个激活用户的标准是一星期内添加 5 个联系人；对 Facebook 来说，一个激活用户的标准是 14 天内添加 10 个朋友。

随着人口和流量红利的下降，互联网行业必然会朝着精益化运营的方向发展。数据分析在很多互联网人的工作中越发显得重要，而对于产品经理来说，更是如此。 本文将为产品经理介绍数据分析的基本思路，并基于此，衍生出 2 个常见方法和 7 个应用手段，希望在数据分析的实际应用中能给大家带来帮助。

虽然线上零售对线下零售造成了很大的冲击，但在零售总额实际比例中，线下零售占比依然高达90％。展望未来，线下零售依然会占领零售行业的重要地位。 但大浪淘沙，在这前所未有的挑战面前，线下零售如何才能在这浪潮中傲然屹立？多数企业都在努力突围，将出路指向了数据驱动的精细化运营。

一次回顾一堆书是一个艰巨的任务。将所有这些书放在一起的原因是，我认为概念和理论上有一些重叠的部分，其中最具挑战是大部分时间它们都是以不同的词汇呈现和阐述的。以下是我列出的，在阅读数据科学书之前值得一看的理想书籍清单。记住，你永远不会从一本书中获得足够的知识，因为科学领域是非常复杂的，一本书是远远不够的。

从城市等级分布数据可以发现，分布在一线城市的狼人杀app用户不足10%。上海、重庆、北京和成都四个城市的用户占比均超2%，而广州和深圳两个一线城市则分别占据1.69%和1.63%，无缘前三。 通过对应用偏好度进行分析，我们发现狼人杀用户群体偏好度最高的通信社交应用是新浪微博（24.5%），被誉为“国民级社交应用”的微信则以9.2%的偏好度排名第五。在购物优惠类别的偏好度上，手机淘宝一马当先，达到了19.6%。 在游戏娱乐方面，狼人杀用户群体更偏爱王者荣耀，偏好度高达41.9%。而在影音图像方面，狼人杀用户偏好度最高的是“全民K歌”应用，广受女性用户青睐的美图秀秀和美颜相机未能跻身前五。

APP运营人员向来比较擅长让越来越多的人使用我们的产品，成为我们的用户。但是在拥有了这些用户以后又该怎么留住他们呢？ 一款新应用能吸引几十万上百万的用户可能不是什么难事。但是想要保留这些用户并且让用户数增涨到一个亿，这绝不是一件容易的事。 虽然用户留存是一项需要我们坚持不懈的花很长时间来完成的工作，但是我们依然可以采取一些措施在短期内提高它，并且可以提高用户的活跃度，譬如一些营销活动或者根据用户的历史使用情况给他们精准的推送相关消息等，这都是与用户互动让他们参与进来的好方法，用户可以从这些活动和消息中获得更有价值的东西，用户需求满足了留存率自然也就提高了。

关于华语男歌手的认识应该是停在初中了吧。那时火的是周杰伦，王力宏，林俊杰和潘玮柏—— 我们班几个男生因为经常唱他们的歌有了诸如“宗杰伦”，“温俊杰”，“鱼力宏”的外号； 我们全寝室在社会实践表演会上合唱了一首《枫》，由于有我这种跑调天王的存在，我们没有拿到最佳歌曲节目奖； 有一个学期在操场捡了一个用电池的mp3，只有512MB。我们在电脑课上把歌拷进去，然后每晚轮流听，听了好久； 由于他们的歌都烂熟于心，所以有几个同学就养成了一个不良爱好——改编歌词，往往会改得很恶俗，《菊花残》这种还算普通，印象中最恶俗的歌就是——《腋毛海》。

每一个App，都需要通过各种渠道来获量、买量，通过推广来获量是第一件事，第二件事是有了流量之后的变现，客户在App内要么产生购买，如购买道具、购买商品，要么点击付费广告，第三件事是后续的精细化运营。 其中获量一直被认为是最重要的事，流量从哪来？花钱做推广的部门，其实压力很大，钱怎么花得更有价值，而且要在不同维度中去花，还要花得有理有据。

据媒体报道，百度外卖将以5亿美元的价格出售给饿了么。与此同时，百度还会打包一些流量入口资源一并出售，主要涵盖百度搜索、手机百度、百度糯米和百度地图等产品，作价3亿美元。换言之，饿了么需要在百度外卖的收购上投入8亿美元。其中，2亿美元为现金，饿了么增发3亿美元，交易完成后百度占饿了么股份5%，剩余3亿美元锁定期为五年。 饿了么和百度外卖在数据上究竟存在怎样的联系？此番收购又会对外卖行业的格局造成哪些影响？极光大数据为您揭晓。

各个国家和地区的 Rapper 们想要说的聊的唱的都有哪些特色？ 如果想当一个Rapper，我应该怎样写词才能紧跟潮流又不会离题太远？ 所以我用Python抓取了美国、英国、台湾、香港、中国大陆四个地区，总共六千万的歌词，其中包括大陆600万的歌词，做了一些数据分析的工作，目的就是给你想要的答案。

《王者荣耀》——现象级爆款手游，全球最赚钱的手游。一旦开玩，从此学习、工作是路人，玩家将这款手游亲切地称为“王者农药”。 今天表妹就用数据告诉你们（其实是我们）是如何一步步沉迷其中，无法自拔的。前方高能，非战撤离。

访客来源路径，顾名思义就是用户来到我们的网站所使用的手段，也就是指访问我们网站的用户是如何到达我们的网站的。尤其是针对那些初次进入我们网站的访客直观重要。 第一次访问，是用户开始接触你的品牌和服务的那一个时刻。在这一时刻他眼里留下的第一印象将很大程度决定你是否能让他进行第二次、第三次、第n次访问。

想要从事数据分析师这个岗位，那自然首先需要对这个岗位有所了解。最直接、最真实的方式就是从企业那里获得需求讯息，这样才最能够指导自己的学习方向和简历准备。本文即是要利用爬虫爬取拉勾网上数据分析这一岗位的信息，然后进行一些探索和分析，以数据分析来了解‘数据分析’。

企业面临三类数据，一类是企业内部的交易数据，一类是企业同用户之间的交互数据，一类是第三方数据也称外部数据。企业过去的数据资产是建立在第一类数据之上的，利用人口属性、销售数据、物流数据、内部流程等数据建立数据资产，开展商业应用。

用“品”字有以下几个原因，一是市面上充斥着太多的大数据平台技术的书，诸如hadoop，spark等占据了大部，但对于如何管好大数据却缺乏真知灼见，二是这本书的确干货很多，诚意实足，明显来自阿里实操人员的经验，从作者是阿里巴巴数据技术与产品部就可知道，三是内容跟笔者的专业相符，里面提到的任何一方面笔者都有实操或管理经验，想来自己有资格去品评这本书，最后，阿里巴巴的数据量在那里，其大数据平台历经考验，突然透露一些技术秘密，对于任何有志于搞大数据的企业或个人，都应该去学习一下。

我们常把用户标签和用户画像对等。但凡用户画像的文章，类似上文图片都会出现，有用烂的趋势。标签化是最直观的解释，但它不等于用户画像。 用户画像的正式名称是User Profile，大家往往把它和User Persona混淆，后者更恰当的名字是用户角色。是产品设计和用户调研的一种方式方法。当我们讨论产品、需求、场景、用户体验的时候，往往需要将焦点聚集在某类人群上，用户角色便是一种抽象的方法，是目标用户的集合。

数据化运营的概念随着大数据时代的到来被炒得越来越火热，提到数据分析、数据运营让很多产品、运营新人觉得瞬间高大上很多。随着数据概念的火热，如增长黑客、GrowingIO等一系列的数据分析指导产品增长的书籍、产品变得越来越受人追捧。对于互联网行业来说，无论是产品经理还是运营，都需要具备一定的数据运营能力，本文将帮助没有数据化思维的小伙伴搭建基础的数据化运营体系。

互联网从1995年至今已发展了20多年，人口红利也吃了20年，从16年开始，流量成本越来越高，获取新增用户越来越难，甚至有钱也买不到靠谱的流量。 2012-13年，单个用户获客成本也就几毛钱，现在都翻了10多倍。互联网急速发展的时期已经过去了，意味着厮杀结束，流量入口被头部企业占据，BAT和独角兽公司（爱奇艺、优酷、美团、58同城、滴滴、京东）的用户覆盖已经达到至高点。从2016年开始，对于大部分广告主而言，不仅拉新是个大问题，如何留下存量用户，并促进用户活跃是个更大的难题。

企业指标的关注因商业模式而异，因企业发展阶段而异——企业具有多种商业模式，不同商业模式在企业发展的不同阶段所关注的指标不尽相同。下面列举电子商务、SaaS 企业、媒体三种常见的企业类型，其增长的关键是什么？不同发展阶段所关注的指标有哪些？

数据服务平台可以叫数据开放平台，数据部门产出海量数据，如何能方便高效地开放出去，是我们一直要解决的难题，在没有数据服务的年代，阿里的数据开放的方式简单、粗暴，一般是直接将数据导出给对方，我想，现在大多公司的开放应该也是如此吧，虽然PaaS喊了这么多年，但真正成就的又有几个？ 即使如阿里，在数据开放这个方向上的探索和实践，至今也有7个年头了，任何关于数据开放毕其功于一役的做法都将失败，任何一次数据开放的改进都是伴随着对于业务理解的深入而成长起来的。

一个网站的页面质量很大程度上影响了网站的转化率。转化率不高，自然就影响了网站的销量。 提升转化率的方法很多，比如我们常见的搜索引擎优化，各种拉新、留存活动等，但网页的页面质量也是不可忽视的重要因素。 网页页面质量差，不但影响网站的流量，还会影响网站的收录和排名，因此对网页页面质量的分析尤为重要。 如何判定分析页面的质量呢？这就需要通过“网页项目分析”来实现。通过分析了解重点页面的页面质量。

自Facebook 2008年成立Growth Team伊始，“增长”已经成为企业公开追求的关键词。如何以最快的方法、最低的成本、最高效的手段谋得大量增长，成为管理者运营产品的核心问题。本文旨在从数据分析角度，阐述打造“增长黑客”中的关键技法，并提供“增长黑客”的9种武器，助力企业迈出打造增长黑客的第一步。

访客是从哪里进入网站的？进入网站后都浏览了哪些页面？最后又是从哪个页面跳出的？哪些页面停留的时间长？当初设定的访问路径是否合理等？这一系列问题是运营人员常见的问题，到达离开分析无疑是解决这些问题的秘钥。 到达离开分析即是到达页面（着陆页面）和离开页面。通过分析访客在这两个页面上的一系列行为数据，优化网站的出入口，进而达到提升网站转化率的目的。

“林子大了什么鸟都有”，这句俗语特别适合于使用孤证或者不靠谱绝对值来证明自己价值的数据分析，这是大公司里经常出现的一些场景，因为大公司产品经理偏爱依赖巨大流量来尝试一些新功能。 比如最近某产品推出类社区的产品功能，大家都质疑其与主方向毫无关系。产品经理立即跳出来反驳，使用该功能的n个用户已经找到了工作（找工作是该产品的核心功能之一）。然而每天上千万用户在产品里晃来晃去，做出啥事儿都不稀奇，举出孤证有意思吗？这时候想起知乎名言：脱离剂量，谈论食物毒性，都是耍流氓。

作为国民级枪战端游在移动设备上的延续，《穿越火线：枪战王者》高度还原了端游的场景画面风格。为了让端游玩家更加顺畅地完成迁移，手游还对经典模式和玩法进行了保留。 与此同时，《穿越火线：枪战王者》也针对移动设备环境对画面和操作进行了优化，并推出了一些手游独占的特色内容。和端游相比，《穿越火线》手游的节奏显得更加紧凑，剧情模式的引入也可以增强玩家的代入感。

我们以电商来说，电商要营利，此时唯一的选择就是去提升产品单价了，因为要降低成本是难上加难，这也不是电商控制下成本就可以做到的。但是如果去提价，电商们可能就有新的担忧了：这样会不会让用户给流失呢 的确，如果处理不当，确实会惹恼你的用户。那么就需要采取好的提价策略了，让用户不是走掉而是对你更加忠诚。这听起来似乎难度很大。

因为留存是一切增长的基础，在留存上的每一个进步，都会让其他的因素有所进步：比如病毒传播、用户生命价值、回报周期等等。留存的重要性不言而喻，但是如何将留存率大幅提高呢？今天这篇文章，就给大家介绍一下留存分析的三个典型应用场景：渠道留存、新用户留存、产品功能留存。掌握了这三个留存分析的典型应用场景，提升留存率就是分分钟的事啦！

活跃率是某一时间段内活跃用户在总用户量的占比，根据时间可分为日活跃率（DAU）、周活跃率（WAU）、月活跃率（MAU）等。 但产品不同，活跃用户的定义也可能不同。有的APP打开就算活跃，而有的APP必须登录才算活跃……

产品历经了研发测试，终于可以如期的上线了，但请不要松懈，后续的活动才是重点。并且随着网站一起上线的还有我们的数据分析系统，作为产品运营及后续改进的支撑点，数据分析系统是我们的眼睛和耳朵，是我们感知产品的触角。所以下面着重说一下怎么做数据分析，需要做些什么。

对于电商来说，产品的销售即公司的业务，如何了解产品销售情况、如何进行产品数据的采集和分析，对电商企业而言尤为重要。根据这些产品信息，企业可以制定出精准的营销推广策略。 产品分析的就是认识用户，了解用户的需求，知道用户要什么，哪些产品产品受欢迎，进而根据这些数据指导产品运营优化和营销活动推广，其最终目的就是提升销量。这也是为什么要做产品分析的原因。

本文用Python从捞月狗网站上面抓取国服各区及外服王者数据信息，然后用R软件进行数据初探及浅析。旨在发现数据后面的有趣的东西！要抓取的数据如下图所示： 主要包括王者游戏ID，所在区服，胜点，胜场，负场，胜率，最近状态，擅长位置，本命英雄等。由于捞月狗的数据是每天更新的，所以不同时间爬取数据可能会有所不同。

网站流量是影响电商转化率的一个重要因素，也是判定一个网站好与坏的重要标准。一般来说，网站流量分析包含四部分：流量来源分析、流量效率分析、站内数据流分析和用户特征分析。我们先来探讨流量来源分析。电子商务就是贩卖流量的生意，低成本的流量来源是保证企业盈利的重要条件。流量来源分析主要是要明白你的用户都是从那些网站来的，那些网站的给你带来更多的订单、那些网站的流量是真实的，那些是虚假等。

对于电商来说，产品的销售即公司的业务，如何了解产品销售情况、如何进行产品数据的采集和分析，对电商企业而言尤为重要。根据这些产品信息，企业可以制定出精准的营销推广策略。 产品分析的就是认识用户，了解用户的需求，知道用户要什么，哪些产品产品受欢迎，进而根据这些数据指导产品运营优化和营销活动推广，其最终目的就是提升销量。这也是为什么要做产品分析的原因。 一、产品分析了解网站商品的整体销售情况

未融资和天使轮需求量远远小于其他类型，上市公司需求量远远高于其他类型。公司上市了，有一定的规模和资金实力，数据方面开始投入和重视起来。而成立不久的小公司，很多公司这个阶段产品方向还没确定下来，业务和产品先走通更为重要，而且数据系统的建设还是很花钱的。

随着网站应用的不断扩张，网站日志不再局限于点击流的日志数据，如果你的网站提供上传下载、视频音乐、网页游戏等服务，那么很明显，你的网站服务器产生的绝不仅有用户浏览点击网页的日志，也不只有标准的apache日志格式日志，更多的W3C、JSON或自定义格式的输出日志也给网站分析提供了新的方向。

数据分析，并非简单的 PV、UV 的基础指标的分析，“粗糙”的数据仅传递出“用户做了什么？”，而非“用户如何做的？为什么要这么做？” 为指导产品测试、科学迭代，相比虚荣指标，我们更需要*可行性的指标。比如渠道评估，平均访问次数、衡量网站的用户体验的平均访问时长，直接反应网站流量质量的跳出率等，它们更能引导你如何页面优化、匹配核心关键词调整。

对于电商而言，通常网站流量是靠推广得来的，常见的可以通过优化关键词，做外部链接，发文章宣传，竞价购买，邮件推广等方式获得流量。 人们常说流量即销量，而双11的流量争夺更多的是与前期的推广促销活动息息相关。那么前期的推广活动该如何进行呢？如何在这一场较量中取得流量、销量的双绝杀呢？ 首先要对网站进行分析，其目的就是提升网站流量，吸引更多的用户。我们从网页项目、关键词准备、广告推广、会员分析四个方面来说明。

从菜地里采集到家，分门别类的堆在一起（初步去掉泥巴，黄叶子，分类堆放），相当于从原系统到ODS,ODS的意思是操作数据，即原始系统中的操作数据的一个副本，与原始数据是一模一样的，叫贴源，这个过程就叫数据采集、清洗、转换，即ETL干的事情，这个阶段叫初加工。

做产品和做运营经常会遇到一个难题——辛辛苦苦把用户拉来，却发现大部分用户再也不打开产品，更谈不上会在这里继续消费。 因此，「用户总数」是虚荣指标（这个数字只会随着时间增长，并不能传达关于用户行为的信息：他们在做什么？是否对你有价值？他们中的很多人可能只是注册了一下，就再没有使用过。——转自《精益数据分析》），只有真正活跃的用户，才能产生商业价值，把精力放在「活跃用户数」和「留存率」上才是正经事，产品的终极KPI是活跃用户规模。

如何让消息推送达到我们预期的效果？APP运营人员必须密切*用户的行为习惯，对用户的兴趣偏好了然于胸，并针对不同的用户群体在合适的时间推送给他们感兴趣的内容。完美的推送消息推送对于用户来讲是有价值的，它能帮助产品提升用户体验，增加用户好感度。

随着产品功能的增加和用户的增多，新用户的选择，老用户的活跃与流失，究其原因愈发趋于多元化。而精细化运营的核心思维和策略就是用户分群，对不同需求的用户匹配不同的服务和内容，那么，如何划分用户群，如何基于特定用户群开展运营工作呢？本文从用户分群的4个维度以及如何将用户分群应用于业务增长进行了详细介绍。

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。

百度搜索结果针对所有站点开始出现“缩略图”，引起广泛的*，人们对于网站图片优化的重视程度开始慢慢加强。图片搜索相对文字来说容易吸引用户的眼球，更容易点击图片，用户的体验也相对较好。可见，对网站的图片进行搜索引擎优化也会给网站带来额外的流量。

把转化率等同于网站体验的，一般是互联网出身的设计师或产品经理，他们特别强调网站的视觉效果，交互的友好性; 把电子商务理解为零售渠道的，一般是做传统零售出身，他们喜欢处处开店，比如入驻平台然后经常性搞一些打折促销; 把电子商务理解成供应链的，这种电商的界面设计毫无美感(虽然很好用)，没有促销氛围，就如同一个人孤零零地在一个大仓库里面选东西，但它们的供应链做得非常到位，在网站随处都突出商品的库存、送达时间。 我们究竟该选择哪一种思路有一个原则，那就是用户转化率，即用户进店后有多少人掏腰包。 用户最终是否下单，是一种整体体验，如果用户不知道该网站，而第一次进入发现界面很简陋，自然会没有安全感，所以，我们应该*网站的视觉风格。

其实网站的数据分析才是第一位的！通过网站分析工具抓取用户数据，进而掌握网站的优缺点及用户的喜好。找到了这些数据就等于找到了用户需求，就可以对网站进行针对性的优化与改进。 我们以99click第三方网站分析工具SiteFlow为例，为大家介绍网站分析重点应*模块和指标。

对于大多数广告主来说，广告投放的目的无非就是吸引更多的用户，最终实现营销转化。但众多周知，广告数据造假已经成为行业的潜规则了。他们最怕出现这些问题：投放结果不理想，转化率低；所投入的财力与投放结果不成正比；广告费浪费严重等等。这已经严重侵害了广告主的权益。

信息技术和互联网不仅改变了消费者，而且改变了信息传递的方式，企业的营销必须变革。但是，消费者散落在不同的社交媒体平台上，其连接、互动、传播如同*大海。企业有意大幅提高社交媒体营销预算，却苦于找不到成熟的社交媒体营销策略作为指导。面对市场上眼花缭乱的社交媒体营销方式，企业大多仓促应对，被技术牵着鼻子走，营销浮于表面，定位不明。企业应该如何应对社交媒体营销趋势？如何开展营销活动？这是当今企业急需思考和解决的问题。

​公司里很多员工需要定期去某个城市出差，每次都是住酒店，带来了很大一笔花销。老板希望通过分析出差人数来决定是否有必要在那个城市长期租房子。 现在我们就跟大家分享一下，如何通过BDP来进行这个分析： 案例数据： 已收集到的出差数据为2017年每个员工每一次出差记录，包含“员工姓名”，“出差开始日期”，“出差结束日期”。为了简化，我们假设员工住酒店每人每天花费200元，租房的话每人每天花费100元，且酒店和租房的每间房只能住1个人。酒店可以每天决定是否入住，而租房必须整租一年。

国内对同期群分析相关的研究相对较少，也许不是所有的运营都知道同期群分析，但它是每个产品运营必备的分析方法。在著名的《精益数据分析》一书里面，作为测试数据分析的灵魂也提到了同期群分析的相关内容。 同期群分析最早用于医药研究领域，意在观察不同被试群体的行为随着时间的变化呈现出怎么样的不同。通过监测不同的被试群体，医药研究员可以观察到不同的处方和治疗方式对被试的影响并且确定被试共同的行为模式。

在数据分析中， AARRR模型是产品经理经常用到的数据分析模型。著名的《增长黑客》里面的数据分析基础，也是以这个模型为基础的。AARRR模型分析在指导产品运营中发挥了重要作用。 AARRR用户运营模型是在海盗理论模型基础上简化了，把用户细分，不同类型的用户对应的处理方式不同，用户分为新增、活跃、流失三类，每一种类型用户所对应的KPI也不同。比如新增用户，需要拉新，最终我们要看的是有多少用户去注册了，是否有达到我们预定的KPI。

漏斗分析模型已经广泛应用于流量监控、产品目标转化等日常数据运营与数据分析的工作中。例如在一款产品服务平台中，直播用户从激活 APP 开始到花费，一般的用户购物路径为激活 APP、注册账号、进入直播间、互动行为、礼物花费五大阶段，漏斗能够展现出各个阶段的转化率，通过漏斗各环节相关数据的比较,能够直观地发现和说明问题所在，从而找到优化方向。

运营的工作就是“帮产品搞事情”，围绕产品的拉新、促活、召回搞事情，目的是让产品活得更好，活得更久，而精细化运营是当前互联网环境下运营的核心思维，简单来说，这是一种建立在数据基础上的思维方式，用较少的成本以及更佳的用户体验获得较好的效果，那么如何在产品的不同阶段实现精细化运营呢？

很可能是因为缺少了有效的分析模型。今天就给大家分享9款经典的企业战略决策、营销决策、服务决策的分析模型，这些模型已经过诸多成功企业和顶尖企业家、经理人的实践验证，被证明是能决定企业成败，影响管理工作效率，有助于企业领导及管理者更好地迎接挑战的最有效的工具。

目前市面上的大部分A/B测试工具均不支持对流量进行计划分配即流量分配策略（一般为随机分配）。这样得到的测试结果，不仅不能真实的反映出目标核心用户的喜好还有可能给产品经理造成误导，对产品改进方向做出误判。在这推荐用户行为分析工具Cobub Razor，它可以帮我们准确的识别用户属性，从而为A/B测试提供流量分配策略，保证流量分配的科学性，试验结果的可信性。

过去，企业的数据资产大多是建立在交易数据之上的，利用用户属性、销售数据、物流数据、内部流程等数据建立数据资产，开展商业应用。随着“用户时代”的到来，拥有数据的规模、灵活性，以及收集、运用数据的能力，将决定企业的核心竞争力。 通过挖掘收集的业务信息，企业可以预测市场需求，进行智能化决策分析，从而制定更加有效的战略，此外，以用户数据和业务数据为核心优化运营，通过用户画像、市场和渠道分析、销售数据的分析提升产品性能、优化运营效率、进行精准营销。

对于一个企业网站来说，网站一定要有核心页面，从用户的角度来说，核心页面能够让他们快速的了解企业的核心竞争力或者说实力;从搜索引擎优化的角度来说，核心页面能够集中权重，让网站的核心关键词获得比较好的排名。所以，我们企业网站建设要注意建设自己网站的核心页面。

一个设计的改变，能将网站点击通过率提升192％、转化率提升27%——可能吗？Hubspot的测试证明：可能！这就是“转化率优化”（Conversation Rate Optimization）的魅力，它的英文缩写是CRO，通过优化转化流程，降低获客成本。但是，究竟从哪一步开始做，才能让这样的“奇迹”发生？

时基定价策略是根据不同时间消费者所能承受的价格相异来实施的，关键在于把握顾客不同时间对价格承受的心理差异。例如，超前型购买者对新款时装、电脑、创新电子产品,以及新版精装图书趋之若鹜，他们愿意为此支付更高的价格，那么在一些B2C的电子商务网站上商家就可以根据此特点来制定有形商品的价格。

有人说，这些大数据记录的音乐风格喜好感觉比我自己还了解自己，也有人说，这样的大数据根本不准，“感觉只记录了上半年，没有记录下半年“。 《大数据时代》的作者曾说，大数据提供的并不是精确的数据。这份对个人来说没有那么准确的数据，记录的是个体用户的行为轨迹，汇总以后就是用户的心理。 在网易H5又一次刷屏的背后，我们不难看到大数据分析带来的巨大营销价值，数据驱动营销策略，营销打动更多用户，网易的用户增长数据是最有力的证明。

在这个数据驱动运营的时代，数据不仅是数据工程师和分析师的事情，在工作中也要求运营从业者有一定的数据分析能力，更有人说“数据分析能力是未来运营的分水岭”。从我自身角度出发，真心觉得数据能更好推动运营策略和工作的开展。 但运营童鞋多是数据小白，没有编程和技术基础，那我们该怎么分析并用好数据呢？今天从运营常见的数据问题出发，希望让大家能快速地入门数据分析，让数据更好地为工作服务，别白白浪费数据的价值。

广告效果指标分很多，每一种监测指标反映不同的数据效果，比如二跳率、到达率等反应广告效果有没有达到媒体的承诺；曝光量、点击量反映CPC、CPM够不够，广告受众地域分布反应投放的区域受众人群是不是正确等信息。 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。

消费者研究也称消费市场研究，是指在对市场环境（政治、法律、社会、文化、技术）、人口特征、生活方式、经济水平等基本特征进行研究的基础上，运用各种市场调研技术和方法，对消费群体通过认知、态度、动机、选择、决策、购买、使用等阶段实现自身愿望和需要的研究。

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。

运营部门，覆盖从激活、留存、营收到传播各个阶段； 产品部门，从功能实现的可用性和用户使用体验各个方面，对所有指标进行一个整体把控，但是根据产品阶段可分阶段设定优先级来逐步解决。 但是，如果每个部门各*各的指标，还是不能将精力集中在一起，如果想形成合力，可通过用户价值分层的同期群衡量表来统一大家的目标。以注册评估者占比新手投资占比复投占比，这个关键指标为例，说明如何使用这张用户价值分层的同期群衡量表。

以电商平台购物为例，总流量一定的情况下，购买人数越多，转化率越高。 而一个用户一次成功的购买行为依次涉及搜索（曝光）、浏览、加入购物车、结算、支付等多个环节，任何一个环节出现差错，都能让用户立刻放弃这次购买行为。根据有关数据，多数电商的转化率只有0.5%左右，这意味着有99.5%的流量被浪费了。