数据分析

• 数字和趋势
  看数字图片直观感受到走势

• 维度分解
  单一数字或趋势过于宏观，需要按维度拆解
  当发现异常流量时，可以按地区拆解，访问来源拆解，设备浏览器维度等，访问来源等

• 用户分群
  针对符合某特征行为的用户，进行归类处理，用户分群手段，可以通过提炼某一个特定用户的信息，建立改用户的画像，例如按访问房展在北京的地方，可以归结为’北京‘用户，gio通过用户分群功能，将支付失败的用户挑选，推送相应的优惠券，精准营销，可以大幅度提高用户支付的意愿

• 转化漏斗
  绝大多数商业变现的流程，都可以归纳为漏斗
  我们一般关注3点

1. 开始到结尾，整体的转化效率是多少？
2. 每一步转化率多少
3. 哪一步流失最多，流失用户符合哪些特征

• 行为轨迹
  关注用户行为轨迹，为了真实的了解用户的行为，数据指标往往是真实情况的抽象，如果只看UV，PV，断然无法全面了解用户是如何使用产品的，通过大数据手段，还原用户的行为轨迹，有助于团队关注用户的真实体验，可以看出产品和运营的问题，比如是不是产品不匹配

• 留存分析
  人口红利逐渐消退的时代，留住一个老用户的成本远远低于获取一个新用户，
  每一个产品，服务都应该重点关注用户的留存。比如LinkedIn，留存新用户最核心的手段是让用户添加联系人。

• A/B测试
  A/B测试用户来对比不同产品设计，算法对结果的影响，产品上线过程经常需要使用A/B测试来看两种效果如何，市场和运营可以通过A/B测试来完成不同渠道，内容，广告创意的效果

• 数学建模
  商业目标和用户行为，画像等信息有关联性时，需要用到数学建模，数据挖掘手段进行建模
  场景：流失建模，按照一些组合权重计算，得知用户满足哪几个行为之后消失的可能性更高

不能度量，就无法增长