數據分析思維，是分析思維的引申應用。再優秀的思考方式，都需要佐證和證明，數據就是派這個用處的。如果分析思維是一種結構化的體現，那么數據分析思維在它的基礎上再加一個準則：「不是我覺得，而是數據證明」。
數據分析思維也是面試中經常會被問到的。在面試中我經常會被問到“你認為數據分析過程中最難的地方是什么？”這其實就是在考察你的數據分析思維。因為最難的地方其實是對業務邏輯的理解，理解了業務邏輯你才有分析的思路，才知道該怎么去分析，而這一切只有自己真正做過項目才能夠有真實的感受。
在早期，新人最好選擇一到兩個領域深入了解其業務，然后以此拓展邊界
####怎么進行數據分析？
①細分
在細分方式上，主要有以下三種方式
1. 橫切：根據某個維度對指標進行切分及交叉分析
2. 縱切：以時間變化為軸，切分指標上下游
3. 內切：根據某個模型從目標內部進行劃分
②對比
對比主要分為以下幾種：
1. 橫切對比：根據細分中的橫切維度進行對比，如城市和品類
2. 縱切對比：與細分中的縱切維護進行對比，如漏斗不同階段的轉化率
3. 目標對比：常見于目標管理，如完成率等
4. 時間對比：日環比，周月同比；7天滑動平均值對比，7天內極值對比
③溯源
經過反復的細分對比后，基本可以確認問題所在了。這時候就需要和業務方確認是否因為某些業務動作導致的數據異常，包括新版本上線，或者活動策略優化等等。
如果仍然沒有頭緒，那么只能從最細顆粒度查起了，如用戶日志分析、用戶訪談、外在環境了解，如外部活動，政策經濟條件變化等等
④衍生模型
例如
4P模型（產品，價格，渠道，宣傳）
SWOT 模型（優勢，劣勢，機會，威脅）
PEST 模型（政治，經濟，社會，科技）
波士頓矩陣
一、分析框架
分析也是有框架和方法論的，主要圍繞三個要點展開：
一個業務沒有指標，則不能增長和分析；
好的指標應該是比率或比例；
好的分析應該對比或關聯。
舉一個例子：我告訴你一家超市今天有1000人的客流量，你會怎么分析？
這1000人的數量，和附近其他超市比是多是少？（對比）
這1000人的數量比昨天多還是少？（對比）
1000人有多少產生了實際購買？（轉化比例）
路過超市，超市外的人流是多少？（轉化比例）
這是一個快速搭建分析框架的方法。如果只看1000人，是看不出分析不出任何結果。
二、數據思維的框架
如果你不能用指標描述業務，那么你就無法有效增長它。
每一位數據分析師都要有指標體系的概念，報表也好，BI也好，即使機器學習，也是圍繞指標體系建立的。
下圖就是一個典型的指標體系，描述了用戶從關注產品、下載、乃至最后離開的整個環節。每一個環節，都有數據及指標以查詢監控。
不同業務背景需要的指標體系不同，但有幾個建立指標的通用準則。
好指標與壞指標
好指標應該是核心驅動指標。雖然指標很重要，但是有些指標需要更重要。就像銷量和利潤，用戶數和活躍用戶數，后者都比前者重要。
核心指標不只是寫在周報的數字，而是整個運營團隊、產品團隊乃至研發團隊都統一努力的目標。
記住是一個階段，不同時期的核心驅動指標不一樣。不同業務的核心驅動指標也不一樣。
互聯網公司常見的核心指標是用戶數和活躍率，用戶數代表市場的體量和占有，活躍率代表產品的健康度，但這是發展階段的核心指標。在產品1.0期間，我們應把注意力放到打磨產品上，在大推廣前提高產品質量，這時留存率是一個核心指標。而在有一定用戶基數的產品后期，商業化比活躍重要，我們會關注錢相關的指標，比如廣告點擊率、利潤率等。
好的指標還有一個特性，它應該是比率或者比例。
拿活躍用戶數說明就懂了，我們活躍用戶有10萬，這能說明什么呢？這說明不了什么。如果產品本身有千萬級別的注冊用戶，那么10萬用戶說明非常不健康，產品在衰退期。如果產品只擁有四五十萬用戶，那么說明產品的粘性很高。
壞指標有哪些呢？
其一是虛榮指標，它沒有任何的實際意義。
產品在應用商店有幾十萬的曝光量，有意義嗎？沒有，我需要的是實際下載。下載了意義大嗎？也不大，我希望用戶注冊成功。曝光量和下載量都是虛榮指標，只是虛榮程度不一樣。
第二個壞指標是后驗性指標，它往往只能反應已經發生的事情。
活動運營的ROI（投資回報率）也是后驗性指標，一個活動付出成本后才能知道其收益。可是成本已經支出，活動的好與壞也注定了。活動周期長，還能有調整余地。活動短期的話，這指標只能用作復盤，但不能驅動業務。
第三個壞指標是復雜性指標，它將數據分析陷于一堆指標造成的陷阱中。
指標能細分和拆解，比如活躍率可以細分成日活躍率、周活躍率、月活躍率、老用戶活躍率等。數據分析應該根據具體的情況選擇指標，如果是天氣類工具，可以選擇日活躍率，如果是社交APP，可以選擇周活躍率，更低頻的產品則是月活躍率。
指標結構
指標也有固有結構，呈現樹狀。指標結構的構建核心是以業務流程為思路，以結構為導向。
我們把金字塔思維轉換一下，就成了數據分析方法了。
從內容運營的流程開始，它是：內容收集—內容編輯發布—用戶瀏覽—用戶點擊—用戶閱讀—用戶評論或轉發—繼續下一篇瀏覽。
這是一個標準的流程，每個流程都有指標可以建立。內容收集可以建立熱點指數，看哪一篇內容比較火。用戶瀏覽用戶點擊則是標準的PV和UV統計，用戶閱讀是閱讀時長。
當你有了指標，可以著手進行分析，數據分析大體可以分三類，第一類是利用維度分析數據，第二類是使用統計學知識如數據分布假設檢驗，最后一類是使用機器學習。我們先了解一下維度分析法。
維度是描述對象的參數，在具體分析中，我們可以把它認為是分析事物的角度。銷量是一種角度、活躍率是一種角度，時間也是一種角度，所以它們都能算維度。
數據模型不是一個高深的概念，它就是一個數據立方體。
上圖就是三個維度組成的數據模型／數據立方體。分別是產品類型、時間、地區。我們既能獲得電子產品在上海地區的2010二季度的銷量，也能知道書籍在江蘇地區的2010一季度銷量。
數據模型將復雜的數據以結構化的形式有序的組織起來。我們之前談到的指標，都可以作為維度使用。下面是范例：
上圖就是三個維度組成的數據模型／數據立方體。分別是產品類型、時間、地區。我們既能獲得電子產品在上海地區的2010二季度的銷量，也能知道書籍在江蘇地區的2010一季度銷量。
數據模型將復雜的數據以結構化的形式有序的組織起來。我們之前談到的指標，都可以作為維度使用。下面是范例：
將用戶類型、活躍度、時間三個維度組合，觀察不同用戶群體在產品上的使用情況，是否A群體使用的時長更明顯？
將商品類型、訂單金額、地區三個維度組合，觀察不同地區的不同商品是否存在銷量差異？
數據模型可以從不同的角度和層面來觀察數據，這樣提高了分析的靈活性，滿足不同的分析需求、這個過程叫做OLAP（聯機分析處理）
數據模型還有幾種常見的技巧、叫做鉆取、上卷、切片。
選取就是將維度繼續細分。比如浙江省細分成杭州市、溫州市、寧波市等，2010年一季度變成1月、2月、3月。上卷則是鉆取的相反概念，將維度聚合，比如浙江、上海、江蘇聚合成浙江滬維度。切片是選中特定的維度，比如只選上海維度、或者只選2010年一季度維度。
談到維度法，想要強調的是分析的核心思維之一：對比，不同維度的對比，這大概是對新人快速提高的最佳捷徑之一。比如過去和現在的時間趨勢對比，比如不同地區維度的對比，比如產品類型的區別對比，比如不同用戶的群體對比。單一的數據沒有分析意義，只有多個數據組合才能發揮出數據的最大價值。
我想要分析公司的利潤，利潤 = 銷售額 – 成本。那么找出銷售額涉及的指標／維度，比如產品類型、地區、用戶群體等，通過不斷的組合和拆解，找出有問題或者表現良好的原因。成本也是同理。
這就是正確的數據分析思維。總結一下吧：我們通過業務建立和篩選出指標，將指標作為維度，利用維度進行分析。
很多人會問，指標和維度有什么區別？
維度是說明和觀察事物的角度，指標是衡量數據的標準。維度是一個更大的范圍，不只是數據，比如時間維度和城市維度，我們就無法用指標表示，而指標（留存率、跳出率、瀏覽時間等）卻可以成為維度。通俗理解：維度>指標。
分析若只是當一份報告呈現上去，后續沒有任何跟進、改進的措施，那么數據分析等與零。
業務指導數據，數據驅動業務。這才是不二法門。
三、訓練方法
以生活中的問題出發做練習。
這家商場的人流量是多少？怎么預估？
上海地區的共享單車投放量是多少？怎么預估？
街邊口的水果店，每天的銷量和利潤是多少？怎么預估？
這些開放性問題起源于咨詢公司的訓練方法，通過不斷地練習，肯定能有效提高分析思維。另外就是刷各種CaseBook。
四、通用的互聯網業務模型
產品運營模型：以移動端APP為主體，以經典的AAARR框架學習，了解活躍留存的指標和概念，包括Acquisition用戶獲取、Activation用戶活躍、Retention用戶留存、Revenue營收、Refer傳播，以及細分指標。
市場營銷模型：以傳統的市場營銷方法論為基底，圍繞用戶的生命周期建立框架。包括用戶生命周期，生命周期價值、用戶忠誠指數、用戶流失指數、用戶RFM價值等。
流量模型：從早期的網站分析發展而來，以互聯網的流量為核心。包括瀏覽量曝光率、病毒傳播周期、用戶分享率、停留時間、退出率跳出率等。
電商和消費模型：以商品的交易、零售、購買搭建而起。包括GMV、客單價、復購率、回購率、退貨率、購物籃大小、進銷存，也包含SKU、SPU等商品概念。
用戶行為模型：通過用戶在產品功能上的使用，獲得精細的人群維度，以此作為分析模型。包括用戶偏好、用戶興趣、用戶響應率、用戶畫像、用戶分層，還包含點贊評論瀏覽收藏等功能的相關指標。
五、產品運營模型 ：AARRR模型
獲取（Acquisition）：用戶如何發現（并來到）你的產品？
激活（Activation）：用戶的第一次使用體驗如何？
留存（Retention）：用戶是否還會回到產品（重復使用）？
收入（Retention）：產品怎樣（通過用戶）賺錢？
傳播（Retention）：用戶是否愿意告訴其他用戶？
獲取部分一般需要評估的維度有：渠道的獲客數量、獲客質量等 。渠道數量和質量的指標有很多，要依據產品及公司業務模塊區分制定，一般有：每日新增、累積新增、啟動次數、首次交易戶、首綁交易戶、一次性用戶數、平均使用時長等。
激活一般指注冊激活、主動活躍、推送活躍、交易活躍等。例如顯示這個APP的交易活躍明顯大于主動活躍，那么可以推斷這個APP是交易驅動，可能是一個電商或者理財類的APP。對于一些新聞、娛樂、社交類的APP，它們的主動活躍一般會高于交易活躍。
這里要特別說明的是注冊激活部分。注冊激活部分需要進行詳細的頁面埋點，列出影響注冊激活的因素，對這些元素不斷優化，最后提高產品的注冊激活數量。
留存部分，一般，次日留存>3日留存>7日留存>次月留存。用戶的留存量剛開始會下降的比較嚴重，到了后期會逐漸穩定在一個數量級上。穩定下來的這些用戶，基本上就是產品的目標用戶了。
留存還有很多指標，如：次日留存、3日留存、每日流失、每日回流、用戶聲明周期、平均生命周期貢獻、7日回訪用戶、使用間隔、頁面訪問量、回訪率等等。具體選定哪個維度進行統計要依據自己的產品和業務重新定制。
收入部分主要是公司的業務層面的數據，用戶使用APP后，瀏覽了什么樣的商品和服務，選了了什么商品和服務，最后支付了多少。關于固體交易金額的數據，第三方工具一般統計不了，公司也不可能把這部分數據接口開放給第三方，所以這塊是需要我們在產品后臺單獨做埋點的。
整個支付環節的埋點一般有兩個主要因素要考慮，一是看用戶的支付支付體驗是否順暢，是否有一些頁面卡主了用戶，讓用戶無法進行交易。二是看在哪一個頁面流失最高，用控制變量的方法調整流失率高的頁面的欄位、交互等。
傳播部分一般可以分成兩個維度，輿情監控維度（包括用戶的主動傳播分享）和產品的引導分享維度。
大一點的公司一般都有專業的部門來負責輿情監控，會收集和處理一些負面的評論，積極傳播產品的正面價值。
產品內部的引導分享可以參照上面的表格制定一些監控因素，最后統計數據，指導下一步工作。
注：埋點
做埋點的時候， 一般要做兩張表格，一張是埋點事件表，一張是埋點統計表。
數據埋點事件表包括頁面、事件名稱、備注。一般是記錄每個頁面的交互事件，一般是后臺記錄次數。比如點擊登錄按鈕的次數、點擊獲取驗證碼的次數，進入某個頁面的次數、退出某個頁面的次數等。
埋點統計表包括具體的模塊，業務說明，備注。
六、用戶生命周期模型
用戶的生命周期，簡單來說就是：用戶從開始接觸產品到離開產品的整個過程。
搭建用戶生命周期模型的一般步驟如下：
業務邏輯梳理；
找到影響用戶留存/消費的關鍵功能；
定義各階段用戶行為。
通用用戶行為定義模板：
各個時期目標以及策略：
引入期：運營目標——獲客；運營策略——優化渠道、提高注冊轉化率和下單轉化率
成長期：運營目標——提升用戶價值、引導用戶多次購買，培養用戶使用習慣；運營策略——抓住用戶每一次需求窗口促進購買，提升用戶購買次數，客訴及時安撫
成熟期：運營目標——維持忠誠度、促進傳播；運營策略——促進N購、交叉營銷、老用戶關懷、鼓勵傳播
休眠期：運營目標——降低流失；運營策略——流失分析、流失預警、潛在流失用戶召回
流失期：運營目標——召回用戶；運營策略——流失召回、產品診斷與重新定位
注：貫穿各個生命周期的問卷調查
用戶問卷調查是獲取用戶真實需求的有效手段，《增長黑客》中介紹的很多優化產品功能與運營策略，從而實現用戶爆發式增長的例子，都始于用戶調研。
問卷調查貫穿用戶生命周期的各階段，主要的調研節點有：
用戶生命周期價值?：
生命周期價值是用戶在生命周期內能為企業提供多少收益，它需要涉及財務定義。互聯網行業更多提到生命周期，而不是生命周期價值，因為互聯網的商業模式沒有傳統營銷的買和賣那么簡單明確。舉個例子，微信用戶的生命周期價值能否計算？并不能，不論是廣點通、游戲或者微信理財，都推導不出一個泛化的模型。但是部分產品，如金融和電商，生命周期價值是可計算的。以互聯網金融舉例，某App提供理財和現金貸款兩種業務，公司從這兩個業務中獲得收入通常是一個較穩固的比率，而成本支出平攤每個用戶頭上也是固定常數。所以利潤就變成了用戶理財和貸款的金額大小，以及生命周期的長短。這兩者都是可估算的。生命周期價值比生命周期重要，因為公司要活下去，就得賺更多的錢，而不是用戶使用時間的長短
七、?回訪用戶、流失用戶和流失預警
回訪用戶：用戶流失后，再次訪問的用戶。
用戶回訪率＝回訪用戶（再次訪問的已流失用戶）÷所有已流失用戶×100%
對于用戶流失時間，我們有一個一般定義：用戶回訪率在5%-10%區間，這個區間對應的時間點及之后的時間，我們認為用戶已經流失。
例如：
如果我們設定的流失期限較短，流失回訪用戶則較多，流失回訪率也就較高。隨著流失期限的延長，流失回訪率呈單調下降趨勢：在拐點處，用戶回訪率為5%，這個拐點對應的流失期限是10月，在10個月之后的用戶回訪率均低于5%。所以，我們認為，這款產品的用戶流失時間，可以選擇在用戶停止發生XX行為10個月后，該用戶即為流失用戶。
注意：
回訪用戶不僅僅是回來打開App的用戶，要根據具體產品屬性進行判斷。對于理財類產品，回訪用戶指的是投資；對于工具類產品，回訪用戶指的是登錄；對于社交類產品，回訪用戶指的是互動；針對內容型產品，回訪用戶指的是訪問。
分析流失預兆：
針對已流失用戶進行研究分析，找出他們流失前的共同點，如果當前的活躍用戶在未來某一天出現已流失用戶的相似征兆，則需要觸發流失預警機制。
分析流失預兆步驟如下：
確定流失用戶，分析用戶流失前的行為；
假設用戶流失的影響因素；
通過訪談，明確用戶流失的行為路徑。
分析流失用戶流失前的行為，一般可以從以下幾個方向進行數據分析：
用戶流失前發生了哪些相似的行為；
用戶是否集中在某一渠道；
用戶屬性是否一致；
流失前，產品、運營、市場是否發生某些變動。
注意：分析流失前的用戶行為，我們只需要分析用戶導入期、成長期、成熟期的數據。
設計預警機制：
根據上述得到的何為流失用戶，以及流失用戶在流失前的行為，我們就可以開始設計預警機制了。
分等級實現，根據流失前用戶的行為指標，分別對這些指標賦予相應的權重，根據這些指標、權重進行計算，當數值高于XX值時，系統定義該用戶具有流失風險，要么自動觸發、要么將名單傳輸到運營手里，運營人工召回。
流失用戶召回策略，用戶進入休眠期或流失期后，我們可以采取以下幾種方法來召回用戶：
優惠刺激：使用租車平臺進行租車的用戶大多是價格敏感型用戶，我們可以通過加大優惠力度來召回用戶。對于在平臺留下較多行為數據的用戶，我們可以推送個性化優惠來提高召回成功率。提醒用戶有未使用的優惠和會員權益，對于賬戶中尚有未使用的優惠券或會員權益的用戶，我們可以對其進行“尚有未使用優惠”的提醒。
游戲化喚醒：邀請用戶參與平臺游戲（如抽獎），以游戲化的方式給用戶新鮮感，提升用戶的活躍度。
情感化喚醒：再現用戶在平臺上完成的旅程，并發送聲情并茂的召回郵件。
客戶/用戶忠誠指數
忠誠指數是對活躍留存的再量化。活躍僅是產品的使用與否，A用戶和B用戶都是天天打開App，但是B產生了消費，那么B比A更忠誠。數據往往需要更商業的指標描述用戶，消費與否就是一個好維度。
客戶/用戶流失指數
流失指數是對流失的再量化，它是忠誠指數的反面。流失率衡量的是全體用戶，而為了區分不同用戶的精細差異，需要流失指數。在早期，流失指數=1-忠誠指數。
流失指數和忠誠指數的具體定義能根據業務需要調整，比如忠誠按是否消費，流失按是否打開活躍，只要解釋能站住腳。
在擁有足夠的行為數據后，可以用回歸預測流失的概率，輸出[0,1]之間的數值，此時流失的概率便是流失指數。
八、用戶分群模型：RFM模型?
客戶/用戶價值指數
用戶價值指數是衡量歷史到當前用戶貢獻的收益（生命周期價值是整個周期，包括未來），它是精細化運營的前提，不同價值的用戶采取不同策略以最大化效果。用戶價值指數的主流計算方式有RMF模型，利用R最近一次消費時間，M總消費金額，F消費頻次，將用戶劃分成多個群體。不同群體即代表了不同的價值指數。
RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。該機械模型通過一個客戶的近期購買行為(Recency)、購買的總體頻率(Frequency)以及花了多少錢(Monetary)三項指標來描述該客戶的價值狀況。體現了分類思維。
在R/M/F三個指標上，我們通過經驗將實際的用戶劃分為以下8個區（如上圖），我們需要做的就是促進不同的用戶向更有價值的區域轉移。也就是將每個付費用戶根據消費行為數據，匹配到不同的用戶價值群體中，然后根據不同付費用戶群體的價值采用不同的策略。
九、多渠道歸因問題的三種類型
十、流量模型
瀏覽量：PV，即頁面訪問量或點擊量，用戶每1次對網站中的每個網頁訪問均被記錄1次。用戶對同一頁面的多次訪問，訪問量累計。
渠道到達量：俗稱曝光量，即產品推廣頁中有多少用戶瀏覽。它可以在應用商店，可以在朋友圈，可以在搜索引擎，只要有流量的地方，都會有渠道曝光。曝光量是一個蠻虛榮的數字，想一想現代人，每天要接觸多少信息？其中蘊含了多少推廣，最后能有幾個吸引到用戶？更多時候，渠道到達量和營銷推廣費掛鉤，卻和效果相差甚遠。
渠道ROI：ROI是一個廣泛適用的指標，即投資回報比。
市場營銷、運營活動，都是企業獲利為出發點，通過利潤/投資量化目標。利潤的計算涉及財務，很多時候用更簡單的收入作分子。當運營活動的ROI大于1，說明這個活動是成功的，能賺錢。
PV(PageView)是頁面瀏覽量，用戶在網頁的一次訪問請求可以看作一個PV，用戶看了十個網頁，則PV為10。
UV(Unique Visitor)是一定時間內訪問網頁的人數，正式名稱獨立訪客數。在同一天內，不管用戶訪問了多少網頁，他都只算一個獨立訪客。
用戶訪問時長：是一次會話持續的時間。不同產品類型的訪問時長不等，社交肯定長于工具類產品，內容平臺肯定長于金融理財，如果分析師發現做內容的產品大部分用戶訪問時長只有幾十秒，那么最好分析一下原因。
退出率：是網頁端的一個指標。網頁端追求訪問深度，用戶在一次會話中瀏覽多少頁面，當用戶關閉網頁時，可認為用戶沒有「留存」住。退出率公式：從該頁退出的頁面訪問數/進入該頁的頁面訪問數，某商品頁進入PV1000，該頁直接關閉的訪問數有300，則退出率30%。
跳出率是退出率的特殊形式，有且僅瀏覽一個頁面就退出的次數/訪問次數，僅瀏覽一個頁面意味著這是用戶進入網站的第一個頁面，俗稱落地頁LandingPage。
退出率用于網頁結構優化，內容優化。跳出率常用于推廣和運營活動的分析，兩者容易混淆。
K因子：每位用戶平均向多少用戶發出邀請，發出的邀請又有多少有效的轉化率，即每一個用戶能夠帶來幾個新用戶，當K因子大于一時，每位用戶能至少能帶來一個新用戶，用戶量會像滾雪球般變大，最終達成自傳播。當K因子足夠大時，就是快口相傳的病毒營銷。
國內的邀請傳播，主體自然是微信朋友圈。微信分享功能和網頁都是能增加參數統計的，不難量化。
病毒傳播周期：活動、廣告、營銷等任何能稱之為傳播的形式都會有傳播周期。病毒性營銷強則強矣，除非有后續，它的波峰往往只持續兩三天。這也是拉新的黃金周期。
另外一種傳播周期是圍繞產品的邀請機制，它指種子用戶經過一定周期所能邀請的用戶。因為大部分用戶在邀請完后均會失去再邀請的動力，那么傳播周期能大大簡化成如下：假設1000位種子用戶在10天邀請了1500位用戶，那么傳播周期為10天，K因子為1.5，這1500位用戶在未來的10天內將再邀請2250位用戶。
理論上，通過K因子和傳播周期，能預測依賴傳播帶來的用戶量，可實際的操作意義不大，它們更多用于各類活動和運營報告的解讀分析。
用戶分享率：現在產品都會內嵌分享功能，對內容型平臺或者依賴傳播的產品，分享率是較為重要的指標，它又可以細分為微信好友/群，微信朋友圈，微博等渠道。
有一點值得注意，數據只能知道用戶轉發與否，轉發給誰是無法跟蹤的。所以產品用物質激勵用戶分享要當心被薅羊毛。反正我轉發都是給「文件傳輸助手」的…
活動曝光量/瀏覽量：傳播和線上活動是息息相關的，這兩者的差異不大。想要做好一個活動，單純知道活動的瀏覽量是不夠的，好的活動一定是數據分析出來的。
十一、電商和消費模型
GMV：Gross Merchandise Volume，是成交總額（一定時間段內）的意思。
在電商網站定義里面是網站成交金額。這個實際指的是拍下訂單金額， 包含付款和未付款的部分。GMV指標不是實際的交易數據，但具有一定的參考價值。比如，實際支付占比的大小，可以切實反映買家的購買行為和退單比例，并可進一步研究出顧客的購買意向以及市場整體交易情況。GMV數值可能遠遠超過實際成交金額.
對于資本市場而言，電商平臺企業的快速增長遠比短期的利潤更加重要，GMV正是衡量電商企業增速的最核心指標。
客單價：傳統行業，客單價是一位消費者每一次到場消費的平均金額。在互聯網中，則是每一筆用戶訂單的收入，總收入/訂單數。
很多游戲或直播平臺，并不關注客單價，因為行業的特性它們更關注一位用戶帶來的直接價值。超市購物，用戶購買是長周期性的，客單價可以用于調整超市的經營策略，而游戲這類行業，用戶流失率極高，運營人員更關注用戶平均付費，這便是ARPU指標，總收入/用戶數。
ARPU可以再一步細分，當普通用戶占比太多，往往還會采用每付費用戶平均收入ARPPU，總收入/收費用戶數。
復購率：若把復購率說成營收屆的留存率，你就會知道它有多重要了。和新增用戶一樣，獲得一個新付費用戶的成本已經高于維護熟客的成本。
在不少分析場景中，會將首單用戶單獨拎出來作為一個標簽，將兩次消費以上的用戶作為老客，之所以這樣做，是從一到二的意義遠不止加一那么簡單。
用戶第一次消費，可能是體驗產品，可能是優惠，可能也是運營極大力地推動，各類因素促成了首單。而他們的第二次消費占比會有斷崖式下跌(對應次日留存率的下跌)，因為這時候的消費逐漸取決于用戶對產品的信任，模式的喜歡或者習慣開始養成。
很多時候，用戶決策越長往往意味著客單價越高，如投資，旅游。此時首單復購率越是一個需要關注的指標，它意味著更多的利潤。
復購率更多用在整體的重復購買次數統計：單位時間內，消費兩次以上的用戶數占購買總用戶數。
回購率是另外一個指標，值得是上一個時間窗口內的交易用戶，在下一個時間窗口內仍舊消費的比率。例如某電商4月的消費用戶數1000，其中600位在5月繼續消費，則回購率為60%。600位中有300位消費了兩次以上，則復購率是50%。
退貨率：退貨率是一個風險指標，越低的退貨率一定越好，它不僅直接反應財務水平的好壞，也關系用戶體驗和用戶關系的維護。
購物籃分析：購物籃分析不應限于電子商務分析，而是用戶消費行為分析。
連帶率是購物籃分析的一種指標，特指銷售件數和交易次數之比。在大型商場和購物中心中，連帶消費是經營的中心，用戶多次消費即連帶消費。在電商中是購物的深度，是單次消費提高利潤的前提。
商品熱度是一種快速見效的分析。可以將商品分為最熱門Top20，最盈利Top20等，它依托二八法則，找出利潤的抓手，很多營銷會將它和連帶率結合，像電子商務，重點推廣多個能帶來流量的熱門爆款，爆款并不賺錢，而是靠爆款連帶銷售其他有利潤的商品。這種流量商品連帶利潤商品的策略并不少見。
購物籃分析中最知名的想必是關聯度，簡單理解是，買了某類商品的用戶更有可能買哪些其他東西。啤酒與尿布大概是最知名的案例了，雖然它是錯的，但揭示了商品之間確實存在關聯。
關聯分析有兩個核心指標，置信度和支持度。支持度表示某商品A和某商品B同時在購物籃中的比例，置信度表示買了商品A和人有多少同時買了B，表示為A→B。老王每次去菜場買菜都喜歡買一把蔥，在老王的菜籃(購物籃)分析中，蔥和其他菜的支持度很高，可是能說明老王買蔥后就一定買其他菜(蔥→其他菜)么？不能，只能說老王買了菜會去買蔥(其他菜→蔥)。除此還有提升度。 最有名的是Apriori算法。
關聯分析并非只適用于購物籃，在很多營銷場景中都會用它作為追加銷售和交叉銷售。常見有大額消費+現金貸，醫療健康+保險等，目的便是提高營收。
一、麥肯錫思維
金字塔原理
麥肯錫思維中很重要的一條原理叫做金字塔原理，它的核心是層次化思考、邏輯化思考、結構化思考。
什么是金字塔？任何一件事情都有一個中心論點，中心論點可以劃分成3～7個分論點，分論點又可以由3～7個論據支撐。層層拓展，這個結構由上至下呈金字塔狀。
看一下運營中典型的金字塔思維：
我們活躍用戶數在下降（中心論點），主要原因是競爭加劇（分論點），其次原因是新用戶減少（分論點），老用戶流失加快（分論點）。其中競爭加劇是因為競爭對手ABC出現（論據），新用戶減少是ASO排名下降（論據）和渠道投入疲軟（論據）造成，老用戶流失是因為產品欠佳（論據）。我建議……
這是合格運營的結構化思考。
結構化思考我建議利用紙或思維導圖工具畫出來。我說過，人是依賴經驗思考的，擅長的是線性思維：因為-所以-最終，不擅長深度的結構思考。思維導圖是一個非常好的工具，擅加利用，已經完成一半。例如《金字塔原理》書的思維導圖：
結構化可以是三層，也可以拓展更多的分論點和層數。這一點大家想成我國語文教育中經典不衰的議論文作文模板：總-分-總結構（為什么作文要這樣寫，因為思路清晰，方便語文老師快速閱卷，用在思考是一樣的道理）。金字塔思維則是總-分-再分。
金字塔原理有一個核心法則MECE，讀作MeSee，全稱Mutually Exclusive Collectively Exhaustive，中文意思是相互獨立，完全窮盡。它指導我們如何搭建結構。
相互獨立，說的是每個分論點彼此應該沒有沖突和耦合，都屬于獨立的模塊。完全窮盡，則是所有的分論點都被提出，不會有遺漏。這一點看上去容易，其實很難做到。
回到我們活躍數下降的例子，它提出了競爭加劇、新用戶減少、老用戶流失三個分論點。競爭加劇，競爭對手涌入，本來就意味著競爭對手會掠奪你的新用戶，而ASO排名是非零和博弈，競爭對手上升你的排名就會下降，也造成新用戶減少。兩個分論點并不完全獨立，違反了MECE法則。那么應該怎么分？
1.競爭對手出現:
競爭導致ASO排名下降
競爭對手掠奪了新用戶
2.新增渠道疲軟：
投入減少
3.老用戶流失：
產品欠佳
如何劃分分論點，我們可以用事物間的不同特性劃分，它本質上也是一個分類問題，目的是找出事物（論點）之間的共性。
比如活躍下降可以從新老用戶展開、可以從產品不同模塊分析等等。分析思路不同，則分論點不同，核心依舊遵循MECE法則。當然很多分析結構已經有前人總結，屬于套路，諸如運營的核心拉新促活留存。
結構強調的是窮盡，也就是越多越好，而隨著分論點的增加，結構會更加復雜，不便于梳理和總結，所以分論點需要強調在3～7之間。
實際上我們很難真正做到窮盡，因為不了解的因素、隱藏的關鍵、信息不對稱、經驗等局限都會阻礙思維，做不到窮盡。如何找出盡可能多的分論點？這里列舉我的心得，這不是麥肯錫方法。
你首先要找到一個萬能公式。
絕大多數的商業項目、數據分析、業務討論，都可以抽象成公式：
利潤 = 銷售額 - 成本；
銷售額 = 購買人數 * 轉化率 * 客單價；
購買人數 = 地區A購買人數+地區B購買人數+……
地區A購買人數 = 地區A新用戶 + 地區A老用戶；
此類公式均為小學難度，可很多分析項目就是能用公式化的思維和套路概括。因為項目本身是由三到四個核心因素決定，只要找到核心因素，就能將其組合。
接下來舉一個具體問題：企業利潤下降了，是什么原因？我們就能用公式分解出分論點。
是銷售額下降了？還是成本上升？
如果是銷售額下降，那么是購買人數少了？是客單價下降了？還是購買轉化率降低？
以此類推，則能形成結構化的分析思路。
公式是一種思維框架，是一種經驗導向的方法論，將你過去的經驗總結和抽象，得到高度概括的因素。像利潤這種都是再簡單不過的商業理論，熟悉后就能快速使用。很多分析思維，在多年總結下，已經有成熟的解決方案。遇到問題，別急著畫思維導圖，不如先問問前輩和大牛們。經驗會阻礙我們，經驗也能幫助我們。
互聯網行業的分析有點特殊，因為互聯網的不確定性增加了。除了技術發展日新月異，用戶需求不斷改變，很多運營玩法也常常翻新。早幾年標題黨火爆，現在則注重內容價值的回歸，曾經運營的核心是用戶數，現在則是商業變現。這種快速變化導致分析思維也要有快速響應、學習和調整的能力。這方面，對互聯網的分析是一種挑戰。
對新人而言，很難一開始就掌握萬能公式，但在具體的工作過程中，需要有意識的總結和提煉。另外分析中會有非量化的因素，比如團隊士氣、管理風格、員工忠誠度等。這是公式無法解決的缺點。
MECE是思考活動的技術和藝術，首先得有一個思考作為開始。這是什么意思？因為金字塔是從上而下，需要有一個中心論點，也就是塔尖。
什么是假設先行？就是以假設作為思考的起點。我不需要做全局的思考，而是先問出一個問題，然后思考解決它：我這款產品的特點在A功能嗎？這款產品對用戶們很有吸引力嗎？我的活動如何在朋友圈引發傳播？怎么讓用戶在活動中更爽？
在做出假設后，引導思維去挖掘分論點，然后分析。比如我希望活動傳播，我要考慮哪些人會傳播，他們是因為利益引誘還是情感觸動？傳播的過程應該什么樣，方便還是復雜？這樣的分析思維，比堪堪想一個空中樓閣的完美方案靠譜多了。
不管問題形式是如何、是否還是能不能，只要作出了假設，就能用MECE原則畫出金字塔結構。不要想著從無盡的業務和數據中找出規律，這叫大海撈針。這種根據問題作為中心論點形成的結構化思維，叫做問題樹／邏輯樹 Issue Tree。
假設抽絲剝繭后的每一個論據都應該能用是或否回答。分析思維和數據分析不一樣，數據分析追求數據的精確度，而分析思維不需要，只要能回答問題，是和否足夠了。
假設會被否定或者拒絕，我認為產品對用戶有吸引力，但是最后所有的論據，包括留存率、用戶使用時長、功能使用率、用戶評價都是否定，那么吸引力也就不成立，此時應該修改假設：產品的某一方面有問題，然后繼續畫新的問題樹。
不要害怕修正錯誤的假設，不要尋找事實強撐錯誤的假設。
接下來談剪枝。MECE雖然能畫出詳盡的結構，但不意味著我們要全部分析。維基百科案例中的IssueTree，有些分論點層層展開，有些分論點就嘎然而止。很多論點我們沒有深入必要，需要對這部分論點論據舍棄，目的是找出關鍵驅動因素。
企業利潤的關鍵驅動因素是利潤和成本，用戶吸引力的關鍵驅動因素是留存率。利潤和成本還能再找出其中的細分關鍵因素，留存率也一樣。這才是我們要的。
一旦找到關鍵驅動因素，可以基于此展開數據調研、取證、分析和結論，而不是對所有問題樹開展。為什么需要圍繞關鍵驅動因素？這里有一個新的核心法則，大名鼎鼎。
二八法則！
現在我們來理一下分析思維的思路：
提出假設—MECE原則（萬能公式）—結構化分析—找出關鍵驅動因素—數據分析
二、了解SMART、5W2H、SWOT、4P理論、六頂思考帽等框架
七、波士頓矩陣
在傳統以營銷為主導的企業中，不論是日用品消費還是生產制造加工，企業一定有一系列的產品。波士頓矩陣認為，產品戰略管理可以從兩個角度衡量：市場增長率和相對市場占有率。
市場增長率是包括企業銷售額、競爭對手強弱及利潤高低的綜合指標。而相對市場占有率則代表了企業在市場上的競爭實力。
這兩個都是可量化的指標，將它們分別作X軸和Y軸，則能劃分出四個象限。
在產品管理中，我們把高增長率-高占有率的產品稱為明顯產品，從財務報告上看，它總是能產生利潤，但是高增長往往意味著高投資。某種情況下，它不代表著自給自足。如果市場份額處于壟斷或者領先地位時，那么企業不必再維持投入以保持高增長，此時產品能源源不斷地維持現金流，它被稱為現金牛。
現金牛產品的特點是高市場份額和低增長率。產品已經邁入成熟期，其特征是產生大量的現金收入，數額遠大于維持市場份額所需再投入的資金，是企業支持其他產品的后盾。
低增長率-低占有率的產品叫做瘦狗產品，這類產品對企業都是雞肋，財務特點是利潤率低、處于保本或虧損狀態。這類產品往往會實行撤退或者整頓的戰略。
低市場份額而高增長率的產品是問題產品，這些產品吸納的資金總是多于所產生的資金。雖然高增長率意味著市場未來潛力好，但是份額不高要打上一個問號。不投入資金，產品會衰亡，即使投入資金，若只能勉強維持住市場份額。那么它最終仍屬于瘦狗產品。
象限是動態的，明星產品的目標是成為現金牛，問題產品需要擺脫泥沼增加市場份額，而所有的產品都可能衰退為瘦狗。
八、矩陣思維
實際上，在我最初學習波士頓矩陣的時候，我對現金牛、瘦狗的概念依舊一知半解。但我牢牢記住了矩陣式思考，記住了象限劃分。
何為象限？我們拿兩個量化指標將分析對象劃分出多個種類：高-高、高-低、低-低、低-高，對象落在了四個象限，它便是矩陣思維下的產物
例如電商領域：
大家都應該聽過爆款產品，在淘寶店鋪運營中，爆款產品意味著高曝光量和低利潤率。這個詞第一次聽其他運營提及時，他們說很多爆款產品并不賺錢，往往是做高店鋪的流量。當很多人被爆款產品吸引過來的同時，會去購買店鋪其他正常利潤的商品，這里還會配合優惠券做交叉銷售，提高營收，這種方法是俗稱的帶量。
在你不知道矩陣思維的時候，可能只有帶量這么一個概念。而學會了矩陣，你就能聽出上述那段話的兩個指標：曝光量和利潤率。現在用它們劃分出四個象限。
每種類別的商品對應不同的運營策略，潛力商品可以在后期運營中增長曝光量，培養搜索權重；雞肋商品則要優化轉化率。這里通過象限梳理清楚了基于商品的運營邏輯，避免無頭蒼蠅般的抓瞎。
矩陣思維的一個優點是方便歸類和聚焦，它是可以指導策略的。
商品的象限維度不止曝光量和利潤率。我們可以嘗試曝光量-轉化率，去分析商品落地頁的效果，比如高曝光量-低轉化率的商品，是不是設計和文案有問題？也可以嘗試利潤率-回購率的象限維度，衡量商品長期的盈利多寡，某個商品雖然利潤低了些，但是用戶會反復購買，那么它也是半個明星產品。
矩陣思維可以應用在商品運營、用戶運營、人員管理、時間管理、用戶行為分析、用戶需求分析、產品功能分析等多個場景上。
它之所以是一種經典的思維框架，在于將無序的數據通過象限歸類為了有序。當面對一堆數據或信息一籌莫展時，想一想矩陣的象限劃分，它也許就是點燃閃電的火苗。
九、馬斯洛需求層次理論
馬斯洛理論把需求分成生理需求（Physiological needs）、安全需求（Safety needs）、愛和歸屬感（Love and belonging）、尊重（Esteem）馬斯洛需求層次理論和自我實現（Self-actualization）五類，依次由較低層次到較高層次排列。在自我實現需求之后，還有自我超越需求（Self-Transcendence needs），但通常不作為馬斯洛需求層次理論中必要的層次，大多數會將自我超越合并至自我實現需求當中。
通俗理解：假如一個人同時缺乏食物、安全、愛和尊重，通常對食物的需求量是最強烈的，其它需要則顯得不那么重要。此時人的意識幾乎全被饑餓所占據，所有能量都被用來獲取食物。在這種極端情況下，人生的全部意義就是吃，其它什么都不重要。只有當人從生理需要的控制下解放出來時，才可能出現更高級的、社會化程度更高的需要如安全的。
應用：
從企業經營消費者滿意（CS）戰略的角度來看，每一個需求層次上的消費者對產品的要求都不一樣，即不同的產品滿足不同的需求層次。將營銷方法建立在消費者需求的基礎之上考慮，不同的需求也即產生不同的營銷手段。
根據五個需求層次，可以劃分出五個消費者市場：
1． 生理需求→滿足最低需求層次的市場，消費者只要求產品具有一般功能即可
2．安全需求→滿足對“安全”有要求的市場，消費者關注產品對身體的影響
3． 社交需求→滿足對“交際”有要求的市場，消費者關注產品是否有助提高自己的交際形象
4． 尊重需求→滿足對產品有與眾不同要求的市場，消費者關注產品的象征意義
5． 自我實現→滿足對產品有自己判斷標準的市場，消費者擁有自己固定的品牌 需求層次越高，消費者就越不容易被滿足。
商業分析框架
1.第一層：?讓更多的用戶在更長久的時間內以更頻繁的次數購買更昂貴的商品。
用戶在哪里，商業就會在哪里。我們用一句哲學的話概括。用戶從哪里來，用戶到哪里去，用戶是誰？
更長久的時間，衡量的是用戶生命周期（使用產品時間服務）。換一個接地氣名詞，叫做客戶忠誠度。在互聯網行業，也有另外一個指標：用戶留存率。一是延長用戶使用時間，二是防止用戶離開。分析也可以從兩種角度出發，如果擁有某種功能或服務，用戶會不會更喜歡我們？如果砍掉某種功能或服務，用戶會不會離開我們？很多功能和服務其實處于中間態，對用戶的忠誠度不甚有影響。部分產品和服務，用戶使用時間是受限制的。例如懷孕，一款孕期管理APP，最理想的用戶使用時間就是十個月，商業模式也只能在十個月的范圍內展開。如何延長使用時間？在APP中加入備孕功能是個不錯的主意，在懷孕前，就讓準媽媽們開始使用，另外則是往后推出新生兒相關的功能，那么產品的使用時間又近一步延長。備孕、懷孕、幼兒，橫跨三個階段的商業周期。
更頻繁的次數，衡量的是用戶的消費需求。不同的商業場景下，消費頻次肯定不相同。消費頻次分為剛性頻次和彈性頻次。結婚就是剛性的頻次，一輩子基本只有一次。購物、出行、社交都是彈性頻次。
更甘貴的商品，衡量的是用戶消費能力。更昂貴重要，而更重要的是要產生購買的行為。這里先理清兩個概念：價格和價值。價值是原材料、物流、研發的體現。價格是市場、品牌、公關、包裝的體現。價值高的商品價格不會低，價值低的商品卻可以價格高。發燒友的手機，情懷黨的手機等細分市場的杰出營銷。所以價值高于價格是商業的常態。
2.第二層：用更高的效率以更低的成本搶占更多的市場并且更好地滿足用戶需求。
這一層不限于經營模式，而是管理模式。第一層的四個維度，并不能幫助商業模式活下來和活得久。因為企業需要盈利，第一層框架對應的只是GMV，而不是利潤。第二層框架，就是商業管理框架，我們不僅要經營商業，還要能管理商業、控制商業。
更高的效率，這里的效率，不限于企業管理，也看資源的配置和運營。
引入成本，將商業分析的視角拔高到新程度。以第一層的框架為基礎：更多的用戶，獲取一個用戶或客戶的成本是多少。這些成本能不能降下來？更長久的時間，為了一個忠誠用戶需要多少支出，用戶在使用產品和商品過程中產生了多少收益？用戶用了產品兩年我一分錢都沒賺到怎么辦？更頻繁的次數？為了促銷花費了多少，ROI是多少？更昂貴的商品，營銷的費用是多少？客單價是多少？商品的生產成本是多少？這些成本后續支出能不能收回來？市場和運營的哪個環節投入，能夠獲得最大的回報？
市場份額可以粗略地劃分實體和線上。實體受地理位置影響，比如北上廣、中國市場、亞太市場、北美市場等。只要涉及實體，從超級賣場到燒餅鋪，都脫離不開空間屬性的影響。線上份額，即流量，是隨著互聯網興起的新興概念。如果分析商業的份額，一看用戶量，二看使用時間量，三看金額量。如果要分析商業的競爭格局，一看份額總體預期，二看份額增量，三看競爭對手數量。
需要和需求。需要是一匹更快的馬，需求是更快的代步工具，更深層次的需求是我能快速達到我的目的地。需要是明確表示得到的一個結果，需求則是驅動需要的深層價值。很多商業模式并沒有理清楚需求，用戶尋求的從來不是產品或者服務，而是解決方案。用戶的消費、用戶的忠誠都是圍繞解決方案進。你能解決我問題，我才會對你忠誠。
第一層的分析，聚焦于商業模式如何經營，是否能活下去。第二層的分析，聚焦于商業模式如何管理，是否能活得久。除了主要維度，還有其他因素也會影響我們的分析，例如政策影響，例如宏觀市場波動。這就是商業上的黑天鵝了。
3.第三層：用更好的創新搭建更大的生態延伸更多的領域。
