此文是《10周入门数据分析》系列的第30篇
想了解学习路线，可以先阅读“10周计划”
现在很多企业都是销售主导型，多数部门都是在为最终的客户销售做支撑。哪怕是拿着高薪的研发工程师，都得为客户的一个需求变更而加班熬夜。
最近公司一直在强调个人的价值、贡献，但价值太难说得清了。即使是像我们一直和数据打交道的分析师们，虽然擅长拿出大把的数据证明，但在老板眼里价值也都是基于业务，很难说有独立做一个事赚到钱或其他贡献。
如果高层重视你们还好，不重视的话……咳咳，不知道你们是否有和我一样的困扰？
尤其是每次在网上看到企业裁员部门整合的新闻，不由得一阵反思，自己到底有何价值？
有关绩效贡献的事，从管理上来讲，是缺乏量化，缺乏有效的KPI。有量化就有目标，有目标就有驱动，有驱动就有增长。反过来看公司，我们说一家好的公司是数据驱动的，任何感性的、经验的东西，都会被转化为数据模型，而在这个行业变化剧烈的环境下，不管你是产品经理、运营、市场、设计师还是工程师，其实每个人都应该有增长思维。
何为增长思维？
它的核心理论是围绕各种基础框架，用最低的成本、最高的速度，来获取客户，在最快的时间内实现增长。多用于市场、营销、产品、运营等。
有一个岗位不知道大家有没有听说过，增长黑客。
增长黑客在国内大火是去年的事，但稍稍懂行的人都知道，在国外早已是一套发展经年的成熟体系。可口可乐在2017年已经决定不再设置CMO岗位，其职能由权限更大的首席增长官CGO代替，带起过一波「CGO会不会干掉CMO」的大讨论。至于国内目前的火爆程度，只需看一眼招聘网站上增长岗位的数量。
一个合格的CGO，需要深懂业务、会数据分析、最好会写代码。而具备分析思维，能站在业务全局思考的分析师，个人觉得发展成CGO，最合适不过了。而增长黑客的方法恰恰就是我之前讲过的精细化运营体系的核心，其主要特点是以数据驱动增长、关注整个用户生命周期、将增长机制产品化，把增长做进产品中。
举个小例子：
曾经有个团队做过一款App，为了激励用户分享给朋友，往往会提供一定的激励给分享者（即“上家”）。当完成安装激活和任务后的朋友（即“下家”），会给上家一次性以及持续的激励。
但是收到分享链接并完成安装激活的下家，往往还需要输入上家的ID，才能完成绑定关系。但是这一步往往因为大大增加了上家和下家的沟通成本，大幅降低上家的分享意愿以及降低最后的分享率和绑定率。为了省掉这一步，设计并完成如下的步骤：上家一旦发起分享流程，服务端开始为该上家打包编译生成独立的APK包（APK包中含该上家的用户ID）自动同步CDN和发布该上家自有的APK包，生成对应该APK包的短链接第一步在100-200ms内完成，第二步在10s内完成，整个过程不超过10s。下家下载和安装后，自动完成绑定，最终的上下家绑定率提高了10倍以上，同时上家的留存也大幅提升。其暴力点在于：为每一个分享的用户生成独立的APK包和下载链接，并且在每一步，无论是编译，还是CDN同步，优化到极致，用最少的时间。
这样一个岗位的诞生，其实对分析师来讲，前途又开阔不少。所以，大家还要问我数据分析师的发展前途吗？
关于增长黑客的学习，推荐大家去读《增长黑客》。
整个过程包含：
1、搭建增长团队
2、找到产品的“啊哈”时刻
3、确认增长杠杆
4、快节奏试错
5、AARRR漏斗模型（获客、激活、留存、变现）
书中提到，增长黑客的巨大成功往往来自一连串小成功的累加。通过快速学习学到更多是快节奏增长黑客过程的目标和一大优点。增长最快的公司正是那些学习最快的公司。开展的实验越多，学习到的东西也就越多。个人理解就是小步快跑，快速迭代，尤其适用于创业和新产品投放。
下面通过一个案例讲述一款小产品如何从0到1使用增长黑客的方法，低成本开始增长实验，逐步走上精细化运营的道路，重点是思维。
一次从0到1的增长黑客实验
现在手头有一款服务于大宗化塑品买卖双方的B2B移动交易与社交工具。
产品的是用来给上下游工厂发布供应/求购信息，并推送给合作的客户或产品中的其他客户，是一个询盘议价的平台，可在线生成订单，签署合同，也可进行人脉管理，可对现有客户、同行/同事进行分组管理，建立新的人脉关系。
首先，先来张增长黑客方法论的核心画布，建立起直观印象，如下图：
然后按照增长黑客的方法：
1、找到产品增长的“北极星指标”
定义：北极星指标是用来衡量产品核心价值是否被用户体验到的重要指标。
作用：为了指引方向、统一认知；明确优先级、指导行动。
方法：
框架：产品的核心价值是什么？解决了用户哪些核心问题?哪个指标可以作为结果判断的依据？
自检：这个指标可以反映出用户的活跃程度吗？这个指标可以方便团队理解和交流吗？这个指标可以反映企业的经营情况吗？
经过讨论达成共识：作为一款平台产品，核心解决的是化塑品交易过程买卖双方存在的一系列问题，促成双方形成订单，其衡量的指标必然是与交易订单相关的指标。
于是，就在“订单总金额”、“订单总数量”、“询盘/报价次数”这3个备选指标中略有争议与讨论：
指标1：订单总数量
理由：原料单价较高，即使只有一两笔成交，成交订单总金额也会很高；既然是助手工具，应该更强调用户使用工具的频率，订单数量更能直接。
指标2：订单总金额
理由：作为交易助手工具，其核心价值就是促成成交，成交订单总金额可反应产品整体的运营情况，也能显示用户是否体验到了产品价值。
指标3：询盘/报价次数
理由：询盘/报价是形成订单的前置功能，现阶段数据还不佳的情况下，应先把关注点放在提高询盘/报价的次数上，提高询盘/报价的次数和成功率，才能提高订单成交相关指标。
指标1、2、3 都可一定程度上反映用户的活跃程度，但指标3询盘/报价的次数，只能反映业务流程前半段的活跃程度，可能也会存在多次磋商后，却没有产生交易的情况发生，最后指标3出局。
指标1、2都可以方便方便团队理解和交流。在反映企业经营情况方面，“成交订单总金额”胜出，因为总金额能更体现规模，最重要的是， 成交订单总金额 = 成交订单总数 * 成家订单平均单价，“成交订单总数量”可由“成交订单总金额”拆解得到。
故最后我们确定订单总金额为北极星指标。
2、构建产品增长的“增长等式”
定义：确定一个简化的数学公式，包含对用户增长或利润增长有影响的主要变量。
作用： 有助于更全面、简单、结构化的思考增长。
方法：
1）定义北极星指标，作为等式的输出变量。
2）绘制用户体验到产品价值的路径/步骤地图。
3）找到每个步骤对应的衡量指标，作为输入变量。
4）组合输入和输出变量，构建增长等式。
自检：
1）尽量分解每个变量，直到不能分解为止。
2）变量数据之间是否存在重复相加或部分遗漏的情况？
现在我们已经找到了这款产品的北极星指标，“订单总金额”。接着，我们按照用户从一无所知到体验到产品核心价值的主要步骤与对应的关键指标列出来：
1）下载应用 → 应用下载量
2）注册认证 → 注册率
3）首次询盘/报价（磋商） → 首次磋商率
4）首次形成订单 → 首次成交率
5）重复性磋商、形成订单 → 老用户平均磋商率、平均成交率
然后，将这些核心变量进行组合，有必要时，需要再分解，最终得出我们产品的增长等式为
订单总金额
= 新增用户的成交订单总金额 + 已有用户的成交订单总金额
= （新增用户成交订单总数量 * 新增用户的成交订单平均金额）+（已有用户成交订单总数量 * 已有用户的成交订单平均金额）
= （应用下载量 * 注册率 * 首次磋商率 * 首次成交率 * 成交平均金额）+ （已有用户数 * 老用户平均磋商率 * 老用户平均成交率 * 成交平均金额）
3、建立关键指标监测看板
定义：监测和记录产品渠道数据、用户行为数据、盈利数据的一系列图表或系统。
作用：了解数据是增长的基础、也是衡量增长结果的重要依据。
方法：
1）采用分级分步方法，先定义最重要的少数几个事件进行追踪，再逐渐添加次级事件。
2）定义基本事件后，构建基本的用户行为漏斗，记录每个步骤的留存率/流失率。
3）逐步建立以北极星指标、增长关键指标（获取、激活、留存、盈利、推荐）、细分指标（与关键行为、重要留存相关）、重要用户分组（渠道、新老用户、特定行为）为核心的图表化监控机制。
因开始成本有限，用户量少，我们每天只统计新用户从初次接触产品到最终形成订单过程中最重要的3个行为，“注册认证成功”、“发起磋商“”和“创建订单”的具体数据。
开始数据量小，我们先用Excel表做了最简单的统计，表头如下：
这些都准备好后，我们开展了一周的拉进活动，并每天记录下上述表单的数据，发现应用下载量逐步上升，注册率与发起磋商率却很低，注册率只有45%，首次磋商率只有40%。
根据数据反映出来的问题，我们开展了定性调研了解背后的原因，有针对性地挑选做出不同选择（坚持注册与放弃注册，发起磋商和放弃磋商）的两类用户进行访问。
注册率低，经调研，放弃注册的用户，大部分都为业务员，普遍认为注册太麻烦。而那些成功注册的用户，大部分都是老板，企业的营业执照手机上就有，所以并没有浪费很多时间。
首次磋商率低，经调研，主要原因是用户注册成功后，产品跳转到的页面是首页“我的供应/求购信息”的页面，作为新用户，并没有任何发布记录，所以面对这样一个“空白页”，会感到困惑，不知道如何操作。
4、设计增长实验
定义：以数据为指引，以实验的方式，系统性在用户生命周期的各个阶段，寻找当下性价比最高的机会，通过快速迭代实验达到增长目标。
作用：让增长结果可衡量，方法可重复。让增长更加有的放矢，科学严谨，提高效率和效果。
方法：
1）设定增长目标
2）找到聚焦领域
3）产生增长假设
4）对假设进行排序
5）开发增长实验
6）分析实验数据
7）应用实验结果
8）产生新假设（循环）
逻辑见下图：
我们的增长总目标就是订单总金额。根据上线推广后的定量数据，以及调研的定性数据，我们聚焦于提高新用户体验。关键在于提高注册成功率、首次发起磋商率。基于分解后的小目标，我们脑暴提出一些实验假设如下：
1）提高注册率实验假设：
简化填写公司信息页信息项，只需填写公司名称即可，企业营业执照可用户选择上传与否；
填写公司信息页环节后置，用户在操作发起磋商操作时，才需填写；
引起ocr识别技术，上传营业执照即可识别对应企业信息，并自动对应的字段，无需填写；
加强指引文案，告知完善企业信息的必要性，有利于增强交易企业对其的信任，提高交易概率等等。
2）提高首次磋商率实验假设：
注册成功后，直接跳转到公共的供应/求购信息页，让用户直接查看,可直接发起磋商。在个人管理首页，添加“去交易区看看”的快捷按钮，指引文案“您尚未发布任何信息，先去看其他企业的报价情况吧”等等。
集思广益后，我们再根据性价比原则，对这些假设进行排序，决定了如下两种实验方案：
提高注册率的实验：简化填写公司信息页信息项，只需填写公司名称即可，企业营业执照可用户选择上传与否；
提高首次磋商率的实验：注册成功后，直接跳转到公共的供应/求购信息页，让用户直接查看,可直接发起磋商。
经过一周的开发调整，发布上线后，再统计数据，注册率提高了近30%，首次磋商率提高近15%，显然这次实验取得了一定的效果。接着再乘胜追击，针对公共的供应/求购信息页进行页面、按钮文案优化，继续提高首次磋商率。
最后：
以上只是一个简单的产品测试实验，考虑的点没有那么复杂。
其实，增长黑客的关键是AARRR增长漏斗以及用户生命周期各个阶段(获取、激活、留存、收入、推荐），这也是增长黑客最广泛应用的领域。因为不是我专业，所以并未过多阐述。这里就是和大家分享一下“增长思维”，更多大家可以看《黑客增长》一书，并在日常工作中可以练习这种思维。
最后，10周入门数据分析系列到此就完结啦！再强调一下，此系列只可作为大家学习数据分析的“入门文档”，每一个环节的深度学习，都还需要通过阅读书籍，网上找视频来补充。
最后的最后，大家希望我写什么内容，欢迎留言评论！
10周入门数据分析·系列
第二周（Excel进阶）：数据分析必掌握的43个Excel函数
第五周（数据分析软件应用）：这可能是今年最值得推荐的数据分析工具
第六周（数据可视化）：10分钟做一个高端数据可视化，看完你也会！
第六周（数据可视化）：掌握这22个布局和配色技巧，90%的人都能做出酷炫可视化！
第七周（分析模型）：分析师需要掌握的25个商业模型（二）
第八周（Python）：Python数据分析（一）分析环境&数据结构
第八周（Python）：Python数据分析（三）NumPy
第八周（Python）：Python数据分析（四）Pandas
第八周（Python）：Python数据分析（五）Matplotlib做可视化
如果觉得文章有价值，右下角点“好看”并转发朋友圈，你们的支持是我更文的动力！
