圖丨GrowingIO聯(lián)合創(chuàng)始人&運(yùn)營副總裁 陳明

提起數(shù)據(jù)分析，大家往往會(huì)聯(lián)想到一些密密麻麻的數(shù)字表格，或是高級的數(shù)據(jù)建模手法，再或是華麗的數(shù)據(jù)報(bào)表。其實(shí)，“ 分析 ”本身是每個(gè)人都具備的能力；比如根據(jù)股票的走勢決定購買還是拋出，依照每日的時(shí)間和以往經(jīng)驗(yàn)選擇行車路線；購買機(jī)票、預(yù)訂酒店時(shí)，比對多家的價(jià)格后做出最終選擇。

這些小型決策，其實(shí)都是依照我們腦海中的數(shù)據(jù)點(diǎn)作出判斷，這就是簡單分析的過程。對于業(yè)務(wù)決策者而言，則需要掌握一套系統(tǒng)的、科學(xué)的、符合商業(yè)規(guī)律的數(shù)據(jù)分析知識(shí)。

1.數(shù)據(jù)分析的戰(zhàn)略思維

無論是產(chǎn)品、市場、運(yùn)營還是管理者，你必須反思：數(shù)據(jù)本質(zhì)的價(jià)值，究竟在哪里？從這些數(shù)據(jù)中，你和你的團(tuán)隊(duì)都可以學(xué)習(xí)到什么？

1.1 數(shù)據(jù)分析的目標(biāo)

對于企業(yè)來講，數(shù)據(jù)分析的可以輔助企業(yè)優(yōu)化流程，降低成本，提高營業(yè)額，往往我們把這類數(shù)據(jù)分析定義為商業(yè)數(shù)據(jù)分析。商業(yè)數(shù)據(jù)分析的目標(biāo)是利用大數(shù)據(jù)為所有職場人員做出迅捷、高質(zhì)、高效的決策，提供可規(guī)?；慕鉀Q方案。商業(yè)數(shù)據(jù)分析的本質(zhì)在于創(chuàng)造商業(yè)價(jià)值 ，驅(qū)動(dòng)企業(yè)業(yè)務(wù)增長。

1.2 數(shù)據(jù)分析的作用

我們常常講的企業(yè)增長模式中，往往以某個(gè)業(yè)務(wù)平臺(tái)為核心。這其中，數(shù)據(jù)和數(shù)據(jù)分析，是不可或缺的環(huán)節(jié)。

通過企業(yè)或者平臺(tái)為目標(biāo)用戶群提供產(chǎn)品或服務(wù)，而用戶在使用產(chǎn)品或服務(wù)過程中產(chǎn)生的交互、交易，都可以作為數(shù)據(jù)采集下來。根據(jù)這些數(shù)據(jù)洞察，通過分析的手段反推客戶的需求，創(chuàng)造更多符合需求的增值產(chǎn)品和服務(wù)，重新投入用戶的使用，從而形成形成一個(gè)完整的業(yè)務(wù)閉環(huán)。這樣的完整業(yè)務(wù)邏輯，可以真正意義上驅(qū)動(dòng)業(yè)務(wù)的增長。

1.3 數(shù)據(jù)分析進(jìn)化論

我們常常以商業(yè)回報(bào)比來定位數(shù)據(jù)分析的不同階段，因此我們將其分為四個(gè)階段。

階段1：觀察數(shù)據(jù)當(dāng)前發(fā)生了什么

首先，基本的數(shù)據(jù)展示，可以告訴我們發(fā)生了什么。例如，公司上周投放了新的搜索引擎A的廣告，想要比對一周下來，新渠道A比現(xiàn)有渠道B情況如何，A、B各自帶來了多少流量，轉(zhuǎn)化效果如何？ 又比如，新上線的產(chǎn)品有多少用戶喜歡，新注冊流中注冊的人數(shù)有多少。這些都需要通過數(shù)據(jù)來展示結(jié)果，都是基于數(shù)據(jù)本身提供的“發(fā)生了什么”。

階段2：理解為什么發(fā)生

如果看到了渠道A為什么比渠道B帶來更多的流量，這時(shí)候我們就要結(jié)合商業(yè)來進(jìn)一步判斷這種現(xiàn)象的原因。這時(shí)候我們可以進(jìn)一步通過數(shù)據(jù)信息進(jìn)行深度拆分， 也許某個(gè)關(guān)鍵字帶來的流量，也許是該渠道更多的獲取了移動(dòng)端的用戶。這種數(shù)據(jù)深度分析判斷，成為了商業(yè)分析第二個(gè)進(jìn)階，也同時(shí)能夠提供更多商業(yè)價(jià)值上的體現(xiàn)。

階段3：預(yù)測未來會(huì)發(fā)生什么

而當(dāng)我們理解了渠道A、B帶來流量的高低，就根據(jù)以往的知識(shí)預(yù)測未來會(huì)發(fā)生什么。在投放渠道C、D的時(shí)候，猜測渠道C比渠道D好，當(dāng)上線新的注冊流、新的優(yōu)化，可以知道哪一個(gè)節(jié)點(diǎn)比較容易出問題；我們也可以通過數(shù)據(jù)挖掘的手段，自動(dòng)預(yù)測判斷C和D渠道之間的差異，這就是數(shù)據(jù)分析的第三個(gè)進(jìn)階，預(yù)測未來會(huì)發(fā)生的結(jié)果。

階段4：商業(yè)決策

所有工作中最有意義的還是商業(yè)決策，通過數(shù)據(jù)來判斷應(yīng)該做什么。而商業(yè)數(shù)據(jù)分析的目的，就是商業(yè)結(jié)果。當(dāng)數(shù)據(jù)分析的產(chǎn)出可以直接轉(zhuǎn)化為決策，或直接利用數(shù)據(jù)做出決策，那么這才能直接體現(xiàn)出數(shù)據(jù)分析的價(jià)值。

1.4 數(shù)據(jù)分析的 EOI 框架

EOI 的架構(gòu)是包括 LinkedIn、Google 在內(nèi)的很多公司定義分析型項(xiàng)目的目標(biāo)的基本方式，也是管理者在思考商業(yè)數(shù)據(jù)分析項(xiàng)目中一種基本的、必備的手段。

其中，我們先會(huì)把公司業(yè)務(wù)項(xiàng)目分為三類：核心任務(wù)，戰(zhàn)略任務(wù)，風(fēng)險(xiǎn)任務(wù)。以谷歌為例，谷歌的核心任務(wù)是搜索、SEM、廣告，這是已經(jīng)被證明的商業(yè)模型，并已經(jīng)持續(xù)從中獲得很多利潤。谷歌的戰(zhàn)略性任務(wù)（在2010年左右）是安卓平臺(tái)，為了避免蘋果或其他廠商占領(lǐng)，所以要花時(shí)間、花精力去做，但商業(yè)模式未必成型。風(fēng)險(xiǎn)任務(wù)對于創(chuàng)新來說是十分重要的，比如谷歌眼鏡、自動(dòng)駕駛汽車等等。

數(shù)據(jù)分析項(xiàng)目對這三類任務(wù)的目標(biāo)也不同，對核心任務(wù)來講，數(shù)據(jù)分析是助力（E），幫助公司更好的盈利，提高盈利效率； 對戰(zhàn)略任務(wù)來說是優(yōu)化（O），如何能夠輔助戰(zhàn)略型任務(wù)找到方向和盈利點(diǎn)；對于風(fēng)險(xiǎn)任務(wù)，則是共同創(chuàng)業(yè)（I），努力驗(yàn)證創(chuàng)新項(xiàng)目的重要性 。管理者需要對公司業(yè)務(wù)及發(fā)展趨勢有著清晰的認(rèn)識(shí)，合理分配數(shù)據(jù)分析資源、制定數(shù)據(jù)分析目標(biāo)方向。

2.  數(shù)據(jù)分析的 3 大思路

而面對海量的數(shù)據(jù)，很多人都不知道從如何準(zhǔn)備、如何開展，如何得出結(jié)論。下面為大家介紹做數(shù)據(jù)分析時(shí)的 3 個(gè)經(jīng)典的思路，希望在數(shù)據(jù)分析的實(shí)際應(yīng)用中能給大家?guī)韼椭?/p>

2.1 數(shù)據(jù)分析的基本步驟

上面我們提到了數(shù)據(jù)分析與商業(yè)結(jié)果之間關(guān)聯(lián)的重要性，所有商業(yè)數(shù)據(jù)分析都應(yīng)該以業(yè)務(wù)場景為起始思考點(diǎn)，以業(yè)務(wù)決策作為終點(diǎn)。數(shù)據(jù)分析該先做什么、后做什么？基于此，我們提出了商業(yè)數(shù)據(jù)分析流程的五個(gè)基本步驟。

第一步，要先挖掘業(yè)務(wù)含義，理解數(shù)據(jù)分析的背景、前提以及想要關(guān)聯(lián)的業(yè)務(wù)場景結(jié)果是什么。

第二步，需要制定分析計(jì)劃，如何對場景拆分，如何推斷。

第三步，從分析計(jì)劃中拆分出需要的數(shù)據(jù)，真正落地分析本身。

第四步，從數(shù)據(jù)結(jié)果中，判斷提煉出商務(wù)洞察。

第五步，根據(jù)數(shù)據(jù)結(jié)果洞察，最終產(chǎn)出商業(yè)決策。

舉個(gè)例子：

某國內(nèi)互聯(lián)網(wǎng)金融理財(cái)類網(wǎng)站，市場部在百度和 hao123 上都有持續(xù)的廣告投放，吸引網(wǎng)頁端流量。最近內(nèi)部同事建議嘗試投放神馬移動(dòng)搜索渠道獲取流量；另外也需要評估是否加入金山網(wǎng)絡(luò)聯(lián)盟進(jìn)行深度廣告投放。

在這種多渠道的投放場景下，如何進(jìn)行深度決策？ 我們按照上面商業(yè)數(shù)據(jù)分析流程的五個(gè)基本步驟來拆解一下這個(gè)問題。

第一步：挖掘業(yè)務(wù)含義。

首先要了解市場部想優(yōu)化什么，并以此為北極星指標(biāo)去衡量。對于渠道效果評估，重要的是業(yè)務(wù)轉(zhuǎn)化：對 P2P 類網(wǎng)站來說，是否發(fā)起 “投資理財(cái)” 要遠(yuǎn)重要于 “訪問用戶數(shù)量” 。所以無論是神馬移動(dòng)搜索還是金山渠道，重點(diǎn)在于如何通過數(shù)據(jù)手段衡量轉(zhuǎn)化效果；也可以進(jìn)一步根據(jù)轉(zhuǎn)化效果，優(yōu)化不同渠道的運(yùn)營策略。

第二步，制定分析計(jì)劃。

以 “投資理財(cái)” 為核心轉(zhuǎn)化點(diǎn)，分配一定的預(yù)算進(jìn)行流量測試，觀察對比注冊數(shù)量及最終轉(zhuǎn)化的效果。記下倆可以持續(xù)關(guān)注這些人重復(fù)購買理財(cái)產(chǎn)品的次數(shù)，進(jìn)一步判斷渠道質(zhì)量。

第三步，拆分查詢數(shù)據(jù)。

既然分析計(jì)劃中需要比對渠道流量，那么我們需要各個(gè)渠道追蹤流量、落地頁停留時(shí)間、落地頁跳出率、網(wǎng)站訪問深度以及訂單等類型數(shù)據(jù)，進(jìn)行深入的分析和落地。

第四步，提煉業(yè)務(wù)洞察。

根據(jù)數(shù)據(jù)結(jié)果，比對神馬移動(dòng)搜索和金山網(wǎng)絡(luò)聯(lián)盟投放后的效果，根據(jù)流量和轉(zhuǎn)化兩個(gè)核心KPI，觀察結(jié)果并推測業(yè)務(wù)含義。如果神馬移動(dòng)搜索效果不好，可以思考是否產(chǎn)品適合移動(dòng)端的客戶群體；或者仔細(xì)觀察落地頁表現(xiàn)是否有可以優(yōu)化的內(nèi)容等，需找出業(yè)務(wù)洞察。

第五步，產(chǎn)出商業(yè)決策。

根據(jù)數(shù)據(jù)洞察，指引渠道的決策制定。比如停止神馬渠道的投放，繼續(xù)跟進(jìn)金山網(wǎng)絡(luò)聯(lián)盟進(jìn)行評估；或優(yōu)化移動(dòng)端落地頁，更改用戶運(yùn)營策略等等。

以上這些都是商務(wù)數(shù)據(jù)分析拆解和完成推論的基本步驟。在接下來的內(nèi)容中，我們都會(huì)有這個(gè)分析思路。

2.2 內(nèi)外因素分解法

在數(shù)據(jù)分析的過程中，會(huì)有很多因素影響到我們的北極星指標(biāo)，那么如何找到這些因素呢？在此向大家推薦內(nèi)外因素分解法。內(nèi)外因素分解法是把問題拆成四部分，包括內(nèi)部因素、外部因素、可控和不可控，然后再一步步解決每一個(gè)問題。

舉個(gè)例子：

某社交招聘類網(wǎng)站，分為求職者端和企業(yè)端。其盈利模式一般是向企業(yè)端收費(fèi)，其中一個(gè)收費(fèi)方式是購買職位的廣告位。業(yè)務(wù)人員發(fā)現(xiàn)， “發(fā)布職位” 的數(shù)量在過去的 6 月中有緩慢下降的趨勢。對于這類某一數(shù)據(jù)指標(biāo)下降的問題，可以怎么分析呢？
根據(jù)內(nèi)外因素分解法，我們可以從四個(gè)角度依次去分析可能的影響因素。

內(nèi)部可控因素：產(chǎn)品近期上線更新、市場投放渠道變化、產(chǎn)品粘性、新老用戶留存問題、核心目標(biāo)的轉(zhuǎn)化。

外部可控因素：市場競爭對手近期行為、用戶使用習(xí)慣的變化、招聘需求隨時(shí)間的變化。

內(nèi)部不可控因素：產(chǎn)品策略（移動(dòng)端/PC端）、公司整體戰(zhàn)略、公司客戶群定位（比如只做醫(yī)療行業(yè)招聘）。

外部不可控因素：互聯(lián)網(wǎng)招聘行業(yè)趨勢、整體經(jīng)濟(jì)形勢、季節(jié)性變化。

有了內(nèi)外因素分解法，我們就可以較為全面地分析數(shù)據(jù)指標(biāo)，避免可能遺失的影響因素并且對癥下藥。

2.3 DOSS 思路

DOSS 思路是從一個(gè)具體問題拆分到整體影響，從單一的解決方案找到一個(gè)規(guī)?；鉀Q方案的方式。快速規(guī)?；行У脑鲩L解決方案，DOSS 是一個(gè)有效的途徑。

舉個(gè)例子：

某在線教育平臺(tái)提供免費(fèi)課程視頻，同時(shí)售賣付費(fèi)會(huì)員，為付費(fèi)會(huì)員提供更多高階課程內(nèi)容。如果我想將一套計(jì)算機(jī)技術(shù)的付費(fèi)課程，推送給一群持續(xù)在看 C++ 免費(fèi)課程的用戶，那么數(shù)據(jù)分析應(yīng)該如何支持呢？

我們按 DOSS 思路的四個(gè)步驟，分解如下：

具體問題：預(yù)測是否有可能幫助某一群組客戶購買課程。

整體影響：首先根據(jù)這類人群的免費(fèi)課程的使用情況進(jìn)行數(shù)據(jù)分析、數(shù)據(jù)挖掘的預(yù)測，之后進(jìn)行延伸，比如對整體的影響，除了計(jì)算機(jī)類，對其他類型的課程都進(jìn)行關(guān)注。

單一回答：針對該群用戶進(jìn)行建模，監(jiān)控該模型對于最終轉(zhuǎn)化的影響。

規(guī)模化方案：之后推出規(guī)?；慕鉀Q方案，對符合某種行為軌跡和特征的行為進(jìn)行建模，產(chǎn)品化課程推薦模型。

3. 數(shù)據(jù)分析的 8 種方法

上面介紹了 3 個(gè)經(jīng)典分析思路，它們可以幫你搭建一個(gè)清晰的數(shù)據(jù)分析思路框架。那么對于具體的業(yè)務(wù)場景問題，我們又該怎么辦呢？

我們以一個(gè)電子商務(wù)網(wǎng)站為例，用數(shù)據(jù)分析產(chǎn)品 GrowingIO 對該網(wǎng)站進(jìn)行快速地?cái)?shù)據(jù)采集、清晰和可視化展示，然后給大家分享這 8 種常見的數(shù)據(jù)分析方法。

3.1 數(shù)字和趨勢

看數(shù)字、看趨勢是最基礎(chǔ)展示數(shù)據(jù)信息的方式。在數(shù)據(jù)分析中，我們可以通過直觀的數(shù)字或趨勢圖表，迅速了解例如市場的走勢、訂單的數(shù)量、業(yè)績完成的情況等等，從而直觀的吸收數(shù)據(jù)信息，有助于決策的準(zhǔn)確性和實(shí)時(shí)性。

對于電子商務(wù)網(wǎng)站，流量是非常重要的指標(biāo)。上圖中，我們將網(wǎng)站的訪問用戶量（UV）和頁面瀏覽量（PV）等指標(biāo)匯匯聚到統(tǒng)一的數(shù)據(jù)看板（Dashboard），并且實(shí)時(shí)更新。這樣的一個(gè)數(shù)據(jù)看板，核心數(shù)字和趨勢一目了然，對于我們來說一目了然。

3.2 維度分解

當(dāng)單一的數(shù)字或趨勢過于宏觀時(shí)，我們需要通過不同的維度對于數(shù)據(jù)進(jìn)行分解，以獲取更加精細(xì)的數(shù)據(jù)洞察。在選擇維度時(shí)，需要仔細(xì)思考其對于分析結(jié)果的影響。

舉個(gè)例子，當(dāng)監(jiān)測到網(wǎng)站流量異常時(shí)，可以通過拆分地區(qū)、訪問來源、設(shè)備、瀏覽器等等維度，發(fā)現(xiàn)問題所在。圖 7 中，當(dāng)天網(wǎng)站的訪問用戶量顯著高于上周，這是什么原因呢？當(dāng)我們按照訪問來源對流量進(jìn)行維度拆分時(shí)（圖 9 ），不難發(fā)現(xiàn)直接訪問來源的訪問量有非常大的提升，這樣就進(jìn)一步把問題聚焦了。

3.3 用戶分群

針對符合某種特定行為或背景信息的用戶，進(jìn)行歸類處理，是我們常常講到的用戶分群（segmentation ）的手段。我們也可以通過提煉某一群用戶的特定信息，創(chuàng)建該群體用戶的畫像。 例如訪問購物網(wǎng)站、寄送地址在北京的用戶，可以被歸類為“北京”用戶群體。而針對“北京”用戶群體，我們可以進(jìn)一步觀察他們購買產(chǎn)品的頻度、類別、時(shí)間，這樣我們就創(chuàng)建出該用戶群體的畫像。

在數(shù)據(jù)分析中，我們往往針對特定行為、特定背景的用戶進(jìn)行有針對性的用戶運(yùn)營和產(chǎn)品優(yōu)化，效果會(huì)更加明顯。上圖中，我們通過 GrowingIO 的用戶分群功能將一次促銷活動(dòng)中支付失敗的用戶挑選出來，然后推送相應(yīng)的優(yōu)惠券。這樣精準(zhǔn)的營銷推廣，可以大幅度提高用戶支付的意愿和銷售金額。

3.4 轉(zhuǎn)化漏斗

絕大部分商業(yè)變現(xiàn)的流程，都可以歸納為漏斗。漏斗分析是我們最常見的數(shù)據(jù)分析手段之一，無論是注冊轉(zhuǎn)化漏斗，還是電商下單的漏斗。通過漏斗分析可以從先到后還原用戶轉(zhuǎn)化的路徑，分析每一個(gè)轉(zhuǎn)化節(jié)點(diǎn)的效率。

其中，我們往往關(guān)注三個(gè)要點(diǎn)：

第一，從開始到結(jié)尾，整體的轉(zhuǎn)化效率是多少？

第二，每一步的轉(zhuǎn)化率是多少？

第三，哪一步流失最多，原因在什么地方？流失的用戶符合哪些特征？

上圖中注冊流程分為 3 個(gè)步驟，總體轉(zhuǎn)化率為45.5%；也就是說有 1000 個(gè)用戶來到注冊頁面，其中 455 個(gè)成功完成了注冊。但是我們不難發(fā)現(xiàn)第二步的轉(zhuǎn)化率是 56.8% ，顯著低于第一步 89.3% 和第三步轉(zhuǎn)化率 89.7%，可以推測第二步注冊流程存在問題。顯而易見第二步的提升空間是最大的，投入回報(bào)比肯定不低；如果要提高注冊轉(zhuǎn)化率，我們應(yīng)該優(yōu)先解決第二步。

3.5 行為軌跡

關(guān)注行為軌跡，是為了真實(shí)了解用戶行為。數(shù)據(jù)指標(biāo)本身往往只是真實(shí)情況的抽象，例如，網(wǎng)站分析如果只看訪問用戶量（UV）和頁面訪問量（PV）這類指標(biāo)，斷然是無法全面理解用戶如何使用你的產(chǎn)品。

通過大數(shù)據(jù)手段，還原用戶的行為軌跡，有助于增長團(tuán)隊(duì)關(guān)注用戶的實(shí)際體驗(yàn)、發(fā)現(xiàn)具體問題，根據(jù)用戶使用習(xí)慣設(shè)計(jì)產(chǎn)品、投放內(nèi)容。

上圖中展示了一位用戶在某電商網(wǎng)站上的詳細(xì)行為軌跡，從官網(wǎng)到落地頁，再到商品詳情頁，最后又回到官網(wǎng)首頁。網(wǎng)站購買轉(zhuǎn)化率低，以往的業(yè)務(wù)數(shù)據(jù)無法告訴你具體的原因；通過分析上面的用戶行為軌跡，可以發(fā)現(xiàn)一些產(chǎn)品和運(yùn)營的問題（比如是不是商品不匹配等等），從而為決策提供依據(jù)。

3.6 留存分析

在人口紅利逐漸消褪的時(shí)代，留住一個(gè)老用戶的成本要遠(yuǎn)遠(yuǎn)低于獲取一個(gè)新用戶。每一款產(chǎn)品，每一項(xiàng)服務(wù)，都應(yīng)該核心關(guān)注用戶的留存，確保做實(shí)每一個(gè)客戶。我們可以通過數(shù)據(jù)分析理解留存情況，也可以通過分析用戶行為或行為組與回訪之間的關(guān)聯(lián)，找到提升留存的方法。

在 LinkedIn，增長團(tuán)隊(duì)通過數(shù)據(jù)發(fā)現(xiàn)，如果新用戶進(jìn)來后添加5個(gè)以上的聯(lián)系人（上圖紅色線條），那么他／她在LinkedIn 上留存要遠(yuǎn)遠(yuǎn)高于那些沒有添加聯(lián)系人（上圖綠色和紫色的線條）的留存。 這樣，添加聯(lián)系人稱為 LinkedIn 留存新用戶的最核心手段之一。

除了需要關(guān)注整體用戶的留存情況之外，市場團(tuán)隊(duì)可以關(guān)注各個(gè)渠道獲取用戶的留存度，或各類內(nèi)容吸引來的注冊用戶回訪率，產(chǎn)品團(tuán)隊(duì)關(guān)注每一個(gè)新功能對于用戶的回訪的影響等等，這些都是常見的留存分析場景。

3.7 A/B 測試

A/B 測試用來對比不同產(chǎn)品設(shè)計(jì)／算法對結(jié)果的影響。產(chǎn)品在上線過程中經(jīng)常會(huì)使用 A/B 測試來測試不同產(chǎn)品或者功能設(shè)計(jì)的效果，市場和運(yùn)營可以通過 A/B 測試來完成不同渠道、內(nèi)容、廣告創(chuàng)意的效果評估。

舉個(gè)例子，我們設(shè)計(jì)了兩種不同的產(chǎn)品交互形式，通過比較實(shí)驗(yàn)組（A 組）和對照組（B 組）的訪問時(shí)長和頁面瀏覽量兩個(gè)衡量指標(biāo)，來評估哪一種交互形式更佳。

要進(jìn)行A/B測試有兩個(gè)必備因素：第一，有足夠的時(shí)間進(jìn)行測試；第二，數(shù)據(jù)量和數(shù)據(jù)密度較高。因?yàn)楫?dāng)產(chǎn)品流量不夠大的時(shí)候，做 A/B 測試得到統(tǒng)計(jì)結(jié)果是很難的。而像 LinkedIn 這樣大體量的公司，每天可以同時(shí)進(jìn)行上千個(gè) A/B 測試。所以 A/B 測試往往在公司數(shù)據(jù)規(guī)模較大時(shí)使用會(huì)更加精準(zhǔn)，更快得到統(tǒng)計(jì)的結(jié)果。

3.8.數(shù)學(xué)建模

當(dāng)一個(gè)商業(yè)目標(biāo)與多種行為、畫像等信息有關(guān)聯(lián)性時(shí)，我們通常會(huì)使用數(shù)學(xué)建模、數(shù)據(jù)挖掘的手段進(jìn)行建模，預(yù)測該商業(yè)結(jié)果的產(chǎn)生。

作為一家 SaaS 企業(yè)，當(dāng)我們需要預(yù)測判斷客戶的流失時(shí)，可以通過用戶的行為數(shù)據(jù)、公司信息、用戶畫像等數(shù)據(jù)建立流失模型。利用統(tǒng)計(jì)學(xué)的方式進(jìn)行一些組合和權(quán)重計(jì)算，從而得知用戶滿足哪些行為之后流失的可能性會(huì)更高。

我們常常說，不能度量，就無法增長，數(shù)據(jù)分析對于企業(yè)商業(yè)價(jià)值的提升有著至關(guān)重要的作用。當(dāng)然，僅僅掌握單純的理論還遠(yuǎn)遠(yuǎn)不夠，實(shí)踐出真知。 數(shù)據(jù)分析的方法大家不妨在自己日常工作中，有分析相關(guān)項(xiàng)目里嘗試使用，相信可以事半功倍，創(chuàng)造更多商業(yè)價(jià)值。

關(guān)于作者：

陳明，數(shù)據(jù)猿專欄專家，GrowingIO聯(lián)合創(chuàng)始人&運(yùn)營副總裁，主要負(fù)責(zé)公司商務(wù)分析和運(yùn)營 。畢業(yè)于斯坦福大學(xué)，前LinkedIn 商業(yè)分析部高級經(jīng)理，帶領(lǐng)團(tuán)隊(duì)負(fù)責(zé)"人才解決方案"產(chǎn)品和營銷等數(shù)據(jù)分析與挖掘。曾就職于 eBay、LinkedIn，具有近十年產(chǎn)品與市場數(shù)據(jù)分析經(jīng)驗(yàn)。

來源：GrowingIO