当我们看了不少增长案例之后，再看看手头的事情和业绩方针，是不是还以为不知道怎么实现？那是因为很多案例并没有先容得出结论的阐明进程，而只是描写了问题的配景和方针，以及优化之后的结果。真正的阐明进程，往往被“发明”两个字一笔带过。

虽然有人会说，数据阐明进程是一个见仁见智的进程，基础不行能凭据一个统一的流程完玉成部门析，出格是在互联网规模的高速变革傍边。那么数据阐明的进程，毕竟是一个只有零星能力而无章法可循的进程，照旧一个有明晰的步调并可以严格依照执行的进程？我认为是后者。

我们这就来先容一个通用的数据阐明要领论：数据阐明五步法，这个框架具有一下几方面特点：

不与详细业务绑定，是从决定需要的信息角度出发的；

具有开放性，可融入小我私家履历和前沿技能；

可团结大数据技能，解除人工环节，实现自动化；

逻辑清晰，容易进修。

一、阐明五步法

这个简朴的数据阐明五步法，根基可以或许应对日常事情中至少80%的常见数据阐明问题。而剩下的20%的场景，可以在这个根基的阐明要领论上扩展出来，我们会在后头的内容中探讨。

1.1 五个根基步调

首先，我们来一次讲授着5个根基步调，别离是：

汇总

细分

评价

归因

决定

1.1.1 汇总

这一步我们存眷的是指标，也就是各人常见的那些DNU、DAU、GMV、ROI等等。只要是说到数据阐明的内容，必然会提示数据阐明“要明晰方针”。因此，这个重要性我们倒是不需要赘述。

方针虽然是所有指标中最重要的。但只有方针还不足，我们还需要其它的帮助指标。就好比ROI，是投入和产出两项算出了ROI；而GMV，也可以用用户数乘以平均每用户的GMV计较出来。这样，我们就把一个方针的计较，拆分成了更多相关指标的组合。而且，这些指标更基本，我们可以通过一些运营手段影响这些指标的变革趋势。

这部门没有什么领略的难度。只不外，我们要找出指标之间的计较干系，由此逐渐找到所有我们需要体贴的指标。在此刻的互联网产物运营傍边，从来不会缺少需要看的指标，已经多到了目眩凌乱的境地。但只有那些跟方针相关的指标，我们才需要体贴。

1.1.2 细分

这一步相当于给指标增加了一个可能若干个维度。最简朴的维度该当算是时间了。好比，我们按天看UV的变革趋势；又可能，我们看差异页面带来的GMV是几多、看差异用户分群中的GMV别离是几多等等。假如我们领略前面的指标只是一个数字的话，增加了维度之后，它就酿成了一列数据；增加了两个维度之后，它就酿成了一张表格，以此类推。

就像指标的近况一样，我们也可以轻松找到许很多多可以用来拆分指标的维度。好比前面提到的日期和人群，尚有拉新上的来历渠道，活泼上的流量来历和转化路径等等。再将这些维度举办分列组合，就能发生出一大批错乱的拆分维度，多到基础看不外来。

因此，在细分之前的要害环节就在于区分维度的重要水平。

如何区分呢？

我们要凭据是否可操纵来区分这些拆分维度的轻重缓急。好比：前面提到了看APP中的差异页面带来的GMV。可是，假如我们没有须要的技妙手段可能运营东西，来为那些GMV更高的页面分派更多流量，也不能低落那些GMV较低的页面的流量，那么凭据页面拆分这种要领对付我们没有任何操纵空间，更不要说操纵之后的优化空间了。

假如是这种环境，我们就该当认为来历页面这个维度，只是个“看看就好”的维度，而非要害维度。

另一个例子是用户分群，出格是当我们但愿从外部的投放引流得到更多高质量的新增用户，以此来拉动增长的时候。在这种时候，我们老是但愿首先对现有的高质量用户举办用户画像，并确定一些可以或许标识高质量用户的特征，再通过这些特征在投放的时候吸筛选出高质量的用户。

这个原理是讲得通的，但遗憾的是，外投渠道不能提供十分精准的人群定位，只能提供人口统计学和内容偏好等粗粒度的分别。这个中还隐含着，我们临时认为投放渠道对付用户的标志是十分精准的，没有思量呈现标志错误的概率。

因此可以看出，在拉新这件事上，我们对用户分群的操纵是受限的——并不是完全不能，但十分受限。而用户分群更大的操作空间在于促进活泼，也就是在我们本身的用户群体中举办切分。