在運營數據分析時最常用的分析方法主要有四種——AARRR模型、全鏈漏鬥型、因子分解型和全定量增長模型。因其特性不同，應用領域也各不相同，在本文中，作者簡單介紹了前三個模型，並將重點聚焦在了全定量增長模型，歡迎大家討論。
了解完北極星指標體系構建方法，大家有沒有對自己的工作有一個思維上的認知呢？接下來我們進行一下北極星指標體系的實戰操作。
AARRR模型是最容易搭建的模型，他可以快速顯示出影響北極星指標的所有因素，但是問題在於他的指標比較粗，沒有定量的描述每個因素對北極星指標的影響，也沒有指出每個因素之間的相互關係。這一模型往往是在指標模型1.0時使用。
全鏈漏鬥模型和因子分解模型不僅可以找到北極星指標的影響因子，也可以確定指標的數值，並用簡化的公式進行表達，可以幫助大家找尋機會點和進行簡單的計算；但是他搭建過程較為複雜，需要的數據較多，而且不能預測未來趨勢和進行假設分析，在指標模型中可以作為2.0版使用。
最精細的增長模型是：全定量增長模型，他分解出了影響增長的因素以及對應的細分指標，並把所有的指標組合在Excel中計算北極星指標。
我們不僅可以用全定量增長模型觀測歷史數據，預測未來北極星指標數值，而且可以進行假設分析，量化不同指標變化對北極星指標的影響，但是他的缺點是組裝和維持起來比較費力，需要耗費相當長的時間，它適合有一定數據基礎，需要精細化運營的團隊。
在運營過程中，如果我們能一次性投入一定的精力，規劃出一個穩定的全定量增長模型圖表，對於運營的長期監控和使用存在一定的價值。
我們通過一定的案例來了解全定量增長模型：
假設某APP的北極星指標為月活躍用戶數，計算北極星目標使用的數據為月新增用戶數、月留存率兩個指標。我們來看一下具體的計算過程：
01 模型的輸入數據
1. 用戶新增數量明細表
主要變量為：不同渠道獲客數、K因子、激活率三個指標；
時間維度為：基於歷史情況對未來進行估計；
K因子即為每個老用戶能帶來多少新客戶，是用戶推薦渠道的相關參數。
我們單獨對用戶推薦數、月初活躍用戶數進行一下講解：
用戶推薦數=月初活躍用戶數*K因子；
而下個月的月初活躍用戶數即為：上個月的月初活躍用戶數+用戶推薦數；
2. 留存率
基於歷史平均數，計算出每個月的留存情況，作為第二個數據輸入表。
02 月活的輸出工作表
基於上面的兩個表，我們計算出了如下的一個表，可以順利的計算出每個月的新增、活躍數據，並能夠進行未來月份新增、活躍的預測。
看到上面的模型，你對模型有沒有一些初步的概念，全定量模型主要是通過對多個因子的計算，整合形成我們的最終表，然後構建最終的北極星指標完整表。
從上面的流程可以知道，數據的整個過程是從細到粗構建北極星指標體系，效果非常明顯，但是耗時也是非常長的。
03 利用定量增長模型進行假設分析（what-if Analysis）
假設分析是定量增長模型的一個常規用法，我們通過一個案例來分析具體的用法：
問題：現在是9月份，到年底前，如果想最大程度提升月活，應該做哪些增長實驗？
實驗1：10月份，廣告獲客，預算提升50%，從10000元提升到15000元；實驗2：10月份，將新用戶激活率提升5%，即從90%提升到95%；我們把上面兩個方案分別放到全定量增長模型中，分析兩個方案的好壞，如下圖，我們把10月份的預算費用修改成15000元，對應模型中的數據就會發生變化：
同時我們發現12月份的活躍數量變化為：
圖中可以看出12月份的用戶活躍量變成了25227，較之前有所提升。
記錄結果之後我們進行實驗2的分析，同樣的步驟我們修改了新增表中的激活率，得到如下數據：
我們發現，修改激活率之後，我們的月新增活躍數量也發生了變化，而對應的12月份月活躍用戶數則變化為25558。
我們對兩個數據進行比較分析：
發現兩者的MAU提升相差不大，但是實驗2的成本相對較高，所以我們採用實驗2進行方案優化。
通過上面的分析有沒有對全定量模型有一個深入的認知呢？
筆者認為，這樣的模型是一個經典的技術、業務融合的模型，這樣的分析可以在SQL、python的基礎上實現固化，同時也可以在Excel的基礎上進行開發，模型中所用的指標也不一定是新增、留存，各個業務線可以根據自己的需求，調整其中的自變量，輸出需要的值。
04 迷你增長模型構建
整體的增長模型構建完成後，我們需要根據整體的增長模型梳理我們自己的迷你增長模型，梳理自身的資源、自身負責業務線的流程、尋找迷你增長影響因子，並基於這些迷你因子確定可行方案，排出優先級等～
我們還是用一個案例，簡單進行分析，假設我們已經制定好了北極星指標，我們該如何分配我們的資源呢？
某APP的北極星指標是：總銷售額。
在落實到各個部門，甚至各個團隊的時候，我們可以根據這個北極星目標拆分成一個個的小目標，然後基於小目標構建自己的迷你指標體系：
迷你指標體系構建完成後，我們需要做的就是梳理現有的資源，進行策略構建。
如圖，我們針對每個指標梳理了可行方案，並確定了對應的資源和優先級。
基於上面的分析，我們可以很清晰的了解自上而下指標體系的應用，但是如果我們接到的任務是一個已經完整細分之後的指標呢？我們該如何做出符合老闆預期的方案呢？
通常的策略是我們需要要從細分指標向上推導出北極星指標，然後向北極星指標的方向構建我們的方案策略：
如上圖，我們的任務是發一條召回推送，正常的思維應該是通過團隊目標，確定出公司的北極星目標是提升DAU，那麼，個人發送召回推送時選擇的目標值即為召回客戶並完成觀看的數量，而不僅僅是發送一個召回推送這麼簡單。
上面是北極星指標和細分指標劃分的清楚的公司，我們應該怎麼細分任務並進行資源分配，但是，如果我們所處的公司並沒有一個完整的指標體系，或者你的老闆沒有明確出一些指標邏輯的時候，我們需要想辦法揣測老闆具體想要什麼？
那麼，我們要做的可能就是需要從公司目標/部門目標的角度來細分指標，比如：增加收入、降低成本，每個公司都是要強調收入和成本的，如果沒有明確的方向，可以試著向這些一定準確的目標設計細分任務，初步設計出這樣的方案後，再去和你的老闆討論方案，就能夠試探出老闆的方向目標，進而優化你的工作方向，回到第三部分，設計細分目標，進行資源細分等。
本文由 @livandata 原創發布於人人都是產品經理，未經作者許可，禁止轉載。
題圖來自Unsplash，基於CC0協議。