無論是產品還是服務都是圍繞用戶來展開工作的。用戶量和用戶增長快是每一個App追求的目標方向，也是企業商業變現的基石。
對運營來說，掌握數據分析能力能為運營提供大量支持，但拿到數據後運營到底該怎麼看？如何通過數據分析找到用戶增長之路？為此我們採訪了Top20的運營大佬們，將觀點整合為您呈上：
用戶數據怎麼看？
很多的產品經理看用戶數據基本有三個層次：
「看到」第一層：看總量
「看到」第二層：看構成
「看到」第三層：看行為
先說第一個層次，這個是最簡單的：
1、「看到」第一層：看總量
眾所周知，DAU是每天的活躍用戶數。如上圖這個例子，「我的App有105,000的DAU，同比增長5%。」這是第一層的看法。
這種看用戶的方式是在移動網際網路中最普遍的，也是一種最通用的語言。但這有個問題，即：這種看DAU的方式，沒辦法細分和拆解原因，並沒有辦法把數據落到實際的工作上。
為什麼呢？因為DAU增長、下降都可能有很多原因構成。你看到DAU數據，其實並沒有辦法來精確地把握：你的用戶到底是漲了？做得好了還是不好？
2、「看到」第二層：看構成
其實第二層比第一層更好一點，第二層要看構成。
了解構成的方式，可能還是從DAU出發。我們知道DAU這個「105000」是由一部分新增，還有一部分的流失共同構成的。在這個案例裡面，新增是10000，流失是5000，所以比過去的同期增長了5%。
這種方式比上一個方式要好一點，因為它能看到這個流動的構成，即雖然DAU值漲了5%，但其實流失和新增是兩個不同環節的要素。所以新增有很多的映射點，當我們看到新增變化的比較大，那可能跟新引入的客戶，或者跟用戶激活的使用率，都會有一定關係；如果流失比較高，那可能是產品粘性出了問題。
從上面這個案例可以看到，流失的增長比例會更高一些，所以流失就是主要的問題。
我們遇見過絕大部分的產品經理和開發者，基本都會看第一層（總量）和第二層（構成）。做的比較好的會從到（構成）更細緻的往下看，比如：用戶構成的增長和下降多少？第二層比第一層好在什麼地方？
這確實可以找到一些更具體的工作點。至少我們知道是做新增，還是應該做流失。
但這也有問題，是什麼呢？比如5000和105000，其實我們都不知道它們是誰。可能今天有5000的流失客戶，這已經是一個固定的結果（已經流失掉了）。但想要做應用，我們希望做的是什麼？是用戶不流失。
其實我們大家都知道，想要這個挽回流失用戶是非常困難的。但想要用戶不流失，需要怎麼做？你需要更早地預知這個用戶未來可能會有流失風險。
新增也一樣，因為我們是活躍的新增，裡面很多問題是說用戶的使用頻次並不高，可能每個用戶每周用一次App，所以我們在看DAU的時候並不好看。而這個行為是用戶習慣所導致，所以這種視角來看構成的方法，其實並沒辦法找到是什麼原因來影響了這些事。
接下來我們要說第三層，應該怎麼來看用戶？
3、「看到」第三層：看行為
第三層，我們就要看行為。這裡其實有一個非常明顯的概念，大家需要注意：第三層當中，我們本質上並不是在看用戶，而是用戶怎麼看我們，我們需要把每一個用戶單獨拎出來。
比如上圖的這個例子，用戶是怎麼來看這個App呢？
用戶A：每天都在使用，所以對他而言，這就是一個高頻次的應用；
用戶B：只有在部分的時間裡面有所啟動；
用戶C：幾乎都沒有啟動過。
所以第三層，我們要看行為。從行為方式來識別我們的用戶，到底用戶是怎麼來看這個App應用的。當我們找到這層之後，比前兩層的好處是什麼樣呢？
其實，我們可以真正地找到答案：
第一，到底是誰？A、B還是C，哪一個用戶對我們是有更高價值或者更忠誠。
第二，可以根據行為路徑做未來預測和預知的。所以，我們可能發現這個客戶之前經常使用的應用，後續慢慢不再用了。原來每天都用，後來變成每周用一次，這就是一些流失風險的徵兆。
所以第三層要看行為，或者說是看用戶怎麼看我們的App。只有通過這樣的方式才能真正地識別我們的App，從而回答一開頭的問題，到底有多少用戶？
用戶A是我們的用戶嗎？大家可能覺得是。
用戶B是嗎？畢竟還啟動一次。可能是。
用戶C是不是？就不好說了。它可能是流失的，可能只是因為用的頻次比較低。
在這裡面，我們至少能知道每一個用戶到底是什麼樣子，所以可以看到有高頻用戶，有普通用戶，可能還要流失沉默或者一些準流失的用戶。
回歸用戶，是在後移動網際網路時代裡面，每一個應用、每一個產品經理或者運營人都需要考慮的問題，即：用戶到底怎麼來看我們？
所以現在跟大家聊具體的方式，即怎麼來找到自己的這個用戶增長之路。
如何找到用戶增長之路？
其實簡單說，就三步：
第一個叫看見；
第二個叫讀懂；
第三個叫放大。
接下來我們挨個跟大家說一說，首先是看見：
1、看見：識別用戶價值
看見，看的是什麼？我們看的是用戶價值。如果想看清用戶價值，就涉及到兩個問題：
問題1 ：怎麼來度量用戶的價值？
RFM模型是用來度量用戶價值的一種比較常見方式。它由三個因素構成：
第一個是最近一次價值行為，當然價值是什麼？可能你就要來定。
第二個是價值行為的頻率，比如說剛才看的前面一個例子，如果我們認為用戶啟動對我們來說有很高的價值，那它的啟動頻率就是我們在評論當中所衡量。
第三個是價值的累積貢獻度。如果在剛才的例子裡面，就是用戶累計啟動過你的App多少次。它在這裡面，我們中間這條頻率標藍了。為什麼？我要跟大家特別強調一點，移動網際網路的圈子或者產品，特別重要的就是頻率，這也是後移動網際網路一種典型的特徵。
為什麼這麼說？我們知道RFM模型在傳統行業中也會被用來衡量用戶價值的。但後移動網際網路的特點是什麼？就是用戶的耐心很差。我們沒有辦法通過用戶上一次、最近一次啟動，或者曾經用過多少次來判斷它會不會被別人搶走。
後移動網際網路的時代特點，就是你今天可能還很受這個用戶的重視，很受他的歡迎；但是轉過頭之後，他看到一個新的由競爭者做得比你可能在某一方面好一點點，立刻就轉頭了。
所以價值行為的頻率是在移動網際網路裡面特別重要的一個因子，需要在每一部分當中都有所衡量。而計算價值的方式，就是這個RFM模型。
問題2：什麼樣的環節是我們度量的價值？
這涉及到一個價值環節的問題。其實所有的App應用當中這個價值，主要就分為三大類：啟動、浸入、轉化。
第一類最簡單的，叫啟動。
啟動是每一個用戶都會對App產生的一種價值定義，而會自啟動，就對你的App有一個價值。
為什麼說有價值呢？簡單說，你的估值其實就跟這個有關係。比如DAU有多少；這個企業賣多少錢……都是跟這個有關的。所以，啟動是第一層價值。
但是，啟動並不能標識這個用戶對你的真正價值貢獻和粘性。所以，啟動往往是衡量比較初級、相對表層一點的方式，而且它很重要。
第二點的方式叫浸入，即我的用戶跟我的實際交互粘性有多高。
舉個例子，比如說一個做電商的APP，它的交互粘性是什麼？就是這個用戶在你的APP上多元逛街。我們知道購買這件事是需要大量的逛街行為之後才做出購買決策，如果沒有逛的行為，那肯定沒有買的行為。所以「浸入」這一點就是指的交互粘性，它並不一定是最終給你產生價值。比如說交錢，交會費，買商品，是這些行為之前的前置步驟。
第三個是轉化過程。轉化過程比較簡單，其實指的就是剛才說的，我們會有一個付款的過程，可能是變成會員，或者是電商裡面購買的行為。
但這個價值環節有兩個非常重要的點：
需要根據你的商業模式來決定到底哪個是你的價值環節。它的發展，決定哪一個環節是你現在階段裡面最重要的價值因素。如果你是一個初創型的公司，或者你可能是一些第三方付費的這種商業模式的公司，那可能前兩者就非常重要，即啟動和進入環節；但如果你是已經相對偏成熟一點了，有自己的變現能力，你是C端付費的這種商業模式，那最後轉化和侵入環節就可能會更重要一些。
不論你發展到什麼階段，這三者都對你是有價值的。所以它的價值環節並不是一個取捨，是一個價值梯隊，可能這個價值更高一點，用這種方式價值衡量會更貼近業務結果一點，但另外兩者也非常重要。
2、讀懂：錨定業務關鍵
在這裡主要介紹三個計算模型：細分、漏鬥、留存。
很多人都聽過這三個計算模型，但是對這三個模型的理解卻不一樣。
（1）科學設定事件、屬性將數據結構化
在中國網際網路市場裡，對事件進行埋點，通過事件細分去做分析，這個事情其實是非常痛苦的。在國內有兩句話非常簡便可以總結埋點：流程結構分事件；業務結構分屬性。
第一，流程結構分事件。比如把瀏覽商品頁，點擊商品，購買設定一個事件，那麼：點擊兒童服裝、兒童玩具都要分事件嗎？並不是！我們現在絕大部分的埋點都是把所有行為都埋成一個點擊事件，但分析起來頭就大了。流程結構分事件，比如：電商場景，通過瀏覽，註冊，加購，購買是你的業務流程，在業務流程中的關鍵點就必須要分事件。
第二，業務結構分屬性。這裡繼續用兒童電商舉例，購買玩具，購買服裝、購買食品及尿布……這些是兒童電商的業務結構，會分為不同的業務組。代理公司是一組人，運營是另一組人。這種業務結構要分屬性，你可以將購買都設定為一個事件。買玩具，帶一個屬性叫玩具，買服裝，帶一個屬性叫服裝。
下面舉個例子，你可以看到一個token，他的業務結構是童裝，下面帶有價格，有購買者和銷售者，這個事件傳回來，就可以進行結構化分析。
（2）巧用留存挖掘業務潛力
本質上，用戶留存是衡量的一個時間序列。比如我們平時說的留存是在七天之前訪問的用戶，在七天之後是否還有啟動，這是比較標準的留存。
自定義留存，我通過以下案例來闡述：
案例1：他想看看用戶在購買商品後，後續還會不會再次購買？會不會有商品瀏覽行為？所以他就選了回訪事件進入產品頁。買完東西之後，後續第一天、第三天、第七天用戶到底還會不會在瀏覽商品？通過這種方式將用戶圈出來，可以培養有價值的用戶。
案例2：除了第二次購買之外，還可以通過其他指標衡量業務模塊的粘性。比如通過衡量會員利用率的黏性。用戶購買了會員之後，後續會不會真的收聽這個課程，這個是對會員粘性和再次續費可能性進行標識。
（3）結合業務現狀科學定義漏鬥
如何理解漏鬥？
第一，漏鬥是多入口下的序列監測。
我們有個客戶想通過漏鬥分析頁面，他分析的場景是通過App進入後，會彈出促銷商品的頁面從而才可以進行購買。他設定漏鬥的三步分別為：進入App→點擊促銷頁→點擊購買。
這樣的漏鬥有沒有必要？答案是：沒有必要！用戶只能通過唯一一條路徑進行購買，所以只要看這三個不同事件的點擊量就可以了，完全不需要設定漏鬥。
漏鬥是用在入口很多的地方，比如：你有很多渠道和路徑完成的購買，可能從A渠道、B渠道、C渠道購買，只有在來源路徑很多的時候，漏鬥才有價值和作用。
第二，時間窗口的重要性。時間窗口指的是完成漏鬥的周期，比如通過漏鬥查看在一個月裡完成瀏覽商品、加購、購買的用戶是誰？這種分析方式有很大的問題，因為這三個行為，中間可能隔了好幾十天，漏鬥必須要設定一個周期，也就是在一定時間範圍：五分鐘、十分鐘、一個小時、一天都可以，這時候通過漏鬥的分析，才是有意義的。
這裡我再舉個例子，還是剛才那個客戶，他做了一個個性化推薦算法，引入了外部數據，完成了用戶的冷啟動，來看一看這個冷啟動的效果，來驗證用戶是不是對推薦的內容滿意？所以他使用的漏鬥有兩步：
- 進入商品頁。因為之前新用戶直接進來是不需要註冊，可以直接點擊進入到產品頁，然後查看產品頁面推薦內容；
- 瀏覽的商品之後完成後面註冊。同時他設置了一個時間周期為60分鐘，如果他瀏覽了很多產品和頁面，進行了註冊，這就和冷啟動沒有轉什麼直接關係，也有與廣告投放有關。
3、放大：設計增長引擎
放大，其實就是通過複製用戶→複製路徑→複製習慣這三件事入手。
複製用戶，在引流時基於對超級用戶畫像分析，了解超級用戶的特徵，同時圈選出與超級用戶相似的人群，在外部進行人群圈選投放，通過新用戶來檢驗效果。
複製路徑，通過超級用戶對關鍵行為進行漏鬥分析，了解他們的轉化路徑和關鍵行為；同時通過路徑分析調整產品引導，通過App推送或者應用外拉動，通過A/B test來查看哪一個的路徑轉化更有效。
複製習慣，分析模型一般用的是留存和細分，留存是表示的是用戶習慣，通過分析超級用戶的習慣。比如：超級用戶對什麼活動有興趣，從而培養用戶的習慣，最終你會通過消息推送和引導客戶進入產品頁之後，把那些並不是超級用戶的用戶培養成超級用戶。
來自：友盟全域數據