（上篇）

一、 背景：

经常有人问我：作为新手怎么入门？我当时给出的建议是，如果公司没有人带，最重要的成长路径，是积累案例，构建自己的知识体系。

所以我自己如果有空，也会参加各种会议，收集案例，拿回来自己分析思路，对比自己做过的项目，看还有哪些不足和优化。

我关注的分几块：

1、数据团队如何发挥作用，关键因素是什么；

2、数据在公司哪个业务模块的应用，执行人是谁。

3、数据分析和应用的思路有哪些。

参加神策会议的当天觉得收获非常多，主要是每个嘉宾拿出来的经验，覆盖了公司运转中的不同模块和流程。

会议是一天,包括以下内容:

如果想要当天的PPT可以联系我。不过毕竟我在上班，建议大家还是可以直接去关注神策的公众号，他们会不断的推出相关信息。

今天整理的是上午听的。上午的更战略一些，很多当时听的数据也不能公开放出来。下午的会更具体和细节。

二、 互联网的三个时代：流量时代-用户时代-订单时代

观点：桑文锋把互联网分成了三个时代：流量时代-用户时代-订单时代；比如开心网处于用户时代：关注用户量，而不是访问量。只要有用户量不愁访问量。而在订单时代：做教育的获取成本就2万，用户来了之后，客单价也就2万。所以对端到端的打通非常重要。所以涉及到交易的，就得深度分析。这也是神策的核心竞争力之一。

注：对于数据要打通端到端这件事，我们生而在互联网时代，在电商时代，大家的自然的思维方式就是如此。但是当我们做非互联网业的数据时，就会发现这是一个成本很大的事情，技术难度、销售归因的细节，都是比较难的。

案例：饭糕网：最开始用GA，后来发现GA对搜索关键词的支持不够。使用神策的考虑：打通每个订单来自哪个关键词。

对数据的需求：只要把两个主要的关键词优化好，就能够把花在数据上的钱挣回来。（为什么感到心塞）

三、 作业帮

作业帮这个哥们是原来百度知道还是问答团队的产品经理，讲了非常多他们利用数据做决策改善百度一些产品，并且通过数据判断，决定创建作业帮的事情。是我当天听到的干货最多的之一。但是因为神策没有放他们的ppt，所以推测是不让公开，所以我也不能在文章中详细写。

1. 如何用数据分析优化产品的方法论

和我在这个系列的文章中写的非常接近。 知乎专栏

不过也许是因为我本身就把数据分析应用优化的方法论整理了很多。这是一套既可用于算法产品，也可以用于用户产品的分析方法集合。新手建议就对着这套自己挨个试验一遍，就不要费时间在网上到处找资料了。

2. AB测试和AA测试

正好我那段时间也在做一个AA测试的项目，所以听到他讲，就比较注意听。AA测试的意思是什么呢？比如说，你给100个用户分配A页面，100个用户分配B页面，一周后看结果，A的转化率高，就认为A页面比B页面好么？不！也可能是用户数太少，也可能是测试时间太短，会带来结果的错误。所以AA测试是测试样本量是否稳定的，用户数到底多少，或者测试时间到底多长，可以保证AB测试能得到一个准确的结果。

3. 整体感受

作为百度的产品经理，能够自由的运用数据，查看数据，挖掘用户需求，首先是基于百度有一个好用（也许仅仅是可用）的数据平台，而光这一步，就已经站到了很多公司的起点上。太多的公司还处于没有数据底层，就已经希望数据出成果的阶段了。

四、 移动社交电商数据驱动经验分享：点点客副总裁

点点客是微信营销软件专家。因为是副总裁的演讲，所以整体思考非常深入，他的思考集中在流量价值、数据团队、数据应用以及公司业务商业模式战略等，印象深的有以下几点：

1. 流量价值阐述

2. 数据应用案例：我个人认为比较新颖的有两个，都是经常见到网上文章说，但是做出来的还是第一次见到：

• 店铺推客网络、店铺推客网络热度。这是基于社交网络的分析；从下面这种图中，可以看到他们做的已经能够对推广人员和运营人员有帮助了。比如我最近就很需要这种数据。对于分析投放效果、研究产品的目标用户群体等都很有用。
  

• 店铺流失预警。之前见的都是针对会员的、对个人用户的流失预警，这个给我的借鉴意义就是原来可以应用到机构。界面还不错.可以引申和借鉴的场景比较多。
  

这个我就不公开放了。毕竟这个界面不像上一个那样常见，还是要有些保护意识。

3. 数据分析部门管理：数据分析部门双向汇报：运营和技术cto。

• 运营部门会有自己的数据分析团队，每日的、小活动，运营自己的数据团队做比较好。
  

• 数据部门做报告，从大的角度，规范运营的操作。公司内部利益博弈，会带来很多问题，需要数据部门从更高的角度去思考和统筹。
  

• 有的公司把算法放到运营团队，最开始要让运营干预，包括冷启动时。
  

注：这些都是经历过的老司机说出来的话。特别是第2条。做数据不是小清新，有人的地方，就有漏洞和想钻漏洞的人，从数据上很容易看出来，关键看公司是否愿意管。

见图，可见整个数据部门的工作模式还是很扎实的。

4. 5月份到点点客，11月份出来演讲时，已经拿出了很多个成功的、被公司认可、也可以对外讲的案例。

注：当天我也是和一个资深做数据的朋友一起听的。我们全场最震撼的其实就这一点：一个公司的数据发展有多快，是由懂数据的领导做到了哪个级别决定的。

举例：数据团队如果挂在运营领导下面，会偏运营分析，如果挂在产品领导下面，就会偏向于产品功能的优化，而挂在技术领导下呢，就会更擅长做技术上的事；所以经常会发生有的大VP看数据团队在另一个大VP下面，觉得没有发挥出作用来是因为这个VP不行，把团队弄自己手下就可以产生效果了，于是就会带出各种鸡毛蒜皮的事情，整个数据团队就容易动荡。实际上只是因为不同的VP对数据的价值理解不同而已。

所以数据团队的领导级别，直接决定这个团队的发展速度。

5. 数据相关的一些观点

a) 行为数据和交易数据打通，是神策比较有价值的地方。

b) 自动打点，是非常理想的，还会有10%做不了，就只能用埋码打点。

c) 做需求最怕的就是：一个需求开发不完，又来一个，堆积起来。但是如果事件模型搭建好了之后，需求的完成和实现就会非常的好。

d) 如何达成数据驱动：1、好的领导；2、好的数据分析工具；3、好的数据分析团队。

e) 留存率分析比较好，还可以看什么样的情况的用户导致留存比较好。

f) 注:表面上看起来，这句话实现很容易，但是我最近的案例中，就硬是没有办法把这一条做出来。对用户流程的梳理和串联、以及每个环节的数据埋点，要求很高。如果在前期没有进行好好的梳理，后期再做就很困难。

（下篇）

如上一篇一样，如果想要当天的PPt可以联系我微信276982689。不过毕竟我在上班，建议大家还是可以直接去关注神策的公众号，他们会不断的推出相关信息。

另外，实际上当天的嘉宾都讲了数据埋点，数据系统架构、逻辑梳理等等知识，但是我这里只记录了我感兴趣的，也就是偏业务分析的部分。

下午的实在是太长了，我自己整理了整整一天。整理别人的讲座可能会有一些不是很顺畅，因为毕竟一个观点，我可能自己写要用一大篇文章，但是记录别人的，就记成四五句话了，会带来一些理解上的问题。可以找我沟通。

一、 移动视频数据驱动实战分享—秒拍 陈太锋

一下科技很牛逼，有秒拍、一直播、小咖秀。而且我去听的那周，我们刚在一直播上做了个直播活动，老板的分享干货也很多。

1. 数据应用：

每一个新商业模式的兴起，都会带来很多数据的深度应用。

舆情分析：通过对微博的舆情分析找到潜在热点和风险，应用到视频领域；

内容审核：用大数据的图像识别技术识别一些视频。

2.直播的高变现率

讲的时候我根本没注意这个数据，一个业务数据嘛，直到……

上周闺蜜聚会，有一个闺蜜去陌陌的直播做运营，强拉着我们要直播，于是我们几个并无任何梳妆打扮、穿着运动服就对着镜头说自己马上去打羽毛球了，打完后就去吃大餐。

就酱。

当时她就收到了打赏，超过了我在知乎上辛辛苦苦的写专栏的累计所得 （泪奔）。

这个事情给了我很大的震撼，再回头来看这个数据，才能够明白，这个数据背后意味着多少钱。

想一想电商行业的苦逼，知识变现行业的探索，拥有海量用户但是就是没挣到太多钱的工具类APP（墨迹天气等），这个付费转化率真是太恐怖了。

她说，你打赏别人礼物的时候，感觉特别好，别人打赏你礼物的时候，感觉也特别好~

所以实际上我更关注付费的分析：场景、气氛、话题、人群、打赏的容易程度，到底是怎么样作用在一起，促进成这么高的付费转化率的。

所以我们做数据的人，要经常的跑一线。数据的过程出现在你面前的时候，你才能够意识到数据背后的细节和背景，才能更好的分析和应用。

3. 各环节指标优化

接下来讲了公司运转中的渠道、市场、产品、运营等各种指标，这个我就不赘述了，自己去看ppt吧。只记录下对我自己很有用的几个指标和优化案例。

1) 视频播放指标：

主要看广告加载速度和广告品质，包括：

l IV（播放数），指在一个统计周期内，视频被打开的次数。

l VV，是指在一个统计周期内，视频被播放的次数之和。

l CV，视频被真正播放的数据，除去广告。

l VV影响前贴片广告，CV影响后贴片广告。

主要看CV。

还有一个新的指标：有效播放。指有效内容播放超过3s。对内容的监控要求更高。

2) 渠道指标

渠道质量：水很深，不同渠道的引流会刷次日留存、7日留存、30日留存等这些比较重要的指标，所以反而要看3日、4日留存这种不容易被刷的，才能看出真相。

3) 留存率

留存率是关键核心路径的数据，要通过对节点的监控进行优化。

案例：一直播的用户实名验证，是重要节点。最开始：拍身份证的正反面、输入身份证、手机号，80%的用户提交数据是无效的，都是随便拍一张照片。

修改：引入人脸识别，跟公安部的系统链接，调出身份证照片，再让用户拍一个小视频，跟身份证对比。成功率95%以上。

案例：最开始让用户选一个封面图，才能开始直播。影响20%-30%。把这一步去掉，选择用户头像、截图视频的画面，或者让用户选一张好看的图片，等等代替。

注：头条号和微信号现在都是这么干的了。

注：留存率和平均停留时长是比较重要的指标，几个嘉宾都重点提到了。

4) 播放失败率优化

有些数据在小咖秀播放非常高，在秒拍非常低。通过微博的UID做了关联分析。找到对应的设备、所在的地区，做了分析。

5) 用户分群分析

ios、安卓内容兴趣点不同，东三省是直播的大户，地域兴趣点也很不一样。

同一用户在新浪微博和一直播的兴趣点也不同。

注：设备分析、地域分析和平台分析。

4. 数据观点汇总

数据分析是一种能力，而不是一种岗位。（这句话是真理）

要求：专业：懂得基本的术语、方法论。

敬业：数据是公司的重要资产。

思考：要有自己的思想，而不是套用方法论。

举一反三：要针对问题考虑到可能带来的问题。

表达：漂亮的数据报告，ppt，每个季度都要做一个。

二、 移动出行数据实战—车来了

1、可视化：这是70个人，如果分别用大巴、自行车和轿车，占用路上的空间。看完决定以后要多坐地铁。

• 这个哥们开启了大实话模式：
  
  

• 用数据也有性价比，用数据解决适合数据解决的事。埋点、数据清洗是有代价的。

• 如果一个功能改动小，还要考虑数据前后对比、样本性、时间长度、有效性；

• 如果不适合数据解决，就要靠产品直觉、用户沟通、用户反馈等；不是任何时候都需要看数据。

• 数据使用场景：
  

• 列表排序模式：在一个列表中，怎么把用户感兴趣的推上去：1、把用户常用线路推上去，减少用户查询行为，2、对用户查询的内容做时间衰减等。通过这些手段，优化了列表排序，减少了用户查询的成本。最后用户在搜索中查询的，确实只剩一些是不常用的路线。

说真的，这个业务我不太了解，就没记录太多。

三、 通用saas产品如何实现数据驱动：一起写

一起写是一个服务创业公司的在线办公软件，自己也是一个创业公司。

这个公司带来的案例的意义是，对于他们一个创业公司来说，人员的精力是有成本的，所以他们把花在数据的时间都用于了哪些环节，这些环节就是创业公司的刀刃，是每个创业团队都需要重点关注的。

所以可以减少摸索数据使用的过程。

case1:注册方式的转变带来的数据上升和变动

最开始是微信。

增加邮箱和手机注册后，注册用户总次数上升。

做了邮箱免验证，邮箱数据上升15%。

把微信注册放到首页上来，微信注册的数据上升20%。

case2:分享模块的易用度

新用户进来，想分享某个东西的时候，不停在分享框转来转去。所以需要做路径分析。

因为如果用户分享给他人，在邮件、手机没注册的情况下，之前就不做分享和发送，但是现在做了路径分析，对分享功能进行优化后，就成为一个很好的新用户引入率，从而把百度的预算砍了一些。（百度的眼泪/(ㄒoㄒ)/~~）

case3

美国的用户喜欢空白的东西，中国的用户不喜欢空白的东西，所以专门准备了很多模板。通用模板非常重要，专业的模板也很重要。

注册后，用户激活率低——>提供模板后，用户激活率提高。

case4：尽量降低用户的付费成本

把付费的页面做的美观；

首页做优惠活动，也会提示到期

综合考量。

Case5：不断尝试，提升付费转化率

一起写是一个对公司的软件，购买时需要给公司的人一起买。

最低购买人数变化：3个人—10个人—5个人，不断尝试，看哪个数值最被用户接受。

四、 餐饮数据驱动营销实战分享

盈客在线，这家是做餐饮行业会员营销的，所以讲起来思路清晰、理论自成体系、案例丰富，这就是在乙方训练出来的，因为甲方配备这么好的资源和团队。

并且充满了华南人的实在感。

原来80%的工作是整理数据，现在10%的工作量是整理数据，剩下90%是挖掘数据背后的内容。

1. 留存率：这里我看到了对留存率的一个新的用法。

餐饮行业的用户消费频次，并不是频次越高越好，会腻的。

一家店一个人吃四五次就差不多够了。再去就会说：又吃那家，咱能换一家么。所以第6周之后，留存率就降低了。第5周或第6周没去，这个用户就流失了。

所以研究留存率的目的，是为了延长留存次数。能够延长一周或者一次，就可以最大化的提升用户生命价值。

解决办法：

可以在这个时候，做一个唤醒营销。

每个品类的消费频次不一样。看这个品类的流失在哪周，就是消费节点。

把用户划分，对3000元以上的客户，生日前3天打电话，送蛋糕，不管生日在哪过。80%的客户当时决定定你们餐厅。

对不同目的的用户采用不同策略：70%-散客：随便消费，提升他们的频次；20%是随客：陪同吃饭，负责买单，提升他们的回头率。

2. 营销案例—会员日的使用

2015年，4月、5月比之前下降了30%，所以就做了会员日行为。会员日是一个长期行为，不是短期行为。

会员日当天，数据提升40%。同比去年，提升20%。

客户留存加强。（也是提升留存的一种方法）

3. 优惠券使用

不同金额的优惠券的回收率：50元券：5.19%，30元，2.56%。33元泡椒田鸡半价券：4.96%，所以33元券效果和50元差不多，为什么不多推33元的呢，这样就可以把成本降下来。

五、 杏树林数据驱动实战

杏树林是一个在线医疗的app，也是一家做事思路很清晰的公司。有以下三个亮点：

1. 埋点规范

我去面试，会聊到埋点规范这一步，如果面试官毫无兴趣，只是希望我尽快讲用数据实现了多牛逼的功能，那么我就会停止讲下去，扭头就走。

因为这样表示这个团队还没有经过数据的入门步骤，也对数据的坑和成本没有了解，只是寄希望于数据的光环。在大多数情况下，会面临很大的项目失败率。

嗯，这个哥们讲了好半天的埋点规范，可见他们也在这里走了很多路才摸索出来。我个人觉得想跳槽的可以去这里。

2. 强大的需求管理能力

他们竟然真的把产品开发中的每个环节都量化了。

每个功能的对应的留存和流量都很清楚，这样团队对用户的了解和功能优先级很清楚

每次改版的成本和收益都量化了，这样不同部门吵架就很少。

想这样做的公司很多，但是把产品中涉及到的所有功能，都用功能树拆解，从而每一级功能，都可以清楚的出现在图表上。这样的公司还是很少见的。

3. 数据观点

不是所有的产品迭代都能用数据评估。

要控制不能用数据评估的功能开发。因为不能用数据评估，一定有其原因和风险。——这是我第一次听到这个观点，并深表赞同。

杨楠楠：酒仙网高级数据产品经理，负责搜索、电商流量分析、内部BI，参与设计推荐、用户画像、供应链管理。擅长数据化运营体系和数据产品设计方向。

本文由特邀作者 @杨楠楠 原创发布于产品社区，未经许可，禁止转载。