专业的短链接生成工具
链接域名
短网址有效期
手把手教你如何搭建增长数据体系（建议收藏）
更新时间：2025-5-12 17:13:14 作者：爱短链
在实际业务中，大多数人可能只会遇到以下一个或几个常见的场景，每个细分场景需要解决的问题和焦点都不同。
场景1：当您刚刚加入成熟产品的用户增长部门时，您会发现业务中有非常全面和详细的用户和业务数据。
然而，由于缺乏数据分析经验，面对一堆数据，您不知道如何从数据中挖掘出更有价值的信息，除了简要了解产品的基本情况。
要解决的问题：面对大量的数据，我不知道如何开始分析。
从数据分析中找到增长线索的各种方法论。
场景2：您掌握了基本的数据分析技能，可以根据现有数据找到增长线索。
你想分析一些关键指标的异常情况，但你不知道哪些数据相关性高，如何分析多维数据相关性。
要解决的问题：需要明确的问题，但不知道如何有效地拆解数据问题。
所需能力：根据目标行为拆解用户路径的方法。
场景3：拆卸用户路径后，发现目标转换路径中部分数据缺失，无法有效支持您的分析。
要解决的问题：如何快速有效地收集缺失的数据。
所需能力：制定数据采集方案。
场景4：所需数据采集到位后，发现数据统计混乱，每次查询和分析数据的效率和成本都很高。
要解决的问题：如何有效地呈现数据，降低查询成本。
所需能力：创建数据仪表板。
对于上述工作场景的诊断，大多数成长者的工作顺序可能是： 数据分析→拆解用户路径→收集数据→搭建仪表盘 基于数据驱动用户增长可分为以下五个步骤： 对于大多数增长从业者来说，最重要的是掌握一套数据分析方法，从现有数据中快速找到增长线索，取得一些增长性能，然后检查数据埋藏点、统计等地方是否存在问题。
当你掌握了数据分析方法，但你所在的公司or没有基基本数据的情况下，负责的业务需要考虑如何拆解用户路径和数据采集。
而数据仪表盘则是为了提高查询效率，支持数据分析工作的快速准确发展。
1.数据分析：多维数据分析 从数据分析中寻找增长机会，可分为宏观和微观两个角度。
宏观:在基础数据中找到更大的增长机会。
微观：分析用户数据，挖掘相对隐藏的增长线索。
无论公司是否有用户的精细数据，都可以从整体角度进行数据分析，找出增长的弱点。
然后考虑是否分析更详细的数据。
案例：内容类APP产品 本节将通过一个案例（数据虚拟）分享宏观数据分析，重点关注北极星指标和全链泄漏增长模型。
北极星指标：指导增长方向的最重要指标也可以被视为现阶段业务的唯一重要指标。
在制定北极星指标时，需要考虑业务目标和用户价值，同时服务于业务的长期健康增长。
全链漏斗增长模型：梳理影响北极星指标的主要细分指标，并标明转化率。
通过模型，可以详细拆卸北极星指标，找到增长的机会点。
案例场景:刚入职的内容类APP，负责用户增长，公司没有完善的背景数据系统，无法通过详细的用户行为埋藏数据，如何找到一些增长线索。
公司现有的背景数据指标：下载、注册、登录、平均阅读时间和基本用户信息。
第一步：构建全链漏斗增长模型 从转换漏斗中可以发现： 新用户下载到注册的转化率为70%，新用户下载转化率好。
老用户活动低:当月活跃老用户占注册用户总数的10%，老用户活动低。
活跃用户主要由新用户补充。
产品价值低：当月人均阅读时间低，远低于行业平均水平。
第二步:分析历史趋势。
观察趋势、异常点和拐点。
从历史数据中发现： 拐点:2019年11月，从71%下载到注册的转化率大幅下降。
发送了什么？ 趋势:2019年10月，人均阅读时间翻了一番。
因为当时内容社区部分增加了。
第三步：根据客户获取渠道进行分解。
了解现状和历史数据后，数据可以通过客户获取渠道进行维度分解。
新用户下载转化率一直保持在63%-71%左右。
抖音广告于2019年11月开始，转化率仅为10%-15%，导致整体转化率下降。
第四步：了解用户的基本属性特征。
APP收集用户信息，画分布饼图。
年龄、性别、城市、职业等。
18-25，25-30用户比例最大。
职业：白领和大学生。
第五步：了解用户的基本活动 发现： 超过80%的活跃用户每月登录不到4次 然而，每月登录4次以上的用户中，近80%是18-25岁的大学生 总结： 可以将新用户下载到活跃转化率： 老用户活动低： 人均阅读时间低于行业平均水平。
微信官方账号转化率远高于抖音广告。
18-25岁的大学生活跃度较高。
应用策略的两个方向是制定增长线索 在通过数据分析获得增长线索后，我们可以通过相互学习来制定增长策略：加强增长，并继续在显示成功信号的方向上加强增长。
补短：修补漏洞，找出整个业务漏斗中最严重的损失环节，通过策略减少损失。
继续分析上述案例： 假设公众号来源新用户质量高： 对应策略：取长。
增加微信官方账号内容数量，提高微信官方账号内容质量。
大学生活动度高： 相应的策略：长。
进一步分析大学生的客户获取渠道来源。
通过用户问卷了解大学生感兴趣的内容和功能。
加强相应的产品体验。
抖音广告新用户转化率低： 对应策略：补短。
找出漏斗转化率低的原因，测试提高转化率。
老用户活动和留存率低： 相应的策略补短。
进一步分析活跃和保留曲线，找出用户流失最大的问题。
1.1.用户分群 用户数据通常可分为用户属性数据和用户行为数据两类。
用户属性数据代表用户自身的基本信息和状态，包括自然特征和行为提醒特征，一般相对固定，不易改变。
用户行为数据是用户产品中的行为轨迹，代表用户与产品的互动模式，通常以各种方式影响数据。
通过设置分组维度和应用分组结果组维度和应用分组结果来实现。
1.1.1.设置分组维度： 用户的各种属性和行为将存在于任何产品中。
如何在这些属性和行为中选择最初的分组维度？它主要可以根据两种维度类型进行分组。
一种是根据用户属性进行分类。
另一种是根据用户的行为进行分类。
用户属性：用户的自然属性和特征不会轻易改变。
获客渠道； 年龄、性别、城市、家庭：年龄、性别、城市、家庭。
可推荐用户经济状况属性：设备、型号、城市、职业。
用户行为：产品生命周期中用户的关键行为。
生命周期的关键行为：新老用户。
用户活动RFM； 付款:是否付款； 功能使用； 增长模型:增长模型中的某个变量在不同的人群中有很大的不同。
贷款额度：互金产品。
客户单价：滴滴出租车。
价位：SaaS。
在一些创业团队中，产品可能是不分组的。
虽然数据分析很简单，但平等对待用户，导致无法探索增长线索，错过增长机会。
与这类公司对比的是，一些巨型企业会采用千人千面的分群方式。
该方法需要技术和算法的支持。
而且分析结果需要相应的运营和产品资源配合，不适用于绝大多数公司。
在大多数公司中，维度分组从1-2个维度简单分组，从实际业务问题出发。
用户量达到一定数量级后，可选择3-5个维度进行多组合分组。
1.1.2.应用分组结果： 通过用户群获取群结果，主要可分为两个应用方向，以获取用户为分离点。
在获取用户之前，可以通过结果优化准确的新策略。
获取用户后，可以通过结果改善精细操作的产品体验。
准确创新：对现有用户进行分组，找到高质量的用户群，进一步定位高质量用户的客户获取渠道或广告。
选择高质量的用户，上传这些用户特征的渠道平台，并通过算法找到类似的用户。
精细的产品操作体验：产品算法支持千人千面的产品和内容推荐等。
对不同的组进行不同的操作。
Push推送、促销活动等。
1.1.3案例分析： 在这里，通过一个时尚产品电子商务产品的用户分组案例，我们将分享如何利用用户分组来实现增长策略的顶部。
选择关键属性和行为维度，组合分组： 针对不同的分组，制定相应的策略(方案仅供参考，不真实) 1.2.用户行为 行为分析是通过详细的用户行为数据描述用户在产品中的真实路径和交互。
根据用户行为分析的结果，引导用户通过产品或操作改变用户行为的轨迹和模式，使用户能够更好地从产品中获得价值。
用户行为驱动的增长主要是通过明确的分析对象和选择分析方法来实现的。
.2.1.明确分析对象： 用户行为可分为两种关键用户行为，一种是一次性或低频行为，另一种是周期性行为。
一次性或低频行为代表了用户为使用产品奠定基础的重要行为。
例如，下载App、完成注册、输入身份信息、充值等。
周期性行为代表了用户使用产品功能的核心行为。
如订单、拇指、阅读、观看视频等。
用户在产品中有很多行为。
准确找到这两种关键用户行为可分为两类：从数据验证：在实际数据中，通过路径分析找到关键转换路径，通过比较行为频率找到高频行为，发现任何遗漏行为。
从业务开始：从关键转换路径或高频周期性行为中找到并确认关键行为。
1.2.2.选择分析方法： 通过用户行为分析解决的基本问题可以概括为两类：转换问题：一般来说，通过分析用户行为路径，更多的用户可以执行某种行为，走上正确的路径。
保留问题：一般来说，通过对周期性行为的分析，用户可以更持久地执行某种行为，养成正确的习惯。
1.3.用户行为路径分析：漏斗分析 漏斗分析是几个关键节点的转换路径，简单直观地显示同一组用户从每一步到下一步的转换率。
通过转化率，快速判断大多数用户是否遵循产品设定的路径，并找出哪个关键节点损失最大。
漏斗分析是一种非常熟悉的分析方法，常用的漏斗分析方法有两种：通过全链漏斗找到用户流失点和增长机会。
通过AARRR各环节的细分漏斗寻找用户流失点和增长机会。
客户：新用户注册漏斗：新用户注册漏斗： 激活：新用户激活漏斗 保留:关键周期性漏斗。
推荐：旧新用户转换漏斗。
实现:订单漏斗、投资漏斗等。
1.4.用户行为路径分析：路径分析 路径分析显示了用户从每一步到下一步的转换率。
大多数用户的实际行为路径是通过发散分析确定的。
通过路径分析，可以确定用户在产品中的实际路径和方向与产品期望的主要路径之间的差异。
确定用户的实际主流路径。
事先发现一些未知的路径。
常见的思维方向：用户的实际路径和产品设计期望的路径有什么区别？新用户进入主页后的实际路径是什么？你最喜欢的页面是什么？ 如何引导用户回到主流路径，快速实现核心功能？ 以某种行为结束的路径：到达某一功能的路径中，哪一条最主流？ 用户可以这种行为的路径是什么？ 要想提高触达行为的转化率，最容易从哪条路径入手？ 在用户偏离预设路径后，实际方向是什么？ 为什么用户到达行为对应的页面(如商品详情页)后不触发行为(点击支付)？ 用户去了什么路径？ 如何避免这类用户偏离预设路径？ 这里小边根据模拟案例（二手车交易平台）简要介绍如何利用用户路径分析找到增长线索。
第一步:明确目标:增加销量。
第二步：假设根据用户路径分析，发现有两条主要路径： 启动App-
场景1：当您刚刚加入成熟产品的用户增长部门时，您会发现业务中有非常全面和详细的用户和业务数据。
然而，由于缺乏数据分析经验，面对一堆数据，您不知道如何从数据中挖掘出更有价值的信息，除了简要了解产品的基本情况。
要解决的问题：面对大量的数据，我不知道如何开始分析。
从数据分析中找到增长线索的各种方法论。
场景2：您掌握了基本的数据分析技能，可以根据现有数据找到增长线索。
你想分析一些关键指标的异常情况，但你不知道哪些数据相关性高，如何分析多维数据相关性。
要解决的问题：需要明确的问题，但不知道如何有效地拆解数据问题。
所需能力：根据目标行为拆解用户路径的方法。
场景3：拆卸用户路径后，发现目标转换路径中部分数据缺失，无法有效支持您的分析。
要解决的问题：如何快速有效地收集缺失的数据。
所需能力：制定数据采集方案。
场景4：所需数据采集到位后，发现数据统计混乱，每次查询和分析数据的效率和成本都很高。
要解决的问题：如何有效地呈现数据，降低查询成本。
所需能力：创建数据仪表板。
对于上述工作场景的诊断，大多数成长者的工作顺序可能是： 数据分析→拆解用户路径→收集数据→搭建仪表盘 基于数据驱动用户增长可分为以下五个步骤： 对于大多数增长从业者来说，最重要的是掌握一套数据分析方法，从现有数据中快速找到增长线索，取得一些增长性能，然后检查数据埋藏点、统计等地方是否存在问题。
当你掌握了数据分析方法，但你所在的公司or没有基基本数据的情况下，负责的业务需要考虑如何拆解用户路径和数据采集。
而数据仪表盘则是为了提高查询效率，支持数据分析工作的快速准确发展。
1.数据分析：多维数据分析 从数据分析中寻找增长机会，可分为宏观和微观两个角度。
宏观:在基础数据中找到更大的增长机会。
微观：分析用户数据，挖掘相对隐藏的增长线索。
无论公司是否有用户的精细数据，都可以从整体角度进行数据分析，找出增长的弱点。
然后考虑是否分析更详细的数据。
案例：内容类APP产品 本节将通过一个案例（数据虚拟）分享宏观数据分析，重点关注北极星指标和全链泄漏增长模型。
北极星指标：指导增长方向的最重要指标也可以被视为现阶段业务的唯一重要指标。
在制定北极星指标时，需要考虑业务目标和用户价值，同时服务于业务的长期健康增长。
全链漏斗增长模型：梳理影响北极星指标的主要细分指标，并标明转化率。
通过模型，可以详细拆卸北极星指标，找到增长的机会点。
案例场景:刚入职的内容类APP，负责用户增长，公司没有完善的背景数据系统，无法通过详细的用户行为埋藏数据，如何找到一些增长线索。
公司现有的背景数据指标：下载、注册、登录、平均阅读时间和基本用户信息。
第一步：构建全链漏斗增长模型 从转换漏斗中可以发现： 新用户下载到注册的转化率为70%，新用户下载转化率好。
老用户活动低:当月活跃老用户占注册用户总数的10%，老用户活动低。
活跃用户主要由新用户补充。
产品价值低：当月人均阅读时间低，远低于行业平均水平。
第二步:分析历史趋势。
观察趋势、异常点和拐点。
从历史数据中发现： 拐点:2019年11月，从71%下载到注册的转化率大幅下降。
发送了什么？ 趋势:2019年10月，人均阅读时间翻了一番。
因为当时内容社区部分增加了。
第三步：根据客户获取渠道进行分解。
了解现状和历史数据后，数据可以通过客户获取渠道进行维度分解。
新用户下载转化率一直保持在63%-71%左右。
抖音广告于2019年11月开始，转化率仅为10%-15%，导致整体转化率下降。
第四步：了解用户的基本属性特征。
APP收集用户信息，画分布饼图。
年龄、性别、城市、职业等。
18-25，25-30用户比例最大。
职业：白领和大学生。
第五步：了解用户的基本活动 发现： 超过80%的活跃用户每月登录不到4次 然而，每月登录4次以上的用户中，近80%是18-25岁的大学生 总结： 可以将新用户下载到活跃转化率： 老用户活动低： 人均阅读时间低于行业平均水平。
微信官方账号转化率远高于抖音广告。
18-25岁的大学生活跃度较高。
应用策略的两个方向是制定增长线索 在通过数据分析获得增长线索后，我们可以通过相互学习来制定增长策略：加强增长，并继续在显示成功信号的方向上加强增长。
补短：修补漏洞，找出整个业务漏斗中最严重的损失环节，通过策略减少损失。
继续分析上述案例： 假设公众号来源新用户质量高： 对应策略：取长。
增加微信官方账号内容数量，提高微信官方账号内容质量。
大学生活动度高： 相应的策略：长。
进一步分析大学生的客户获取渠道来源。
通过用户问卷了解大学生感兴趣的内容和功能。
加强相应的产品体验。
抖音广告新用户转化率低： 对应策略：补短。
找出漏斗转化率低的原因，测试提高转化率。
老用户活动和留存率低： 相应的策略补短。
进一步分析活跃和保留曲线，找出用户流失最大的问题。
1.1.用户分群 用户数据通常可分为用户属性数据和用户行为数据两类。
用户属性数据代表用户自身的基本信息和状态，包括自然特征和行为提醒特征，一般相对固定，不易改变。
用户行为数据是用户产品中的行为轨迹，代表用户与产品的互动模式，通常以各种方式影响数据。
通过设置分组维度和应用分组结果组维度和应用分组结果来实现。
1.1.1.设置分组维度： 用户的各种属性和行为将存在于任何产品中。
如何在这些属性和行为中选择最初的分组维度？它主要可以根据两种维度类型进行分组。
一种是根据用户属性进行分类。
另一种是根据用户的行为进行分类。
用户属性：用户的自然属性和特征不会轻易改变。
获客渠道； 年龄、性别、城市、家庭：年龄、性别、城市、家庭。
可推荐用户经济状况属性：设备、型号、城市、职业。
用户行为：产品生命周期中用户的关键行为。
生命周期的关键行为：新老用户。
用户活动RFM； 付款:是否付款； 功能使用； 增长模型:增长模型中的某个变量在不同的人群中有很大的不同。
贷款额度：互金产品。
客户单价：滴滴出租车。
价位：SaaS。
在一些创业团队中，产品可能是不分组的。
虽然数据分析很简单，但平等对待用户，导致无法探索增长线索，错过增长机会。
与这类公司对比的是，一些巨型企业会采用千人千面的分群方式。
该方法需要技术和算法的支持。
而且分析结果需要相应的运营和产品资源配合，不适用于绝大多数公司。
在大多数公司中，维度分组从1-2个维度简单分组，从实际业务问题出发。
用户量达到一定数量级后，可选择3-5个维度进行多组合分组。
1.1.2.应用分组结果： 通过用户群获取群结果，主要可分为两个应用方向，以获取用户为分离点。
在获取用户之前，可以通过结果优化准确的新策略。
获取用户后，可以通过结果改善精细操作的产品体验。
准确创新：对现有用户进行分组，找到高质量的用户群，进一步定位高质量用户的客户获取渠道或广告。
选择高质量的用户，上传这些用户特征的渠道平台，并通过算法找到类似的用户。
精细的产品操作体验：产品算法支持千人千面的产品和内容推荐等。
对不同的组进行不同的操作。
Push推送、促销活动等。
1.1.3案例分析： 在这里，通过一个时尚产品电子商务产品的用户分组案例，我们将分享如何利用用户分组来实现增长策略的顶部。
选择关键属性和行为维度，组合分组： 针对不同的分组，制定相应的策略(方案仅供参考，不真实) 1.2.用户行为 行为分析是通过详细的用户行为数据描述用户在产品中的真实路径和交互。
根据用户行为分析的结果，引导用户通过产品或操作改变用户行为的轨迹和模式，使用户能够更好地从产品中获得价值。
用户行为驱动的增长主要是通过明确的分析对象和选择分析方法来实现的。
.2.1.明确分析对象： 用户行为可分为两种关键用户行为，一种是一次性或低频行为，另一种是周期性行为。
一次性或低频行为代表了用户为使用产品奠定基础的重要行为。
例如，下载App、完成注册、输入身份信息、充值等。
周期性行为代表了用户使用产品功能的核心行为。
如订单、拇指、阅读、观看视频等。
用户在产品中有很多行为。
准确找到这两种关键用户行为可分为两类：从数据验证：在实际数据中，通过路径分析找到关键转换路径，通过比较行为频率找到高频行为，发现任何遗漏行为。
从业务开始：从关键转换路径或高频周期性行为中找到并确认关键行为。
1.2.2.选择分析方法： 通过用户行为分析解决的基本问题可以概括为两类：转换问题：一般来说，通过分析用户行为路径，更多的用户可以执行某种行为，走上正确的路径。
保留问题：一般来说，通过对周期性行为的分析，用户可以更持久地执行某种行为，养成正确的习惯。
1.3.用户行为路径分析：漏斗分析 漏斗分析是几个关键节点的转换路径，简单直观地显示同一组用户从每一步到下一步的转换率。
通过转化率，快速判断大多数用户是否遵循产品设定的路径，并找出哪个关键节点损失最大。
漏斗分析是一种非常熟悉的分析方法，常用的漏斗分析方法有两种：通过全链漏斗找到用户流失点和增长机会。
通过AARRR各环节的细分漏斗寻找用户流失点和增长机会。
客户：新用户注册漏斗：新用户注册漏斗： 激活：新用户激活漏斗 保留:关键周期性漏斗。
推荐：旧新用户转换漏斗。
实现:订单漏斗、投资漏斗等。
1.4.用户行为路径分析：路径分析 路径分析显示了用户从每一步到下一步的转换率。
大多数用户的实际行为路径是通过发散分析确定的。
通过路径分析，可以确定用户在产品中的实际路径和方向与产品期望的主要路径之间的差异。
确定用户的实际主流路径。
事先发现一些未知的路径。
常见的思维方向：用户的实际路径和产品设计期望的路径有什么区别？新用户进入主页后的实际路径是什么？你最喜欢的页面是什么？ 如何引导用户回到主流路径，快速实现核心功能？ 以某种行为结束的路径：到达某一功能的路径中，哪一条最主流？ 用户可以这种行为的路径是什么？ 要想提高触达行为的转化率，最容易从哪条路径入手？ 在用户偏离预设路径后，实际方向是什么？ 为什么用户到达行为对应的页面(如商品详情页)后不触发行为(点击支付)？ 用户去了什么路径？ 如何避免这类用户偏离预设路径？ 这里小边根据模拟案例（二手车交易平台）简要介绍如何利用用户路径分析找到增长线索。
第一步:明确目标:增加销量。
第二步：假设根据用户路径分析，发现有两条主要路径： 启动App-
