你是否看了很多数据分析的教程，依旧无法驱动数据迭代；面对一堆数据图，依旧不知道如何实践。本文从底层逻辑出发，探究数据和埋点的本质、探索数据该如何指导现实、梳理数据增长的方法论和逻辑链，希望对你有所帮助。

是否看过很多数据分析的文章教程，但是依旧无法做到数据驱动迭代？是否拿着各种花花绿绿的折线图，却无法用起来？这篇文章力求从最容易理解的逻辑入手，一起探究数据和埋点的本质、探索数据该如何指导现实、梳理数据增长的方法论和逻辑链，浅浅理解希望对诸君有用！

一、对数据和埋点的理解

从前，小镇里新开了一家游乐园，游乐园里有各种各样的游乐设施，过山车、激流勇进、大摆锤、主题餐厅。大家非常喜欢，刚开业不久就收获了很多游客的青睐。

运营了一段时间之后，游乐园为了让游客的游玩体验更好，决定对游乐园进行翻新装修，这一修不要紧，问题来了：

过山车的工作人员说：过山车需要翻新，大家都更喜欢过山车。但是大摆锤的工作人员说：大摆锤需要翻新，大家都更喜欢大摆锤，两边吵的不可开交。

这个时候，有一个工作人员说：不如这样吧，我们把游乐园的道路铺上一层面粉，游客们走在面粉上可以留下脚印，然后我们就可以通过观察脚印数量来看哪个项目更加吸引游客。大家一拍即合，好，就这么干！然后经过实践，大家发现，在过山车门口的脚印确实比大摆锤的脚印多，所以这次翻修，为了更大范围的提供价值，就选择了对过山车进行翻修。

后来，人们把这个游乐园叫做“产品”，把工作人员叫做“产品经理”，把铺面粉叫做“埋点”，把脚印叫做“埋点数据”

每当有一个用户在产品中做了一件什么事或者到了一个什么地方，我们就通过前端植入的代码往服务器上报一条数据，将一段时间内的数据进行统计计算，我们就可以得到一条完整的信息：一段时间内有多少用户做了什么事。然后将各种信息进行关联，就可以分析出想要的结论，这就是埋点和数据最本质的概念了。

对于埋点来说，我们一般会借助第三方产品的力量来帮助我们获得埋点数据，比如友盟、growingIO、WE分析等，这些第三方平台拥有丰富的API接口可以供我们使用，提供各种各样类型的埋点统计数据。

如果需要自建埋点，有两个重要埋点概念可以了解一下。

a. 页面埋点：页面埋点就是帮助我们统计某一个页面的访问量、来源入口等数据的埋点；比如可以统计发布成功结果页的页面访问量等。

b. 事件埋点：事件埋点用于记录页面中某一次点击、某一次曝光等具体操作事件，页面埋点可以附加一些别的属性，比如可以记录“发布”的次数，同时我的属性可以是“带图发布次数”或“不带图发布次数”，事件和属性灵活可变（让开发同学理解清楚就好）

理解了数据和埋点是什么之后，我们从产品的角度出发进行思考：数据对产品迭代有哪些指导意义？数据该如何指导现实？（对着干巴巴的数据一通分析，各种图表天花乱坠，却不去跟现实意义做对照，数据分析根本就是无本之木无源之水啊喂…）

二、数据对产品的指导意义以及如何实践他们

1. 使用数据获取增长

我们使用数据的意义其实就是“增长”，获得更多新用户也好，让用户给出更多付费和转化也好，某种程度上来说这些都是“增长”，有增长就意味着有发展。

《增长黑客》是一本关于增长的书，它详细阐述了一套用于产品增长的实践方法论。核心逻辑是：首先确保你的产品拥有核心价值点，并且通过分析数据来找到它到底是什么。找到核心价值点后确保你的新用户能够以更短的流程和时间来触达它，以此创造更多有效的留存。然而留存是增长的核心，有了留存，配合营销手段，增长就是较为容易的事了。很多产品无法获得增长是因为不了解用户也不了解自己的产品，不知道用户喜欢你是因为什么，也不知道用户无视你是因为什么。

如何确保你的产品是拥有核心价值点的？答：当你的产品有了一波很坚定的用户时。他们一定是被你产品的某种特性或功能吸引才得以留存，我们要做的是找到那个核心价值点，并且尽可能把它呈现到别的用户那里去。

那如何通过数据找到核心价值点呢？首先对你产品内的用户进行分析，将他们分分类，高粘性用户分一拨、低粘性用户分一拨，然后仔细观察他们在产品中的路径有什么比较明显的差异点，比如说：通过观察，发现高粘性用户经常使用A功能，而低粘性用户很少或者基本不使用A功能，那很可能（强调可能，而不是一定）就是因为A功能是产品的核心价值，使用了A功能的用户都体验到了你产品的“啊哈时刻”，从而愿意留在产品中，而低粘性用户很可能压根儿就没发现藏在角落里的价值，所以他压根就对你的产品不感冒。

这里要注意，你的猜测需要关注到逻辑学中很重要的两个概念：因果关系和相关关系。你可能会发现，使用功能A较多的用户会更为活跃，那么你能够就此判断出“用户更多使用A功能，就更容易变成活跃用户”这条结论吗？不能。他们之间可能没有因果关系，只是有相关关系。就好像我们发现冰激凌的销量和沙滩拖鞋的销量是相关关系，但是我们并不能通过提高冰激凌的销量来带动沙滩拖鞋的销量，因为真正影响两者销量的因素可能是夏天来了。

向你的后端小伙伴拉一波用户数据吧，看看那些活跃的用户有什么特点。然后根据你分析的结果进行产品迭代。

同时请你去实际问问你目前的活跃用户吧，看看他们是如何被你的产品吸引的，他们都在里面干什么？

那么怎么才能知道新用户进到你的产品里，在邂逅啊哈时刻之前，他是被拦在了哪一步呢？是哪颗石头把他绊倒了？这里就要聊到大名鼎鼎的“漏斗”的概念，它用于描述一个新用户（老用户谈漏斗没有意义）从一个页面进入到另一个目标页面的通过率。对于新用户而言，在他到达啊哈时刻的路途中，肯定会经过很多的页面，更多的用户是在哪步流走的，哪一个页面就是我们要去优化的。

当你找到了一个通过率很低的漏斗时，你要去分（xia）析（cai）是什么原因造成的，然后根据你的猜测去进行实验，改对了，数据变好，没改对，继续分（xia）析（cai）

2. 使用数据指标体系监控产品生命状态

很多内容会提到“北极星指标”这个概念，它指的是最能反应产品生命力的那个指标。我喜欢把这个指标叫做“脉搏指标”因为脉搏最能反应人的生命状态，你可能会发烧，但是不至于致命，但是如果你没有了脉搏，那就什么都没有了。

在进行实践时，可以将用户经历过核心价值之后产生的那个指标作为北极星指标，比如你分析出能够发布一条个性化的动态的用户是核心价值，那么产品的核心价值很可能就是发布个性化动态，那么你就将“用户个性动态发布量”作为产品的北极星指标，北极星指标常亮，那么产品就能活得很好，因为你的用户一直在享受产品的核心价值。

与此同时还会有一些指标需要你去监控，比如你的体温、你的视力、肺活量等，这些指标组合在一起，共同反映出你这个人的健康水平。那么产品中你也可以自己建立一套指标体系，监控产品状态，例如某一个页面的曝光量或者某一个跳转的转化率等。只要真实准确地反应重要现实意义的指标，都可以作为你监控台上的一个指标（这个寻找过程可能很困难，十分考验产品对现实和数据模型的理解深度）

每当你完成一次迭代后，监控北极星等指标的跃动，增加了还是减少了，这样就能判断出你的实践是否是有效的。通过获取正反馈和负反馈，不断验证自己的方向。

学习还在继续，进步永不停止，这次文章简单介绍产品数据分析的一般逻辑和概念，更为详细的内容我们前方见！