本次直播我们邀请到了有着20年经验的数据运营专家@刘典默老师，职业上半场是运营操盘人，下半场是战略和数据化管理，服务过多家上市企业，操盘了30亿规模的企业战略规划和数据管理，侥幸拥有数据模型专利，常在GIO等多个专业数据增长大会上分享。本文由直播内容整理，内容有删改。

大家好，我是刘典默，也可以叫我David，有着20年的工作经验，在职业的上半场是运营操盘人，下半场是战略和数据化管理。

本次分享主要分为三部分：第一部分掌握四大分析思维模型；第二部分是体验数据和运营数据商业结合的案例，理解数据分析如何发挥作用；第三部分是完整的实操指引方法。

小思考：在日常工作中，无论什么职位当涉及到数据时都会遇到两个问题：一是当接到领导或老板有关业绩增长的分析需求时，会先做什么？二是需要证明某业务或产品的产出价值时，该如何开始着手？接下来的分享希望大家带着这两个问题思考。

在做数据分析的过程中经常遇到三个痛点：

第一，需求不明确，范畴过大而无从下手，比如领导认为最近业绩有点下滑，让分析具体原因。

第二，结论没有说服力、逻辑被各种质疑，比如好不容易做好的分析报告，在与同事和领导交流时，却发现结论没有说服力，其中的逻辑圆不出来，被各种质疑。

第三，数据不充分，找不到事实与结论之间的硬关系，比如销售团队在做工作总结时，总结出来的数据是业绩增长多少，同环比增长多少等，但在最后结论时，却大部分是某些市场具体行为，没有办法告知结论与数据之间的关系。

以上问题和痛点就引出本次分享的重点，即查理·芒格所说：思维模式会给你提供一种视角或思维框架，从而决定你观察事物和看待世界的视角。顶级的思维模式能提高你成功的可能性，并帮你避免失败。

这句话的关键词是视角和思维框架，即在做任何数据分析前，如果没有很好的视角和思维框架，即便有大量数据摆在面前也都没有价值，视角和思维框架决定了数据分析的价值。

故本次分享重点不在于教具体的工具，而是视角和思维框架，只有拥有视角和思维框架，数据分析才能有质的飞跃和变化，才能分析出数据的真相和价值。

一、掌握四大分析思维模型

1. 框架思维

框架思维的本质是定义要素、定义维度、定义分类和定义关系，概念本身并不难理解，真正的难度在于定义上。

上图是一张思维导图，而思维导图属于框架思维的一种表现形式，比如培训运营型主播时需要有大题材，例如运营主播必备的技能可以切分成很多种类和维度，第一个维度是如何获取流量并把产品卖出；第二个维度是需要进一步获取流量、了解抖音的推流机制、数据指标、基础脚本等；第三个维度是可以把数据指标继续切分成人气指标、电商指标等。

人气指标又可以继续切分为点赞量、关注量、停留时长、评价等。通过切分可以形成完整逻辑树的思维导图，通过该思维导图就可以清楚知道运营型主播必备技能。

由此可以发现，思维导图是框架思维的典型代表，即涉及到定义维度、定义分类、定义要素和定义关系。虽然大家都会做思维导图，但难点在于假设自己从事该领域，这时需要自己思考运营型主播必备技能该如何定义维度时，会发现开头最难，而只有对维度的定义准确，才表明对运营型主播必备技能这件事理解透彻。

上图是行为经济学策略模型，运营经常会面临一个问题，即每个月、每个季度或每一年都需要对下一部分的工作做出工作计划，而做工作计划最重要的一点是计划要有理有据，需要按照目标解决具体问题。

而在实现目标时务必会涉及用何种方式实现、所做举措和手段为何一定能达到想要的目标、专业性体现在何处等问题。基于此，如上图行为经济学策略模型左侧所示，包含有效流量、展示设计、损失规避、遵义效应等，如不了解的在此推荐一本书，由曾获得诺贝尔奖的丹尼尔·卡尼曼写的《思考，快与慢》，此本书中详细阐述了行为经济学里关键、重大的效应理论，这些效应理论在这些年的商业环境中被反复证实和验证。

本人第一次看这本书时即被里面的理论深深震撼，比如运营经常会被领导要求写计划，当写计划时通常会想自己下个月将策划一场满299减100的促销活动，这个活动将带来多少业绩等，但很少人会思考为什么定义为满299减100而不是定义为6.6折的原因。

当我们知其然而不知其所以然时，仍然是按照工具的思维角度去做常态化工作，在这种情况下没有创新性，因为只有对理论理解得越透彻，才能越活学活用。如果只知道299减100是比较好的效果，但却不知道原因，在未来工作中思考方法和策略时就很难有创新，只能用别人用过或想到的东西。

如上图所示，本人添加了第二列：活动例子，主要用来重新做注释，帮助准确理解效应所起的作用；这时还需注意横轴是应用场景节点，从事互联网行业的同学应该知道，在很多时候不管是产品还是运营，在开始大部分工作时的着入点都是要先站在用户角度去思考，这样势必有一种叫场景的概念。

故做上图模型时把用户场景角度切分成6个环节：一是用户通过广告导流或其它方式进入平台；二是用户进来后会看到首页；三是用户点击进去后想详细了解产品，这属于商品引导；四是当用户对产品有认知后就会决定是否下单；五是评价；六是复购、朋友拉新、渠道拓展等场景。

当拿到上图这张表时，框架思维的魔力就出来了，可以把所有能想到的效应都尝试能否对应到场景下，比如做广告导流或在首页里设计促销广告时，就需要思考哪种效应可以支撑这件事情，从而可以发现收益小、风险偏好效应很适合做促销；

比如发优惠券时会发现，从收益小、风险偏好效应角度看，优惠券远不如直降效果好，因为当用户面对收益极小时，反而偏向于冒险；再比如公司预算很少，如果想要每个人都得到促销福利，这时就会发现2块钱抽奖远比2块钱优惠券效果好。

所以在设计活动时，可以把所有效应跟所有场景一一对照写出策略，当整体做完后就形成了策略库，这个策略库就是行为经济学策略模型，可以把这套行为经济学策略模型存在自己电脑里，当老板要求做下个季度或明年工作计划时，就可以根据这套策略库，清楚知道下一步的做法。

通过上述案例即可明白框架思维所带来的变化，即框架思维的本质是需要把事情重新解构，把事情按照全新维度、全新分类重新解构出来，就会发现事情的不同。所以框架思维本身并不难理解，其难点在于如何找到好的要素、视角、框架思维去重新定义一件事情，只有重新定义透，理解事情才会变得完全不一样。

2. 树状思维

树状思维也称逻辑树思维，即把复杂结果拆解成若干个简单的子结果，然后像树枝那样逐步展开。

逻辑树有两个重要特点：

第一，因上有因，果下有果，即所有事情都可以归为是原因还是结果，比如公司的销售额业绩上升属于结果，而导致销售额上升可能是客单价或下单人数等，这时客单价和下单人数也属于结果，又可以继续往下细分。

第二，一果多因，在现实世界中，一个结果通常由很多原因促成，所以逻辑树的一个果需要分出很多枝枝蔓蔓。

逻辑树思维设计数据结构的秘诀是逻辑递进，即上一层的因，也是下一层的果，由此展开树状结构，不断深挖寻找背后的因，故作为分析者要始终思考：谁是谁的因，谁是谁的果。

如上图所示，销售额是电商的终极指标，销售额往下可以拆成客单价和下单人数，客单价又可以拆分为各个品类客单价加权平均值，各个品类客单价又可以拆分为各单品的加权平均值；下单人数也可以拆分为浏览量和转化率，浏览量可以拆分为新客和老客，新客又可以拆分为不同渠道的新客，老客也可以继续拆分为不同人群体系等。

首先，当逻辑树越丰满时，对商业理解就越全面和越有深度，可以在认知上达到前所未有的高度；其次，逻辑树思维是业务复盘时的不二法门，如果养成逻辑树思维，在看到报表时，就可以快速知道每个指标的结果是由哪个指标变化导致，从而可以很快发现数据的最关键点和本质点。

逻辑树思维需要具备两个能力：

第一，全方面大胆假设能力，因为逻辑树因上有因，果下有果，如需清楚当中的逻辑关系，一是需要经验，即业务做久后才能知道哪些事情是因，哪些是果；二是需要有复合知识或做思想实验，才能完全验证出因和果。

第二，交叉逻辑验证，好比医生诊断、侦探破案一样找到关键因素。

上图左侧图可以很好说明逻辑树的辩证过程，即当有了结果指标后，按照逻辑树关系把其拆分为一层层的过程指标，一直拆到没有前因指标；这时需要记住，所有能被指标化的东西其本身就意味着是果，如果没有前因指标时，导致该指标变化的一定是行为，所以公司所有指标变化都可以溯源到业务行为。

而业务行为有一定的惯性和规律，这时就可以发现，原来是市场规律决定业务行为，即市场上所有商业行为动作，从严格意义上来讲都符合一定的市场，所以规律决定了团队组织的业务行为，当把规律找到并很好利用起来后，就可以发现新的结果指标，然后又进入到新一轮的规律中，从而形成完整的闭环。

3. 系统思维

系统思维有点玄妙，系统定义是由若干要素以一定结构形式联结构成的具有某种功能的有机整体。

即使不清楚系统思维，也会知道增长飞轮，增长飞轮是属于系统论中的一种。如上图亚马逊的战略增长飞轮所示，亚马逊在20多年的时间里一直能持续创造价值，是因为贝索斯在做企业战略体系时，严格遵循四点：首先要确保产品是无限选择；当商品越来越多时，客户体验一定越来越好；当客户体验越来越好时，会带来更多流量；有了更多流量后，就会有更多卖家愿意加入到平台，当平台卖家越多时，势必又带来更多商品的无限选择。

所以系统论是看待和理解企业业务增长的一种解读方法，其有一个很大的特点是时间序列相关的演变模型，整个过程和时间相关，先是无限选择；无限选择促进客户体验；客户体验促进流量；流量再促进卖家；卖家再继而促进无限选择，如此周而复始、无限循环地不断加强。

但系统中有个重要概念是调节回路，即当系统越来越强后，就会出现其它因素干扰其增强回路，使其增强回路逐渐趋于平缓，直到静止为止，当增长飞轮趋于平衡时，就出现系统论中的熵增状态。

中华民族的老祖宗对系统论理解最深，比如太极本身体现了系统论的无限与周而复始、互相加强的过程；以及周易中的否极泰来和物极必反两个卦象也与系统论相同，即当一件事情持续糟糕到限度时，便不会再糟糕下去，美好的东西也一样，当无线美好到极致时，便会静止，所以凡事没绝对。

虽然中华民族老祖宗对系统论认知很早，但却是西方人把系统论阐释地更清楚，这是由于东西方思维的不同，西方在传播知识时，可以把知识定义地非常准确，更有利于知识的传播和理解。

当掌握系统思维后，大到企业决策，小到个人未来规划，都可以用系统论的方式找到目前最困扰的事情，即找到最关键的因，当知道增长飞轮中的关键因素时，就可以通过撬动关键因素影响整体。

4. 对比思维

对比思维是指认知是基于一个又一个参照对象积累起来的，而对比的本质就是参照性理解。比如所有人认识新事物时都不是一下子就认知到位，因为人的思维习惯是在认识新东西或没接触过的东西时，通常把其和已经知道的东西进行比较，从而知道新的东西。

比如市场营销中的定位本质就是对比思维，如果全世界只有一家企业就无需定位，而需要定位是因为有很多竞争对手在同品类里争抢，所以才需要有定位，定位就是和别人不一样，而不一样要通过对比才能得出不同点。

刚进入到某个新行业时，可以通过规模和增速两个象限快速了解行业，如上图所示，作为一个刚进到母婴公司的产品经理，只需通过这张图即可马上了解公司卖的品类和所处市场。

比如规模大增速慢说明产品处于红海状态，这样的产品属于公司的现金流产品，而现金流产品是公司一定需要有的，但其不代表公司未来，仅代表公司现在的利润和流水；如果想以后有发展机会，就需要有增速快的产品，而增速快的产品大部分都集中规模小的地方，即找到蓝海。

综上可以发现，对比思维可以在认识事情时，通过对比瞬间，改变对事情的理解和认知。

本人把对比思维总结成“三位一体”3个点：

第一，见自己，即环比和同比，定位当下是转好还是转坏。

第二、见天地，即与最好的对象比较差异和趋势，找到优劣势和机会点。

第三，见众生，即与大盘数据的平均值和中位数比较，会发现有时大盘数据上升或下降不一定和自己有关，而是跟整个行业相关，所以需要根据自身当前的业绩走势或指标判断是行业整体带动还是个人努力相关。

二、体验数据与运营数据商业结合案例

在分享案例前，先普及一些知识：

第一，体验数据，也称X-DATA，通常围绕着满意度、费力度和净推荐值而开展，通过问卷调查、线上线下实时获取等渠道来获取一线员工和客户反馈。

第二，运营数据，也称O-DATA，通常是指那些与运营、增长、业绩、绩效等前端业务相关的数据，例如复购率、转化率、流失率、首次解决等。

O-DATA，是指“发生的结果”，X-DATA是指客户体验层面的“原因”。

上图右侧是某保险行业的NPS指标体系，如图所示，NPS可以分为平台信任、产品体验、操作体验、保障生效服务、缴费/续费/续保服务、理赔服务和服务体验类型。

当NPS体验报告出来后，很多业务人员会下意识思考该调研报告的结果与平台、业务增长是否有关系，很多人都期望可以利用X-DATA结论去促进业绩增长，并制定可行策略让公司信服，知道其价值所在。

首先需要从基本框架着手，框架一旦对齐逻辑，枝枝蔓蔓的逻辑就会全部迎刃而解。框架可以按场景方式分成5个递进场景：人到端、端到买、买到买多、买多到多买、多买到推荐。分成5个场景后，再把X-DATA、O-DATA做一个对照表；对比后再思考X-DATA符合哪个场景。

比如X-DATA的平台信任、产品体验、操作体验符合端到买场景，因其决定了用户转化。

首先，平台信任转化为业务运营的核心问题就是“为什么买你家产品”。平台信任解决的是信任问题，而对应的下单率就是信任点；其次，产品体验是“为什么买这个产品”的动机问题，所以产品体验一定要到位；最后，操作体验是“为什么现在买”的引导问题，即产品体验和平台信任是否能快速引导用户下单。

故平台信任、产品体验和操作体验刚好对应运营中的经典三问，而O-DATA中的指标也有对应关系，比如平台信任和产品体验能决定下单率，操作体验决定订单转化率，因为有用户下单后不付款。

保障生效服务会影响O-DATA中的客单价和客户贡献价值，在保险行业中最大的特点是产品介入程度高，如果不是竞争对手可以提供更好的产品或自身产品做的太差，客户通常不会愿意换一家保险公司，因为放弃成本很高，需要重新了解一遍保险公司，所以缴费/续费/续保服务的体验程度将直接影响复购率。

从多买到推荐，理赔服务和服务体验决定客户的推荐系数/复购，因为人只有在遇到事情时才能感知产品价值，所以理赔过的用户是最好的推销员，一定会影响复购。

综上即可梳理X-DATA和O-DATA之间的逻辑对照关系，通过该逻辑对照关系，就可知道X-DATA如何改善且可以影响O-DATA的哪些指标。之所以站在X-DATA的角度去分析O-DATA，是因为影响O-DATA的事情不仅是X-DATA，而X-DATA也不是所有指标都能影响到O-DATA。

从广泛的逻辑树角度看，影响O-DATA的因子远远要大于等于影响X-DATA的因子。比如市场部做了场促销活动，瞬间就可以让X-DATA变得无效，因为直接就可以干扰O-DATA的结果，所以O-DATA范畴的影响因子更多，故一定是站在X-DATA的角度去分析O-DATA，才能把逻辑关系对照完整，才不会有偏差。

当有了指标框架的对照逻辑后，便可做增长飞轮系统，就会发现当有了更好的客户体验后，就可以带来更多客户；当理赔客户越来越多时，就会有更低的理赔成本；当理赔成本越来越低时，就可以有更多的产品选择；有了更多的产品选择，就可以有更好的客户体验，由此周而复始、反复循环。

三、完整实操指引方法

在接下来的部分，刘典默老师详细讲解了完整的实操指引方法。

囿于篇幅有限，想要观看完整视频的朋友可扫描下方二维码添加会员学习顾问@betty老师的微信，并备注“刘典默”，即可获得观看链接。

四、十二月直播回顾

本次会员直播课程，刘典默老师为我们详细讲解了如何系统掌握体验数据分析实操方法，驱动业务增长，希望大家都能有所收获~

每周三/四晚上8点，起点课堂会员平台都会邀请一线的互联网产品、运营实战派专家，与大家分享最新的产品行业动态、运营玩法和干货知识。

每个月的会员直播都有月度主题，每周直播围绕月度主题展开。十二月主题如下：