“数据是下一个时代的新能源”——这是互联网企业一直握着的可以改变未来的密码，当我们的社会进入一个生产能力相对过剩，商品供应极大丰富的时代时，卖方市场变成买方市场，如何切中用户的需求，成为销售增长的核心点；如何满足的需求，并能让用户“上瘾”成为产品增长的核心！

一、走进用户数据分析

AARRR增长模型（海盗模型），近些年以及呗从业者是为增长小白的入门级经验。无论是”AARRR”模型还是代表新留存增长的”RARRA”模型，都在强调一件事情：对用户行为的洞察和分析。采集用户数据，几乎是所有互联网企业做增长的“起手式”。

我们所处的商业社会，正在快速经历三种品牌形态的更新迭代：旧品牌，平台品牌，新品牌。平台品牌和新品牌都能直击用户，掌握用户数据。

随着品牌成熟和对精细化运营的深入，越来越多的企业开始在平台电商之外开辟“自建平台”也就是DTC，这一新战线，尝试逐渐降低对平台电商的依赖，通过构建私域流量池将用户数据掌握在自己的手中，实现个性化和寻找“超级用户”和私域裂变。

——所谓“超级用户”，就是既有重度消费行为，又有重度互动行为的消费者，他们不但自己能够为品牌贡献超高的消费额度，还能够影响周边的人带来新客。这些超级用户的价值平均达到一般消费者的7～8倍且具有加强的传播引导力，是私域流量中的意见领袖。

1）用户属性信息

静态和动态以及薇拉发展趋势，包含性别，年龄，收入，电话，职业等，部分信息涉及用户隐私，需要授权使用，一般可收集的数据比较少，

2）用户行为数据

用户行为数据是指用户在商业互动中产生的动作数据，即用户做了什么

比如用户点击购物网站，浏览商品，加入购物车，付款等一系列操作，是用户自发产生的。

3）用户交易数据

用户交易数据是指用户完成支付动作后产生的相关数据。比如：订单金额，订单数，订单类型，促销，物流，退换货等信息

通常讲到用户数据的基础五元素是：谁（who）何时（when）在哪里（where） 做什么（what）怎么做（how），随着商业化开展，形成了5+1要素，即增加了做多少（how much）

二、如何收集和规划数据

一般企业对数据规划，会采用能用数据表示的“OSM 模型+UJM模式+场景化”结合

OSM模型（objective strategy measure) 模型

主要方式是通过目标策略拆解和衡量，帮助企业目标结构化清晰呈现

举例：负责搜索的产品经理，如何优化搜索成交转化率呢？

整体过程可以总结出，漏斗“发现搜索-提交订单”的用户过程，以此来确定目标和策略

• 选定目标：用户侧——希望快速找到符合预期的结果 ；业务侧：搜索出的结果，转化率高
• 采取策略：策略1：提高搜索匹配度；策略2：有效的搜索结果排序，将用户感兴趣和转化高产品在第一两屏；策略3：尽量有搜索结果，若无，则展示有效推荐
• 度量（指标）：
• 过程指标：KPI1: 搜索到详情页转化率25%-40%； KPI2：详情页到下单转化率20%-30%
• 结果指标：由搜索渠道带来的GMV或者订单数，这样通过OSM模型可以规划出一套完整的指标体系

UJM模型（user journey map）模型

以用户旅程地图方式，帮助锚定数据规划的目标对象；模拟用户在业务流程中参与动作，并走完用户全生命周期的过程，又称为用户旅程。找准用户旅程，就是要找准要采集，分析和应用的用户行为数据源。也就是锚定数据规划目标对象

下面是一个简化版的电商产品UJM模型：拆分用户所在的旅程的每一个阶段+ 阶段中用户行为+ 阶段产品目标+产品与用户接触点。 寻找各阶段产品和用户接触点，并寻找痛点和机会点。

以“天猫”购物商城为例，一般用户需要经过电商平台首页——首页、搜索——商品类目列表——商品详情页——订单转化——分享/复购

在整个用户旅程地图中，用户会在各个阶段反复跳转，需要对每个阶段设置对应目标。通过UJM模型设置出目标，可以反哺OSM模型，判断OSM模型是否有遗漏

UJM模型中用户触点，即用户和产品接触点和机会点，这个跟OSM模型中的S策略相符合；用户旅程地图中每个阶段都有匹配的目标O，策略S和度量M。通过梳理用户旅程地图中，将UJM模型和OSM模型相结合，可以触发我们的目标满足用户需求，策略可以回答业务目标，达到互相影响。

场景化：

场景化其实为了帮助我们再庞大的OSM模型和UJM模型下，模块化、结构化快读切入和落地指标体系提出的。场景化可以分阶段分门别类对应到用户旅程地图中，满足不同部门，不同层级人员从拉新到转化，最终到提升客单价的需求。

比如说提升转化率，环绕“逛-产生兴趣-付费”需要用户跟产品的各个接触点转化率进行监管，比如在首页分发资源位，黄金铺位，搜索框，直播，活动等，进行转化率上的优化，让用户产生兴趣和点击。

三、数据看板主要有哪些应用场景？

数据指标确定后，数据看板是公司实行数据渠道增长的战略工具，一般会分为监控，分析，协作三个应用场景

• 监控场景：实时获取数据，并了解商业进程，洞察发展趋势，发布业务预警
• 分析场景：主要协助业务部门分析异常出现的细节点，直接核心问题；通过数据看板多维度拆解数据，进行业务对比，分析问题的原因
• 协助场景：一般是需要制定业务指标，需要团队所有人进行优化协作。

数据看板有哪些分类

战略看板，分析看板，实时看板，每个看板都是有对应的主体和使用者，范围，更新频次，颗粒度等

战略看板：企业高层和决策者的核心数据看板，往往是全局性的指标，一般指标很少，都是KPI核心指标，说明完成情况，完成度等——一般用来快读了解业务是否达标和问题出处。

分析看板：可视化工具，协助企业、部门提出假设，并通过数据看板论证假设，判断改变是否符合存在的机会点，再进行产品或运营策略的迭代，最后效果评估

判断一个新功能是否上线，现提出假设

例如：判断在首页增加推荐新品功能，是否能提升首页点击转化率的假设，

1）创建首页有推荐功能和无推荐功能的，用户在首页的使用数据的看板，数据是否有差异

2）创建首页推荐功能点击和用户在首页浏览次数，是否正相关

如果以上问题都是肯定回答，那么继续观察

3）创建首页推荐功能的用户的留存率，对比为使用该功能的用户数据，如果高于，则可判定该功能的必要性。

数据看板能较好的反应出，功能前后数据对比，完成迭代和假设的认证

那如何搭建数据看板呢？ 用户增长需要哪些看板进行协助抉择呢？以及看板总结特征有哪些呢？欢迎进入用户数据模型分析-下篇