用数据搭建反馈系统

一个数据驱动型公司，最重要的就是对用户的数据进行挖掘，根据数据提取模型。最常见的是用来分析事物之间的相关性。便于我们决策。

根据数据分析有 2 个关键点。

一个是数据本身。一个是根据数据得出的模型。

数据都是独立的点。量越大，越能减少误差。比如我们一般做的统计：新增用户、累计用户、活跃用户、启动次数、累计用户、归属地、使用终端、网络及运营商、使用时长、频率等等等。这里根据产品来设计。数据越全越好。

数据模型：根据产品设计的指标得出的模型。数据越全，模型越准确。我这里讲 2 个常见的指标

注册转化指标

用户从下载安装 - 注册成功路径上各个可操作点的转化。

通过用户下载后的行为分析、是否有进行过操作、操作了什么、在哪个步骤上放弃了操作，通过这些数据，我们可以得出一个注册转化失败模型。根据失败的相关性来优化产品的注册流程。

用户充值指标

用户在 app 里的使用路径、使用行为、使用频率、使用时间。通过数据的相关性建立充值用户模型。比如我们发现用户与 APP 里的其他用户交互超过 5 次产生的充值概率在 60%以上。那么我们产品就应该加强社交属性功能。

有了我们自己的数据模型，怎么和大公司数据进行对接？

最简单的合作就是导流了，腾讯、阿里拥有庞大的用户。而且他们的用户在系统里也都有分类画像。我们只需要把我们的目标用户群体的画像给弄出来。在与之对接就可以了。这样的转化率是非常高的。

更深层次的就是通过大公司发布的数据分析，给我们在做产品上提供参考反馈。比如说在今年一月份发表的《2017 年轻人消费趋势报告》。分析了年轻人在不同城市里的消费差异。广州人最爱吃，每年人均吃饭消费 17904 元；上海人最能玩，每年人均旅游消费 12410 元；而北京人还贷压力最大……如果你是做旅游的，那么可以先在上海推广试试。如果你是做餐饮的。先在广州试试。

产品是道、营销是术。数据更像是反馈系统。数据能展示行为，展示结果；但数据不能展示动机，展示原因。我们在信仰数据的同时，也要洞察人性。

ps：今天发的是一篇 2018 年写的旧文。