我们都知道对于产品经理来说，数据分析在日常工作中越来越重要，比如监控产品的各项指标是否健康，评估一次产品改版的效果是否正向等等。

同时，它也是挖掘产品潜在增长机会的一大利器，想要高效增长，必然离不开数据，在互联网流量红利基本结束的今天，它也成为了一项越来越为重要的技能。

Facebook和Linkedin等企业都曾经运用数据分析为自己带来了大量的增长。

01

 看Facebook和Linkedin如何做增长

在早期，Facebook发现当用户在初期达到某一数量的好友后，其后续留存率会提高很多，发现好友数量非常重要。

因此Facebook加入了好友推荐功能。让新注册用户能快速找到一批好友，从而大大提升了新用户的整体留存活跃。

同样的，在LinkedIn早期，其通过数据分析发现，有很多用户是通过搜索同事或者他人的姓名来到LinkedIn的，而且其用户活跃度是电子邮件渠道用户的3倍。

了解这个数据后，LinkedIn立即就开发一个简历编辑功能，同时优化了对简历页面做了SEO优化。

做完这件事情后，LinkedIn的免费流量就开始慢慢增长，第二个月就提升了60%。

02

寻找增长机会的方法论

回到现实，我们今天主要来讨论下，如何通过系统化的方法，做到像Facebook和Linkedin这样利用数据分析发现产品的增长机会。

我们都知道AARRR增长模型：

• Acquisition（获取）：用户从各个渠道来到你的产品

• Activation（激活）：用户在你的产品上完成了一个重要任务

• Retention（留存）：用户持续的使用你的产品

• Revenue（收益）：用户在你的产品上发生了可使你收益的行为

• Referral（推荐）：用户推荐引导他人来使用你的产品

所以我们的增长机会也主要围绕这些点，我将上面5点分为三类：流量增长、转化提升（激活、收入、推荐都可以归为转化类）、留存提升

我们要用到分析方法主要有：用户分组、流量分析、漏斗转化分析、留存分析。

1、用户分组

用户分组是基础工作，分组方式可以结合自身的产品特性来设置。

比如按用户的流量来源、着陆页面类型、新老用户、是否有过交易、RFM模型等。

在进行转化漏斗分析和留存分析时，都需要对用户分组后进行分析。

2、流量分析

在对用户进行分组后，评估各个分组用户的流量情况。比如近期有了哪些新的分组？各组的流量占比如何？各组近期的流量变化趋势如何？

这里假设我们对用户按流量来源进行了分组，则我们需要重点需要分析（下同）：

我们的用户是来自哪里的？近期有哪些新的渠道？各个来源的流量占比情况如何？近期的变化趋势如何？

对于近期增长势头感人的渠道，我们要分析其最近上涨的原因，看看能不能进一步加强它？能加强就是增长机会。

对于最近在下降的流量渠道，我们也要去分析下降原因，看看能否解决。阻止下降，也是一种增长方式。

3、漏斗转化分析

在对用户进行分组后，分析各组用户的漏斗转化情况，看各组用户在各个环节的转化情况以及用户的整体转化水平。

具体漏斗转化可以根据产品特性来定。

比如对于电商APP，转化漏斗一般是：安装->激活->浏览商品->加购物车->创建订单->完成支付（收益即可纳入这一环节），期间的任何环节都有可能发生推荐行为。

通过漏斗分析，可以了解各组用户的质量如何，哪些分组内的用户的转化水平要更好些，哪些分组内的用户转化水平一般或者比较差。

找到转化水平高的用户群体和低的用户群体，这二者都是增长的机会。

对于转化水平高的用户群体，看看能否得到更多此类用户（Facebook就是这么做的）。

对于转化水平低的用户群体，找出两个群体的区别在什么地方，看看能否据此来优化转化水平低的群体的产品流程，从而提升这部分群体的转化水平。

4、留存分析

在对用户进行分组后，分析各组用户的留存情况，可以观察次日留存、7日留存、30日留存等等。

同样的，我们需要找到留存好的用户群体和差的用户群体，这二者也都是增长的机会。

对于高留存的用户群体，看看能否得到更多此类用户。

对于低留存的用户群体，找出二者的区别在什么地方，看看能否据此来优化低留存用户群体的产品流程，从而提升这部分群体的留存。

03

实践出真知

1、寻找流量增长机会

举个栗子：

我们是一个电商产品，通过数据分析发现，通过微信朋友圈的流量占比比较小，但是最近有不错的增长趋势，于是发现了新机会，加大对朋友圈分享的激励，比如好友通过分享购买，双方都可以领取优惠券等等，最终带来流量暴增。

再举个栗子：

我们是一个内容产品，发现百度搜索带来的流量占比最近在不断变小，通过分析后发现是由于一些页面内容问题导致页面收录大幅下降，这时候就需要针对性的解决问题，以增加收录。减少负增长也是增长的一种。

2、寻找转化提升机会（激活、收入、推荐）

举个栗子：

我们是一个电商产品，通过数据分析发现，下过3次单的老用户后续的复购率要显著高于只下过1～2次单的用户，同样的我们可以去归因二者的差异原因，假设最终发现是下了3单的用户对平台的依赖更高（这里简化了下，实际情况可能会复杂些）。

我们则可以针对性的给予这部分准新用户一些特殊优惠，牺牲短期利润，刺激他们在平台下单，形成对平台的依赖，从而带来后续长期的用户价值。

针对激活、推荐也是同样的逻辑。

3、寻找留存提升机会

举个栗子：

我们是一个内容产品，发现百度搜索带来的用户着陆在内容详情页的后续留存要比着落在首页差很多，这时候我们就需要针对性的解决问题。

比如对比两组用户的主要差异，发现在详情页着落的用户访问深度要差很多，深度差会导致用户对产品没有深入的认知，自然留存也差。

然后我们再对二者访问深度的差异进行归因，根据归因结果去提升用户着陆在详情页后的访问深度。

04

综合运用才是王道

在分析数据时，各种方法往往不是独立使用的，常常需要结合起来，综合分析。

比如在分析流量时，要同时看各个渠道流量的用户转化质量情况，对于转化很差的渠道，再不解决转化的情况下，做流量增长是没有意义的。

这里再举个栗子：

我们是一个社区产品，产品上线后，观察了一段时间发现，各个流量来源的用户整体活跃度都不太好。这时候单维度分析就很难分析出太多的结论，需要综合分析。

我们尝试按多种分组方式对用户进行分组分析，最终发现有一部分用户群体比较活跃，留存也很好，她们主要是妈妈群体。而且这部分群体有一个比较大的来源是朋友圈分享。同时，妈妈群体们的整体活跃率普遍较高。

于是产品找到了增长点，甚至可以直接产品转型，做微信生态下做垂直的妈妈社区，在妈妈们的分享推荐下，大量精准流量滚滚而来，从此走向社区巅峰（好像有个类似的真实案例，但忘了具体产品名称了）。

05

总结

以上，就是利用数据分析寻找产品增长机会的几个重要方法：用户分组、流量分析、漏斗转化分析、留存分析。

针对不同的产品，其对激活、留存和收入的定义会有所不同，所以具体的分析方式可能会有所差异，不过本质思路是相通的。

希望能对刚接触数据分析不久的朋友有所帮助。

大家有其他好的方法，也期待一起分享交流，大家一起成长。

有机会再和大家继续分享一些数据分析方法论，大家也可以来我的公众号一起交流。

本文由@候机搏发 原创发布于候机搏发（ID：houji2bofa）。未经许可，禁止转载。