99.9%的数据分析师，都做不到这些

作者

介绍

挖数 腾讯数据产品经理 & 段子手

个人微信公号：washu66

一直以来，数据分析被认为是一种辅助性工具，数据分析可以衡量企业业务的好坏，但无法实际推动业务成长。

企业成立的数据部门，一般也被划归为后端部门，用来给战士提供补给的，而在前线上冲锋陷阵的，永远是产品部门、运营部门、销售部门这些直接对业务产生价值的部门。

直到近几年，从美国硅谷飘来一个名词，“Growth Hacker（增长黑客）”，人们才终于认识到，数据分析也可以给业务带来成倍增长的机会！

Airbnb的增长曲线

全球最大的旅行房屋租赁社区Airbnb曾在2011年纠结于新用户增长的缓慢，有一天，他们的数据分析团队发现房源照片的精美程度跟房源的预定人数成很大的正相关。

于是，他们提出一种假设，即“附有专业摄影照片的房源要更抢手，因此房主肯定会愿意申请Airbnb提供的此项服务”。

他们迅速上线了一个提供专业摄影照片服务的版本，然后跟原版本对比，发现同一个房源，使用专业摄影服务的比不使用的多了2-3倍的订单量。

2011年后期，Airbnb雇用了20名专业摄影师，以帮助平台上的房主拍摄房屋照片，几乎在同一时间段，Airbnb的订单量曲线有了一个陡峭的增长。

妈妈圈的精准客户群

妈妈圈（Circle of Moms）是全美最大的专业母婴生活信息分享网站之一，他们2008年创立时，仅仅是一个简单的Facebook好友分类工具，当时的名字叫朋友圈（非微信那个），借着Facebook的病毒式传播，他们迅速获得了1000万用户。

尴尬的是，虽然用户基数大，但活跃用户却非常少，只有不到20%的圈子在创建后有活动的迹象，1000万的注册用户中，每个月只有几百万的独立访客数。

于是，他们尝试着用数据分析的方法探寻背后的原因。

他们查看了用户数据库，想搞清楚用户都做了什么，经过一番探索性分析，他们发现，有一个用户群体在其他群体活跃度较低的情况下，撑起了整个产品的用户参与度，这就是妈妈群体，他们发现：

1. 妈妈群体之间所发的站内信平均比其他站内信长50%；

2. 妈妈群体在帖子中附图片的概率比其他人群高115%；

3. 妈妈群体在Facebook上进入多回合深入对话的概率比其他人群高110%；

4. 妈妈群体的好友在被邀请入应用后，成为高参与度用户的概率比其他用户高50%；

5. 妈妈群体点击Facebook提醒的概率比其他人群高75%；

6. 妈妈群体点击Facebook新鲜事内容的概率比其他人群高180%；

7. 妈妈群体接受应用邀请的概率比其他人群高60%。

这些数字实在太有说服力了，出于提高用户活跃度和精准营销的考虑，他们调整了产品重心，于2008年底发布了“妈妈圈”社交产品。

起初，由于产品转型，各项数据有所下降，但到了2009年底，“妈妈圈”社区用户数已增至450万，与那些在转型中丢掉的用户不同，这些都是参与度很高的活跃用户。

最终“妈妈圈”成功摆脱Facebook，成为一个独立的网站，并在2012年被Sugar公司高价收购。

Facebook的博客小挂件

2008年，当安迪加入Facebook负责用户增长时，他并没有太多这方面的经验。最初六个月，他倍感焦虑，一度认为自己随时会被炒鱿鱼。

公司设下的目标是，必须在12个月内获得2亿的新增用户，安迪这样描述当时的心态“我们面对的都是前人从未遇到过的问题，为此你特意招来一批聪明人，然而他们同样不知道如何下手。于是这伙人就这样被放在一个资源有限的环境里，大家每天满脑子想着究竟如何达成目标”。

为了探明哪些地方需要改进，安迪发起了一个深度研究项目，整个团队围绕Facebook海量用户行为数据进行研究，试图找出驱使用户注册和活跃的因素。幸运的是，他们最终找到了突破口。

他们面向用户提供带有个人Facebook基本资料的博客小挂件，用户可以将小挂件的代码粘贴到自己的公共主页或博客上，对外展示炫耀。

结果，这个看似不起眼的小挂件每月为Facebook带来了数十亿次展示量、千万次点击量和百万级的注册量，并且这些新注册的用户都十分愿意在自己博客上贴出小挂件，形成了病毒式传播。

整套增长策略获得空前成功，2008年5月，Facebook的全球独立访客数首次超过竞争对手-Myspace，前者五月独立访客数达到1.239亿人，页面浏览量达到500.6亿次，后者独立访客数为1.146亿人，页面浏览量为450.4亿次。

结语

以上三个例子，成功的因素都在于他们找到了用户增长的强相关指标：

• Airbnb：租房用户数 VS 照片精美程度；

• 妈妈圈：用户活跃程度 VS 是否妈妈群体；

• Facebook：新增注册用户数 VS 粘贴博客挂件人数。

因此，一个数据分析项目的确立，应该有明确的目标，比如用户增长20%，然后一步步分解:

用户增长20%

|

确定用户增长的强相关指标

|

通过A/B test确定提升该强相关指标的有效方法

|

有力推行该方法直到目标达成

只有这样，数据分析部门才能摆脱后勤，成为实在的能促进业务增长的前线部门。

（例子部分参考《Lean Analytics》-Eric Ries、《增长黑客》-范冰）

=THE END=

　往期精彩内容整理合集　

2017年R语言发展报告（国内）

R语言中文社区历史文章整理（作者篇）

R语言中文社区历史文章整理（类型篇）

公众号后台回复关键字即可学习

回复 R                  R语言快速入门及数据挖掘 
回复 Kaggle案例  Kaggle十大案例精讲（连载中）
回复 文本挖掘      手把手教你做文本挖掘
回复 可视化          R语言可视化在商务场景中的应用 
回复 大数据         大数据系列免费视频教程 
回复 量化投资      张丹教你如何用R语言量化投资 
回复 用户画像      京东大数据，揭秘用户画像
回复 数据挖掘     常用数据挖掘算法原理解释与应用
回复 机器学习     人工智能系列之机器学习与实践
回复 爬虫            R语言爬虫实战案例分享