編輯導語：如今在這個大數據時代，數據在我們的工作中占據很大的作用，企業中的各個崗位對數據都有一定的依賴性；并且在日常工作中，數據也是我們提高工作效率的一個方法；本文作者分享了8種數據思維模型及案例，我們一起來了解一下。

數據運營，在運營裡是中流砥柱的作用，細分到各個崗位都離不開數據；不僅是工作，生活中也是。

工作上，擁有數據化思維，對于工作效率能有極大提升，适用于産品、運營及營銷。

生活中，擁有數據化思維，對于決策和判斷也很有幫助，幫我們更好的掌控生活而不是被生活所掌控。

分享對我影響比較大的8種數據相關思維模型，希望對您有所啟發；前4種是宏觀想象和規劃，後4種是微觀實操和演練。

01 漏鬥思維模型

漏鬥分析模型是一套流程式數據分析模型。反映用戶行為狀态，以及從起點到終點各階段指标。對于用戶行為分析、流量監控、目标動作轉化都很好用。

漏鬥思維前後關聯性極強，從首到尾是弱化和遞減。

常用漏鬥模型3種，AIDMA模型應用于品牌營銷占領用戶心智；AISAS模型幫助消費決策和分析購買路徑，AARRR模型分析用戶行為軌迹提高關鍵指标。

漏鬥模型除了在互聯網産品，及電商用戶分析上得以應用外，在其他處也能巧妙應用。如銷售漏鬥：它是按照“線索-意向-客戶”層層篩選，逐漸遞減。

02 結構化拆解數據模型

拆解，源自結構化思維金字塔原理，兩個要點：相互獨立、無窮無盡。面對數據的時候，可以分析相關的模塊并拆解，研究不變的單一模塊。

舉個栗子：GMV=流量*轉化率*客單價*複購率。常應用于電商銷量的拆解，繼續拆流量=流量渠道1 流量渠道2 流量渠道3。

影響流量渠道1的來源有投放時間選擇、首頁視覺優化、文案優化、活動形式、産品體驗流暢度等，繼續拆解時間選擇是上午好？還是晚上好？繼續拆解直到最小顆粒度；此處拆解原則，可結合5WHY溯源原理和A/B測試模型。

結構化拆解，需要記住4個要點，很大程度上這4點和其他思維有共同之處。

核心論點：尋找金字塔的塔點。

結構拆解：自上而下将核心論點層層拆解成分論點，上下之間呈因果，依賴關系。

MECE：相互獨立，完全窮盡（免交叉重複）。

驗證：核心論點/分論點都是可量化、可驗證的，要用數據說話。類A/B測試。

03 事實數據≠主觀判斷模型

也許你聽過“事實”和“觀點”理論。事實。就是可視化數據，沒有對錯，不帶情感；而觀點是主觀的感受和判斷，觀點表達了個人的價值觀和興趣偏好。

我喜歡打籃球，以NBA籃球舉例。看表大師利拉德，總是奉獻各種神奇3分球。很多球迷都說，利拉德3分球真準、聯盟佼佼者。真的是這樣嗎？

這是球迷觀點，為什麼呢？因為，你腦海中總是他一次次不講理的3分球，峰終定律影響下被加深印象。但是事實和數據呢？本賽季利拉德3分球命中率38.5%，排名聯盟第74位。

從數據角度看，在400人 的NBA聯盟裡74的排名其實并不高，所以主觀判斷是錯誤。用事實數據做支撐，一定程度上可以避免臆想的主觀判斷。

再看一個例子：比如說一個醫院兩個科室，一個科室，治愈率高，死亡率低啊，另外一個科室呢，治愈率相對較低，死亡人數呢，也相對比例高一些，那你能說第一個科室就比第二個科室優秀嗎?

你說難道不是嗎？他治愈率高。死亡率更低，這麼直觀說服力難道不是更不優秀嗎?

不一定！！你有考慮過他們接的都是什麼病人嗎?如果我們評誰更優秀，隻看死亡率。不看哪些醫院接了重症病例，那簡直太荒謬了。數據背後的環境和場景，切勿忽視。

04 量化指标 标準思維模型

凡事好不好都是相對，隻有建立标準，可用數據衡量的标準後，才能予以評判。标準就像一杆尺子，有刻度、能度量。

同樣拿NBA利拉德安利來舉例，38.5%的3分球命中率高嗎？

如果定義标準3分球命中率低于40%就算低，那麼他的命中率就不高；如果定義标準是超過38%是高，那麼利拉德命中率就算高。是高還是低？取決于手裡尺子的刻度值。

有了刻度，在生活和工作上怎樣能加強我們量化指标的意識呢？

繼續以籃球舉例。我每次訓練時候會對流程量化會高效很多，不至于無目标感。

比如：訓練時長1小時，做20分鐘對抗訓練，做10分鐘突破訓練，做10分鐘三分球訓練，做10分鐘罰球訓練，做10分鐘熱身訓練。

把随意的一場打球，量化到各個指标用數據體現，然後刻意練習；同樣，對于3分球訓練我會10個一組，默認記錄數據标準，心裡的刻度是35%命中率，有了量化指标，更好的引導我們精進。

05 5WHY溯源模型

5WHY溯源分析，來自豐田企業管理，對于深度思考，看清事物的本質，找到數據背後隐藏的真像很有幫助。

5WHY分析法，又稱“5問法”，也就是對一個問題點連續以5個“為什麼”來自問，以追究其根本原因。這裡回顧一個經典案例，看清事物本質。

傑斐遜大廈牆有裂痕，為什麼？

因為牆面經常沖洗，被腐蝕了。

為什麼沖洗？沖洗是因為鳥糞多。

為什麼會有鳥糞？因為蜘蛛多，鳥過來覓食。

為什麼蜘蛛多？因為這裡陽光好利于繁殖。

怎麼解決牆面問題，不是用環保清洗劑，也不是用電網防蜘蛛，拉上窗簾就行。

生活中，常會出現抓不住問題本質的情況，隻是“膚淺”看到表面問題。

多一點深度思考，看看各個維度數據變化，總有撥雲見日的時候。

06 A/B測試思維模型

A/B測試在産品及技術上經常應用，指在産品叠代發布之前，制定兩個（A/B）或多個（A/B/n）版本；在同一時間維度，分别讓特征相同（相似）的訪客群組（目标人群）随機的訪問這些版本，并收集每個群組用戶的數據，最後通過分析數據，評估出最好版本去承載全部流量。

多組開花，找到數據最好的一組，予以選用。

A/B測試的理念和假設驗證思維模型類似，實操過程中，通常AB測試都是圍繞着某一個目标進行，比如：提升新用戶下單率。圍繞該目标，我們可以設置相應的運營動作。

PlanA設置優惠券A并全渠道觸發，PlanB設置優惠券B全渠道觸發，一個周期後分析A/B兩種運營動作下，目标數據（新用戶下單率）的變化；此處樣本數量要足夠大，測試周期要足夠長才有說服力，否則很大程度上是小概率事件。

07 RFM分析思維模型

RFM是3個指标的縮寫，最近一次消費時間間隔（Recency），消費頻率（Frequency），消費金額（Monetary），通過這3個指标對用戶分類。

RFM通過3個維度數據對用戶進行評估分類，從而實現精細化運營，根據不同用戶的屬性做不同營銷策略。

此處，也是淘寶千人千面、字節智能算法的前身，量身定制。RFM分析方法把用戶分為8類，這樣可對不同價值用戶使用不同的營銷決策。

馮侖講過：正常情況下，人一生交往的關系是三個數：10%、30%和60%。

這句話是什麼意思呢？

其實正好對應我們剛講的三種人脈關系，RFM模型裡的前三種重要價值、重要發展、重要保持用戶，對于3類用戶我們需要采取不同應對策略。

對于不同用戶類型，有對應不同運營策略。高價值享受VIP待遇，需挽留采用促活方案定時觸達。

1）重要價值關系：對你生活和工作非常有價值。他幾乎是你最親密的親戚、朋友、客戶。面對這些人，你應該經常聯系，彼此幫助，時不時約出來聊聊天。

2）重要發展關系：聯系比較多、一起做過點事，但聊天是有一句沒一句的，這種要重點發展關系。比如把你的困惑或者小秘密和他分享，産生情感連接。

3）重要保持的關系：所謂熟人，也就是打起電話來記得住這個人，而且也大概了解他的背景，可能很長時間都沒有見的那種“朋友”。要主動聯系，利用節假日登門拜訪、共同的朋友持續保持溝通。

08 北極星數據指标思維

北極星指标，也叫做唯一重要的指标，之所以叫做北極星指标是指這個指标一經制定，像北極星一樣，高高的閃耀在天空中，指引着團隊向同一個方向前進。

北極星指标，随産品生命周期在動态變化，但是有兩個大前提不會變。第一，對規模的追求（用戶規模或收入規模）；第二，對用戶長期價值的考量。

我看來看常見産品的北極星指标，并做拆解：

• Airbnb北極星指标是交易總額，分解目标：用戶總數 訂房次數。
• 知乎北極星指标是問答總數，分解目标：用戶總數 單用戶問答貢獻數。
• 簡書北極星指标是文章總數，分解目标：用戶總數 單用戶文章貢獻數。
• 滴滴北極星指标是月活躍用戶，分解目标：月活躍司機 月活躍乘客。

北極星指标是風向标，能避免我們陷入數據陷阱。

與之對應，是虛榮性指标，盤點下常見産品虛榮型數據指标。

電商類：GMV和訂單量。

要知道脫離利潤的GMV并沒有用，如果毛利不夠甚至虧本，帶來的結果是買的越多虧得越多；訂單量也一樣，如果隻是低客單的薅羊毛訂單，隻會起反作用。

電商，更多要關注轉化率、客單價、複購率等北極星指标。

内容類：曝光量和點擊PV。

拿現在的抖音來說，一些粉絲量上百萬的抖音号沒有商業價值就是這原因，某單條視頻點贊量過百萬依然不能變現，也很好的說明這個問題。

抖音，更多要關注停留時長、完播率、評論人次及标簽用戶量等北極星指标。

作者：zhrayan；公衆号：炏的黑匣子（zydsgj）；專注用戶研究，用戶運營。聚焦影響圈的事，抽絲剝繭做時間的複利者。

本文由 @zhrayan 原創發布于人人都是産品經理，未經許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協議

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部