以下內容是根據曲卉在是在友盟+舉辦的2019UBDC全域大數據峰會上的演講，在不改變原義的基礎上整理編輯的內容。

數據驅動增長的體系與基礎、流程，如果你掌握了，應用起來，其實就像一個自動傳送帶一樣，你不需要費太大的勁就可以事半功倍。

在過去的10年里，美國的很多公司在應用數據的路上經歷了不同的階段，從最開始的時候沒有數據，到后來開始有數據無應用，到最后全面數據與企業決策的全面結合。

通過多年的工作和對行業的深度觀察，我今天和大家分享4種如何用數據去驅動增長的方式。

第一種是指標建模。

所謂的指標建模，就是如何用指標和模型的方式把企業的業務、產品高度概括化、提煉化，讓企業在海量數據中挖掘出數據之間微妙的聯系，過濾掉大量無用的信息，讓企業能很快觸及核心問題，從數據中提煉價值。

第二種是機會洞察。

金融和互聯網是目前數字化程度最高的行業，這兩個行業中沉淀了大量數據，比如渠道數據、用戶數據及業務數據等，這無疑是一座金礦，里面潛藏了大量可以被發現的珍寶，可以被進一步加工、打磨。機會洞察就是企業要有一雙能發現金礦的慧眼。

第三種是衡量結果。

衡量結果的基礎是企業要有科學的評估體系。企業開發一套系統，要去衡量其產生的效果，然后從中得到一些洞察，進而有指向性地進行完善和迭代。在整個流程中最重要的一環就是衡量，因為只有科學的評估體系，才能使企業的系統運轉有度可依，有病可查，否則很容易陷入南轅北轍的困境。

第四種是決策自動化。

當完成前三個步驟之后，決策自動化就水到渠成了。

當下機器學習與深度學習的無監督訓練算法等技術日漸成熟，越來越多的決策可以依賴算法的自動化完成，這將使得企業決策的速度、效率和質量都大大提高。

這就是四步數據驅動增長的“道”，下面我重點介紹一下“術”的部分。

指標建模

指標建模最重要的概念是兩點。

第一點：找到最重要的指標

形象的說就是“北極星指標”，簡單來講，就是在現階段企業最核心的問題是什么，并且找到一個指標去衡量。

世面上的產品可以分為三類：

1. 消磨時間的。比如很多短視頻、新聞類軟件。
2. 提升效率的。比如很多SaaS類產品。
3. 促成交易的。比如很多電商、旅行類產品。

第二點：搭建增長模型

不同類型產品的北極星指標是有所差異的。比如，DAU之如消磨時間類的產品，付費用戶的活躍程度之如提升效率類，GMV、交易量之如促成交易類。

總之，企業要根據自身業務的特點、稟賦、目標去尋找到相適應的北極星指標。

增長模型聽起來是一個非常抽象的概念，在落地階段要如何去搭建一個完善的增長模型呢？

以電商產品為例，基于一款產品，企業首先要去確定它的北極星指標。

如果該產品處于比較早期的階段，那么企業可以選擇用戶數或者是訂單數作為北極星指標；如果產品已經處于成熟階段了，把交易額選為北極星指標就更合適一些。

假設這個產品的北極星指標是交易額，接下來企業要做的就是想辦法去拆解它。拆解北極星指標可以有各種各樣的方式，比如說可以按新用戶、老用戶貢獻了多少銷售額來拆；或者可以按商品的品類去拆，也可以按照用戶步驟去拆。

總之，要把北極星指標按照最合理的維度去進行拆分。

這樣就可以把很抽象、無法捕捉的指標進一步分解為很細致的指標，為運營和其他團隊提供較為直觀的決策基礎，進而反饋回北極星指標去完成提升。比如說，把商品詳情頁的轉化率提高，相應的交易額也會隨之提升。

指標建模最重要的意義就是幫企業觸及核心，找到最重要的研究和提升方向，同時梳理出影響方向最重要的因子，并挖掘出潛在的規律和價值。

機會洞察

機會洞察不是只圍繞某一環節單獨進行，而是伴隨整個客戶生命周期而展開。

在用戶獲取、激活和留存、召回流失、變現中每一個階段都有增長的機會和增長的可能性，相應在每一個階段里面都潛藏著一些數據。這些數據都提供一些增長線索，比如說在獲客階段有渠道數據，在激活、留存和召回階段有用戶行為數據，在變現階段有業務數據。

但很多企業一般面臨兩種困境，一是缺乏完整的數據；二是數據之間無法打通。

渠道是渠道，用戶是用戶，業務是業務。三者可能僅有一些很微弱的連接，數據是割裂存在的。這樣的數據就不會產生價值，甚至還會造成一些惡果。

那么當企業有了數據之后，在尋找增長的線索和機會時，通常會各種各樣的問題和挑戰，歸納起來主要為兩類問題：

1. 第一類是轉化問題。所謂轉化問題，就是企業怎么說服用戶去完成一個指定動作，一般來說都是一次性但是非常關鍵的動作，比如說點擊廣告、下載注冊一個帳號，或者產生付費。
2. 第二類是留存問題。當用戶完成了一次性的關鍵動作之后，企業還會希望用戶能持續不斷做某件事，產生周期性依賴。這是一款APP最重要的用戶使命，比如反復登錄、聽歌、看新聞、看視頻等。

當企業有了這種概念之后，留存和轉化問題，事實上有太多是已經被證實、科學的數據分析方法，可以去引用和借鑒。

舉例來說，美國在線出行服務平臺Lyft是Uber最新的競爭對手。

起初Lyft也遇到了留存類問題，平臺發現用戶的留存比較差，于是平臺開始去研究用戶激活和使用的情況。他們發現在新用戶的前期，如果新用戶兩個不同的場景下，比如上班用一次，酒后代駕用一次，或者接機用一次，上班用一次。如果出現這種情況，用戶的長期留存則有顯著提升。

當有了這樣的數據洞察的時候，平臺就馬上采取相應的行動，通過各種手段促使和引導更多用戶達到這樣的狀態，最后衡量結果發現，留存率果然有顯著提升。

衡量結果

通過數據儀表盤的方式，把對于公司業務最重要的數據指標羅列出來，讓企業能夠一目了然地知道公司業務的健康程度和發展態勢。

以A/B測試為例，A/B是一種經典的衡量方式，也是數據驅動增長最重要的載體，為什么這么說？

因為不做任何改變的數據分析是沒有意義的。如果做了很多改變但沒有通過A/B測試的方式，即使指標提升了，但是企業無法精準找出到底是哪個因子的改變導致了這個指標的變化，這就為決策帶來很多不可預期的問題。

以美國視頻平臺奈飛為例，他們為精準了解用戶對于某張視頻宣傳海報的喜愛度，會經常利用A/B測試的方式。

他們會觀察哪個版本的海報用戶點擊最多，完全拋棄企業對直覺、經驗有的信任，而是真真切切去了解用戶的內心，用戶的行為偏好。

決策自動化

決策自動化類似于一種自動傳送帶的狀態，讓系統自動找到最合適、最精準的投送方式。

以招聘平臺領英為例，有企業用戶有招聘的需要。一般會先通過內部數據做一個企業用戶的健康度模型，銷售人員、客服人員和客戶互動過程中，會精準預判是否有流失風險，采取怎樣的互動模式更能打動客戶。通過自動決策為人提供智能決策工具的方式，使得領英付費用戶流失率從50%下降到了10%，這是一個非常驚人的數字。

此外再介紹一個訂票網站的案例。該網站在內部開發了一個優先級排序模型，每一位運營產品經理想要做一個項目之前，都會把他的一些假設輸入到這個模型里面。然后，模型會自動測算出該項目對北極星指標會產生多大程度的影響。通過這樣的方式，去提高優先級排序的精確程度和質量。

數據是這個時代最重要的核心資源，也是取之不竭的，最重要的是它由我們自己創造，不依賴任何自然資源。

我們也看到了業內通過數據幫助整個行業構建可閉環、可沉淀、可持續的企業級數據中臺。所以，最大化發揮數據驅動業務增長的效能，將是這個時代任何企業都要掌握的核心能力。

當下流量紅利已經進入尾聲，產業互聯網思維正在崛起，精細化運營、數據驅動、智能決策將是未來任何一家企業都必須具備的能力。

?

公眾號：友盟全域數據（ID：umeng_data）

本文由 @友盟全域數據 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議