kpi|数据驱动增长之四步进阶法( 三 ) 智能汽车|瞰瞰智能科技|解决方

（1）有头绪—验证式
有头绪的数据分析，一般为验证式，依靠业务和分析经验，效率高，但可能忽略其他因素，分析逻辑如下图：
一般情况下，有头绪的数据分析已关联了23种原因假设，其中的1个关键影响因素可能影响数据下降或上升70%-80%，通过原因假设的数据表现及对应的数据细分维度层层分析，会非常高效的找到问题答案。
（2）没头绪—探索式
没头绪的数据分析，一般为探索式,要基于数据可能性做试探，效率低，容易上手，分析逻辑如下图：
没头绪的数据分析要像技术排查一样做穷举，进行探索式分析,此时，企业数据采集的完备性对分析的效率和结果具有重要影响。
探索式分析方法比较低效，因此数据分析师需要培养自己的业务感知，积累自身经验提高判断力，尽量采用验证式分析方法。
场景二：业务迭代的效果评估
业务选代评估效果的分析逻辑相对固定，一般为了解业务原始状态，采取的改动措施及采集的相关衡量指标数据，再根据指标变化趋势分析优化效果。以下，为业务选代评估效果的三个评估诊断原则：
其一，指标准确全面，即业务意义准确，核心维度全面；
其二，数据可比性强，即保证两组分析的数据本身具备可比较性，如用户结构相同，外部环境不变，保证两组数据之间唯一的干预因子为实验方案；
其三，分析逻辑清晰，即分析思路清晰、分析模型科学。
（1）数据驱动的选代全景图
企业不仅要通过数据分析明确数据变化的成因，还有从中找到破局点因此，企业首先要明确业务的增长目标，再聚焦目标做全方位分析诊断，从中发现解决方案或思路，进行优化选代，最后形成开发上线、效果评估、优化方案的闭环，如下为数据驱动的选代全景图：

文章插图
（2）如何寻找增长点？
企业寻找业务增长点分为三步：打蛇打七寸，明确第一关键指标；构建增长模型，定位增长点；结合业务场景，确定具体动作方案。
① 明确第一关键指标
企业可以从两个维度找到第一关键指标：
其一，业务模式企业首先需要洞察产品或业务给用户提供的真正价值，以此构建价值模型，明确量化指标，同时，还需要明确企业的主要业务在频率与价格上现的特征趋势，因为这很大程度上决定了数据运作的上限。
比如，关于企业提升用户留存，如果企业本身产品的使用频次，与其能够为用户提供的价值受到限制，不管企业付出多少努力，也很难实现长期留存。因此，数据表现由业务模式决定，不同的业务模式存在不同的天花板。
其二，AARRR，即在业务模式既定的情况下，各环节的数据表现与其承接的结构能力，是企业判定第一关键指标或增长目标的重要影响因素。
② 构建增长模型
拆解第一关键指标，可构建出相应的增长模型，如常见的GMV的拆分等。根据增长模型可清晰的定位增长点。
③ 业务场景
企业可从几个关联的业务场景出发设定具体动作方案提升业务场景的数据表现，最终提升增长模型中的核心杠杆率，从而促进第一指标的提升。该寻找业务增长突破点的思路，可概括为下图：

文章插图
（3）如何寻找解决方案？
寻找解决方案的分析思路共分为5步：明确业务场景；构建指标体系；深入特征挖掘；深层原因分析；确定解决方案。
① 明确业务场景
常见的业务场景有：新用户全流程、核心主流程、页面流量分发、搜索、促销活动老拉新等在数据分析时，首先需明确关键业务场景，如新用户全流程分析，分析师需要确定用户旅程中不同节点的里程碑，再根据里程碑中的激励策略，业务转化能力进行指标体系的设计，来评估整个环节的效果。