提升DAU，数据分析要怎么做？( 二 )

有大促，图便宜（意味着日常登录就是很少）；
有爆款产品，来抢货（意味着浏览/收藏/加购/消费的是特定商品）；
某品牌/店铺很忠诚（意味着浏览/收藏/加购/消费的是特定品牌/店铺）；
来薅点好处（意味着活动参与率/积分兑换率/优惠价格购买率很高）；
几个平台比价（无购买记录，但是有聚焦某些品类的浏览记录）；
随便逛逛（无购买记录，无重度浏览内容）；
被推广活动吸引进来的新人（无购买记录，浏览记录也很少）。

这些场景中，1-4情况意味着用户行为会集中发生在某个时间段、某个品牌/产品，因此比较容易捕捉。
前提是：需要对商品/活动/优惠类型打标签，再基于商品/活动/优惠类型标签对用户进行分类。这样能更快速输出分析结论。不然对着几万个SKU，几千个活动名字一一提数看，不但工作量大，而且看不出来啥问题（如下图）。

文章插图
5、6、7情况下，数据本身会很少、很零散，很难像分析重度用户那样，从过往消费经历里找到规律。此时的用户兴趣点，更多是测试出来的：通过初始线索，测试多种可能性（如下图）。

文章插图
更好的做法，是准备运营的“三板斧”：在市场上最有竞争力的武器。在短期内，一个APP能拿出手的爆款产品数量是有限的，能吸引到的核心用户也是有限的。
因此，针对轻度用户和新用户，可以直接推最拿得出手商品/内容，一方面直接提升DAU，另一方面测探用户需求，获取数据。
四、用数据检验拉升效果有了场景分类，能区分出提升DAU手段的有效性，从而总结出行之有效的手段。
注意：很有可能运营已经有固定的活动/信息推送在做了。只是这些活动没有触达到该触达的人，或者并不符合对方的需求。
这样的话，在做好用户分类与场景划分以后，可以根据现有活动/信息的相应情况，做出对应表。观察哪些用户没有被覆盖，有哪些用户发生了偏差，有待优化（如下图）。

文章插图
这样，在解读“为什么DAU又降了”的时候，可以有更多结论：“因为我们没有管这一帮用户”“因为我们没有抓用户需求”同时做优化的时候，可以看到哪些是已经推过的，然后尝试更多未推送的可能性，直到找到更好的答案。
五、小结从本质上看，拉升DAU手段的分析目标，不是找一个手段，而是找低成本的手段。谁都知道，只要肯往死里打折，只要肯送0.99元一箱的鸡蛋，用户肯定活跃，还会呼朋引伴的过来活跃。
数据分析的价值，在于在盲目推广中，找到更多刚性需求，从而降低成本，用更贴近用户需求的方法保持活跃。只不过这样做，需要商品/活跃/优惠/内容/用户等方面，大量的基础数据建设。从基础的标签建设开始，到分版本测试信息推送效果，都需要一步步积累。
指望一次分析报告整出来，肯定不太现实。
这里肯定有同学会问：那标签库要怎么建设，才能支持这些长期工作？我们下一篇分享，敬请期待哦。
#专栏作家#接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。
本文原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议。