【课程背景】
所有企业的运营根本是用户，用户是一个企业持续运营下去的源泉，如果没有用户，企业必将死亡。因此，用户行为分析就变成了最重要的事情，比你的招聘计划，年度规划等等重要的多。那么，想研究用户行为单纯靠想是不行的，用户在我们的网站、app上浏览之后，唯一留下的不是脚印，而是数据。当然，前提是你的企业足够重视数据，对用户的行为数据进行了监测和留存。如果你做了这一步，恭喜你，你已经超越了60%的同行竞品。
用户行为其实涵盖了我们所有日常进行的数据分析。让用户的行为数据，指导运营、指导产品迭代更新、甚至可以指导企业内部运作和各部门的竞争。
本课程基于以上的思考，萃取互联网大厂的实战案例和经验，设计了一套完整的数据驱动产品优化的课程，此课程所讲的产品优化更多的是从体验、运营、流程、功能等层面展开，同时会涉及相关的思维、方法论、工具、模型等内容，从而让学员掌握相应的实战技巧。
【课程收益】
1. 在用户注意力稀缺、平台流量红利见顶的当下市场，找到了一条驱动业务增长的新路径——数据驱动业务增长的能力。
2. 理解狭义和广义的用户行为数据的概念及其价值
3. 掌握数据指标分析体系规划的思路和原则
4. 掌握数据分析的十大模型并将其应用到实际工作之中
5. 能够结合业务和产品更加深入的理解各种纷繁复杂的指标的涵义，及其核心指标、北极星指标的定义和价值
6. 掌握数据分析的一些基本概念如数据采集的方法、数据类型和整理方法、有效数据分析的方法和流程等。
7. 深刻用户留存的价值并掌握分析用户留存的工具和实战技巧。
【课程时间】2天（6小时／天）
【课程大纲】
一、数据分析驱动产品优化和运营
1. 什么是精益数据分析及其作用
案例：用户购买商品成功的数据模型分析
2. 用户行为数据分析定义和价值
▪ 商业社会三种品牌形态的演变
› 旧品牌
› 平台品牌
› 新品牌——直连用户DTC
▪ 什么是DCT模式
案例：数据助力小程序和私域运营案例
▪ 什么是用户行为数据——狭义和广义
▪ 组合用户行为数据推演用户属性数据
▪ 用户行为数据+用户属性数据=用户360°画像
▪ 用户行为数据+用户交易数据=用户生命周期
3. 用户行为数据的“5+1”要素
4. 用户行为数据的两个价值
5. 数据驱动运营
▪ 基础数据来自哪里
▪ 如何筛选需要的数据指标
6. 统计数据会说谎
7. 如何让数据靠谱
8. 从零开始做数据分析
▪ 数据分析做产品设计
▪ 数据分析做产品规划
▪ 数据分析做精准营销
▪ 数据分析做渠道运营
9. 数据分析常用工具
10. 如何进行有效的数据分析
▪ 问有效的问题
▪ 建立一些假设
▪ 寻找正确的数据
▪ 分解手中数据的关系
▪ KISS原则
▪ 验证假设和结果的关系
11. 数据分析流程
▪ 定义问题
▪ 测量
▪ 分析
▪ 改进
▪ 控制
12. 常用数据指标
▪ 产品运营类指标
▪ 产品会员类指标
▪ 成本类控制指标
▪ 收益控制流指标
▪ ARRR模型和留存率
13. 数据指标思路
▪ 数据分析的思路及模型
▪ 电商人必备数据指标
▪ 移动产品数据分析五大维度
案例：巧用用户画像进行个性化运营
二、数据分析体系的两大价值与四个搭建原则
1. 数据分析体系的价值
▪ 支持经营规划
▪ 支撑过程管理
2. 搭建方法
▪ 业务分析
▪ 体系规划
▪ 四个原则
› 关注长期，面向对象
› 分层定责，分维归因
› 逻辑清晰，循序渐进
› 表达清晰，口径统一
三、数据类型、数据分析十大模型
1. 数据类型和特点
▪ 定性数据
▪ 定量数据
2. 数据搜集
▪ 数据埋点
▪ 第三方数据平台
▪ ……
3. 数据整理
▪ 异常数据表现
▪ 异常数据原因
▪ 异常数据处理
4. 十大数据分析模型
▪ 事件分析
▪ 漏斗分析
▪ 热图分析
▪ 留存分析
▪ 留存魔法师
▪ 事件流分析/用户路径分析
▪ 用户分群分析
▪ 用户细查
▪ 分布分析
▪ 归因分析
四、用户增长数据指标体系
1. 鲸鱼模型和用户留存
▪ 鲸鱼模型和用户生命周期概念
▪ 用户生命周期净值管理
▪ 死磕AARRR-硅谷公司也在用的海盗模型
▪ 把每一步落到指标里
2. 数据指标体系与增长飞轮
▪ 关于数据指标体系
› 用户数据
› 行为数据
› 产品数据
▪ 如何选择指标
› 好的指标，应该是比率
› 根据业务重点找核心指标
▪ 虚荣指标vs北极星指标
› 北极星指标的概念
› 不同产品的北极星指标不同
› 北极星指标的原则
作业：分析自己所负责的产品的商业模式、核心价值及北极星指标是什么？
▪ 虚荣指标与增长飞轮
▪ 亚马逊增长飞轮概念
▪ 增长飞轮与第二曲线
▪ 如何用指标解决问题？
思考题：自己所负责的产品当前所处的阶段以及当前阶段的常见关键指标是什么？
3. 什么是用户增长
▪ 用户增长的概念
› 已经验证了市场需求PMF
› 可被规模性扩张
▪ PMF验证产品的价值
▪ 创新扩散曲线
▪ 增长黑客的工作
› 关注整个用户生命周期，而不仅仅是获客阶段
› 通过数据驱动的方法，不断试验迭代
› 将增长机制产品化，把增长做到产品里面去
五、用户留存以及如何通过数据驱动产品优化提高留存率
1. 留存指标是产品所有指标中最重要的一个指标！
▪ 用户留存率每提高5个百分点，利润就会提高25~ 95个百分点
▪ 获取新用户的成本太高
▪ 而且现在争夺优质在线平台的竞争越来越激烈, 这导致广告成本不断飙升
2. 不管获客怎么样，留存率会改变累积用户的斜率
3. RARRA模型突出了用户留存的重要性
4. RARRA模型的真正的价值
▪ 实现二次购买/复购，拉长用户的生命周期
▪ 实现交叉购买
▪ 实现低成本的拉新获客
5. 留存率累计效应差距巨大
6. 留存和用户生命周期、收入的关系
7. 留存的几种算法
▪ 用户属性
▪ 时间维度
8. 留存分析模型一：Cohort Analysis
▪ 新老用户同期群分析(Cohort Analysis)方法
› 如何绘制同期群数据表
› 如何分析同期群的数据：横向、纵向
› 为什么要区分新、老用户
› 留存用户的颗粒度拆分及黏性指标分析
› DAU/MAN：用户黏性指标分析
▪ 用户分层模型：RFM
› 什么是R/F/M
› RFM→FMR→FMP
› RFM的优点和局限性
› RFM的深层问题
9. 留存分析模型二：渠道同期群分析方法
10. 留存分析模型一：产品功能留存矩阵
▪ 分析了解各个功能的价值
▪ 找到各个功能的提升空间
▪ 通过功能优化来整体提升用户留存
案例：咪咕音乐：如何找到影响留存率的最关键核心指标以及如何设计优化方案
▪ 找到提升用户留存率的关键点（Magic Number）
思考题：假设收藏功能对于留存率的重要性是显著的，那么你打算怎样优化收藏功能呢？从哪几个维度或方法进行优化
六、数据驱动运营实例
1. 渠道效果分析
2. 优惠券分析
3. 用户留存分析
4. 商品分析
5. 产品关键任务流程优化
七、用户运营与用户数据分析
▪ 用户生命周期
› 产品生命周期定义和价值
› 产品生命周期各阶段重点
› 产品生命周期个阶段特点
› 产品生命周期个阶段运营策略
› 产品生命周期与波士顿矩阵
› 产品生命周期与产品创新扩散曲线
▪ 用户分层
› 金字塔级用户分层
› 双金字塔分层
▪ 用户分群
› RFM模型分群
› 不同行业的RFM变体模型
› 算法分群
▪ 用户激励
▪ 用户画像
› 用户画像概念深入解读
› 用户画像标签体系
› User Person与User Profile
5. 用户数据运营的15种思维模型
▪ AARRR漏斗模型
▪ RARRA模型新漏斗
▪ 帕累托分层模型
▪ 金字塔分层模型
▪ RFM用户分析模型
▪ 单用户价值模型
▪ 用户生命周期（LTV/ARPU/ARPPU）模型
▪ 用户盈利能力模型
▪ 用户增长模型
▪ 用户心理常见5种模型
▪ 用户上瘾4步曲模型
▪ 用户裂变病毒系数K值模型
▪ 用户调研实操模型
▪ 常见用户体系搭建模型
▪ 游戏化管理用户模型
授课老师
陈博 B/C 端产品实战专家
常驻地：北京
邀请老师授课：13439064501 陈助理
