數據驅動能做什么？我們認為主要包含驅動決策、驅動產品智能兩方面的價值。本文分享以下內容：

1、數據驅動價值：驅動決策、驅動產品智能

2、數據驅動閉環：數據采集—數據建模—數據分析—數據反饋

3、數據驅動各環節方法與實踐

本文根據神策數據聯合創始人& CTO 曹犟在發表題為《數據驅動從方法到實踐》演講整理所得，請您欣賞！

這個是我之前一個產品同事發給我的，他說這些是產品關心的指標。

因為我是工程師出身，我根本不懂這些東西，但是我知道怎么改進產品：我們把這些指標全部算出來，進行監控，一旦發現某一個指標異常，立刻分析原因，并解決這些原因。

如果指標沒有異常，可以和別人家進行對比，你的轉化率是多少，我的轉化率是多少，看我們有多少提升空間，來提升指標。

所以，整個邏輯很簡單，先設置關心的問題，實際算出來，并關注是否異常，找到異常原因，分析解決異常，看數據有沒有真正得到上升。

場景 1：內容產品的“Aha Moment”

通過用戶行為將用戶群體劃分成四類：路人、打醬油、參與（點贊、轉發）、深度參與，如何提升這四類人的用戶留存？

很簡單，首先我觀察四類人的留存率，很明顯，行為深度越深，用戶留存肯定越高。

那該怎么操作？

擴大“參與行為”使用者面積，門檻太高，落地性較差；擴大“圍觀行為”使用者面積？這個方法更可行，在產品信息流頁露出“熱評”，可以提升留存，來驗證新增“熱評”之后效果如何。

場景 2：電商，收藏按鈕位置改版

某電商的首頁存在兩個“收藏”，一開始設置有點問題，一個點擊率極高，一個點擊率極低。顯而易見，浪費了非常重要的位置。后來將點擊率低的收藏按鈕位置換成了“服務”的按鈕，經過驗證，點擊進入量沒有明顯下降，同時“服務”點擊量提升。

經過 SA 中的數據對比發現，BEST 分類的點擊流量并沒有預想中高，甚至跟 MEN 分類的訪問量差不多。猜想可能用戶不習慣往左滑動頁面，習慣往右滑動界面。

同時，該電商還進行了首頁 BEST 分類按鈕位置調整，將 BEST 類目放到 FUN 類目右邊。效果：經過調整后，50% 以上的首頁用戶會進入 BEST 類目，比原來調整之前相對提高了 78% 。

場景 3：小程序的產品迭代案例

這是一個純女性短視頻社區案例，他們一直致力將數據分析融入到運營乃至產品迭代的最細節處。這是他們的工作方式。

該企業的小程序更新發版很快。用戶分享之后裂變，有一個完整的看板讓大家來評估的自己的影響。日裂變作為關鍵指標，某版本上線后發現裂變指數（uv 數 x 內部調整因子）迅速下跌。

圖 18 某版本上線后發現裂變指數迅速下跌

通過回溯過去 7 日的分析看到：“分享”按鈕的點擊數據出現連續下滑，“下載”按鈕的數據在出現大幅度提升。

圖 19 回溯 7 日數據快速篩查可能原因

通過用戶實際回訪，確認“保存按鈕”其實弱化了“分享意愿”，造成分享減少。次日晨完成新版本上線后，指標變得正常。

（4）運營

除了數據驅動產品迭代，下一個案例是用數據驅動運營，數據驅動運營同樣是發現問題，分析原因，來驗證效果。

圖 20 基于數據的驅動閉環，驅動業務決策

六、反饋

最后給大家介紹幾個重要閉環。

1. 用戶運營的閉環反饋

我們推出了自動化運營的新產品，我們發現大家對產品運營自動化越來越高。

神策自動化運營是基于分群標簽的全流程運營閉環分析系統，通過用戶精準分群、靈活創建并管理營銷活動計劃，比如知道用戶數據、業務數據，最終精準的刻畫了用戶畫像。基于用戶畫像采用不同的觸達方式，比如優惠券等。

做完之后，我可以分析衡量觸達效果怎么樣，從而評價營銷效果。有了第一次營銷效果之后，可以針對性的改進，做第二次營銷效果。真正形成自動化、精細化的運營閉環。

圖 21 用戶運營閉環反饋

2. 產品智能閉環反饋

這是個性化推薦的全流程，包括采集各種不同的數據，構建相應的興趣模型，特定的場景推薦下做推薦，不同緯度、不同指標做測量。

圖 22 產品智能閉環反饋

東方明珠是神策數據的客戶（東方明珠：融媒時代的大數據轉型之路打造），以百視通 IPTV 某駐地為例，日活數百萬用戶通過 IPTV 機頂盒付費觀看授權內容，部分精品內容需額外充值觀看;在接入神策推薦之前，主要依賴人工推薦，以熱門、付費和內容相關性為主要推薦參考。

為提升用戶的觀影體驗、提高用戶留存以及充值付費營收，東方明珠利用神策推薦解決方案，完成采集點擊日志、展示日志、播放日志等所需用戶行為數據，基于行為數據構建深度學習召回算法策略，采用 GBDT+LR 排序模型訓練數據。

推薦算法上線兩周后，神策推薦的效果，對比人工推薦，僅 CTR 一個指標即提升了 6 倍，對推薦內容的人均瀏覽次數提升了 1.9 倍。

責任編輯 LK