运营之路：数据分析+数据运营+用户增长

 徐小磊，网名磊叔，公众号“磊叔的数据增长实验室”创办人。数据挖掘与人工智能硕士，曾在阿里巴巴从事数据运营工作，拥有10余年数据运营工作经验。 

 脉脉网互联网领域KOL（关键意见），知乎网万粉千赞创作者，在行平台核心行家，人人都是增长官——2019增长大会特邀嘉宾，2020流量负增长——重构营销新增长蓝图峰会特邀嘉宾。 

 在互联网、移动运营商、智慧城市、金融等行业有丰富的实战经验，对海量用户产品的数据运营有深厚的积累和深刻的理解。

 第一篇 数据分析的方法 

 第1章 准备工作：数据清洗与预处理 / 5 

 1.1 为什么要正确和高效地预处理与清洗数据 / 5 

 1.1.1 指标的数据来源 / 5 

 1.1.2 数据预处理的目的 / 9 

 1.1.3 数据预处理的流程 / 10 

 1.2 用Excel完成常见数据预处理 / 18 

 1.2.1 文本数值化：文本数字转为数值型数字 / 18 

 1.2.2 日期数值化：文本型日期转为日期型格式 / 20 

 1.2.3 用分列实现维度拆分 / 23 

 1.2.4 用“查找并删除重复行”处理重复值 / 28 

 1.3 本章小结和思考 / 30 

 第2章 洞察运营机会的数据分析利器 / 31 

 2.1 重要！数据分析前的准备工作 / 32 

 2.1.1 Windows操作系统用户 / 32 

 2.1.2 MacBook操作系统用户 / 33 

 目录 

 X 

 数据分析+ 数据运营+ 用户增长 

 运营之路： 

 2.2 把利器：用“描述性统计”来整体评估数据 / 34 

 2.2.1 什么是描述性统计 / 34 

 2.2.2 描述性统计的适用场景 / 34 

 2.2.3 分析数据的分布情况：中位数和平均数 / 35 

 2.2.4 分析数据的离散程度：方差和标准差 / 39 

 2.2.5 寻找异常数据：分位数和异常值 / 42 

 2.2.6 在Excel 中实现描述性统计 / 46 

 2.3 第2 把利器：用“变化分析”来寻找问题突破口 / 52 

 2.3.1 什么是变化分析 / 52 

 2.3.2 变化分析的适用场景 / 53 

 2.3.3 变化分析1：同比 / 53 

 2.3.4 变化分析2：环比 / 55 

 2.3.5 在Excel 中分析环比和同比 / 57 

 2.3.6 用Excel 条件格式进行变化分析 / 58 

 2.3.7 用数据条/ 色阶分析DAU 变化 / 59 

 2.3.8 用自定义条件格式分析用户画像年龄分布 / 60 

 2.3.9 突出显示周末的销售数据 / 63 

 2.3.10 突出销量前十的产品 / 64 

 2.4 第3 把利器：用“指标体系”来洞察变化的原因 / 66 

 2.4.1 指标体系概述 / 66 

 2.4.2 指标体系的适用场景 / 67 

 2.4.3 指标体系的组成元素 / 67 

 2.4.4 指标类型（一）：北极星指标、虚荣指标 / 77 

 2.4.5 指标类型（二）：行为指标、业务指标、交易指标 / 84 

 2.4.6 如何建设产品的指标体系 / 85 

 2.4.7 如何用“指标体系”来分析指标变化的原因 / 87 

 2.4.8 深入理解活跃类指标 / 89 

 2.5 第4 把利器：用“相关性分析”来判断业务归因 / 92 

 2.5.1 什么是相关性分析 / 92 

 XI 

 目 录 

 2.5.2 相关性分析的2 种数据 / 93 

 2.5.3 相关性分析的3 种算法 / 95 

 2.5.4 相关性分析的适用场景 / 98 

 2.5.5 重要！相关性分析的前提条件 / 99 

 2.5.6 在Excel 中进行“相关性分析” / 100 

 2.5.7 如何寻找对购买转化率贡献优选的渠道 / 102 

 2.5.8 如何寻找对活跃有高贡献的功能场景 / 103 

 2.6 第5 把利器：用“趋势预测”来预测走势 / 105 

 2.6.1 趋势预测的概念 / 105 

 2.6.2 基于时间序列的趋势预测 / 107 

 2.6.3 基于回归分析的趋势预测 / 109 

 2.6.4 在Excel 中实现时间序列趋势预测 / 110 

 2.6.5 在Excel 中实现回归分析趋势预测 / 112 

 2.6.6 如何预测年度KPI / 114 

 2.6.7 如何预测下年春节期间的业务指标 / 115 

 2.7 本章小结和思考 / 115 

 第3 章 将运营机会转化为运营策略 / 116 

 3.1 B-O 价值模型概述 / 116 

 3.2 B-O 价值模型的组成 / 116 

 3.2.1 Business：业务模型 / 117 

 3.2.2 经营策略画布 / 122 

 3.3 B-O 价值模型使用指南 / 122 

 3.4 本章小结和思考 / 124 

 第二篇 数据运营的玩法 

 第4 章 数据运营的基础：用户场景营销 / 127 

 4.1 场景营销模型概述 / 127 

 4.2 什么是场景 / 128 

 XII 

 数据分析+ 数据运营+ 用户增长 

 运营之路： 

 4.3 场景的起源和特点 / 130 

 4.3.1 从技术语言到业务语言 / 131 

 4.3.2 从功能视角到用户视角 / 134 

 4.3.3 从静态服务到动态服务 / 136 

 4.4 场景的三个高阶特性 / 138 

 4.4.1 特性1：场景的五要素 / 138 

 4.4.2 特性2：场景体系 / 144 

 4.4.3 特性3：场景连接 / 146 

 4.5 本章小结和思考 / 147 

 第5 章 产品运营工具和模型 / 148 

 5.1 产品生命周期模型 / 148 

 5.1.1 模型概览与架构 / 148 

 5.1.2 产品上线抢先发售 / 149 

 5.1.3 产品更新迭代 / 152 

 5.1.4 产品下线停运 / 155 

 5.2 产品运营的场景和运营策略 / 156 

 5.2.1 启动屏 / 157 

 5.2.2 首页和主页 / 161 

 5.2.3 主页的首屏 / 162 

 5.2.4 搜索区运营 / 166 

 5.2.5 轮播区楼层 / 171 

 5.2.6 金刚区楼层 / 174 

 5.2.7 楼层和坑位 / 181 

 5.2.8 版本迭代 / 191 

 5.3 本章小结和思考 / 195 

 第6 章 用户模型和运营工具 / 196 

 6.1 用户生命周期模型 / 196 

 6.1.1 概述 / 196 

 XIII 

 目 录 

 6.1.2 引入期 / 198 

 6.1.3 成长期 / 199 

 6.1.4 成熟期 / 201 

 6.1.5 沉默期 / 203 

 6.1.6 流失期 / 206 

 6.2 用户画像 / 209 

 6.2.1 什么是用户画像 / 209 

 6.2.2 静态属性画像 / 210 

 6.2.3 动态兴趣画像 / 212 

 6.2.4 用户画像的形态：标签 / 215 

 6.3 用户分层模型 / 217 

 6.3.1 为什么要用户分层 / 217 

 6.3.2 用户分层的使用原则 / 219 

 6.3.3 经典的用户分层模型：RFM 模型 / 220 

 6.3.4 在Excel 中实现RFM 模型 / 223 

 6.4 用户运营的常用工具和运营策略 / 226 

 6.4.1 用户漏斗/ 路径分析 / 226 

 6.4.2 会员/ 权益体系 / 230 

 6.4.3 签到/ 打卡 / 242 

 6.4.4 优惠券 / 245 

 6.4.5 交叉营销 / 248 

 6.5 本章小结和思考 / 250 

 第7 章 内容运营工具和场景 / 252 

 7.1 标签体系 / 252 

 7.1.1 分类和标签的区别 / 252 

 7.1.2 标签的本质：元数据 / 252 

 7.1.3 标签的两种类型 / 253 

 7.1.4 标签系统的核心逻辑 / 253 

 7.1.5 标签和权重 / 255 

 XIV 

 数据分析+ 数据运营+ 用户增长 

 运营之路： 

 7.1.6 很好实践1：BAT 是怎么建设标签体系的 / 256 

 7.1.7 很好实践2：BAT 是如何让标签赋能各个业务模块的 / 260 

 7.1.8 很好实践3：标签系统的局限和劣势 / 263 

 7.2 个性化推荐 / 264 

 7.2.1 运营必知的推荐系统流程 / 264 

 7.2.2 四个常见的推荐运营场景 / 266 

 7.2.3 个性化推荐是如何做到如此精准的 / 270 

 7.2.4 推荐系统的原罪：不仅推荐，还在探索 / 272 

 7.3 本章小结和思考 / 275 

 第三篇 用户增长的打法 

 第8 章 增长战略模型：S-C-I 战略模型 / 279 

 8.1 什么是S-C-I 战略模型 / 279 

 8.2 S-C-I 战略模型的核心逻辑 / 282 

 8.3 电商型产品的战略增长方向 / 285 

 8.4 社交类产品的战略增长方向 / 288 

 8.5 内容类产品的战略增长方向 / 290 

 8.6 本章小结和思考 / 291 

 第9 章 增长策略模型：3A3R 策略模型 / 292 

 9.1 概述 / 292 

 9.2 用户洞察 / 293 

 9.2.1 目标 / 293 

 9.2.2 策略和工具 / 293 

 9.2.3 输出 / 295 

 9.3 拉新获客 / 295 

 9.3.1 目标 / 295 

 9.3.2 策略和工具 / 296 

 XV 

 目 录 

 9.3.3 输出 / 299 

 9.4 活跃和留存 / 300 

 9.4.1 概述 / 300 

 9.4.2 策略和工具 / 300 

 9.4.3 输出 / 301 

 9.5 收入 / 301 

 9.5.1 概述 / 301 

 9.5.2 策略和工具 / 302 

 9.5.3 输出 / 303 

 9.6 传播 / 303 

 9.6.1 概述 / 303 

 9.6.2 如何理解用户增长与裂变的关系 / 303 

 9.7 3A3R 策略模型的使用方法 / 310 

 9.7.1 方法1：向前找流量、向后做转化、自身看画像 / 310 

 9.7.2 方法2：自身指北，相邻伴随 / 312 

 9.8 3A3R 策略模型的本质：五度循环圈 / 313 

 9.9 本章小结和思考 / 316 

 后记 / 319

数据分析已然成为当下最热门的运营技能，大有“不会数据分析都不好意思和别人打招呼”之势。回顾我十多年大数据工作中所经历的行业，包括通信企业、智慧城市运营商、国内顶尖互联网公司以及金融企业，他们都对数据分析有着较高和迫切的要求。特别是近些年参加行业论坛、互联网分享会和开发数据分析培训课程时，能感觉到大家对于数据分析有着很旺盛和迫切的需求，也能明显感觉到大家对于数据分析有一些共性的疑问：

如何入门数据分析？

如何掌握有效的数据分析方法？

如何成为厉害的数据分析师？

数据分析一定要会Excel、SQL和Python?

我相信这些问题也代表了大多数读者的疑问。事实上，学习数据分析有一套非常科学的方法。这个学习方法要求我们首先掌握一种数据分析的流程、思路和方法，并学习这个流程、思路和方法由哪些步骤组成，每个步骤用到了哪些分析技术，以及这些分析技术的适用场景是什么。在掌握这个数据分析流程、思路和方法的基础上，我们再寻求一个合适的数据分析工具来实现和执行这些流程、思路和方法。

这种学习方法的好处有以下几点。

第一，掌握一个科学的分析方法之后，再寻求一种合适的分析工具，可以让我们分析数据的效率大幅度提升。

第二，避免出现本末倒置，也就是学完语言，学完算法，具备一定的编码能力后，回到工作岗位中依然不知道从何下手，在学习技能和应用技能之间出现了巨大的断层。出现断层的原因就是我们虽然学习了工具，但是没有掌握应用工具的思路和方法。

基于此，本篇为大家带来一套有趣、有效、有料的数据分析方法。首先，这套数据分析方法适用性非常广，不仅适用于互联网产品，也适用于线下业务，而且这套数据分析方法难度非常低，所应用的知识也只是大学期间统