本文將對(duì)數(shù)據(jù)分析的關(guān)鍵知識(shí)模塊做介紹，可以為你解答以下問題：

為什么要做數(shù)據(jù)分析？

數(shù)據(jù)如何驅(qū)動(dòng)運(yùn)營？

數(shù)據(jù)分析的指標(biāo)有哪些？

數(shù)據(jù)分析的模型有哪些？

怎么評(píng)估用戶價(jià)值？

數(shù)據(jù)分析報(bào)告怎么寫？

數(shù)據(jù)可視化工具 ...

一、數(shù)據(jù)的價(jià)值

（一） 數(shù)據(jù)驅(qū)動(dòng)企業(yè)運(yùn)營

從電商平臺(tái)的「猜你喜歡」到音樂平臺(tái)的「心動(dòng)模式」，大數(shù)據(jù)已經(jīng)滲透到了我們生活的每一個(gè)場景。不論是互聯(lián)網(wǎng)行業(yè)，還是零售業(yè)、制造業(yè)等，各行各業(yè)都在依托互聯(lián)網(wǎng)大數(shù)據(jù)（數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理、數(shù)據(jù)挖掘、數(shù)據(jù)分析、數(shù)據(jù)呈現(xiàn)）實(shí)現(xiàn)企業(yè)價(jià)值。

企業(yè)中數(shù)據(jù)從產(chǎn)生到應(yīng)用依次要經(jīng)過數(shù)據(jù)源層、數(shù)據(jù)倉庫層、數(shù)據(jù)建模層，最后到數(shù)據(jù)應(yīng)用層，經(jīng)過層層加工逐漸支持到上游的應(yīng)用環(huán)節(jié)。

數(shù)據(jù)應(yīng)用層是數(shù)據(jù)產(chǎn)生價(jià)值的出口，通過數(shù)據(jù)挖掘、用戶畫像建模、推薦算法的制定，可實(shí)現(xiàn)千人千面的個(gè)性化內(nèi)容推薦。「個(gè)性化」內(nèi)涵是內(nèi)容與用戶的高度匹配，以達(dá)到提升體驗(yàn)、提升高黏性、促進(jìn)銷售轉(zhuǎn)化的目的。

（二）數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品運(yùn)營

數(shù)據(jù)分析對(duì)業(yè)務(wù)發(fā)展、產(chǎn)品優(yōu)化、精細(xì)化運(yùn)營也起到了關(guān)鍵支持。

數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品、數(shù)據(jù)驅(qū)動(dòng)運(yùn)營的關(guān)鍵在于「可以通過數(shù)據(jù)分析提出產(chǎn)品優(yōu)化思路，提出運(yùn)營提升的舉措，快速上線驗(yàn)證效果，重新優(yōu)化，進(jìn)入新的增長循環(huán)」。

數(shù)據(jù)運(yùn)營的關(guān)鍵應(yīng)用場景有：

• 評(píng)估產(chǎn)品改版（新功能）效果
• 發(fā)現(xiàn)產(chǎn)品改進(jìn)關(guān)鍵點(diǎn)
• 構(gòu)建用戶畫像，以便開展精細(xì)化運(yùn)營
• 優(yōu)化用戶體驗(yàn)
• 發(fā)現(xiàn)業(yè)務(wù)運(yùn)營中存在的問題
• 運(yùn)營效果分析、ROI分析
• 數(shù)據(jù)總結(jié)與向上匯報(bào)

......

二、如何用數(shù)據(jù)驅(qū)動(dòng)運(yùn)營

（一）數(shù)據(jù)驅(qū)動(dòng)運(yùn)營的內(nèi)涵

數(shù)據(jù)驅(qū)動(dòng)運(yùn)營是一個(gè)很寬泛的概念，但拆分下來，數(shù)據(jù)驅(qū)動(dòng)運(yùn)營有三個(gè)內(nèi)涵：

• 產(chǎn)品運(yùn)營人員要具備數(shù)據(jù)意識(shí)，通過數(shù)據(jù)發(fā)現(xiàn)問題
• 產(chǎn)品運(yùn)營人員可以通過數(shù)據(jù)管理本職工作，用數(shù)據(jù)解決問題
• 讓數(shù)據(jù)說話，提高各部門的溝通效率

（二）數(shù)據(jù)驅(qū)動(dòng)運(yùn)營的工作流程

1. 定義數(shù)據(jù)分析目標(biāo)

明確目標(biāo)，意味著運(yùn)營人員（或數(shù)據(jù)分析師）要站在數(shù)據(jù)結(jié)果輸出對(duì)象的角度去思考。

對(duì)于管理層來說，往往會(huì)關(guān)注以下幾個(gè)結(jié)果：

• 重大決策最終反應(yīng)在了哪些指標(biāo)上
• 這些指標(biāo)有什么關(guān)聯(lián)
• 業(yè)務(wù)全局有什么變化趨勢
• 與過去相比，哪些進(jìn)步了，哪些退步了
• 數(shù)據(jù)暴露出了什么問題，需要做什么調(diào)整

產(chǎn)品運(yùn)營人員則更關(guān)注細(xì)節(jié)。整體來看，運(yùn)營數(shù)據(jù)分析的目標(biāo)主要有三類——即「解決是什么、為什么、做什么」的問題，具體的數(shù)據(jù)分析目標(biāo)還要結(jié)合實(shí)際工作來定義：

• 是什么：如運(yùn)營舉措的效果如何？產(chǎn)品優(yōu)化的效果如何？用戶使用情況是怎樣的？用戶的體驗(yàn)反饋如何？
• 為什么：如轉(zhuǎn)化率為什么提升/降低？用戶為什么會(huì)產(chǎn)生意料之外的行為？運(yùn)營舉措和產(chǎn)品優(yōu)化為什么有效/沒有效果？
• 做什么：如運(yùn)營策略該如何調(diào)整？產(chǎn)品該怎么優(yōu)化？業(yè)務(wù)戰(zhàn)略該怎么調(diào)整？

2. 數(shù)據(jù)指標(biāo)拆解

在確定了分析目標(biāo)后，就需要進(jìn)行數(shù)據(jù)指標(biāo)拆解。明確要分析哪些具體的數(shù)據(jù)指標(biāo)，為了避免遺漏關(guān)鍵細(xì)節(jié)，可以先對(duì)業(yè)務(wù)（或某一個(gè)活動(dòng)、使用場景）流程做梳理，得出每一個(gè)節(jié)點(diǎn)的數(shù)據(jù)指標(biāo)項(xiàng)，根據(jù)分析目標(biāo)需要，保留關(guān)鍵項(xiàng)，剔除多余項(xiàng)。

3. 數(shù)據(jù)采集

• 定義數(shù)據(jù)源：在分析數(shù)據(jù)之前，要對(duì)數(shù)據(jù)來源、統(tǒng)計(jì)口徑、統(tǒng)計(jì)周期加以定義，以便提交「數(shù)據(jù)提取」需求。
• 數(shù)據(jù)的獲取途徑：數(shù)據(jù)來源包括埋點(diǎn)數(shù)據(jù)、運(yùn)營平臺(tái)、業(yè)務(wù)平臺(tái)、第三方平臺(tái)、回訪調(diào)研等。運(yùn)營人員要對(duì)不同數(shù)據(jù)源的真實(shí)性、準(zhǔn)確性做把關(guān)。

4. 數(shù)據(jù)可視化

使用圖表工具，將數(shù)據(jù)可視化，更容易發(fā)現(xiàn)數(shù)據(jù)的趨勢、極值、聯(lián)系。不同圖表類型適用于不同的分析場景。

散點(diǎn)圖：用于描述數(shù)據(jù)之間的規(guī)律

折線圖：描述數(shù)據(jù)隨著時(shí)間變化的趨勢

面積圖：折線圖的延伸，更注重?cái)?shù)據(jù)和時(shí)間趨勢的變化關(guān)系

柱形圖：類別之間的關(guān)系

餅狀圖：數(shù)據(jù)之間的占比

漏斗圖：轉(zhuǎn)化率分析、占比分析

雷達(dá)圖：個(gè)體數(shù)據(jù)的屬性和可視化，常用于用戶畫像、CRM

樹形圖：適合數(shù)據(jù)量大、類別多的情況，比如各類電商的SKU

?；鶊D：解釋數(shù)據(jù)復(fù)雜變化的趨勢，一對(duì)多或者多對(duì)一

熱力圖：屬性和維度的規(guī)律組合，有點(diǎn)像折線圖

關(guān)系圖：不同種類的關(guān)系，常用于社交媒體

箱線圖：統(tǒng)計(jì)學(xué)圖表，用于研究和觀察數(shù)據(jù)分布，對(duì)比數(shù)據(jù)分布等

標(biāo)靶圖：用于業(yè)務(wù)銷售完成情況等

詞云圖：文本分析利器

地理圖：數(shù)據(jù)和空間的關(guān)系

5. 數(shù)據(jù)分析

解決問題是數(shù)據(jù)分析的最終落腳點(diǎn)。這一環(huán)節(jié)的目標(biāo)是發(fā)現(xiàn)數(shù)據(jù)的特征、規(guī)律、數(shù)據(jù)之間的關(guān)聯(lián)，通過對(duì)數(shù)據(jù)的洞察解決實(shí)際問題。

6. 輸出數(shù)據(jù)分析結(jié)論

數(shù)據(jù)分析的結(jié)果可以根據(jù)需要以Word或PPT的形式呈現(xiàn)。

報(bào)告應(yīng)采取總分總的格式：

• 總述：闡述數(shù)據(jù)分析的背景、目的、目標(biāo)、分析思路、目錄、關(guān)鍵發(fā)現(xiàn)。
• 分述：對(duì)業(yè)務(wù)按多維度細(xì)分分析，用數(shù)據(jù)圖表與相應(yīng)結(jié)論闡述觀點(diǎn)。
• 總結(jié)：提出結(jié)論與優(yōu)化建議、行動(dòng)計(jì)劃、對(duì)業(yè)務(wù)發(fā)展做預(yù)測，提出策略與結(jié)論、附錄。

根據(jù)實(shí)際工作需要，「報(bào)告」不一定是必須的，數(shù)據(jù)分析的結(jié)果是為了下一步的行動(dòng)計(jì)劃作支撐。

7. 測試驗(yàn)證

根據(jù)數(shù)據(jù)分析結(jié)論，按照計(jì)劃開展優(yōu)化測試，對(duì)測試效果展開分析，以此開啟新的數(shù)據(jù)分析進(jìn)程，形成數(shù)據(jù)分析工作的閉環(huán)。

三、數(shù)據(jù)分析的基本指標(biāo)

（一） 基礎(chǔ)數(shù)據(jù)指標(biāo)

基礎(chǔ)數(shù)據(jù)指標(biāo)參考了增長黑客理論中的AARRR模型，針對(duì)用戶從新增到流失的多個(gè)環(huán)節(jié)，來定義相應(yīng)指標(biāo)。

• 新增：日/周/月新增。

這里有兩個(gè)維度，增量與增速。新增用戶增速是產(chǎn)品增長的基礎(chǔ)

• 傳播：病毒系數(shù)、傳播周期。

平均每位老用戶會(huì)帶來幾位新用戶？大于 1 的時(shí)候，產(chǎn)品才可能出現(xiàn)爆發(fā)式的指數(shù)增長。

老用戶一般在注冊(cè)（新增）后多長時(shí)間帶來新用戶？傳播周期越短，增長速度越快。

• 活躍：活躍用戶數(shù)DAU/MAU。

只有活躍用戶才能為產(chǎn)品帶來價(jià)值。

• 留存：留存率：次日、周、月。

使用產(chǎn)品的時(shí)間越久（活的長久），對(duì)產(chǎn)品的潛在價(jià)值越大

留存的計(jì)算業(yè)內(nèi)有多種方式，但大多數(shù)采用了下方的計(jì)算公式：

次日留存率=（當(dāng)天新增的用戶中，第2天還登錄的用戶數(shù)）/第一天新增用戶總數(shù)；

七日留存率=（第一天新增的用戶中，在往后的第7天還有登錄的用戶數(shù)）/第一天新增總用戶數(shù)；

月留存率=（第一天新增的用戶中，在往后30天還有登錄的用戶數(shù)）/第一天新增總用戶數(shù)

• 流失：流失率。

一段時(shí)間內(nèi)流失的用戶，占這段時(shí)間活躍用戶數(shù)的比例。只有當(dāng)產(chǎn)品新用戶增長的速度大于老用戶流失的速度時(shí)，產(chǎn)品的活躍用戶數(shù)才會(huì)是正增長。

（二）用戶行為數(shù)據(jù)指標(biāo)

另一個(gè)維度，立足于用戶行為，可以根據(jù)提升黏性、提升參與度、提升轉(zhuǎn)化這三個(gè)目標(biāo)定義具體的數(shù)據(jù)指標(biāo)。

• 黏性指標(biāo)：留存率、周活天

留存率反應(yīng)產(chǎn)品是否滿足用戶需要。周活天反應(yīng)用戶忠誠度。

• 參與度指標(biāo)：活躍度、停留時(shí)長、訪問頁面數(shù)量
• 轉(zhuǎn)化指標(biāo)：用戶從上一環(huán)節(jié)到下一環(huán)節(jié)的轉(zhuǎn)化率

這兩種指標(biāo)體系都具有參考價(jià)值，可以根據(jù)自身實(shí)際情況適當(dāng)組合。

四、用戶分群

（一）用戶分群

用戶分群是精細(xì)化運(yùn)營的基礎(chǔ)要求，也是數(shù)據(jù)分析的最基礎(chǔ)方式。對(duì)用戶進(jìn)行分群，能幫助我們了解每個(gè)細(xì)分群體用戶的變化情況，進(jìn)而了解用戶的整體現(xiàn)狀及發(fā)展趨勢。同時(shí)，由于運(yùn)營資源本身有限，不可能真的做到一對(duì)一的個(gè)性化運(yùn)營，但針對(duì)群體的運(yùn)營是十分必要的。

（二）用戶分群模型

用戶分群的首要任務(wù)是根據(jù)具體的業(yè)務(wù)場景，確定不同的分類規(guī)則，給出清晰的定義。

1. AARRR模型分群法

借鑒增長黑客AARRR模型，可以把用戶分為：

• 注冊(cè)用戶：通過不同獲客渠道完成注冊(cè)的用戶。
• 活躍用戶：注冊(cè)且登陸的用戶。
• 留存用戶：一定時(shí)間內(nèi)未流失的用戶。
• 下單用戶：對(duì)營收產(chǎn)生價(jià)值的用戶。
• 忠誠用戶：對(duì)產(chǎn)品高度認(rèn)同及依賴的用戶。

2. RFM模型分群法

（1）RFM模型——用于建立分群維度

傳統(tǒng)行業(yè)對(duì)用戶分類最常用的方法是RFM模型，RFM分別是三個(gè)英文單詞的首字母。

• R（Recency）代表消費(fèi)新鮮度。理論上，最近一次消費(fèi)時(shí)間越近，說明此用戶相對(duì)來說是比較優(yōu)質(zhì)的用戶，對(duì)提供即時(shí)的商品或者服務(wù)，他們是最可能及時(shí)響應(yīng)的。
• F（Frequency）代表消費(fèi)頻率。是用戶在某段時(shí)間內(nèi)購買商品或服務(wù)的次數(shù)。一般來說，消費(fèi)頻率越大，顧客忠誠度越高。
• M（Monetary）代表消費(fèi)金額。消費(fèi)金額體現(xiàn)用戶的消費(fèi)能力。

（2）用戶五等分模型——用于明確分群規(guī)則

美國數(shù)據(jù)庫營銷研究所Arthur Hughes用戶五等分模型，將指標(biāo)按下列規(guī)則分類：

1）查詢近一個(gè)月（查詢時(shí)間往前推30天）所有內(nèi)容創(chuàng)建者最近一次的登錄時(shí)間。

2）按最近一次登錄時(shí)間距離查詢當(dāng)日的時(shí)間排序：前20%標(biāo)記為R5，記為5分；前20%～40%，標(biāo)記為R4，記為4分；前40%～60%，標(biāo)記為R3，記為3分；前60%～80%，標(biāo)記為R2，記為2分；前80%～100%，標(biāo)記為R1，記為1分。依此類推，將創(chuàng)建內(nèi)容的用戶分成五等分。

3）查詢出內(nèi)容用戶在一個(gè)月內(nèi)登錄的天數(shù)，及創(chuàng)建的內(nèi)容數(shù)，按同樣的方法五等分進(jìn)行標(biāo)記。

4）將R5、F5、M5等同于5分，R4、F4、M4等同于4分，R1、F1、M1等同于1分，將每個(gè)顧客對(duì)應(yīng)的三個(gè)數(shù)字相加，作為內(nèi)容提供用戶價(jià)值的得分。

（3）RFM模型分群法的應(yīng)用

1）細(xì)分用戶群分析

對(duì)某個(gè)或某幾個(gè)用戶分群進(jìn)行分析，從而給出具有針對(duì)性的運(yùn)營建議。如對(duì)R1、R2的用戶進(jìn)行分析，找到活躍用戶的共性，從而反推用戶不活躍或流失的原因。

2）顧客價(jià)值評(píng)估

基于用戶五等分模型，對(duì)用戶進(jìn)行價(jià)值評(píng)估。在資源有限的情況下，可以優(yōu)先滿足10分以上高價(jià)值用戶的需求，同時(shí)通過完善權(quán)益機(jī)制，激勵(lì)9分以下的低價(jià)值用戶升級(jí)，引導(dǎo)整個(gè)用戶體系的良性發(fā)展。

用戶價(jià)值劃分：

3～5分：低貢獻(xiàn)用戶

6～9分：一般用戶

10～13分：優(yōu)質(zhì)用戶

14～15分：高價(jià)值用戶

3）流失用戶監(jiān)控

基于R、M兩個(gè)維度，對(duì)不同分值用戶打上標(biāo)簽，區(qū)分出高價(jià)值忠誠用戶、高價(jià)值流失用戶等，以便展開具體的運(yùn)營舉措。

R≥3且M＜3，打上標(biāo)簽：低價(jià)值忠誠用戶。

R≥3且M≥3，打上標(biāo)簽：高價(jià)值忠誠用戶。

R＜3且M＜3，打上標(biāo)簽：低價(jià)值流失用戶。

R＜3且M≥3，打上標(biāo)簽：高價(jià)值流失用戶。

3. 關(guān)于「同期群」

同期群是一種用戶分群的方式，按用戶的新增時(shí)間將用戶分群，得到的每個(gè)群叫一個(gè)同期群。

由于同一項(xiàng)產(chǎn)品改進(jìn)對(duì)不同同期群中的用戶產(chǎn)生的影響是不同的，分開衡量才更能反映真實(shí)的情況，因此，我們常常會(huì)進(jìn)行同期群分析。同期群分析是指將用戶進(jìn)行同期群劃分以后，分析和對(duì)比不同同期群組用戶的相同指標(biāo)。

五、數(shù)據(jù)分析模型

很多時(shí)候我們聽到「模型」兩個(gè)字都會(huì)覺得高深莫測，當(dāng)然也有不少人會(huì)對(duì)這種「學(xué)院派」的做法嗤之以鼻。但實(shí)際上，模型只是「對(duì)數(shù)據(jù)分析思路的抽象」，通過模型能快速幫助我們梳理思路，理清數(shù)據(jù)的內(nèi)在關(guān)聯(lián)。

數(shù)據(jù)分析模型有很多種類，本文里我們不涉及技術(shù)，只對(duì)關(guān)鍵的邏輯模型做重點(diǎn)說明：

挖掘算法模型：主要是針對(duì)具體的業(yè)務(wù)問題，通過數(shù)學(xué)算法等方式輸出計(jì)算結(jié)果，如預(yù)測、聚類、文本挖掘。

數(shù)據(jù)庫模型：結(jié)合業(yè)務(wù)對(duì)底層數(shù)據(jù)進(jìn)行整合

邏輯模型：是指通過一些指標(biāo)的內(nèi)在聯(lián)系組合起來的可分析問題的模型。比如RFM模型以及「增長黑客」中常用的AARRR模型。

關(guān)于「增長黑客」的理論、方法、工具等內(nèi)容，我們將在后續(xù)文章中詳細(xì)介紹。

1. 4P營銷理論（適用于業(yè)務(wù)整體分析）

4P營銷理論是密西根大學(xué)教授杰羅姆·麥卡錫（E.Jerome Mccarthy）在20世紀(jì)60年代提出的。這個(gè)理論將營銷組合的要素分為產(chǎn)品（Product）、價(jià)格（Price）、促銷（Promotion）、渠道（Place）四要素，使得營銷簡化并方便記憶和傳播。

• 產(chǎn)品：在產(chǎn)品維度，側(cè)重回答我們的產(chǎn)品是什么？是否實(shí)現(xiàn)盈利？產(chǎn)品如何滿足用戶需求？產(chǎn)品的目標(biāo)用戶是誰？產(chǎn)品的優(yōu)化是否有效？存在什么問題？

通常我們理解的產(chǎn)品是有形的，但實(shí)際上這是狹隘的觀點(diǎn)。實(shí)際上產(chǎn)品可以是任何在市場存活的，滿足用戶某種需求的東西，它可以是實(shí)物，也可以是服務(wù)、人員、技術(shù)、組織、智慧等或以上若干種的組合。

• 價(jià)格：在價(jià)格維度，側(cè)重分析產(chǎn)品如何定價(jià)？收入情況如何？ROI如何？哪些環(huán)節(jié)會(huì)影響到收入？
• 促銷：促銷維度則關(guān)注促銷方式是什么，效果怎么樣？
• 渠道：渠道質(zhì)量如何？渠道覆蓋如何？用戶的渠道偏好是怎樣的？

2. 5W2H（適用于向領(lǐng)導(dǎo)匯報(bào)數(shù)據(jù)分析計(jì)劃）

5W2H是以5個(gè)以W開頭的英文單詞及2個(gè)以H開頭的英文單詞為縮寫的簡稱，使用5W2H分析方法能很清晰地知道需要往哪些方面去思考和展開分析，幫助理清分析思緒。

• What：數(shù)據(jù)分析的對(duì)象是什么？
• Why：數(shù)據(jù)分析的背景是什么，為什么要做這次數(shù)據(jù)分析？
• Where：數(shù)據(jù)源是什么？
• When：數(shù)據(jù)采集時(shí)段是多久？
• Who：誰來執(zhí)行具體的數(shù)據(jù)環(huán)節(jié)？
• How：如何執(zhí)行？
• How much：需要投入什么資源？

3. 其他模型

• PEST：適用于宏觀環(huán)境的分析。
• SWOT：適用于做戰(zhàn)略分析。

六、用戶生命周期價(jià)值

1. 用戶終生價(jià)值的計(jì)算 (life time value)

LTV =（某個(gè)客戶每個(gè)月的下單頻次*客單價(jià)*毛利率）*（1 /月流失率）=（某個(gè)客戶每個(gè)月的下單頻次* ARPU *毛利率）*（1 /（1-月留存率））=用戶生命周期內(nèi)下單次數(shù)*客單價(jià)*毛利率

1）ARPU值的計(jì)算

ARPU（每個(gè)用戶的平均收入）=某段時(shí)間內(nèi)的總收入/同時(shí)期內(nèi)活躍用戶總數(shù)；

2）流失率的計(jì)算

流失率指的是一段時(shí)間內(nèi)，有多少比例的用戶不再使用你的產(chǎn)品了。所以流失率=在某段時(shí)間內(nèi)流失的用戶/同時(shí)期內(nèi)活躍的用戶，流失比較難定義，但留存比較好定義，故月流失率近似等價(jià)于1-月留存率；流失率的倒數(shù)用來表示預(yù)測的用戶生命周期，如果一個(gè)產(chǎn)品的流失率為10%，則產(chǎn)品對(duì)應(yīng)的生命周期為10個(gè)月。

2. 應(yīng)用場景

1）評(píng)估運(yùn)營活動(dòng)是否盈利

單個(gè)用戶毛利=用戶生命周期價(jià)值-獲取用戶成本-運(yùn)營成本= CLV - CAC - COC

很多產(chǎn)品在初期一直以補(bǔ)貼用戶的形式來留住用戶，長此以往，資金鏈一旦斷裂，將無以為繼。只有當(dāng)用戶的毛利大于0時(shí)，產(chǎn)品才能良性地、持續(xù)穩(wěn)健地發(fā)展下去。

2）追蹤投資回報(bào)率

計(jì)算公式：ROI =轉(zhuǎn)化率* ARPU/ (CAC + COC)

七、數(shù)據(jù)指標(biāo)的拆解

作為運(yùn)營負(fù)責(zé)人，常常面臨分工不明確，考核難量化等問題。

將KPI進(jìn)行拆解也是常見的分析方法，其核心思想是將KPI指標(biāo)（如營收）拆解到各個(gè)業(yè)務(wù)線去，再由各業(yè)務(wù)線進(jìn)行二次拆分。

為了促進(jìn)流量運(yùn)營、用戶運(yùn)營、內(nèi)容運(yùn)營等各運(yùn)營團(tuán)隊(duì)之間的協(xié)作，可以將營業(yè)收入KPI以乘積的方式分解成各運(yùn)營團(tuán)隊(duì)的KPI，各團(tuán)隊(duì)不僅需要完成各自KPI還需要相互合作才能完成共同KPI，有效減少了團(tuán)隊(duì)間的內(nèi)耗。

例如，若整個(gè)大部門背負(fù)著收入指標(biāo)，則根據(jù)計(jì)算公式：收入=客單價(jià)*付費(fèi)用戶數(shù)=客單價(jià)*用戶數(shù)*付費(fèi)轉(zhuǎn)化率，可以將客單價(jià)、付費(fèi)轉(zhuǎn)化率、用戶數(shù)作為不同小團(tuán)隊(duì)的KPI。

八、數(shù)據(jù)可視化工具推薦

網(wǎng)絡(luò)上可搜尋到的數(shù)據(jù)可視化工具非常多，在數(shù)據(jù)圖表制作、平臺(tái)操作上也大多相似，但也各有特點(diǎn)，可以根據(jù)展示效果需要來選擇工具。

1）花火Hanabi

可制作數(shù)據(jù)動(dòng)圖、短視頻素材

2）鏑數(shù)圖表

除了數(shù)據(jù)圖表制作外，有大量模版，可以制作數(shù)據(jù)展示的海報(bào)、長圖文

3）圖表秀

可制作PPT格式的數(shù)據(jù)分析報(bào)告、制作在線數(shù)據(jù)網(wǎng)站（包含點(diǎn)擊交互效果）

4）思邁特Smartbi

企業(yè)數(shù)據(jù)分析BI解決方案

5）Datawrapper

適合外企，可制作圖表、地圖、報(bào)告，支持導(dǎo)出鏈接、pdf等格式