通過產(chǎn)品數(shù)據(jù)的剖析，我們能夠洞察用戶行為、習(xí)慣以及他們對產(chǎn)品的使用反饋，并策劃出優(yōu)化后的產(chǎn)品策略。所以掌握數(shù)據(jù)挖掘與分析思維顯得格外重要，那么如何掌握這一思維方式呢？

立志要在互聯(lián)網(wǎng)闖蕩的運(yùn)營新人們抓耳撓腮地在電腦面前看著運(yùn)營課程，用戶量下滑，留存營收莫名其妙地下降，老板指著一個月比一個月難看的數(shù)據(jù)說你不適合這個崗位。

對于運(yùn)營來說，這個崗位可以像地球一樣分三個層面：

• 地核：用戶
• 地幔：用戶在產(chǎn)品中的行為
• 地殼：行為在產(chǎn)品中產(chǎn)出的數(shù)據(jù)

地殼部分的數(shù)據(jù)瞬息萬變，各個新運(yùn)營人們在產(chǎn)品的新大陸上總是在措不及防之時，就被身旁名為“次留”或者“流失”的活火山給弄得焦頭爛額。

這些變化似乎難以把控，“用戶”的本質(zhì)地核深藏在地殼下方，新人們只能在發(fā)現(xiàn)數(shù)據(jù)異常的時候趕緊收集，卻很難預(yù)知未來可能會發(fā)生的事情。

但一切數(shù)據(jù)的產(chǎn)生都是有其原因的。用戶是產(chǎn)品調(diào)性固定住的東西，產(chǎn)生出數(shù)據(jù)的用戶行為便是運(yùn)營應(yīng)該牢牢抓住的東西。

抓住用戶行為的過程，便是我想要傳達(dá)給大家的思維——數(shù)據(jù)分析&挖掘。

下面我會通過概述和三個案例來闡述這種思維的方式：

• 案例1：關(guān)鍵詞數(shù)據(jù)抓取優(yōu)化
• 案例2：漏斗-對比優(yōu)化
• 案例3：數(shù)據(jù)預(yù)測計(jì)算思路

01 數(shù)據(jù)分析&挖掘

數(shù)據(jù)分析并非信手拈來的，數(shù)據(jù)分析是有其一定的框架可遵循的。

數(shù)據(jù)分析的框架可以分為3個主要步驟：

• 理解行業(yè)業(yè)務(wù)
• 將數(shù)字轉(zhuǎn)化為結(jié)論
• 結(jié)論的驗(yàn)證與實(shí)踐

1. 理解行業(yè)業(yè)務(wù)

對任何問題的優(yōu)化，其前提都是對行業(yè)業(yè)務(wù)及崗位需求有著基本的理解。

數(shù)據(jù)只有依附在實(shí)際業(yè)務(wù)上，才能從概念轉(zhuǎn)化成具有實(shí)體意義的內(nèi)容。

2. 將數(shù)字轉(zhuǎn)化為結(jié)論

數(shù)據(jù)分析是一個分析+探索的過程。我們有時是帶著問題和假設(shè)去分析、驗(yàn)證，有時是純粹地在數(shù)據(jù)中探索，但無論怎樣的形式，我們都需要數(shù)據(jù)將我們導(dǎo)向一個理性的結(jié)論。

獲得理性結(jié)論是一個非常關(guān)鍵的環(huán)節(jié)。當(dāng)我們跟一些同行交流下來，大家在做數(shù)據(jù)分析的時候經(jīng)常得出一些看上去很正確的結(jié)果，但這些結(jié)果其實(shí)對業(yè)務(wù)指導(dǎo)的價值卻很小。

這樣的結(jié)果是因?yàn)榉治鲞€不夠深入，并且沒有把握住業(yè)務(wù)核心，才會導(dǎo)致看上去很正確的觀點(diǎn)，在實(shí)際的指導(dǎo)中卻沒有很好的效果。

3. 結(jié)論的驗(yàn)證與實(shí)踐

獲取結(jié)論后，我們可以嘗試將理論投入實(shí)踐：

• 演繹論證已有結(jié)論
• 利用結(jié)論去優(yōu)化業(yè)務(wù)

對結(jié)論進(jìn)行演繹和論證，是從多維度證明我們的結(jié)論的可操作性。

通常我們可以用其他產(chǎn)品的已有數(shù)據(jù)去佐證這個結(jié)論，我們也可以在無數(shù)據(jù)的情況下，開展產(chǎn)品的版本AB測試來收集數(shù)據(jù)，去實(shí)驗(yàn)、驗(yàn)證結(jié)論的可行性。

無論是用什么樣的方法，都是為了證明數(shù)據(jù)獲得的理性結(jié)論，是能夠?qū)嶋H且有效地指導(dǎo)業(yè)務(wù)完成優(yōu)化。

02 數(shù)據(jù)分析三個通用思路

在梳理完數(shù)據(jù)分析框架后，我們轉(zhuǎn)向數(shù)據(jù)分析思路。數(shù)據(jù)分析思路并沒有優(yōu)劣之分，不同的分析場景需要不同的思路去應(yīng)對，這里我列舉了三個通用的基本思路：

• AARRR
• RFM
• 5W2H

1. AARRR——海盜模型

一個產(chǎn)品自上線開始，AARRR模型便從用戶獲取、留存激活，再到營收傳播等流程，貫穿了產(chǎn)品&用戶聯(lián)系的全鏈過程，整體用戶進(jìn)入產(chǎn)品后產(chǎn)生的每一板塊的數(shù)據(jù)都是分析點(diǎn)。

AARRR的思路比較適合分析產(chǎn)品的整體情況。特別是產(chǎn)品還處于早期測試階段的時候，我們就可以用這個思路去做產(chǎn)品的場景分析，從每一步的場景模擬去找到產(chǎn)品優(yōu)化改進(jìn)的點(diǎn)。

2. RFM——用戶價值分析體系

RFM是用戶價值的分層、評估體系。

我們在傳統(tǒng)的用戶分群模式中，將用戶直接分為：大R、中R、小R，按照累計(jì)的充值金額去粗暴地做用戶劃分，很難在這個基礎(chǔ)上做到更加精細(xì)化的策略應(yīng)對。

RFM就給出了比較全面、有規(guī)范的分層模式，可以把用戶分群為，例如高價值、中等價值、潛在價值等等層次。依據(jù)RFM給出不同層次的用戶需求，我們可以為不同的用戶策劃出更為精細(xì)化的運(yùn)營策略。

3. 5W2H——分析的基層框架

5W2H是最為常見的事件分析思路。

我們在做數(shù)據(jù)分析的時候，其實(shí)大部分處理方式的底層思路，均可歸屬到5W2H的思路。

我們會去梳理：

• 發(fā)生了事件？
• 事件發(fā)生在哪里？
• 什么時候發(fā)生的事情？
• 事件的關(guān)聯(lián)群體？
• 事情是發(fā)生的理由？

然后根據(jù)5W獲得事件處理方案：

• 我們該如何處理？
• 我們的事件處理程度？

這是一個比較寬泛，同時也是經(jīng)常用到的分析思路。

03 實(shí)際案例分析

1. 寶箱優(yōu)化——如何利用簡單、顯眼的數(shù)據(jù)

這個棋牌產(chǎn)品正準(zhǔn)備第二次開寶箱的活動，主要目的是希望通過寶箱活動去實(shí)現(xiàn)玩家在線時間及ARPU的提升。

經(jīng)過第一次寶箱活動后，該產(chǎn)品目前的數(shù)據(jù)是這樣的：

第一次活動策劃的時候我們是沒有可對比的活動數(shù)據(jù)作為參考的，我們選擇了“大于10局的用戶數(shù)占比45%”的結(jié)論去策劃活動。

到了第二次活動策劃，我們制定了活動的策劃思路：

• 進(jìn)一步增加活動參與度
• 控制游戲成本輸出（用戶金幣均獲取量）

根據(jù)這兩個思路，我們制定了第二期活動的改進(jìn)方案。

這次改進(jìn)中，我們改進(jìn)了兩個活動點(diǎn)：

（1）降低參與門檻——提升活動參與度

此次活動最大的變動，便是從10局一次開寶箱的機(jī)會，改成了7次。這個調(diào)整的數(shù)據(jù)依據(jù)就是“大于7局的用戶數(shù)占比為50%”。

這個改進(jìn)依據(jù)是最容易發(fā)現(xiàn)的，同時也是最關(guān)鍵的。

（2）上調(diào)服務(wù)費(fèi)——控制成本

為了吸引更多用戶參與活動，我們降低了抽獎門檻，并提升了獎勵金額。但是為了控制成本輸出，我們上調(diào)了服務(wù)場的服務(wù)費(fèi)用，導(dǎo)致盡管玩家表面上更容易獲取資源，且資源數(shù)量不少，但實(shí)際獲取的金幣數(shù)量是低于第一次活動的。

改動之后，活動的參與人數(shù)的數(shù)據(jù)變化如下圖：

從抽獎次數(shù)來看，參活用戶平均抽獎次數(shù)從3.8提升到了4.6。

這個數(shù)據(jù)說明，門檻的降低促使更多的用戶參與抽獎，且抽獎頻率相較一期有了較為明顯的提升。

另外，活動的最終目的是為了提升游戲留存，兩期活動前后留存的情況是這樣的：

數(shù)據(jù)顯示，第一期活動將產(chǎn)品留存率是從48%提升到了50%，提升了2個百分點(diǎn)。第二期的用戶留存從47%提升到了53%，提升了6個點(diǎn)。

這個數(shù)據(jù)結(jié)果就是非常好、有效的活動效果。

而從整體用戶的次日留存提升來看，留存數(shù)值從0.3%提升到了1.2%。如果我們能夠?qū)a(chǎn)品的留存提升1%的話，這個活動對產(chǎn)品產(chǎn)生的價值是非常高的，留存數(shù)據(jù)也會進(jìn)一步影響到整個用戶的LTV。

通過這個活動的分析，我們可以看到活動策劃的一個源頭：關(guān)鍵的數(shù)據(jù)。

二期活動利用一個非常簡單的變量——10局到7局的改良，使得活動效果獲得了大幅度的改進(jìn)。

很多時候我們會把數(shù)據(jù)分析想得過于復(fù)雜，但其實(shí)我們可以利用最簡單且明顯的數(shù)據(jù)就能做到非常顯著的優(yōu)化效果，并且這樣的數(shù)據(jù)其實(shí)非常多。

這是我想通過這個例子向大家呈現(xiàn)的一個概念：抓住簡單而又關(guān)鍵的數(shù)據(jù)。

2. MMORPG召回活動

我們再來看看一款MMORPG產(chǎn)品的召回活動。

和許多處于中后期運(yùn)營階段的產(chǎn)品一樣，這款MMORPG的流失用戶會在這個階段去開展召回流失玩家的活動，并策劃相應(yīng)的召回活動去提升這些玩家的留存。

玩家的召回方式有很多，常見的有短信、郵件、客服等方法。短信信息召回是性價比最高的方法之一，這款案例產(chǎn)品的活動也是通過短信來實(shí)現(xiàn)的。

但因?yàn)檎倩厝巳旱牟町悾绦艃?nèi)容也要發(fā)生變化。首先對流失可召回的玩家可以進(jìn)行幾個分層，如圖示內(nèi)容，核心用戶、高端用戶、次高端用戶、中端用戶、低端用戶123。

這是兩次召回活動的數(shù)據(jù)，數(shù)據(jù)包含了失敗、成功、目標(biāo)召回以及召回率。

如果從活動召回率來說，第一次活動總的召回率是15%，第二次是20%。召回率反映出第二次的效果是明顯比第一次好的。

但如果我們再來仔細(xì)看整個數(shù)據(jù)的召回率比例，我們會發(fā)現(xiàn)第二次召回的用戶中，之所以會比第一次的召回率高，數(shù)據(jù)的提升更多體現(xiàn)在低端用戶的召回上。

因次第二次活動的召回效果是否真的好。我們需要看更多的數(shù)據(jù)和指標(biāo)來佐證，到底哪一次的活動舉辦的比較成功。

因此，我們選擇以下幾個點(diǎn)進(jìn)行分析：

• 回歸天數(shù)分布
• 資源消耗對比
• 分類型用戶占比
• 回歸后30天內(nèi)登陸不足20天的用戶

（1）回歸天數(shù)分布

對于回歸用戶登錄天數(shù)分布，就是回歸用戶在30天之內(nèi)活躍了多少天。下圖是第一次活動和第二次活動的用戶活躍天數(shù)分布。

第一次活動形式主要是發(fā)短信讓老玩家回來，利用每天簽到領(lǐng)獎提高留存，并在第十天的時候用大獎的形式提高用戶的長線留存能力。

第二次的時候，召回活動同樣也是每天都可以領(lǐng)獎，但是我們將大獎的領(lǐng)取時間拉長，讓用戶在第十八天的時候才可以領(lǐng)取。領(lǐng)獎時間的差異，導(dǎo)致數(shù)據(jù)上產(chǎn)生了差異。

根據(jù)這個表我們可以找出一些現(xiàn)象：

• 大部分回歸用戶領(lǐng)了大獎后就基本都流失了。30天為周期，用戶登陸數(shù)據(jù)基本都是在15天左右開始下去。
• 回歸的用戶在第八天的時候出現(xiàn)了一個流失的高峰。這是一個需要關(guān)注的點(diǎn)。因?yàn)樵诘谝淮位顒拥臅r候，第八天并沒有出現(xiàn)高流失的情況，因此，第八天的數(shù)據(jù)異常應(yīng)該可以挖掘出一個對活動改進(jìn)的點(diǎn)。
• 第二期活動留下來的用戶要比第一期留下的要多

二期活動回流用戶要比一期多25%左右，證明用戶雖然領(lǐng)了獎品大多會流失。但是通過延長活動獎品的領(lǐng)取時間，可以讓玩家有更多的時間去了解游戲的內(nèi)容。

很多MMORPG是通過社區(qū)互動的方式，例如師徒系統(tǒng)、組隊(duì)副本等方式，提高了召回玩家的留存。

所以我們可以得到一個改進(jìn)結(jié)論：

就是針對第二期活動，召回玩家在第八天左右出現(xiàn)流失高風(fēng)現(xiàn)象，下一次召回活動應(yīng)當(dāng)在第7第8天來適當(dāng)?shù)靥嵘勂藩剟?，來提高用戶期望，從而促使玩家繼續(xù)留在游戲當(dāng)中。當(dāng)然，這個結(jié)論也需要從更多的維度去佐證是否成立。

我們對召回的玩家不僅要關(guān)注他們的召回率，我們還應(yīng)當(dāng)去關(guān)注他們的活躍度。

（2）資源消耗對比

召回的本質(zhì)還是想讓玩家留下來，留下來之后開始消費(fèi)的行為。

由圖可知，第二次召回的用戶的資源消耗（付費(fèi)能力）要高于第一期的用戶，由日均1.8提升到1.9，提升了6%。同時，結(jié)合游戲的付費(fèi)數(shù)據(jù)，同期游戲日均首日分別為300和240，可以看到第二期活動從營收上的確是要高于第一期活動的。

我們剛剛看到召回活躍度的對比，召回玩家的活躍度是第二期更好的，從充值和資源消耗來說，也是第二期更好一些。分析到這里的時候，我們其實(shí)基本可以下結(jié)論，第二期的召回活動效果是優(yōu)于第二期召回活動的。

分析到這里，其實(shí)我們還沒有得到更多建議，去優(yōu)化第三期的召回活動。因次我們還需要去深挖用戶行為路徑，去發(fā)掘用戶的價值。

（3）分類型用戶占比

首先，是分類型用戶消耗占比的分析，我們本身在召回的時候把用戶分了不同的層級，高端、次高端之類的概念。這些用戶回歸游戲后，我們針對他們在游戲內(nèi)分別消耗了多少資源做了一個對比的分布圖，這個時候我們可以明顯地發(fā)現(xiàn)一些特別有價值的結(jié)論：

回歸玩家消耗明顯集中在高端用戶和低端用戶1中。

在兩期的活動中，低端用戶1分別占據(jù)了消耗占比的44%和36%，均遠(yuǎn)高于其他類別的玩家的。

其實(shí)一期活動策劃的時候，我們的活動大部分都是希望去把高端+次高端用戶作為我們的活動導(dǎo)向核心，因?yàn)檫@些都是大玩家的貢獻(xiàn)價值更大。

但實(shí)際上，這兩期活動對低端用戶1和次高端用戶的影響最大，后面如果我們要再策劃類似活動的話，我們就應(yīng)當(dāng)需要對低端用戶1做一個更為全面的分析，讓活動可以進(jìn)一步挖掘這部分人群的消費(fèi)能力和體驗(yàn)導(dǎo)向。

同樣的，其他的用戶行為需求我們也需要進(jìn)一步的分析，對整個活動進(jìn)行改良，以提高活動對其他用戶的吸引力。

綜上所述，活動對我們的核心用戶群——高端用戶&次高端用戶，其實(shí)吸引力是不大的。

這里就可以獲得兩個結(jié)論：

• 回歸玩家的消耗主要來?于次?端?戶和低端?戶1，尤其是低端?戶1，此類玩家在兩期活動的消耗中分別占到了44%和36%。作為召回活動主要召回對象的核??戶和高端?戶反?沒有表現(xiàn)出較強(qiáng)的付費(fèi)能?。
• 低端?戶3類型消耗占?第?期有較?幅度提升，由3%提升到了12.7%，說明雖然此類?戶中有?量的?號、倉庫號，但其中真實(shí)?戶仍然能夠給游戲帶來?定價值。

由上述結(jié)論便可以導(dǎo)出對第三期活動的改進(jìn)建議：

適當(dāng)提升次?端?戶和低端?戶1的獎勵價值，因?yàn)檫@兩類玩家具有更強(qiáng)的消費(fèi)能?和傾向，適當(dāng)提升獎勵價值可以達(dá)到提升其消費(fèi)意愿的作?。

這是對用戶進(jìn)行分類的對比，我們還可以看回歸之后30天之內(nèi)，登陸不足20天的用戶，從中再去發(fā)掘更多數(shù)據(jù)信息。

（4）回歸后30天內(nèi)登陸不足20天的用戶

這個用戶就是召回之后再次流失，他們回來之后為什么又走了，這里其實(shí)是需要結(jié)合整個游戲的玩法去分析了。

比如說低端用戶3的等級分布，它的流失點(diǎn)分別為65級及70級，這里要結(jié)合游戲的玩法去分析這兩個點(diǎn)存在什么樣的問題導(dǎo)致玩家流失。

對于這個游戲來說，65級和70級的時候有一個要求較高的飛升系統(tǒng)。前期在召回玩家回來之后，我們會獎勵玩家一些經(jīng)驗(yàn)值和獎勵的禮包，但到了飛升的時候會卡在這里，這個點(diǎn)也會成為未來活動優(yōu)化的方向。對于低端用戶2也可以同樣使用這樣的思路去分析優(yōu)化。

使用這種分析，我們可以得到一些結(jié)論。就是我們在做活動結(jié)果的數(shù)據(jù)分析的時候，我們很容易只停留在活動的數(shù)據(jù)表面，并沒有對下層行為做一個深鉆，如果我們從不同的角度去深挖數(shù)據(jù)，我們就可以得到很多有價值的點(diǎn)。

04 數(shù)據(jù)挖掘

數(shù)據(jù)除了數(shù)據(jù)分析的價值，另一層價值就是數(shù)據(jù)挖掘的價值。

數(shù)據(jù)分析是依賴于人的經(jīng)驗(yàn)及人對業(yè)務(wù)的理解，依賴人的邏輯思維能力去找到整個業(yè)務(wù)相關(guān)的信息，去找到理性且可以指導(dǎo)我們產(chǎn)品優(yōu)化的點(diǎn)。

數(shù)據(jù)挖掘就是從另外一個維度去發(fā)掘數(shù)據(jù)的價值。

我們這里用一個比較簡單常見的案例：產(chǎn)品的DAU預(yù)測。通過這個案例，我們可以看到數(shù)據(jù)挖掘的一個思路。

這里有三條曲線，分別代表了三個產(chǎn)品的DAU，三個DAU走勢波動比較厲害，而有一些的周期性比較明顯，沒有太多規(guī)律可言。

我們就需要一些比較科學(xué)的方法去預(yù)測DAU、分析產(chǎn)品的DAU、分析具體的場景去對我們的一些產(chǎn)品決策進(jìn)行輔助。

比如說這個場景：

現(xiàn)在有一個產(chǎn)品公測沒多久，公司給的KPI指標(biāo)是產(chǎn)品投放后能夠達(dá)到50萬的收益。事實(shí)上，在產(chǎn)品上線的兩周，產(chǎn)品的數(shù)據(jù)已經(jīng)很接近50萬，但是一直徘徊在45-47萬。

這個產(chǎn)品本身沒有達(dá)到50萬DAU的KPI，這個時候整個項(xiàng)目組還有一筆預(yù)算，需要去衡量這筆預(yù)算如果全部拿去買量的話，能不能達(dá)成這樣的一個KPI。

這個時候我們需要找到一個可以科學(xué)決策的依據(jù)，我們要分析整個DAU跟新增用戶的關(guān)系，去分析多少錢可以獲得大概多少的市場新增。

新增和DAU并不是一個直接的關(guān)系，中間通過留存做了一個橋接，所以我們需要分析新增和DAU之間的關(guān)系是什么，如果我們能夠得到一個公式去計(jì)算出來的話，就能夠倒推我們需要花多少錢才能夠滿足50萬的KPI。

為了預(yù)測這個DAU，首先我們需要對流程做一個拆解，我們首先需要定義它。每日登錄用戶，就是DAU的定義，只要用戶做了登陸操作，我們就認(rèn)為他是一個活躍用戶，每天DAU的曲線波動非常大。

造成DAU波動的因素由這幾個點(diǎn)構(gòu)成，通常我們把整個日活的用戶比喻成用戶池，每天都有流入的用戶，每天都有出去的用戶。所以一個流入一個流出形成了數(shù)據(jù)的波動，對于流入的部分我們可以分為三個部分：昨日留存用戶+日回流用戶+日新進(jìn)用戶。

分解之后，我們就可以完成一張新進(jìn)用戶的留存表。

表格一共列舉了5天內(nèi)有多少人留下來，在后續(xù)20天每天又有多少人留下來了。我們會發(fā)現(xiàn)里面的留存率，是根據(jù)下方示意圖的趨勢發(fā)展的，呈現(xiàn)的是衰減的趨勢。

然后我們找來兩個產(chǎn)品的留存曲線來擬合這個衰減現(xiàn)象。

大家可以看到這兩個曲線還是挺有規(guī)律的，相對來說也是較為平滑的，這個時候我們需要選擇一個留存模型——冪率分布對它進(jìn)行預(yù)測。

其中：

• a為常數(shù)（可簡化）
• b為新進(jìn)留存系數(shù)
• x為產(chǎn)品運(yùn)行天數(shù)

如果b的值越大，留存情況就會越好，因?yàn)閎這個值決定了曲線的傾斜程度，比如A產(chǎn)品第一條綠線的b值就要大于紅線。

所以b值就可以反映出產(chǎn)品的用戶留存特征，我們就可以把b定義為新進(jìn)的留存系數(shù)，留存系數(shù)可以通過三個點(diǎn)決定：

• 產(chǎn)品的品質(zhì)
• 用戶的質(zhì)量
• 運(yùn)營的活動

在結(jié)合上述理論后，我們就可以從已經(jīng)運(yùn)營一段時間的產(chǎn)品中抓取我們產(chǎn)品的b值，畫一個走勢圖。

這該產(chǎn)品b值一年來的走勢圖。從大的層面來看，b值的波動不是非常的大，但是波峰和波谷都有相關(guān)運(yùn)營活動或者版本迭代的干預(yù)，導(dǎo)致了這個值的改變。

圖上顯示，我們?yōu)榱送瓿赡承㎏PI去提高DAU值做的拉小號的活動，反而導(dǎo)致了b值的下降，就證明拉小號的活動促進(jìn)了DAU的值上升，但用戶質(zhì)量卻下降了。產(chǎn)品本身的質(zhì)量其實(shí)是比較穩(wěn)定的，你可以衡量它的用戶質(zhì)量，用戶質(zhì)量其實(shí)就與運(yùn)營活動質(zhì)量有關(guān)。

有了這樣的模型之后，我們就可以計(jì)算出把DAU的公式列舉出來了。

大家可以把這個概念不停拆分下去，累加之后就可以形成DAU公式。我們可以把總的日活數(shù)據(jù)不停地拆，從第一天到第N天留存用戶數(shù)，就可以得到今日的日活。然后我們再利用這個公式，去做出我們產(chǎn)品的走勢圖。

根據(jù)這樣的情況，我們就可以很好地去預(yù)測DAU的走勢，去對比實(shí)際日活和預(yù)測日活的一個匹配程度。雖然存在一些偏差，但是偏差值也是因?yàn)槭艿交顒拥挠绊懖虐l(fā)生的。

獲取預(yù)測趨勢圖之后，我們再投入實(shí)際的應(yīng)用中去評估。

我們回到評估DAU50萬的目標(biāo)上。

從上圖可以看到上面這張圖是日活躍與日新進(jìn)的走勢關(guān)系，這些都是不限號之前的走勢，不限號之前是比較穩(wěn)定的，核心玩家一直都是比較穩(wěn)定的，沒有什么比較大的變化。中間拐點(diǎn)開始是不限號當(dāng)天出現(xiàn)的，日新增注冊用戶自拐點(diǎn)之后一直往下走。

我們代入那個日活公式后，下方圖的紫色部分就代表我們的預(yù)計(jì)的日活曲線。最后推算出來是，我們需要連續(xù)兩周每天都要有8萬的新進(jìn)，才能夠完成50萬DAU的指標(biāo)。

這個數(shù)值所需要的費(fèi)用跟我們實(shí)際的預(yù)算相比差距太大，因此我們放棄了用50萬去投放買量的計(jì)劃。如果差距不大的話，我們才會選擇投放獲客。

這次的數(shù)據(jù)挖掘就給了我們此次決策的數(shù)據(jù)支撐，告訴了我們這個決策是不具備可行性的。后來為了完成目標(biāo)，我們改用了拉小號的活動，將數(shù)據(jù)快速地推上去。

總結(jié)下來，數(shù)據(jù)挖掘可以分為三步：

• 利用歷史數(shù)據(jù)
• 建立概念模型
• 預(yù)測發(fā)展趨勢

本文由 @小莫@數(shù)數(shù)科技 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議