任何一件事情最好的状态就是掌控全局，聚焦重点，保持严谨，不失弹性。那么作为一个项目，有可能是一个APP，有可能是一个小程序，或者只是一个重要节点的促销行为，也有其生命的历程。有幸跟着一个APP的大项目从开始到壮大，那么下面分别讲讲在项目不同的生命阶段，哪些是数据分析哪些是必须做的，哪些是可以做的。统观全局，抓住重点。

一、蓄水期。

?在一个项目刚刚开始的时候或者就要开始的时候，兵马未动，粮草先行。在蓄水期中，当然调研必不可少，可以借助调研了解我们的核心用户，竞品分析也必不可少，做到知己知彼。数据可以做的，更多是预估。通过历史数据，或者前期的预热期的潜在用户数据，根据用户的激活时间或者购买时间，通过不同场景的对比，进行预估。比如说电商的大促，思路就可以通过观测大促场景下，用户的转化，登录时间，不同渠道的情况，来变相预估大促时期的流量。

二、试运行期。

一般要1-2个月的试运行时间。APP呢，一方面测试产品问题，测试运营玩法，一方面观察关键指标，比如留存、付费、ARPU的情况。数据这个时候的重点输出可以分以下几类

1.? 搭建框架.重点指标重点日度、周度观测。比如销售、留存等，还有针对关键运营手段的数据观测?！涑觯合墼擞嗫兀毡?、周报、品类、SKU、优惠券销售情况等关键

2.? ?APP漏斗分析。观测产品各个坑位的位置转化情况。——输出：看板监控，用户行为分析，用户流失卡点。

3. 核心用户分析?；臼粜?，购买属性等。

4.? 激活渠道分析（激活量、激活留存、ARPU）。通过各个渠道的综合排名，筛选渠道

5.? ?预估报告。根据费用的投入情况，预估收入，用户（活跃、购买、首购）

当然，结合这些基本分析之外，也会有一些突发情况，比如风控的分析，比如竞品运营策略分析等。基本以上这些重点分析输出后，就可以让不同角色的项目参与者对目前的状态了然于心了。

三、正式运行。

各个方面已经很稳定了，这个时候需要从各个方面持续观测。市场流量、用户、用户购买转化、以及版本更迭的问题。

PART 1、市场方面，主要是做好流量和活跃度、留存。

常规方面数据需要做的

一方面是常规的数据监测，激活的转化质量，促活的投放效果，整体和分渠道等等，运营需要每天监控，数据这边其实如果可以也需要每天监控，一旦发现数据问题，及时预警，优化，调整投放素材，或者停止投放。

另一方面是比较特殊的节点，比如618，双11大促，为了保证服务器的稳定，需要结合投放费用给出流量的预估。预测最高峰值能达到多少，避免服务器拥堵。

还有一方面是竞品分析，竞品调研，避重就轻，更多是提供信息，方便我们运营可以打差异化节奏。或者对于数据好的竞品，研究其特征，学习其长处。

专项方面数据需要做的

当收入下降或者人数下降时，人们第一个想到的就是用户流失。既可以从浏览方面考虑，也可以从购买角度考虑。

1. 流失。

一千个用户有一千个流失的原因，如果有条件，还是建议做一下用户调研。

如果从数据层面讲，可以做这么几件事分析用户或者还原场景。?

从大的方面看留存或者流失原因的分析，可以从几个角度进行细拆，

? ?a 获取渠道&平台的留存率?

????b.流失用户的购买属性等级，新老，品类，基本属性，RFM，生命周期表现，就是对于用户的标签进行分群，锁定流失严重的群组。?

? ? c. 流失用户互动持有率，如果互动是对流失的最后一个防火墙，那么有多少用户还在玩互动，或者有多少用户还在看商品，观测这个比率的波动。

从细处来看，那就是，对流失用户进行分拆，对流失用户最后一次行为进行分析，结合站内的行为，还原具体场景。

当然流失也可以用借助一些想象力，发挥水平思考的作用。比如5W1H(who,what,where,why,when,how),比如 类比，反问，重新表述，然后再用结构化思维将其落地，验证思路是否正确。

同时需要说明的一点，如何合理定义流失，一般用拐点理论，X 指 某一个用户登录后几天后又再次回来的时间间隔，Y 指 符合X规律的用户数。X轴上数值的增加会带来Y轴数值大幅增益（减益），直到超过某个点之后，当X增加时Y的数据增益（减益）大幅下降，即经济学里面的边际收益的大幅减少，那个点就是图表中的“拐点”。而这个拐点其实作为用户的流失时间跨度就很合适。

2.活跃。和流失的分析方法是一致的，只不过反其道而行。去看看经常活跃的用户有什么共同的特征。也是从大的方面和细处还原来看。

PART 2 付费情况

前面解决的是规模和浏览活跃度的问题，后面是付费的问题。三个方面，1. 转化。 将活跃用户转化成付费用户 2.留存。付费用户的留存。 3. 提频。 提高付费用户的ARPU和购买频次。

其实跟之前类似，就是5W1H,谁，哪里购买，为什么购买，主要购买什么，什么时候购买?；蛘呶裁床还郝?。

先顺着看，看付费用户正常习惯。对用户各种分层，属性、购买金额、购买力，频次，优惠券使用占比等等。付费用户在站内的行为，喜欢购买什么品类。然后逆着看，各个分层用户留存或者流失情况，流失窗口时多少，排除上面的方面，还可以用到RFM的变异，比如登录距今天数，末次购买距今天数，累计登录天数，累积购买天数。用户购买力分层，实际购买金额分层，品类分层，购买行为还是浏览行为分层。进行流失观测。主要就是看消费，看活跃，看主力用户是否流失速度加快，稳定性变差。

还有一个就是常规检测。最后通过收入和预算，设置KPI计划，查看完成情况，设置预警，定位异动点。非常明确的几个指标，时间进度、完成率，当前时间进度完成率，缺口。同步，环比。更高阶一点，可以通过长期历史数据观察，去进行数据预警。

另外就是?活动效果分析。这个也是很成型的分析模型，看对比，对比历史相似活动，对比竞品，看平均，看结构分布。另外需要一个综合评价体系，分析指标可以是新用户、活跃用户、GMV、 ARPU、转化率等。如果要建立标准分，可以引入标准差确定权重，进行综合评价的排序。来区分效果好，效果一般，还是效果差。另外加入为下一次的参考，比如卖的好的商品，哪些渠道被打通，营销和运营方法的总结等。