生活记录：
来邓某家的第三天
1：码头买海鲜：
从广东直达广西北部湾沙田港
本来说好和海珍姐（邓某的妈妈）早上三点多起来去港口买新鲜的海鲜
结果三个人都起不来 五点多才起床 去到天都亮了
一直住在海边附近但是还没有尝试过一早就去买海鲜
妥妥的第一次 整个码头密密麻麻都是人
各种各样的鱼虾蟹 还有鲨鱼
每个人都兜兜转转找想吃的海鲜
不得不说直接过来买比市场便宜不止一点点
来到海边就很开心！
疯狂购物 买了一大桶海鲜回来吃
2:螺蛳粉
吃了这么久袋装螺蛳粉 里面终于有机会吃正宗的广西螺蛳粉辽！
九块钱料好足 而且真的有螺肉
没有点很辣 汤好好喝 咸淡正好适合我 米粉很有嚼劲 吃了会停不下来 店里面还有一些自己做的配菜给客人免费吃
海珍姐还说这个店是24小时营业！第一次看24小时营业的螺蛳粉店
3:买水果
这里的市场摆出来的水果是我在家看到的两倍
每个摊位的水果都是满满很新鲜
我帮忙挑了一个榴莲 这个榴莲太懂事了 皮薄肉多 而且还是五房肉 标准的榴莲造型
海珍姐说家里第一次开出这么漂亮的榴莲 还夸我会挑嘻嘻[awsl]
在一起两年多，彼此家长也知道对方，但这还是第一次见面 还绞尽脑汁想着应该给他们的家人送什么见面礼 给她妈妈挑了一个包包 她妈妈收到后晚上迫不及待打开看还偷偷和邓某说送的包包好好看[打call][打call]
虽然和海珍姐是第一次见面 但是相处的很融洽
一样喜欢晚上在房间试自己的各种裙子！
一样喜欢吃葡萄！
一样喜欢吃榴莲！
超多共同爱好 他妈妈穿衣服真的太太太好看了！优雅大方有气质
总的来说 第一次见家长好像没有想象中紧张[羞嗒嗒][羞嗒嗒] https://t.cn/AiErZ3U3
来邓某家的第三天
1：码头买海鲜：
从广东直达广西北部湾沙田港
本来说好和海珍姐（邓某的妈妈）早上三点多起来去港口买新鲜的海鲜
结果三个人都起不来 五点多才起床 去到天都亮了
一直住在海边附近但是还没有尝试过一早就去买海鲜
妥妥的第一次 整个码头密密麻麻都是人
各种各样的鱼虾蟹 还有鲨鱼
每个人都兜兜转转找想吃的海鲜
不得不说直接过来买比市场便宜不止一点点
来到海边就很开心！
疯狂购物 买了一大桶海鲜回来吃
2:螺蛳粉
吃了这么久袋装螺蛳粉 里面终于有机会吃正宗的广西螺蛳粉辽！
九块钱料好足 而且真的有螺肉
没有点很辣 汤好好喝 咸淡正好适合我 米粉很有嚼劲 吃了会停不下来 店里面还有一些自己做的配菜给客人免费吃
海珍姐还说这个店是24小时营业！第一次看24小时营业的螺蛳粉店
3:买水果
这里的市场摆出来的水果是我在家看到的两倍
每个摊位的水果都是满满很新鲜
我帮忙挑了一个榴莲 这个榴莲太懂事了 皮薄肉多 而且还是五房肉 标准的榴莲造型
海珍姐说家里第一次开出这么漂亮的榴莲 还夸我会挑嘻嘻[awsl]
在一起两年多，彼此家长也知道对方，但这还是第一次见面 还绞尽脑汁想着应该给他们的家人送什么见面礼 给她妈妈挑了一个包包 她妈妈收到后晚上迫不及待打开看还偷偷和邓某说送的包包好好看[打call][打call]
虽然和海珍姐是第一次见面 但是相处的很融洽
一样喜欢晚上在房间试自己的各种裙子！
一样喜欢吃葡萄！
一样喜欢吃榴莲！
超多共同爱好 他妈妈穿衣服真的太太太好看了！优雅大方有气质
总的来说 第一次见家长好像没有想象中紧张[羞嗒嗒][羞嗒嗒] https://t.cn/AiErZ3U3
【数据分析让流量作弊无处遁形】市场人都有一个共同的梦想，就是“所有的营销都是有效的，所做的投放都是精准的”。可事实往往并不如愿，从近100年的广告史来看，不论是依靠经验判断、强媒介投放资源的传统广告，还是基于大数据分析、目标受众的标签，到目前为止，定向投放的互联网效果广告都没办法实现绝对的精准化。此外，还有一个不可否认的事实——效果广告的“黑洞操作”愈发严重，这些“黑洞操作”不仅严重浪费推广预算，还影响到对媒介投放是否有效的衡量与评估。
一、流量作弊的特征
投放数字广告的逻辑是：先被用户看到，才有可能发生进一步的点击、浏览、注册（或留资）、购买等其他行为。从展现到点击是广告数据的源头，没有展现的转换，没有曝光的点击一定存在问题。考虑到作弊难度和成本，在展现量、点击量、留资量这三个环节很容易产生流量作弊，因为这里是数字广告的投放源头。只有当用户使用、交易的行为越深，作弊的难度才会越大。用户转化成企业潜在客户（交付定金）、订单量以及最终的交易量，在这三个环节几乎不会存在流量造假。
企业只要从交易的最终成单量就能反推出CPS（每一件实际销售产品计费），掌握自身的CPS后再追溯，基本上就能清晰地知道流量作弊浪费的资金有多少。
二、流量作弊在偷走你的广告费
知己知彼，百战不殆。要有效地解决作弊问题，首先需要彻底了解市场上都有哪些常用的作弊手段，早在2015年，百度在发布的《搜索推广作弊市场调研报告》中指出：百度推广每天监测并过滤千万量级无效点击，其中5%为人工作弊，49-65%为机器作弊。2016年，腾讯发布的反流量作弊白皮书中，从用最宽松的条件去看，市场上30%的数据可能都是异常的。这还是只是一个平均值，部分APP可能还有更严重的流量作弊情况。
流量作弊一直是互联网营销行业的顽疾。流量的质量问题，严重影响着推广预算性价比。从用户的真假和机器的真假两个维度来观察，大致可以分类出三种类型的作弊方式。这些作弊手段不仅“长盛不衰”，有的甚至还会不断创新，相互结合。让我们来盘点下“流量作弊”的常用手段。
1、模拟器作弊刷单
假机假用户。用户和机器都是假的，往往是模拟器，用程序让少量设备伪造大量IP与设备信息进行模拟访问，对APP的激活根本不是在真实手机上发生的，可能是在PC上运行一个模拟器。
真机假用户。机器是真的，几百上千台手机，通过一些框架去篡改手机的设备号，不管是安卓还是IOS，都有设备的标识号，机器是真的，但是背后的人是假的。
2、利益催生出来的刷单工作室
真机真用户。这是一种难度更高的作弊方式。通过木马或者恶意程序控制手机、使它中病毒之后被劫持了，就是“肉机”这个概念。凌晨趁你休息的时候，自动上网下载某个APP，你毫无感知，这就是作弊的模式。
因此，我们看到的不一定是真实的。我们判断一个用户的情况，不仅仅看留存率，看分布是不是正常，这些数据其实都是可以作假的，其次流量作弊已不再是小作坊式的运作，而是衍生出工作室，有规模、有组织的在做这件事，这是问题严峻性所在。
三、针对流量作弊的应对办法
企业在进行传统广告投放时只能依靠市场人员的经验，进行初级的用户分析和投放分析，很难完成效果追溯；互联网效果广告投放则可通过大数据标签化的精准定向，根据投放效果即时调换创意形式，达到最后的效果追踪。
因此，企业最强烈的需求就是防流量作弊，那么有没有什么办法可以尽量规避一些流量作弊呢？虽然从互联网时代到移动互联网时代，先后涌现出多家第三方广告数据监测工具和平台，但是第三方数据监测平台只能提供APP、网页等单一终端表面的数据统计及分析（如PV、UV、停留时间和按钮点击热度等），无法多平台整合、统计并追踪用户行为数据，对用户消费及消费后续行为统计就更加困难（企业也不允许这部分核心数据外泄），因此很难通过表面监测杜绝作弊行为。
一般企业在进行数字广告投放时，都应该得到三端的数据：第一，媒体端数据，包括来自投放媒体的展现量、点击量、点击率、关键词消费、点击价格等；第二、自由网站端（落地页）流量数据，包括PV\UV\停留时间、下载客户端等；第三，销售端的订单数据，包括留资量（电话采集）、潜客量（定金意向）、订单量、成单量等。
理想状态下，如果企业能够有效地聚合三端数据并且彼此对比验证，就可以大大降低流量作弊问题，提升营销效果，然而大部分企业，这三端的数据很难同时集中在市场部手中，并被精细地串联使用，那么企业该如何应对流量作弊呢？
1、制定科学的KPI加对流量的细分标记
很多广告主被流量作弊行为蒙蔽的根本原因是只追求效果，KPI考核定在展现量，点击量，留资量这三方面，制定了不现实的KPI，因此，企业需要将KPI考核多定在潜客量、订单量甚至最终成单量上，才能更加准确地了解正常点击、曝光和转换数据范围，一旦超出正常范围就要提高警惕。
你不做细分流量，怎么发现什么流量有问题呢？
细分流量一般有两种方法，最常用的是link tag的方法。
另外一种方法，是直接给每个不同的流量不同的落地页，不想做不同页面的话，同一个页面不同URL即可。同样可以区分出不同的流量。这种方法用得少，但是在不能给流量做link tag的时候，这个方法很解决问题
2、建立全程数据监测，查看各个细分流量的用户行为
企业如果真的想要实现精准化的投放，企业的管理者就一定要有全程数据监测的意识。
图1：诸葛io的数据采集监控
通过技术自主搭建监测系统，把投放的“三端六环”（三端：媒体数据、网站流量数据、订单数据；六环：展现量、点击量、留资量、潜客量、订单量、成交量）真正打通。
图2：诸葛ioDEMO数据
图3：诸葛ioDEMO数据
PS：根据所在部门的KPI选择不同“目标事件”（比如：注册成功）作为转化目标来衡量落地页效果，让你的优化策略更聚焦。
一些行为已经不能只是透过简单的跳出率来查看了。
我们需要看更加具体的用户的行为，诸如点击的分布，设备的分布，地域的分布，时间的分布，互动时间与参与状况等。显然，大部分效果类的作弊，都很难真正的模拟人的行为，所以，发现作弊其实真正无敌的方法，就是看这些流量的行为是不是“真人”。
没错，利用一定的方法，你肯定能分辨出来。具体方法点击文章：为什么投信息流广告，有钱花不出去？原因全在这！在这篇文章中，你会看到出现严重问题的流量是怎么被发现与证实的。
这样，企业基本上就能清楚哪个投放渠道，展现媒体对自己是有利的，哪种推广形式能带来明显的效果转化，企业就敢在数字营销上花更多的广告费，也就能知道那50%的广告费到底花到哪儿了，同时避免更多的盲目投放。
事实上，流量作弊可以归结为概率问题，分析大量的作弊行为后，通过数据对比把可疑性强的流量排除，此外，从用户全生命周期的角度衡量投放效果，从获得曝光、到引导用户下载、注册、使用，再到用户最终付费的全周期的监测，打通安卓 / iOS 的 APP 跨应用商店的用户行为数据，实现跨应用平台的用户追踪，从而实现获取分析指导投放决策，这才是反作弊的核心。
3、查看流量的行为演进过程
作弊流量和低质量流量的共同特征，就是：它不会往交易的更深处“演进”。
对于转化需要多个步骤完成的业态，这个方法尤为有用。比如，这些流量集中在落地页，但是停留在这里，不再继续发展。一般这些流量背后不是机器，但垃圾无效流量较多。
行为演进的细分与分析，还能够帮助我们发现一些客户端的劫持。典型特征是，当流量演进到购物车或者支付环节的时候，就不再继续进行下去了。而另外一些流量则莫名其妙的以购物车或者支付环节为落地页。
不过，有一类效果作弊基本上没有办法能够被找出来，即互联网基础通信服务端发起的劫持。唉，当一个流量一出现的时候，就已经被人从头到尾改换了门庭，而且还是从互联网基础设施的角度改换的。
那就真心没办法能查能堵了。正因为如此，这一类作弊，是目前效果类作弊的最严重的，屡禁不止呀（关键也没有任何强力机构会禁止这种抢钱行为）。
虽然说你不能真正发现这类作弊，但还是可以“能感觉到”。比如，当你真的停掉那些ROI很差或者“毫无作为”的流量了以后，那些看起来本来很好的流量渠道也应声下降。
一、流量作弊的特征
投放数字广告的逻辑是：先被用户看到，才有可能发生进一步的点击、浏览、注册（或留资）、购买等其他行为。从展现到点击是广告数据的源头，没有展现的转换，没有曝光的点击一定存在问题。考虑到作弊难度和成本，在展现量、点击量、留资量这三个环节很容易产生流量作弊，因为这里是数字广告的投放源头。只有当用户使用、交易的行为越深，作弊的难度才会越大。用户转化成企业潜在客户（交付定金）、订单量以及最终的交易量，在这三个环节几乎不会存在流量造假。
企业只要从交易的最终成单量就能反推出CPS（每一件实际销售产品计费），掌握自身的CPS后再追溯，基本上就能清晰地知道流量作弊浪费的资金有多少。
二、流量作弊在偷走你的广告费
知己知彼，百战不殆。要有效地解决作弊问题，首先需要彻底了解市场上都有哪些常用的作弊手段，早在2015年，百度在发布的《搜索推广作弊市场调研报告》中指出：百度推广每天监测并过滤千万量级无效点击，其中5%为人工作弊，49-65%为机器作弊。2016年，腾讯发布的反流量作弊白皮书中，从用最宽松的条件去看，市场上30%的数据可能都是异常的。这还是只是一个平均值，部分APP可能还有更严重的流量作弊情况。
流量作弊一直是互联网营销行业的顽疾。流量的质量问题，严重影响着推广预算性价比。从用户的真假和机器的真假两个维度来观察，大致可以分类出三种类型的作弊方式。这些作弊手段不仅“长盛不衰”，有的甚至还会不断创新，相互结合。让我们来盘点下“流量作弊”的常用手段。
1、模拟器作弊刷单
假机假用户。用户和机器都是假的，往往是模拟器，用程序让少量设备伪造大量IP与设备信息进行模拟访问，对APP的激活根本不是在真实手机上发生的，可能是在PC上运行一个模拟器。
真机假用户。机器是真的，几百上千台手机，通过一些框架去篡改手机的设备号，不管是安卓还是IOS，都有设备的标识号，机器是真的，但是背后的人是假的。
2、利益催生出来的刷单工作室
真机真用户。这是一种难度更高的作弊方式。通过木马或者恶意程序控制手机、使它中病毒之后被劫持了，就是“肉机”这个概念。凌晨趁你休息的时候，自动上网下载某个APP，你毫无感知，这就是作弊的模式。
因此，我们看到的不一定是真实的。我们判断一个用户的情况，不仅仅看留存率，看分布是不是正常，这些数据其实都是可以作假的，其次流量作弊已不再是小作坊式的运作，而是衍生出工作室，有规模、有组织的在做这件事，这是问题严峻性所在。
三、针对流量作弊的应对办法
企业在进行传统广告投放时只能依靠市场人员的经验，进行初级的用户分析和投放分析，很难完成效果追溯；互联网效果广告投放则可通过大数据标签化的精准定向，根据投放效果即时调换创意形式，达到最后的效果追踪。
因此，企业最强烈的需求就是防流量作弊，那么有没有什么办法可以尽量规避一些流量作弊呢？虽然从互联网时代到移动互联网时代，先后涌现出多家第三方广告数据监测工具和平台，但是第三方数据监测平台只能提供APP、网页等单一终端表面的数据统计及分析（如PV、UV、停留时间和按钮点击热度等），无法多平台整合、统计并追踪用户行为数据，对用户消费及消费后续行为统计就更加困难（企业也不允许这部分核心数据外泄），因此很难通过表面监测杜绝作弊行为。
一般企业在进行数字广告投放时，都应该得到三端的数据：第一，媒体端数据，包括来自投放媒体的展现量、点击量、点击率、关键词消费、点击价格等；第二、自由网站端（落地页）流量数据，包括PV\UV\停留时间、下载客户端等；第三，销售端的订单数据，包括留资量（电话采集）、潜客量（定金意向）、订单量、成单量等。
理想状态下，如果企业能够有效地聚合三端数据并且彼此对比验证，就可以大大降低流量作弊问题，提升营销效果，然而大部分企业，这三端的数据很难同时集中在市场部手中，并被精细地串联使用，那么企业该如何应对流量作弊呢？
1、制定科学的KPI加对流量的细分标记
很多广告主被流量作弊行为蒙蔽的根本原因是只追求效果，KPI考核定在展现量，点击量，留资量这三方面，制定了不现实的KPI，因此，企业需要将KPI考核多定在潜客量、订单量甚至最终成单量上，才能更加准确地了解正常点击、曝光和转换数据范围，一旦超出正常范围就要提高警惕。
你不做细分流量，怎么发现什么流量有问题呢？
细分流量一般有两种方法，最常用的是link tag的方法。
另外一种方法，是直接给每个不同的流量不同的落地页，不想做不同页面的话，同一个页面不同URL即可。同样可以区分出不同的流量。这种方法用得少，但是在不能给流量做link tag的时候，这个方法很解决问题
2、建立全程数据监测，查看各个细分流量的用户行为
企业如果真的想要实现精准化的投放，企业的管理者就一定要有全程数据监测的意识。
图1：诸葛io的数据采集监控
通过技术自主搭建监测系统，把投放的“三端六环”（三端：媒体数据、网站流量数据、订单数据；六环：展现量、点击量、留资量、潜客量、订单量、成交量）真正打通。
图2：诸葛ioDEMO数据
图3：诸葛ioDEMO数据
PS：根据所在部门的KPI选择不同“目标事件”（比如：注册成功）作为转化目标来衡量落地页效果，让你的优化策略更聚焦。
一些行为已经不能只是透过简单的跳出率来查看了。
我们需要看更加具体的用户的行为，诸如点击的分布，设备的分布，地域的分布，时间的分布，互动时间与参与状况等。显然，大部分效果类的作弊，都很难真正的模拟人的行为，所以，发现作弊其实真正无敌的方法，就是看这些流量的行为是不是“真人”。
没错，利用一定的方法，你肯定能分辨出来。具体方法点击文章：为什么投信息流广告，有钱花不出去？原因全在这！在这篇文章中，你会看到出现严重问题的流量是怎么被发现与证实的。
这样，企业基本上就能清楚哪个投放渠道，展现媒体对自己是有利的，哪种推广形式能带来明显的效果转化，企业就敢在数字营销上花更多的广告费，也就能知道那50%的广告费到底花到哪儿了，同时避免更多的盲目投放。
事实上，流量作弊可以归结为概率问题，分析大量的作弊行为后，通过数据对比把可疑性强的流量排除，此外，从用户全生命周期的角度衡量投放效果，从获得曝光、到引导用户下载、注册、使用，再到用户最终付费的全周期的监测，打通安卓 / iOS 的 APP 跨应用商店的用户行为数据，实现跨应用平台的用户追踪，从而实现获取分析指导投放决策，这才是反作弊的核心。
3、查看流量的行为演进过程
作弊流量和低质量流量的共同特征，就是：它不会往交易的更深处“演进”。
对于转化需要多个步骤完成的业态，这个方法尤为有用。比如，这些流量集中在落地页，但是停留在这里，不再继续发展。一般这些流量背后不是机器，但垃圾无效流量较多。
行为演进的细分与分析，还能够帮助我们发现一些客户端的劫持。典型特征是，当流量演进到购物车或者支付环节的时候，就不再继续进行下去了。而另外一些流量则莫名其妙的以购物车或者支付环节为落地页。
不过，有一类效果作弊基本上没有办法能够被找出来，即互联网基础通信服务端发起的劫持。唉，当一个流量一出现的时候，就已经被人从头到尾改换了门庭，而且还是从互联网基础设施的角度改换的。
那就真心没办法能查能堵了。正因为如此，这一类作弊，是目前效果类作弊的最严重的，屡禁不止呀（关键也没有任何强力机构会禁止这种抢钱行为）。
虽然说你不能真正发现这类作弊，但还是可以“能感觉到”。比如，当你真的停掉那些ROI很差或者“毫无作为”的流量了以后，那些看起来本来很好的流量渠道也应声下降。
【数据创造竞争优势，也可能不止...】人人都说数据重要，那么，对于企业来说，该如何看待数据增长？又如何利用数据分析趋势呢？通常，在预测和分析增长的时候，很多企业都是毫无头绪的，尤其对于创业公司来说，资本已开始偏向于关注具体的变现渠道。这很容易理解，很多投资者已经受够了“让我们收购一群用户，并靠着卖广告赚点钱”，这种表面上的“好模式”。创业公司需要通过变现来证明自己的商业价值，否则这种单纯的依靠卖卖广告变现就能找投资的做法，纯粹就是耍流氓。
从一开始就建立一个精确的、与你真实数据情况相匹配的增长模型，听起来是很困难的。但诸葛君今天就给你一个更清晰、更易达成的目标。
1、判断如何获得增长
其实在一家企业刚刚创立初期，用大数据驱动是一个伪命题——因为用户数量有限，样本性不足。因此，我们必须先判断行业趋势、市场前景，是否被投资机构持续看好？其次，更广泛地去了解潜在用户的需求，让更多用户来使用我们的产品。
2、确立增长模型
在这一阶段，我们需要布局与增长有关的核心指标了，比如：日/月活，留存。这些指标的目的不是为了衡量产品当前当下的表现，而是为了未来做增长时有可比较的基准。并且，这些指标能够告诉我们，什么时候我们应该去做增长。产品本身没有粘度的话，即使烧钱做增长，也不会实现良性增长，因为流失速度很可能超过增长速度。以前很多烧钱的企业能成功，是因为竞争没有那么激烈，用户没有辣么多选择。但今天如果你的产品很差，留存又不高，口碑也不好，烧再多钱也不能获得真正核心的自然增长。
3、优化效率
这个阶段就能看出来好的创业公司和普通创业公司的巨大差别——效率。无论PR还是做活动，都需要人力和时间成本。如何在增长中，找到效率最高的渠道呢？其实这正是创业公司之间PK的核心竞争力。如果不通过数据来驱动，还是靠直觉，一次两次可以，但没人能在赌局中连赢一万次。
所以，直觉需要和数据进行结合，这样企业能迅速优化各个渠道，来提高单位时间的转化效率。通过转化效率的提高和叠加，变成企业的核心竞争力。一个不用数据驱动的公司，和一个用数据驱动的公司，假设运营策略一样，资本储备、用户量相当，后者也有大概率胜出机会。
4、实现营收的运营策略
业务变现，要求有很高的用户基数。一般互联网产品中高活跃、体验好的用户会转化为付费用户。就像一个漏斗不断筛出高价值用户，这其中拼得就是运营效率了。比如，电商用户的转化漏斗一般是：访问——注册——搜索——浏览——加入购物车——支付——（退货）。这是一个非常长的漏斗，数据化的精细化运营，需要对漏斗的每个环节持续地追踪。因为不能衡量，就很难实现增长。
一个注重营收的企业，必须时刻关注各个部门、各个环节的转化效率。为提升转化效率，可以通过市场营销、产品迭代、用户运营来实现。而其中每个环节即使只是小幅提升，但叠加后可实现成倍增长。这种倍增，如果没有做过数据化运营的人，很难体会到。
下面我们就来具体说说如何实现数据驱动的精细化运营，我们将围绕以下2点展开：
1、明确各部门核心的关注指标：拆解目标，加强数据在企业内部的流转效率；
2、构建用户画像，设计增长策略：基于用户行为数据，根据同期群衡量表，通过纵向分层运营，挖掘用户层级状态迁越的关键；横向状态监控，阶段性的设计激活和召回方案。
一、明确各部门核心关注点
将用户生命周期分为获取、激活、留存、营收和传播，将该模型与用户生命周期历程各阶段做对应，并基于业务特点来梳理的具体指标。将业务与企业各部门的目标对应起来，即：
➤营销推广部门，对应获取阶段的数据指标；
➤运营部门，覆盖从激活、留存、营收到传播各个阶段；
➤产品部门，从功能实现的可用性和用户使用体验各个方面，对所有指标进行一个整体把控，但是根据产品阶段可分阶段设定优先级来逐步解决。
但是，如果每个部门各关注各的指标，还是不能将精力集中在一起，如果想形成合力，可通过用户价值分层的同期群衡量表来统一大家的目标。以注册评估者占比新手投资占比复投占比，这个关键指标为例，说明如何使用这张用户价值分层的同期群衡量表。
当有一张图表能够对整体产品的增长状态进行评估时，那么集中各部门的意见就会容易很多。参见上图，基于同期群分析用户价值分层的数据可视化：
1、注册评估者为蓝色，新手期投资者为黄色，周期复投者为橙色，流失用户为红色，之所以有不同深浅的红色黄色，是在分层的同时进行质量的区分；
2、每个柱子代表某时间段内新增的所有用户；
3、每个颜色代表截止查看此表时，各类价值用户占当时新增总数的比例，即，在查看这张表时，每个柱子代表的那一天，所有的新增用户转化为各个层级用户的一个比例。
通过这样的方式，即可衡量产品当前的健康度：
➤纵向来看，明确各个价值阶段用户转化的情况；
➤横向来看，明确是否逐步有所提升，上图就是一个比较波动的状态，是由于早期运营活动力度大，而新增的量比较小，所以带来的波动比较大。之所以，最右边蓝色部分那么长，是因为蓝色是注册评估者，最右边说明刚刚新增，还未流失，所以占比很高。
「用户分层的同期群衡量表」，集中了不同价值用户群的一个状态，每个部门要负责的用户群都在这个表里有所体现，能够通过这个表来讨论数据波动，以及各个部门该如何共同发力，给用户带来更大的价值，让用户更为喜欢使用产品。
从整体上，营销推广的主要目标是围绕着不断带来更精准的用户，监控用户质量的指标展开的；运营主要围绕投资转化和不断重复投资，监控和分析数据，并且不断优化；理财品类的设计则围绕如何让用户追加投资来设计策略；产品部门是围绕实现用户需求，实现收益以及长期的易用性、粘性和体验来不断迭代产品。
如此拆解，就会目标明确，然后围绕企业阶段性的共同价值，共同努力，加强数据在企业内部的流转效率，进而带来更大的价值。
二、构建画像 设计增长策略
用户画像是把目标用户群作为一个虚拟用户进行描述，对用户有一个更情感化的感知。
用户画像，如果下个定义的话，就是一个基于用户自身属性、场景需求目标和行为模式特点高度概括提炼出来的虚拟角色画像，比如，上图右边的一个理财产品新手期用户的用户画像：
➤用户自身属性：25~35岁之间，白领及以上，年薪8~15万；
➤行为特点：粘性比较强，周访问天数大于3天，对收益、安全性的信息特别敏感，同时处于一个选购理财产品的阶段；
➤场景需求：由于首次投资，正在验证平台的安全性和收益效果；同时，由于首投常为短期产品，在对平台有好印象的情况下，一般会对比其他产品的收益准备继续投资。
想象一下，如果有这样一个用户画像，在设计增长策略时会不会更落地、更踏实？其实在工作中，经常会遇到的问题都是很多很杂很细碎的，容易淹没在具体的事务中。
比如：本来要让新用户更好的get到产品的点，进而认可产品的价值，带来留存，但是文案在斟酌的过程中，就传达出只有资深用户才能get到的点，那这样的活动必然无法提升新增用户的留存，因为「用户画像」搞错了，很可能是对着“自己心中的那些资深用户”在设计运营，甚至在以自己为角色原型设计运营策略，这都是在运营过程中很容易犯的错误。
这时，就需要将「用户画像」与具体工作内容对应起来，就能够更好的切中用户需求，带来超出用户预期的体验。
首先，能够将各个价值层级特点的用户，通过条件判断划分出来进行特征聚类，分析用户的自身属性和行为特点，并且结合业务进行场景解读，配合电话调研便能够更好的认知用户，形成更准确的用户画像。
角色画像是一个难度和门槛非常高的工作，因为传统调研都是通过人与人之间的观察和交流完成的，用户的使用环境和场景都不同，就需要调研者有很高的素质来对信息进行辨别，最后形成有效的结论。但随着近几年数据采集能力越来越强，基于用户行为数据来做用户画像，相较之下更为直接和高效。
当有了自己产品不同价值阶段用户的用户画像，那么该如何设计增长策略呢？给大家一个大的方向——「用户价值分层的同期群衡量表」。
1、纵向分层运营，挖掘用户层级状态迁越的关键
举例，要找到用户从注册评估转化为新手投资的关键促成点，进而升级用户价值。比如：新手引导在理财产品中特别重要，为新增一天内没有查看财产安全相关内容的用户，推送让用户信赖的信息内容和投资引导，就能够更好的帮助用户度过迷茫期，更快的进行投资决策。
2、横向状态监控，阶段性的设计激活和召回方案
随着时间推移，用户无法避免的逐渐进入沉默状态，一旦在图上发现沉默流失的征兆，即可基于用户的行为特点，推送与用户查看过的内容相关的信息，召回的效果就比较好。但是如果沉默很久了，那将错过最佳召回时机。
分析只是手段，根本目标在于通过数据驱动企业增长，企业的核心诉求就是提高效率，降低成本，诸葛io帮助企业首先根据行业特征，搭建指标体系，这是“让数据服务于业务增长”的重要一步，同时，让数据在各部门之间高效流转则可以极大地提升沟通效率，让企业中每个岗位都有明确的核心关注指标及奋斗目标，最终形成增长合力。
从一开始就建立一个精确的、与你真实数据情况相匹配的增长模型，听起来是很困难的。但诸葛君今天就给你一个更清晰、更易达成的目标。
1、判断如何获得增长
其实在一家企业刚刚创立初期，用大数据驱动是一个伪命题——因为用户数量有限，样本性不足。因此，我们必须先判断行业趋势、市场前景，是否被投资机构持续看好？其次，更广泛地去了解潜在用户的需求，让更多用户来使用我们的产品。
2、确立增长模型
在这一阶段，我们需要布局与增长有关的核心指标了，比如：日/月活，留存。这些指标的目的不是为了衡量产品当前当下的表现，而是为了未来做增长时有可比较的基准。并且，这些指标能够告诉我们，什么时候我们应该去做增长。产品本身没有粘度的话，即使烧钱做增长，也不会实现良性增长，因为流失速度很可能超过增长速度。以前很多烧钱的企业能成功，是因为竞争没有那么激烈，用户没有辣么多选择。但今天如果你的产品很差，留存又不高，口碑也不好，烧再多钱也不能获得真正核心的自然增长。
3、优化效率
这个阶段就能看出来好的创业公司和普通创业公司的巨大差别——效率。无论PR还是做活动，都需要人力和时间成本。如何在增长中，找到效率最高的渠道呢？其实这正是创业公司之间PK的核心竞争力。如果不通过数据来驱动，还是靠直觉，一次两次可以，但没人能在赌局中连赢一万次。
所以，直觉需要和数据进行结合，这样企业能迅速优化各个渠道，来提高单位时间的转化效率。通过转化效率的提高和叠加，变成企业的核心竞争力。一个不用数据驱动的公司，和一个用数据驱动的公司，假设运营策略一样，资本储备、用户量相当，后者也有大概率胜出机会。
4、实现营收的运营策略
业务变现，要求有很高的用户基数。一般互联网产品中高活跃、体验好的用户会转化为付费用户。就像一个漏斗不断筛出高价值用户，这其中拼得就是运营效率了。比如，电商用户的转化漏斗一般是：访问——注册——搜索——浏览——加入购物车——支付——（退货）。这是一个非常长的漏斗，数据化的精细化运营，需要对漏斗的每个环节持续地追踪。因为不能衡量，就很难实现增长。
一个注重营收的企业，必须时刻关注各个部门、各个环节的转化效率。为提升转化效率，可以通过市场营销、产品迭代、用户运营来实现。而其中每个环节即使只是小幅提升，但叠加后可实现成倍增长。这种倍增，如果没有做过数据化运营的人，很难体会到。
下面我们就来具体说说如何实现数据驱动的精细化运营，我们将围绕以下2点展开：
1、明确各部门核心的关注指标：拆解目标，加强数据在企业内部的流转效率；
2、构建用户画像，设计增长策略：基于用户行为数据，根据同期群衡量表，通过纵向分层运营，挖掘用户层级状态迁越的关键；横向状态监控，阶段性的设计激活和召回方案。
一、明确各部门核心关注点
将用户生命周期分为获取、激活、留存、营收和传播，将该模型与用户生命周期历程各阶段做对应，并基于业务特点来梳理的具体指标。将业务与企业各部门的目标对应起来，即：
➤营销推广部门，对应获取阶段的数据指标；
➤运营部门，覆盖从激活、留存、营收到传播各个阶段；
➤产品部门，从功能实现的可用性和用户使用体验各个方面，对所有指标进行一个整体把控，但是根据产品阶段可分阶段设定优先级来逐步解决。
但是，如果每个部门各关注各的指标，还是不能将精力集中在一起，如果想形成合力，可通过用户价值分层的同期群衡量表来统一大家的目标。以注册评估者占比新手投资占比复投占比，这个关键指标为例，说明如何使用这张用户价值分层的同期群衡量表。
当有一张图表能够对整体产品的增长状态进行评估时，那么集中各部门的意见就会容易很多。参见上图，基于同期群分析用户价值分层的数据可视化：
1、注册评估者为蓝色，新手期投资者为黄色，周期复投者为橙色，流失用户为红色，之所以有不同深浅的红色黄色，是在分层的同时进行质量的区分；
2、每个柱子代表某时间段内新增的所有用户；
3、每个颜色代表截止查看此表时，各类价值用户占当时新增总数的比例，即，在查看这张表时，每个柱子代表的那一天，所有的新增用户转化为各个层级用户的一个比例。
通过这样的方式，即可衡量产品当前的健康度：
➤纵向来看，明确各个价值阶段用户转化的情况；
➤横向来看，明确是否逐步有所提升，上图就是一个比较波动的状态，是由于早期运营活动力度大，而新增的量比较小，所以带来的波动比较大。之所以，最右边蓝色部分那么长，是因为蓝色是注册评估者，最右边说明刚刚新增，还未流失，所以占比很高。
「用户分层的同期群衡量表」，集中了不同价值用户群的一个状态，每个部门要负责的用户群都在这个表里有所体现，能够通过这个表来讨论数据波动，以及各个部门该如何共同发力，给用户带来更大的价值，让用户更为喜欢使用产品。
从整体上，营销推广的主要目标是围绕着不断带来更精准的用户，监控用户质量的指标展开的；运营主要围绕投资转化和不断重复投资，监控和分析数据，并且不断优化；理财品类的设计则围绕如何让用户追加投资来设计策略；产品部门是围绕实现用户需求，实现收益以及长期的易用性、粘性和体验来不断迭代产品。
如此拆解，就会目标明确，然后围绕企业阶段性的共同价值，共同努力，加强数据在企业内部的流转效率，进而带来更大的价值。
二、构建画像 设计增长策略
用户画像是把目标用户群作为一个虚拟用户进行描述，对用户有一个更情感化的感知。
用户画像，如果下个定义的话，就是一个基于用户自身属性、场景需求目标和行为模式特点高度概括提炼出来的虚拟角色画像，比如，上图右边的一个理财产品新手期用户的用户画像：
➤用户自身属性：25~35岁之间，白领及以上，年薪8~15万；
➤行为特点：粘性比较强，周访问天数大于3天，对收益、安全性的信息特别敏感，同时处于一个选购理财产品的阶段；
➤场景需求：由于首次投资，正在验证平台的安全性和收益效果；同时，由于首投常为短期产品，在对平台有好印象的情况下，一般会对比其他产品的收益准备继续投资。
想象一下，如果有这样一个用户画像，在设计增长策略时会不会更落地、更踏实？其实在工作中，经常会遇到的问题都是很多很杂很细碎的，容易淹没在具体的事务中。
比如：本来要让新用户更好的get到产品的点，进而认可产品的价值，带来留存，但是文案在斟酌的过程中，就传达出只有资深用户才能get到的点，那这样的活动必然无法提升新增用户的留存，因为「用户画像」搞错了，很可能是对着“自己心中的那些资深用户”在设计运营，甚至在以自己为角色原型设计运营策略，这都是在运营过程中很容易犯的错误。
这时，就需要将「用户画像」与具体工作内容对应起来，就能够更好的切中用户需求，带来超出用户预期的体验。
首先，能够将各个价值层级特点的用户，通过条件判断划分出来进行特征聚类，分析用户的自身属性和行为特点，并且结合业务进行场景解读，配合电话调研便能够更好的认知用户，形成更准确的用户画像。
角色画像是一个难度和门槛非常高的工作，因为传统调研都是通过人与人之间的观察和交流完成的，用户的使用环境和场景都不同，就需要调研者有很高的素质来对信息进行辨别，最后形成有效的结论。但随着近几年数据采集能力越来越强，基于用户行为数据来做用户画像，相较之下更为直接和高效。
当有了自己产品不同价值阶段用户的用户画像，那么该如何设计增长策略呢？给大家一个大的方向——「用户价值分层的同期群衡量表」。
1、纵向分层运营，挖掘用户层级状态迁越的关键
举例，要找到用户从注册评估转化为新手投资的关键促成点，进而升级用户价值。比如：新手引导在理财产品中特别重要，为新增一天内没有查看财产安全相关内容的用户，推送让用户信赖的信息内容和投资引导，就能够更好的帮助用户度过迷茫期，更快的进行投资决策。
2、横向状态监控，阶段性的设计激活和召回方案
随着时间推移，用户无法避免的逐渐进入沉默状态，一旦在图上发现沉默流失的征兆，即可基于用户的行为特点，推送与用户查看过的内容相关的信息，召回的效果就比较好。但是如果沉默很久了，那将错过最佳召回时机。
分析只是手段，根本目标在于通过数据驱动企业增长，企业的核心诉求就是提高效率，降低成本，诸葛io帮助企业首先根据行业特征，搭建指标体系，这是“让数据服务于业务增长”的重要一步，同时，让数据在各部门之间高效流转则可以极大地提升沟通效率，让企业中每个岗位都有明确的核心关注指标及奋斗目标，最终形成增长合力。
✋热门推荐