数据如何驱动业务增长

文摘科技 2024-11-08 07:00 广东

我建了一个AI交流群，由于群已超200人，请在公众号回复“AI应用”，加群主VX，再入群，谢谢！

分析师的商业价值

在产品从零到一的设计阶段或算法早期预测和排序目标的选择中，行业内的成熟做法往往更受青睐。然而，当数据积累到一定规模，业务进入成熟期后，如果仍然依赖直觉驱动，就会错失许多增长机会。

例如，不经过AB实验就判断策略是否应该上线，或算法团队长期围绕有限几个指标预测和排序，却未曾用数据证明这些指标对业务和用户体验的实际价值。此外，每个项目的数据看似都不错，但公司整体却没有显著增长，这些都是直觉驱动带来的问题。在OKR体系下，无论是算法、运营、产品还是分析，日常项目都可以概括为“通过策略提升KPI”的过程。策略的制定来源于直觉与客观事实（数据）两个方面，随着业务的发展，数据驱动的价值逐渐显现。

分析师的角色与价值

分析师需要具备定量能力和业务思维，在保证科学性与中立性的前提下，通过数据驱动来补足直觉驱动的短板。这些短板包括：看不清用户、打法不清晰、算不准影响和看不清现状。分析师通过用户画像细分、行为轨迹分析、流程转化分析等手段，帮助业务更了解用户；通过观测性研究估算抓手与KPI之间的关系，辅助业务排布项目优先级；通过AB测试评估策略对用户的影响；通过异动归因分析定位指标波动原因并提出解决方案。

业务不同阶段的数据分析需求

从零到一，直觉驱动业务野蛮生长
业务开展早期，直觉以较高的成功率驱动业务增长。数据分析在这个阶段主要提供BI支持，确保T+1准确反映业务OKR指标表现，基本型需求包括埋点、OKR指标口径与常用SQL、数仓明细表；期望型需求包括业务日报和用户生命旅程数据刻画；惊喜型需求则包括通过描述性统计帮助产品找到发力点。
增长放缓，实验评估助力业务小步迭代
随着业务增长放缓，直觉驱动的效果逐渐减弱。此时，分析师通过引入实验机制，如AB测试，精确度量每个实验的微弱效应，帮助业务在投石问路过程中找到方向。基本型需求包括实验分析支持；期望型需求包括联动业务、后端、前端开发、BI协同搭建实验平台；惊喜型需求则包括将实验分析报告模板化，赋能业务自主完成实验设计与分析。
增长遇到瓶颈，数据驱动业务找到新目标体系与增长发力点
当业务增长进入瓶颈期，直觉驱动基本被穷尽。此时，分析师需要深度思考业务问题，主动提出数据分析需求，通过观测性研究估算策略对顶层指标的影响，制定并落地新的目标和增长方案。基本型需求包括通过历史策略和数据开展观测性研究；期望型需求包括积极主动创新，寻找更具增长潜力的新指标；惊喜型需求则包括观测性研究方法工具化，赋能业务自主完成目标优化。
数据持续驱动细分人群的差异化策略迭代
在业务增长到一定规模后，需要承担更多全局责任，并开始承担孵化新业务的角色。此时，数据评估层面需要系统改善来保障决策的科学性。分析师需要在细分用户群体粒度整合实验能力和观测性研究能力，打通数据驱动细分策略迭代的流程。

分析师的工具与核心基础能力

分析本质上是在“比较”。好的分析过程包括数据比较、洞见和业务优化。比较来源于实验分析、异动归因和观测研究三种场景。分析师需要具备一套健全的画像和指标体系，这是分析的基础。无论是哪种场景，“比较”都要具象化到实际业务场景才能提出可落地的业务洞见。

未来分析师所处环境

随着AI和数据平台的发展，许多高度重复的数据工作逐渐被自动化解决。分析师需要增强自己的业务思辨能力和定量专业能力，学习商业、经济学原理，理解基本的因果推断与计量方法，强化构建模型内核的scripting能力。未来，分析师可能会分化为业务导向和模型导向两拨人，分别优化业务与数据的连接和基于数据做评估、归因、推断的科学性。