04

接下来，给大家分享一下我是怎么在日常工作中用数据分析的。

1.第一个讲讲我们可以如何制定自己的OKR。

可能有很多同学不知道什么是OKR，这里简单解释一下。OKR：Objectives and Key Results，即目标与关键成果法，是一套明确和跟踪目标及其完成情况的管理工具和方法。OKR的主要目标是明确公司和团队的“目标”以及明确每个目标达成的可衡量的“关键结果”，目前很多公司都会用OKR的方式来制定和管理年度/季度等目标。

如上图所示，整体路径共有四步：

1)接收老板们的目标，一般公司或是大产品，会有一个战略层面上的规划，决定下一阶段要做什么方向，再根据方向会定下一个大的指标，比如DAU(Daily Active User，日活跃用户数量)、GMV(Gross Merchandise Volume，成交总额)等等。这个指标会下达到你们部门的头上，也就是你们整个部门要扛起的指标。

知道了大指标之后，一般情况下，你的老板或相关负责人会把这个指标拆解到可以执行的小指标上，比如DAU可以考虑拆解到新增、留存，再通过模型推算，要达到某个DAU，分别新增和留存要做到什么程度，才能够达成我们的大指标。(DAU预估模型这里因为涉密我就不细说了，大家可以在网上搜索看看DAU预估是怎么做的)

2)把大指标拆解到不同的小指标以后，我们再对小指标进行路径分析，看要提升某一点的留存，我们可以做的事情有哪些。

3)在上一步中，你可能会拆解出十几条可以达成目标的路径，这时候就需要来判断一下优先级了。你需要用当前的数据来对不同的路径进行判断，每个路径对你的目标有多少的帮助，哪个目标的帮助是最大的，这个路径又需要多久才能够完成。

4)当你计算完成这些以后，你就能够从中选择 1 个或数个对你的目标帮助最大的路径，再去看你能够争取到的资源是否能够完成这个目标。算完这些以后，一个基础的OKR就制定完成啦!

2.第二个实际应用小案例，讲一下如何用数据分析定义和优化用户激活。

如上图所示，一共有五步：

1)拆解产品的关键行为。这里可以使用的方法是：先用脑图列出产品的所有功能点以及可能会影响到核心指标的功能使用情况，如功能使用频次、功能使用时长等，再列出我们的关键指标比如留存/用户付费率/二购率等等。

2)有了分析的路径以后，我们就用数据来说明问题，分析不同行为对核心指标的影响。这里判断一个功能或一种行为的方法就有很多了，详细的方法大家可以看一些留存分析的方法论来进行借鉴。

3)确定不同行为对核心指标的影响以后，开始拆解优化该行为的路径，再用数据来进行判断什么实验该做，什么实验可以延期。

4)确定要做什么实验以后，开始设计方案。如果目前只是一个数据和想法上猜测的话，一定要注意先设计MVP来验证你的猜测是不是对的，再来设计大的方案进一步的优化指标。很多时候我们对用户激活的定义不一定是正确的，也是要一步一步的尝试，最终才能找到一个正确的用户激活定义。

5)实验上线以后，你的工作没有结束，反而正是开始，这也就是我们要说的第五步——总结上一次的实验结论，再回去看与实验设计初心是否相符，与预期是否相符，是否还有更多的提升空间，如果继续下一步优化这个指标应该要怎么做，这是做完一个实验以后要继续去做的事情。

最后想说的是，今天给大家分享的主要还是数据分析在增长工作中的一些小应用，如果真的要学习数据分析，大家还需要花更多的时间在各种专业技能上的学习。

根据我个人的学习以及工作经验总结来说，数据分析需要具备以下三块能力：

简单的工具包括Excel、SQL、PPT，是大家一定要掌握的;在理论上，统计学的基本分析知识也是必不可少的;如果想往更精通的数据产品方向发展，那要学的就更多了，数据仓库、数据建模、数据挖掘等等都是基础知识。

再给大家推荐两本入门书，一本是《精益数据分析》，一本是《游戏数据分析的艺术》，都属于数据分析的入门读物;以及，在专业系统的学习上，三节课也有业务数据分析实战课程，大家感兴趣的话可以去看一下～

以上就是我今天的分享，感谢大家收听，谢谢!(完)