初创企业：看数据分析如何提高转化率

【导读】在这个大数据驱动的时代，人人都说数据重要，对已具有一定规模，具有多年大量数据积累的大型企业来说，数据分析的重要性不言而喻，那么，对于实力较弱，产品、市场都还不够成熟的中小型民营企业，典型的是初创的互联网公司，数据分析到底有多重要？

何为大数据分析

大数据分析（DataAnalysis）是指运用统计方法和分析工具对大量数据进行分析，挖掘出其潜在规律及价值，为经营决策提供科学严谨的理性依据。数据分析将数学原理和计算机技术进行有机结合，一般遵循设计方案、数据采集、数据处理、数据分析、出具报告5个步骤。在实际应用中，数据分析能够利用大量非结构化数据，挖掘出隐藏信息，总结其内在规律，从而帮助企业进行量化经营，引导企业采取适当的行动，以达到精准营销，理性决策的目的。

数据分析的作用，主要实现三大作用：现状分析、原因分析、预测分析(定量)。数据分析的目标明确，先做假设，然后通过数据分析来验证假设是否正确，从而得到相应的结论。数据分析的方法：主要采用对比分析、分组分析、交叉分析、回归分析等常用分析方法;数据分析的结果：一般都是得到一个指标统计量结果，如总和、平均值等，这些指标数据都需要与业务结合进行解读，才能发挥出数据的价值与作用。

GrowingIO创始人、前LinkedIn商业分析部高级总监张溪梦，在LinkedIn做过很多年数据分析，他说：“产品早期，数据驱动是个伪命题，只有到了真正增长期，数据才能爆发力量。”

国内数据分析现状及解决方法

目前国内数据分析现状：一些特别大的企业才重视数据分析，很多企业，表面上很重视数据分析，最后却流于形式。许多公司处于疯狂增长时期时，大家一拍脑子做的决定，可能已经产生可观的价值回报，所以，这种情况下企业很难意识到数据决策能产生的巨大价值，数据分析对他们来说只停留于谈论。同时，由于没有太多基础方法论的认知，技术和业务彼此不了解，进一步加剧了
数据使用的缓慢，不能看到价值实现。最后就变成了仍然凭感觉来做决策。

数据分析的现状表明，数据分析在国内仍处新兴阶段，仍需要大量研究及实践。

而在美国，数据分析技术相对成熟，以下以LinkedIn为例，分析数据分析在增进企业收益方面的应用。LinkedIn在过去6年间从一个7000万左右年营收的企业，一下子增长至30亿美元营业额的企业，这种增长速度在企业服务领域里面是惊人的。LinkedIn是2002年底成立的，成立早期就已经把用户数据和变现的框架讲得很清楚了。无论是在产品设计还是业务运营，数据都是很重要的环节。哈弗曼（LinkedIn创始人&CEO）收集大量的用户信息，想了三种变现方式：
一、通过用户的基本信息来变现，比如说公司发布职位；
二、用户数量增长到一定程度的时候，有B2B企业投广告；
三、当有大量人的信息以后，公司的猎头会用这个平台来找候选人。

可见在产品和市场不成熟的初创期企业数据分析的工作重点在有效变现数据框架的搭建和有效数据的收集。

LinkedIn在只有1万用户的时候，就开始用数据驱动业务。这段时间去观测两个渠道，一个是电子邮件，一个是搜索。从数据里发现，从搜索引擎的渠道里进来的用户，和电子邮件邀请进来的人数量差不多，但在产品平台上的活跃度要高3倍。所以，他们放弃低活跃的用户，专注活跃的用户，渠道因此优化。

那么，从什么时候开始关注数据呢？每个阶段的重点不同，增长期是数据驱动的关键时期。那么，对于创业者来说，应该从什么时候开始关注数据呢？从公司成立就开始吗？不是的。一般来说，创业者会经历4到5个产品、企业的生命周期。

第一个阶段，冷启动。这个时候公司特别早期，用大数据驱动是一个伪命题——因为客户数量有限，样本性不足。他们需要更多地去了解潜在客户的需求，去“求”客户来使用企业的产品。

第二个阶段，增长前期。冷启动接近完成。有经验的创业者，会开始布局和增长有关系的一些核心指标，比如说日/月活跃，留存度。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。产品本身没有黏度的话，去烧钱做增长，它不会真正地增长起来，因为流失速度超过增长速度。以前很多烧钱的企业能成功，是因为竞争没有那么激烈，用户选择少。但是，今天如果你的产品很差，留存不高，口碑也不好，烧再多的钱也不能获得真正核心的自然增长。

第三个阶段，是增长期。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，还有其他营销方式，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和方式？这个是创业公司之间PK的核心竞争力。如果不做数据驱动，靠直觉，一次两次可以，但没有人能进赌场连赢一万次。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。

第四个阶段，是变现期。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。类似一个漏斗，不断地去筛，这里面就是要拼运营的效率了。

大数据分析让转化率更加容易

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，或者到未来的退货。这是非常非常长的一个漏斗，真正要做好数据化运营，要对漏斗的每个环节持续地进行追踪。为什么呢？因为不能衡量，就很难去做增长。

一个好的企业，特别是以后要做营收的企业，必须要关注各个部门各个环节的转化效率。这种转化效率，要达成的手段，可以通过市场营销的方法、产品改进的方法、甚至客户运营的方法。
而其中每个环节小幅提高，加在一起就是一个倍数的提高。这种倍增，如果没有做过数据化运营的人，很难体会到会有多大。

举例来说：LinkedIn在做数据驱动转化时，要推送某篇EDM，同样发给10万人，拍脑袋决策的转化是0.01%，但是经由数据驱动部门做个简单的数据模型，同样推送后，转化率提升到了0.3%，高出30倍。如果每周都那么做的话，这种转化效果就非常可观。

当然LinkedIn是一家典型的互联网公司，数据分析具有独特的互联网特点。

目前，数据分析在各行业及领域均获得了广泛的认可，典型的数据分析应用主要体现在以下三个方面：
1、探索性数据分析，当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。
2、模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。
3、推断分析，通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。
数据分析报告：目前数据分析报告是国际上最为权威的名称，是企业进行经营决策的重要依据。它通过数据分析，量化，为决策提供了充分的支持。专业数据分析报告的特点：
1、独立性：报告必须独立于委托方、报告的使用方，这样的报告才不会有倾向性。
2、定量研究的分析方法：一个从无到有的项目缺乏历史数据，但不可能独立于现有的经济活动或脱离现有的经济生活。对于这些项目可采取定性的研究，通过一些专家的论坛、德尔菲法、市场问卷调查等方法来对于这个项目的市场需求基础数据进行估算，估算的结果再进行定量分析，定性和定量相结合，最终定量化。
3、严谨和逻辑性：数据分析报告有科学的逻辑性，包括：基础数据是怎么来的？有什么依据？对于说明判断又有什么样的依据？有什么样的依据做立足点？基础数据得到后对收入预测判断有什么样的依据？收入预测出来后成本预测是怎么出来的？成本费用的基础数据是怎么样得到的？以上内容数据分析报告都会一步一步进行判断。
4、战略规划性：战略规划性越来越成为数据分析报告质量的一个基础要求。当数据分析报告能对委托方的战略规划进行策划和梳理的时候，数据分析报告的价值就体现出来了。

（关注云途数据公众号，查看更多大数据干货，ID:yuntudata）