根据硅谷公司的核心KPI（Facebook的4-2-2准则，LinkedIn的connection规律），我们也想找到互联网企业驱动增长最核心的KPI。基于我们的想象力和”无埋点”全量数据采集的优势， 我们创造了” GrowingIO留存魔法师” 。通过全量采集的数据，智能自动的后端计算，以及简单的使用交互，留存魔法师可以帮助企业迅速找到与其留存最相关的用户行为，就像魔法师轻轻挥动魔法棒一样简单。例如某 SaaS产品 ，在一周内创建过3个图表的用户(群)留存率非常高，那么”一周+3个+图表”就是我们驱动用户增长的魔法数字。

　　4.信任度

　　以销售岗位为例，一个销售人员首先要和用户建立起信任；如果用户不信任你的话，那他也很难信任或者购买你的产品。同理，数据分析师要和各部门同事建立良好的人际关系，形成一定的信任。各个部门的同事信任你了，他们才可能更容易接受你的分析结论和建议；否则事倍功半。

　　数据分析常见的七种思路

　　1.简单趋势

　　通过实时访问趋势了解产品使用情况，便于产品迅速迭代。访问用户量、访问来源、访问用户行为三大指标对于趋势分析具有重要意义。

　　2.多维分解

　　数据分析师可以根据分析需要，从多维度对指标进行分解。例如浏览器类型、操作系统类型、访问来源、广告来源、地区、网站/手机应用、设备品牌、APP版本等等维度。

　　3.转化漏斗

　　按照已知的转化路径，借助漏斗模型分析总体和每一步的转化情况。常见的转化情境有注册转化分析、购买转化分析等。

　　4.用户分群

　　在精细化分析中，常常需要对有某个特定行为的用户群组进行分析和比对；数据分析师需要将多维度和多指标作为分群条件，有针对性地优化产品，提升用户体验。

　　5.细查路径

　　数据分析师可以观察用户的行为轨迹，探索用户与产品的交互过程；进而从中发现问题、激发灵感亦或验证假设。

　　6.留存分析

　　留存分析是探索用户行为与回访之间的关联。一般我们讲的留存率，是指“新增用户”在一段时间内“回访网站/app”的比例。数据分析师通过分析不同用户群组的留存差异、使用过不同功能用户的留存差异来找到产品的增长点。

　　7.A/B 测试

　　测试就是同时进行多个方案并行测试，但是每个方案仅有一个变量不同；然后以某种规则（例如用户体验、数据指标等）优胜略汰选择最优的方案。数据分析师需要在这个过程中选择合理的分组样本、监测数据指标、事后数据分析和不同方案评估。

　　数据分析实战案例

　　某社交平台推出付费高级功能，并且以EDM（Email Direct Marketing，电子邮件营销）的形式向目标用户推送，用户可以直接点击邮件中的链接完成注册。该渠道的注册转化率一直在10%-20%之间；但是8月下旬开始注册转化率急剧下降，甚至不到5%。

　　如果你是该公司的数据分析师，你会如何分析这个问题呢？换言之，哪些因素可能造成EDM转化率骤降？

　　一个优秀的数据分析师应该具有全局观和专业度，从业务实际出发，综合各个方面的可能性，因此，EDM注册转化率骤降的可能性罗列如下：

　　技术原因：ETL延迟或者故障，造成前端注册数据缺失，注册转化率急剧下降；

　　外部因素：该时间节点是否有节假日，其他部门近期是否有向用户发送推广邮件，这些因素可能稀释用户的注意力；

　　内部因素：邮件的文案、设计是否有改变；邮件的到达率、打开率、点击率是否正常；邮件的注册流是否顺畅。

　　经过逐一排查，数据分析师将原因锁定在注册流程上：产品经理在注册环节添加了绑定信用卡的内容，导致用户的注册提交意愿大幅度下降，转化率暴跌。

　　一个看似简单的转化率分析问题，它的背后是数据分析师各方面能力的体现：首先是技术层面，对ETL（数据抽取－转换－载入）的理解和认识；其实是全局观，对季节性、公司等层面的业务有清晰的了解；最后是专业度，对EDM业务的流程、设计等了如指掌。