从行业背景而言，流量红利逐渐消失，野蛮生长的互联网时代接近尾声。传统的烧钱模式、靠体力投放的形式日渐乏力。但是，企业总是要追求增长的。所以在行业大背景下，依靠技术和数据的力量寻求更科学、更高效的方法达成营销目标，让产品获得有效增长，数据驱动也就这样顺势而生了。
通过数据可以清晰且直观的告诉我们现状是什么，以及为什么会是这个状况，我们要做某个举措的空间又有多少，具体落地方案又是啥？做了之后可能受益又会如何等等，这些通过数据在采取措施之前，我们都可以得到粗略的答案。
那我们接下来从数据驱动的底层逻辑、数据驱动增长的具体案例、以及数据驱动的必要因素几个方面来展开说说这里的落地过程。
一、数据驱动的底层逻辑：
首先要讨论以及明确的数据分析的底层逻到底是什么？在我看来最重要的是要形成认知上的逻辑闭环，另外就是不盲信经验，要贯彻实践出真知的实验论证。
首先来说逻辑闭环，我们都听过一个词驴唇不对马嘴，其实这就是缺乏基本的逻辑思维。一个人如果有较好的逻辑思维，就会有刨根问底的好奇心，遇到问题就不会满足于表面的解释，而是不断的往下追溯，找到根本原因。想要通过数据驱动业务也是同样的道理。我们不能只看到dau下降这个表象，一定要有强烈的好奇心，为什么会下降，历史是不是出现过类似下降的情况，以前是什么原因，现在是不是也是有类似的问题等等？
在养成强烈好奇心的惯性后，我们需要有基本的逻辑素养，这里体现在四个方面，证有不证无，以偏不概全，证有靠举例，概全靠推理。事物间的关系并非非黑即白，我们要通过数据/事实来证明其真实性；个例不能代替全部，我们要证明其普适性，就要通过其一般性结论来证明其具有代表性。
举个简单的例子来说，比如某个产品留存在国庆期间突然上涨明显，我们不能就基于这一次的数据来说节假日期间用户对产品需求高，我们要去看下这个现象是否具有代表性，是否在所有节假日中都存在这种情况，不能以偏概全，要有理有据。思考有逻辑，思维有闭环，逻辑一定要自洽。不能说渠道带量能力强，就说这个渠道好，要综合对比体量、留存、ROI等多方指标表现，一般情况可能不是数据A得出结论B，而是数据1234n得出结论B。
说完逻辑闭环，第二个就是让事实说话的实验论证了。我们遇到问题，先大胆假设，然后去验证，得出结论，最后跟进数据结论作出调整，一定要从事实出发，对事不对人，而不要被自己和他人的利益、立场所左右。因为事实更可靠。
xian1、在假设阶段，需要找到互为激励的因果关系（增强回路），建立最小化闭环；
2、在验证阶段：找到“北极星指标”，验证最小化闭环的真实性与可行性，并优化闭环；
3、在结论阶段：通过数据对假设给出定性的结论，有效或者无效或者待进一步验证
4、进而采取进一步调整策略：若需大规模增长就果断投入资源，快速复制，如果假设完全不成立，那就及时停止。
二、数据驱动增长的具体案例：
第二部分我们从【获客】和【促活】两个场景的具体案例来说下。
1、获客篇之渠道评估
获客渠道是用户增长不可或缺的一环。如何能够用更少的钱带来更优质的量，是买量部门最头疼的问题。什么是好渠道，什么是差渠道，不是简简单单的留存高、用户行为好，成本低就能说明这个渠道质量的优劣，而是一个综合评估的过程。就好比料理要色、香、味俱全，渠道也要数量、行为、商业、成本和质量综合评价优劣。
我们做的首先是要打通媒体前后端全链路用户数据，结合多维度数据，实现日常例行化的监测发现异动，并从人群、设备等角度寻找原因，逐一定位解决；在这个过程中我们基于留存对渠道用户整体lt做及时预测，结合lt*arpu预测渠道不同窗口期的roi，运营方可以直接基于roi达成情况判断渠道投放优劣，进而得出重点可优化的方向点，质量好的渠道我们可以增加投放，质量不好的渠道我们可以从素材、版位、设备等角度多方优化。
整体来说渠道获客，更像是集产品、营销、运营数据分析、项目管理的多元能力的结合体，以真实数据为指导，非传统意义上靠砸钱来获取用户的市场推广。微观涉及素材创意的质量分析，宏观到产品整体的新增、留存、ROI等。
2、获客篇之潜客挖掘
增长最重要的是人-货-场的契合，就像找到跟你合拍的爱人、朋友是一样的道理，只有互相match、或者说互相需要路才能走下去。咱们自己产品其实也存在这个问题，所以我们尽量帮产品更精准的定位到用户，减少对用户的打扰。潜客挖掘常用的方式有基于规则的人群定向圈选、基于模型的扩簇。
人群定向圈选分为两部分，特征圈选和规则圈选。比如公司既有100+用户画像的tag，如果产品笃定某一属性，那我们完全可以从既有画像标签中去圈，比如圈性别是男性的从事财务的人群，或者基于某些兴趣、年龄等去圈。还有就是来源于业务经验的一些规则，比如买过某些商品的用户，使用过某些功能的用户等等。
规则完全是基于我们的假设，一旦假设不成立那可能就会走偏，从而我们有时更倾向基于事实出发，这个事实就是我们的既有用户及其行为，所以就有了模型扩簇。有了种子人群，我们通过lookalike寻找特征一致的人群，我们当前在产品测试效果还不错的主要是pu-learning，最终输出扩簇后的 相似人群+意向度。
3、促活篇之用户分层内容优化
获客是尽量保证一直有水进来，但是水进来后我们必须让水内循环动起来，而不是让水处于静止状态或者流出去，这就要说到促活。这一部分我们从内容优化、活动运营两个角度来说下。
精细化运营其实本质上就是对不同的人做不同的事。但整理逻辑首先需要明确目标，基于目标找对应人群，评定人群空间是不是值得做，值得做具体要怎么做。针对咱们工具类产品可能目标就是dau，针对视频类产品目标可能除了dau，还有vv，ctr，针对搜索导航可能就是uv，pv，ctr等等。
我们以一个视频类提升ctr的案例来说 。Ctr从曝光和点击两个指标出发，把用户划分为4个项线，通过看用户转化及占比判定空间，又分别从内容，画像角度分析各项相人群的特征，寻找优化点，结合用户历史行为，产品可操作点，具体确定可落地策略项
4、促活篇之定向人群活动运营
产品中内容基于不同人差异化，活动同样可以做到差异化。产品中内容基于不同人差异化，活动同样可以做到差异化。比如游戏代金券给谁发，电商优惠券给谁发，发多少，其中都可以做到人群的定向差异化，因为你会发现有些用户有没有代金券都会给游戏充值，都有下单买东西，但是有些用户就是需要在优惠券的刺激下才会产生购物行为。
三、数据驱动的必要因素：
第三部分我们来说下数据驱动的必要因素。数据驱动不是数据一方可独立完成的，他是一个组合拳。俗话说巧妇能为无米之炊，数据如果是米的话，那一定还需要炊。
首先需要产品侧需求明确，设定一个清晰可衡量的目标，没有目标做好做坏也没个标准；同时多方要建立绝对的互信，信息及时同步共享；在整个过程中多方通力协作配合；当然关键确实是要有技术和数据输出的策略，大家要勇于尝试，相互配合不断迭代实验，就像我最初提到的底层逻辑，数据提供逻辑闭环，产品运营技术通过实验不断的论证真伪。
以上是基于数据在驱动运营上的一些局部见解，不足之处还请指正。有任何问题欢迎大家随时交流。
