原副标题：时评 | 从统计数据挖掘到快速增长骇客
2016年双十一结束后，根据京东公布的数字，其终端端买卖占比为82%，少于了去年的68%的占比。终端网络已经正式成为B2C销售业务的主要就出口处，顾客服务和民营企业竞争将主要就发生终端App其内，其将正式成为民营企业的商业出口处、顾客出口处、统计数据出口处。
的货币乘数经济效益将大幅上升。每单位投入的资金（比如每千元），获得的新顾客数量和新买卖金额将大幅上升（从经验预测，其上升程度少于30%）。从这个阶段开始，如前所述统计数据挖掘的终端App营运比简单蛮横的砸钱推展更为关键。
App网络化营运带来的更为关键是顾客的增加，顾客的活耀，商品转换率的提升，更关键的是透过营运来介绍客，获得顾客的信赖。民营企业和顾客的买卖都是建立在顾客信赖基础其内的，这种信赖所代表的更为关键是商品新体验易。
快速增长骇客（growth hacker）referring几年前就在矽谷十分盛行于，最早在2010年由 Qualaroo的创办人兼执行官行政官Sean Ellis 提出。由Adnrew Chen 在2012年4月发表本新颖的丛书。《快速增长骇客》那哥透过很多事例和统计数据，阐明了网络化终端App营运的国家机密。
1 犯罪行为统计数据挖掘比财务管理报表提前预估民营企业经营方式情形
过去民营企业的预测集中在财务管理报表挖掘，比如收入、生产成本、营业额等财务管理数据，这些同实际的民营企业经营方式相比，具备非常大的局限性。大体上财务管理报表须要在两周甚至六天以上的时间才能出来，财务管理报表对民营企业经营方式的预测和预估具备一定的局限性。
使用者犯罪行为统计数据大体上是动态展现出的，每天顾客出访的单次，使用者活耀情形，使用者成交量情形，使用者文章，使用者下单，使用者退单，使用者买卖等犯罪行为统计数据具备动态特点，能更为真实反映民营企业经营方式情形。对于网络平台占非常大比例的民营企业，比如B2C，商业银行手机商业银行、终端证券、网银App等，终端使用者的活耀情形和成交量情形比财务管理报表更为能预估民营企业经营方式情形。
民营企业须要著重对终端网络使用者犯罪行为统计数据的预测，特别是一些关键的销售业务指标DAU、转换率、使用者流动率等，必须进行动态监视，这样才能及时了解民营企业经营方式情形，介绍平台情形、商品情形、使用者情形、网络营销公益活动情形。
使用者犯罪行为统计数据挖掘能直接帮助民营企业提升顾客新体验、提升销售业务规模、降低营运生产成本，以及点评营运效果，预估未来民营企业的经营方式情形。具体的品牌价值是，渠道的选择能大概节省40％以内的推展费用，公益活动和电视广告的发送服务能提升60%的顾客活耀率，App的新体验优能提升20%以内的顾客留存率。App内部公益活动推展相对外部平台电视广告投入，在相同的投入下，其收益将是3倍以上，同样收益的条件下，其投入只有四分之一。帕累托效应仍然存在，20%的顾客为民营企业创造了80%的收入，民营企业须要找到20%的顾客，以及他们的特征，依据20%顾客的特征来开展公益活动，获得较高的商业收益。也须要利用统计数据挖掘和公益活动激活，将更多的80%的顾客转化为20%的主要就消费顾客。
无规矩不成方圆，理论支撑和方法论是商业犯罪行为的框架和指引，现代管理思想和制度大体上都是建立在方法论的基础其内的。在终端销售业务营运方面，2A3R理论是经典的方法论，其起源于Dave McClure分享的创业公司海盗指标，被TalkingData引入到终端网络营运领域后，逐步完善为终端互联网营运的经典方法论，现在升级为3A3R指标体系。
3A3R模型指出了终端营运两个核心点：
以使用者为中心，利用统计数据挖掘来经营方式商品和服务使用者预测网络营销和收入之间的平衡点，获得较好的使用者新体验和ROI
TalkingData增加了一个A（Awareness），代表使用者对网络化终端营运的理解力和市场品牌能力。这个Awareness 贯穿所有营运环节，透过统计数据采集和预测来完善使用者经营方式、商品经营方式、平台经营方式，最后来打造终端网络化营运的闭环。
网络＋的忽悠高峰已过，其本质核心是顾客消费习惯从线下转到线上之后，民营企业须要考虑如何来经营方式好新的平台，重新获得年轻顾客的青睐。民营企业不要丢掉商业本质，使用者新体验和商品仍然是民营企业的核心。不要过于去追求哪些过于虚无飘渺的商业噱头，如免费经济、众筹网络营销、羊毛出在猪身上、补
常见的销售业务犯罪行为指标有商品转换率、页面点击率、日活耀使用者（DAU）、月活耀使用者（MAU）、有效使用者比例、使用者留存率、单个使用者价值（ARPU），休眠顾客、僵尸顾客、关键买卖路径转换率等。下面将逐步介绍各个销售业务犯罪行为指标代表的品牌价值，以及如何预测这些指标，如何指导销售业务网络营销。
3 转化漏斗少于30%，你就是传奇！
使用者出访民营企业商品时，从第一页进来，到最后一个成交量页面，大体上会经历很多步骤。从使用者新体验角度出发完成一个买卖，建议使用者经历的步骤不要少于5步，也就是说使用者跳转的页面不要少于5个。推荐的使用者新体验经验值为3步，就是顾客从看到商品到成交量的步骤为3步。如果一个商品从第一次点击到最后总成交量步骤少于7步，至少有70%以的顾客会放弃这个商品。
成交量使用者数除以商品首页点击使用者数称之为转换率。比如100个顾客出访商品，最后有20个顾客完成购买买卖，这个转换率为20%，转化漏斗也就是20%。一般情形下，B2C中如果一个商品的转化漏斗为30%，则能认为是一个非常好的商品了。如果转化漏斗大于40%，则是个传奇，能用厉害了word哥来表示。如果转换率为70％，恭喜你，你被薅羊毛了，只有羊毛党重度参与的网络营销公益活动，其转换率才会大于60%。
如果针对金融行业，20%－30%以内的转化漏斗已经是非常优秀的指标，但是转化漏斗低于3%，对不起，这个商品须要下架了。一个商品转换率低主要就的原因可能是使用者新体验和商品自身。从转化漏斗上预测，如果大的漏损率发生在前几步，则代表是商品新体验（APP新体验）的问题，反之如果大的漏损率发生在最后一个步骤，则说明是商品自身的原因（使用者不喜欢）
4 日活和月活，不能低于10%和30%
，包括打开浏览不买卖的顾客。月活MAU就是统计一个月的指标。日活过高，比如突然增加到40%，则说明有非常受顾客欢迎的网络营销公益活动，但是买卖量没有快速增长，说明是羊毛党在作怪或者存在明显的刷量犯罪行为。
金融行业终端App的日活DAU建议的KPI不要低于10%，如果低于10%说明App的使用者新体验和商品有问题。月活MAU不要低于30%，如果低于30%的月活，其终端网络收入会收到一些影响。MAU／DAU的比值不要高于5，营运比较好的金融App达到3或者2。
理想的金融App日活为20%，月活为40%，如果民营企业能达到这个水平，基本代表你的App营运处于一个领先的水平，营运能力处于第一集团军，少于50%的月活和30%的日活大体上很难达到。这里的统计数据统计口径为去掉刷量的统计数据，是顾客真实的营运统计数据。
5 月留存率低于20%，你的App须要检讨了
顾客出访App进行浏览和买卖之后，如果在两周／一个月之内再次出访或者使用App，其代表App新体验不错，使用者粘性很高。顾客留存率作为使用者粘性的一个主要就预测指标，定义为新增使用者定期回访App的比率。如果100个新增顾客，其中40个在一个月之内还会出访App，其顾客月留存率为40%。如果是B2C，其月留存率一定要高于20%，否则代表这个B2C经营方式不好，使用者粘性不够。风险投资大体上以月留存率20%来衡量B2CApp的营运情形。
如果低于30%则代表App会有潜在70%新顾客会在在一个月之内不再使用App，新顾客的流动率较高。金融App的月留存率低于10%则代表，过去一段时间网络营销公益活动中刷量明显或者羊毛党比例过高。
6 从统计数据上看出刷量的恶果
市场上各种App装机量覆盖率的排名，让很多民营企业有些浮躁，特别是如果领导看到了自家的App落后于行业对手，就会下达一个命令要求，提升App在行业内部的排名。一个App下载安装应该是一个使用者选
中国终端网络市场是非常特殊的市场，发展很快，但是鱼龙混杂。既有踏踏实动态做事的公司，也有投机取巧的公司。有一些终端网络的独角兽，在事业刚刚起步时，为了体现市场份额，获得更多的风险投资，会投入巨资刷App安装量，刷量成了一个获得使用者量的捷径。这种刷量的需求，养活了中国一个特殊的市场，保守估计中国终端网络刷量市场规模少于百亿，有的专业刷量公司，每个月的流水就少于几个亿。刷量公司也是大统计数据公司，利用自己的技术来挑战App store的反刷量规则和电视广告反作弊规则。有的刷公司养了上千万使用者账号，几百万手机卡，几万台设备，刷量技术也不断更新，形成了产业链，商业模式覆盖了羊毛党、地下App刷量黑产、终端网络电视广告刷量，网络诈骗等。
一般刷量到统计数据会停留两周或者时间更短，一旦刷量设备被重新刷新（为了新销售业务，必须刷新），刷量使用者的App统计数据会出现断崖式衰减，会带来很多统计数据挖掘的问题。正常的销售业务指标都会收到严重的影响，比如DAU，MAU，顾客留存等统计数据会受到严重影响，还不太好纠偏。刷量更为关键是饮鸠止渴，更是会严重影响统计数据挖掘和营运。市场上刷量价格不菲，一个App安装和下载数量的价格大概在3元－6元，如果刷个100万，则就要花费300万元以内，还不如用这些费用去网络营销顾客，利用网络营销公益活动来增加真实顾客。
7 商品经理最爱热点图和关键路径预测
热点图能看出哪些商品和哪些页面顾客喜爱和不喜爱，商品经理能依据热点图来预测使用者新体验和使用者兴趣。对于点击低于0.1%的按钮和页面，商品经理须要考虑下架或者更改设计方案。手机界面为九宫格的界面，一般的点击按钮统计点击量在3%以内，少于了3%的点击能认为是比较正常的统计数据，如果太高，比如少于了30%则意味着分流太明显，某个
关键路径的定义为使用者购买商品的主要就出访路径，如果顾客能从三个不同的路径购买商品，
8 无码埋点是什么东东
无码埋点已经起引起了很多争论，其只是一种SDK埋点技术，世界上不存在不须要埋点的统计数据采集预测技术。无码埋点最早推出来的是了2013 年，国外有家统计数据挖掘公司 Heap Analytics，将 App 的操作尽量多的采集下来，然后透过界面配置的方式对关键犯罪行为进行定义，这样便完成了所谓的“无埋点”统计数据采集。使用这种方案，必须在商品中嵌入 SDK框架，等于做了一个统一的埋点框架，所以“无埋点”的叫法实际上是“全埋点”的代名词。
国内的统计数据分析公司TalkingData在2015年7月推出了灵动预测也是一种无码埋点的解决方案。无码埋点分为两类，一个是定制的，须要销售业务人员利用手机摇一摇的方式对须要采集的页面进行埋点、采数。好的方面是采集销售业务预测须要的统计数据，对App和后台预测服务器压力不大；不好的方面是每次App更新都要进行配置，属于半自动化。另一类是全埋点，先在商品中嵌入 SDK框架，所有App的犯罪行为统计数据都被采集上来了。好的方面是以后App更新不须要再定制统计数据采集点了，采集了全量统计数据，能从多个维度进行统计数据挖掘，预测出来的图表比较酷。不好的方面，由于采集全量统计数据，对于App端可能会有一些影响，另外采集上来的统计数据量太大，为后台统计数据挖掘和处理带来了巨大的挑战。
App在安装量不大时（低于100万）能考虑全埋点统计数据采集，如果App装机量大于100万甚至1000万，这时不建议采用全埋点，其对后台统计数据处理有非常大的计算和存储的需求，并有可能会影响顾客新体验。如果私有化部署统计数据采集预测系统，也不建议采用全面点方案，因为后台服务器预测处理负担非常大，投入资金巨大。
9 从统计数据挖掘中发现商业的机会
犯罪行为统计数据挖掘主要就有两个目标，一个是利用统计数据挖掘为App营运提供统计数据支撑。包含商品营运、平台营运、使用者营运，也能利用统计数据来预测公益活动营运的效果和ROI。另外一个目标是从营运统计数据中发现商业机会。
民营企业在开展网络营销公益活动时，须要利用统计数据介绍顾客活耀规律，在顾客活耀高峰期投入普通的网络营销方案，在顾客活耀低谷阶段投入刺激比非常大的网络营销方案。这样能提升顾客的活耀度，增加买卖的可能性。民营企业能结合外部统计数据和犯罪行为统计数据进行统计数据网络营销，比如如果顾客喜欢手游，就能利用手游开展跨界网络营销来增加顾客活耀度，并带来新使用者。如果顾客喜欢看视频，购买蛋糕，打车；民营企业能利用这些优惠券来激励顾客完成买卖或则获客。
网银顾客中，会有一批顾客，申请了网银而不开卡，民营企业能依据统计数据挖掘寻找到激励顾客开卡的方法，激活沉睡的网络营销费用。比如能对观影人群采用赠送电影票的方式进行激励，对于旅游人群能采用优惠门票，对于打车人群能赠送打车券，对于餐饮人群能赠送餐饮优惠券等。
利用统计数据挖掘发现，券商的很多顾客在19:00之后还在使用App进行查询，很多人在复牌或者进行选股，这时候如果推荐一些投资咨询，其股票下单率会增加40％。另外在商业银行理财App相关买卖商品预测中发现，某两种理财商品买卖相关性高于70%，如果在这两个商品页面进行跨界引导网络营销，会增加两个商品15%的销量。统计数据挖掘发现一些2015年利益较高的顾客，在2016年收益仅有2015年的十分之一，针对这些顾客进行理财商品推荐，会获得超过4％以上的转换率，销售上亿的理财商品。
总之，统计数据挖掘特别是使用者犯罪行为统计数据挖掘将会帮助民营企业介绍顾客犯罪行为和兴趣偏好，结合外部统计数据和买卖统计数据将会为民营企业带来更多的商业机会。统计数据快速增长骇客的本质就是利用统计数据挖掘寻找到营运统计数据到机会，以统计数据为核心进行平台营运、商品营运、使用者营运，以及公益活动营运和监视。
备注：本文一些统计数据为行业经验统计数据，难免会有偏差，仅供参考。
转载请注明来自36大统计数据（36dsj.com)：36大数据» 时评 | 从统计数据挖掘到快速增长骇客
