与否看完许多统计数据挖掘的文章讲义，但依然难以做到统计数据驱动力插值？与否拿着各式各样五颜六色的折线图，却难以用起来？这首诗务求从最容易认知的认识论侧发力，一起探求统计数据和埋点的其本质、积极探索统计数据该怎样辅导现实生活、剖析数据快速增长的认识论和认识论链，微微认知期望对何如有用！

一、对统计数据和埋点的认知

从前，小城里展枝了一家主题乐园，主题乐园里有各式各样的嬉水设施，滑梯、Bleymard、大阿芒塔、主题咖啡店。他们非常喜欢，刚开张不久就斩获了很多游人的追捧。

运营了一两年之后，主题乐园为的是让游人的游览新体验更好，决定对主题乐园展开整修家装，这一修没关系，问题来了：

滑梯的值班人员说：滑梯须要整修，他们都更喜欢滑梯。但大阿芒塔的值班人员说：大摆锤须要整修，他们都更喜欢大阿芒塔，两边吵的不亦乐乎。

这个时候，有两个值班人员说：不如这样吧，他们把主题乐园的道路铺有一层番茄酱，游人们走在番茄酱上能留下荆棘，接着他们就能从对荆棘数量来看哪个项目更加吸引游人。他们分道扬镳，好，就这么干！接着经过课堂教学，他们发现，在滑梯门口的荆棘确实比大阿芒塔的荆棘多，所以这次整修，为的是更大范围的提供更多价值，就选择了对滑梯展开整修。

后来，人们把这个主题乐园叫作“商品”，把值班人员叫作“商品经理”，把铺番茄酱叫作“埋点”，把荆棘叫作“埋点统计数据”

每每有两个使用者在商品中做了一件什么事或者到了两个什么地方，他们就通过后端置入的代码往伺服器呈报两条统计数据，将一两年内的统计数据展开统计计算，他们就能得到两条完整的重要信息：一两年布季谢多少使用者做了什么事。接着将各式各样重要信息展开关联，就能预测出想要的结论，这就是埋点和统计数据最其本质的基本概念了。

对于埋点来说，他们一般会借助伺服器端商品的力量来协助他们获得埋点统计数据，比如友盟、growingIO、WE预测等，这些伺服器端平台拥有丰富的APIUSB能供他们使用，提供更多各式各样类型的埋点统计统计数据。

如果须要自有埋点，有两个重要埋点基本概念能了解一下。

a. 页面埋点：

b. 事件埋点：事件埋点用于记录页面中某一次点击、某一次曝光等具体操作事件，页面埋点能附加一些别的属性，比如能记录“发布”的次数，同时我的属性能是“带图发布次数”或“不带图发布次数”，事件和属性灵活可变（让开发同学认知清楚就好）

认知了统计数据和埋点是什么之后，他们从商品的角度出发进行思考：统计数据对商品插值有哪些辅导意义？统计数据该怎样辅导现实生活？（对着干巴巴的统计数据一通预测，各式各样图表天花乱坠，却不去跟现实生活意义做对照，统计数据挖掘根本就是无本之木无源之水啊喂…）

二、统计数据对商品的辅导意义以及怎样课堂教学他们

他们使用统计数据的意义其实就是“快速增长”，获得更多新使用者也好，让使用者给出更多付费和转化也好，某种程度上来说这些都是“快速增长”，有快速增长就意味着有发展。

《快速增长黑客》是一本关于快速增长的书，它详细阐述了一套用于商品快速增长的课堂教学认识论。核心认识论是：首先确保你的商品拥有核心价值点，并且通过预测统计数据来找到它到底是什么。找到核心价值点后确保你的新使用者能够以更短的流程和时间来触达它，以此创造更多有效的留存。然而留存是快速增长的核心，有了留存，配合营销手段，快速增长就是较为容易的事了。许多商品难以获得快速增长是因为不了解使用者也不了解自己的商品，不知道使用者喜欢你是因为什么，也不知道使用者无视你是因为什么。

怎样确保你的商品是拥有核心价值点的？答：当你的商品有了一波很坚定的使用者时。他们一定是被你商品的某种特性或功能吸引才得以留存，他们要做的是找到那个核心价值点，并且尽可能把它呈现到别的使用者那里去。

那怎样通过统计数据找到核心价值点呢？首先对你商品内的使用者展开预测，将他们分分类，高粘性使用者分一拨、低粘性使用者分一拨，接着仔细观察他们在商品中的路径有什么比较明显的差异点，比如说：从对，发现高粘性使用者经常使用A功能，而低粘性使用者很少或者基本不使用A功能，那很可能（强调可能，而不是一定）就是因为A功能是商品的核心价值，使用了A功能的使用者都新体验到了你商品的“啊哈时刻”，从而愿意留在商品中，而低粘性使用者很可能压根儿就没发现藏在角落里的价值，所以他压根就对你的商品不感冒。

更多使用A功能，就更容易变成活跃使用者”这条结论吗？不能。他们之间可能没有因果关系，只是有相关关系。就好像他们发现冰激凌的销量和沙滩拖鞋的销量是相关关系，但他们并不能通过提高冰激凌的销量来带动沙滩拖鞋的销量，因为真正影响两者销量的因素可能是夏天来了。

向你的后端小伙伴拉一波使用者统计数据吧，看看那些活跃的使用者有什么特点。接着根据你预测的结果展开商品插值。

同时请你去实际问问你目前的活跃使用者吧，看看他们是怎样被你的商品吸引的，他们都在里面干什么？

那么怎么才能知道新使用者进到你的商品里，在邂逅啊哈时刻之前，他是被拦在了哪一步呢？是哪颗石头把他绊倒了？这里就要聊到大名鼎鼎的“漏斗”的基本概念，它用于描述两个新使用者（老使用者谈漏斗没有意义）从两个页面进入到另两个目标页面的通过率。对于新使用者而言，在他到达啊哈时刻的路途中，肯定会经过许多的页面，更多的使用者是在哪步流走的，哪两个页面就是他们要去优化的。

当你找到了两个通过率很低的漏斗时，你要去分（xia）析（cai）是什么原因造成的，接着根据你的猜测去展开实验，改对了，统计数据变好，没改对，继续分（xia）析（cai）

许多内容会提到“北极星指标”这个基本概念，它指的是最能反应商品生命力的那个指标。我喜欢把这个指标叫作“脉搏指标”因为脉搏最能反应人的生命状态，你可能会发烧，但不至于致命，但如果你没有了脉搏，那就什么都没有了。

在展开实践时，能将使用者经历过核心价值之后产生的那个指标作为北极星指标，比如你预测出能够发布两条个性化的动态的使用者是核心价值，那么商品的核心价值很可能就是发布个性化动态，那么你就将“使用者个性动态发布量”作为产品的北极星指标，北极星指标常亮，那么商品就能活得很好，因为你的使用者一直在享受商品的核心价值。

与此同时还会有一些指标须要你去监控，比如你的体温、你的视力、肺活量等，这些指标组合在一起，共同反映出你这个人的健康水平。那么商品中你也能自己建立一套指标体系，监控商品状态，例如某两个页面的曝光量或者某两个跳转的转化率等。只要真实准确地反应重要现实生活意义的指标，都能作为你监控台上的两个指标（这个寻找过程可能很困难，十分考验商品对现实生活和统计数据模型的认知深度）

学习还在继续，进步永不停止，这次文章简单介绍商品统计数据挖掘的一般认识论和基本概念，更为详细的内容他们前方见！

责任编辑由 @Σ(๑佛朗西西抠 原创发布于人人都是商品经理。未经许可，禁止转载

题图来自 Unsplash，基于CC0协议