编辑导语：大数据时代来临，数据分析已经成为我们工作中帮助进行判断的最便捷的一种方式。本篇文章作者给我们分享了关于如何用数据分析来驱动业务增长的思考，推荐感兴趣的朋友阅读。

“数据分析要助力增长！”是很多公司的要求。然而实际执行的时候，很多同学都犯了难。看起来每天的工作就是在计算数据，这还能咋增长？有些案例讲ABtest，可版本是产品出的，裂变活动是运营做的，我只是算了一个数据呀。

今天详细给大家解答一下，到底怎么做能实现增长。

一、增长的底层逻辑

问一个灵魂拷问：业务为什么会增长？想要增长，首先业务本身不能做得太烂，其次，业务得有足够的发展空间。

在这两个前提下，产生了四种增长的底层逻辑：

1. 不需要对现在做改变，只要单纯的增加投入，就能有更大产出
2. 需要对现在做改变，要把现在某个最弱的环节补齐
3. 需要对现在做改变，要把现在某个最强的做法铺开
4. 干脆不做现在的，找一个更有机会的新领域

一张图可总结如下：

那么，下一个问题就来了：在这个过程里，数据分析能做什么？

二、数据助力的底层逻辑

问第二个灵魂拷问：没有数据，业务真的就不能做吗？当然不是，没有数据业务照做。你看历史上都是这么做过来的，历史上打仗都是“敌兵无数，杀敌无算”，历史上做饭都是“少许、适量、些许、片刻”，没有数据是完全可以做业务的——只是不知道做得咋样而已。

紧接着就是第三个灵魂拷问：

1. 你更喜欢“敌兵无数”还是“敌兵500人”
2. 你更喜欢做饭“放少许盐”还是“5克盐（盐罐配勺的一勺盐）”
3. 你更喜欢办事情“你再稍等片刻”还是“等15分钟就好”

每个人都更喜欢精确的判断，清晰的结果，喜欢可视化的过程。而这些都是数据发挥的作用。

所以，想做好数据助力，从一开始就得清晰思路，不是指望数据分析师提出一个超厉害的活动策划案，超牛X的产品原型图，而是用数据精确判断、可视化过程、检验结果。最好以产品化形式输出。这样给所有作战部队配地图、配雷达、配无人机，从而提升整体作战能力。

三、追加投入的分析

有同学开始犯嘀咕了：追加投入，这个业务也会要钱呀，给我50万我做200万，给我100万我做400万嘛。这个还需要分析？

这个真需要分析。因为投入本身涉及好几个类型（如下图），每个类型的投入都能增加产出。

而销售是一个牵一发动全身的动作，投入方向不对，很容易遭遇瓶颈。常见的，比如：

1. 过度投销售，产量不足，导致断货
2. 过度投销售，产量大涨，导致差评/退货/投诉
3. 过度投营销，结果没有直接带来产出，浪费资金
4. 过度投营销，交叉补贴严重，产出不足，浪费严重
5. 过度投营销，结果销售渠道出现瓶颈，没有产出
6. 过度投供应，结果销售端不给力，产品积压严重
7. 销售、营销、供应一起投，结果费用爆炸，资金链断裂

所以，即使一个简单的：追加投入。都得综合考虑多个因素：

1. 目标市场潜力
2. 销售端投入产出比
3. 营销活动的增量效果
4. 供应链扩张能力

这里每一步计算，都需要若干小分析点支持。比如目标市场潜力，要考虑目标用户基数、目标用户购买力、竞品渗透情况、本品牌已覆盖用户比例，这里需要行业分析的手段支持。而营销活动增量效果，又得考虑非活动下产出水平，活动叠加效果，活动对未来需求挤兑效果，活动带来薅羊毛效应（如下图）。

因此，大量的分析工作是必不可少，可不是”给我50，我做100”这种简单拍脑袋。

四、标杆分析/问题分析

从现有业务中找出标杆/找问题，这套方法是很多同学熟悉的。

1. 如果只看收入指标，就用分层分析法，分出高中低
2. 如果结合收入、成本指标，则做矩阵分析法，筛出表现双优的个体
3. 之后，再用漏斗分析法，找出业务流程里表现最差的环节

问题是：区分出好坏以后，又该怎么操作？

对于标杆而言，要解决的核心问题是：标杆是否真的可以复制。

1. 如果标杆可复制，就把经验推广过去
2. 如果标杆仅在特定市场环境下才能成功，那就看这个环境哪里还有
3. 如果标杆是特定的人/商品/渠道才能成功，就直接去找同类型的人/商品/渠道

想判断可复制性，首先得对标杆做生命周期分析+特征分析。

站在生命周期角度：

1. 是否标杆初创期有特殊环境
2. 是否标杆发展期有特殊加持
3. 标杆发展是否稳定，还是昙花一现

站在特征角度：是否只有特殊位置/特殊类型商品/特殊生理特征的人，才能够成功。这些情报的收集工作是非常重要的。需要回顾历史数据，收集市场信息，收集历史业务动作。对门店/商品/人打标签，才能做到充分的分析。

问题分析，在找到问题点以后，重要要解决的是：问题是否可被克服。短期内，很有可能许多问题无法改进。因此，是否有问题改进计划，具体改进了哪一点，改进以后效果如何？要做详细的数据记录，这样在多轮次对比中，才能解答：问题是否可被改善。如果能改善，就突破瓶颈，如果不能，得考虑绕开。

五、发现新机会的分析

什么是新机会点？

1. 某个渠道虽然流量少，但转化率比其他都高
2. 某类客户虽然人数少，但付费能力比其他都强
3. 某个新区域/新品类虽然刚开始做，但增速比其他都快

这些都是潜在的机会点。想找出来并不困难，分层分析+同期群分析就能看出来。

问题的难点是：找出来以后，又怎样？新机会点真的有可能做大吗？现有手段真的管用吗？做大以后是不是利益就被摊平了？统统不知道。所以还是需要更多深入分析。

这里，业务已有策略和没有策略，有两种做法。如果已有策略，则直接监控效果，观察是否越做越大，是否有边际效益递减即可。如果没有策略，则得结合历史情况，做充分的机会洞察。以发现某个用户群有机会为例，得看：

1. 现有的渠道，能获取多少该群用户
2. 哪些渠道该群用户浓度较高
3. 高浓度渠道是否特殊，是否还有可做空间
4. 现有的活动，该群响应率是否足够高
5. 现有的商品，该群用户首购/复购率哪个高

有足够的潜力基数+高响应的商品/活动，才能支撑起“机会点”，如果没有，只能交业务考虑，是否安排测试方案，从测试效果做起。

六、小结

综上可见，真的想驱动业绩提升，需要数据分析围绕“增长”这件事，鞍前马后做大量辅助工作，结合行业数据，历史数据，当前表现，测试结果，真正解读出增长的关键，积累经验/教训，才能实现。

而很多公司里，所谓数据分析，就是简单地计算个渠道ROI，用城市/门店和销售额做个交叉，看一下谁高谁低，那肯定没啥用。

作者：接地气的陈老师

来源：微信公众号：接地气学堂

本文由@接地气的陈老师 原创发布于运营派。未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议。