用户增长依赖于数据分析来对抗未知性，弹性组织能为企业的数据系统和模型提供可能，这也是增长的价值。最重要的就是建设一个企业级的敏捷的组织体系，进行MVP小量快跑来保障增长落地。

当组织体系足够敏捷时，便形成了企业级敏捷。就像下图的各个小团队融合在一起一样，团队间的弹性、适应性会变得更强，小步快跑的增长实验也拥有了更多的空间。更多的组织合作，进行数据快速迭代和可视化，成为数据分析的一个重要组成部分，能够帮助团队更直观地理解数据，从而做出更准确的增长决策。

下图是一个敏捷企业进行数据引导运营和增长的思维链条：

数据飞轮是通过持续积累数据、不断优化分析，让数据流动起来，驱动业务以更高效、智能的方式运行。通过组织中各部门的数据收集，问题发现形成基础数据组——可视化层将数据清洗和分析解读，结合关键指标，形成可视化看板——增长实验AB测试寻找最新增长机会——反馈给各部门整理，形成新数据，从而进行新一轮的数据循环和数据飞轮效应；

一、增长实验分析洞察流量——大转盘抽奖活动的用户旅程

为了更好促活用户，我们常常会做一些小游戏和奖品来吸引用户，提升用户参与并打开网站或者APP，其中大转盘抽奖，是最简单且用户参与度较高的流量猎手活动，也是做市场营销和促活常用的手段，例如“小狐狸乐园幸运屋”的大转盘抽奖活动。

这些活动的参与人数比较多，我们投钱给用户送各种奖品，用户也比较喜欢这种活动形式。

1. 我们梳理出用户旅程地图的全部路径和步骤

从主页弹窗、首页VIP版面等活动入口进入大转盘活动主页，其中前七个为促进活动付费入口，最后一个为消耗权益入口。用户点击活动主页按钮再进行一系列的操作，最后可能会进入我们的付费转化流程。

2. 梳理完用户旅程地图后，我们开始对所有指标进行拆解和分析

通过历史数据进行漏斗分析对比，我们发现本次大转盘活动的数据下降了，活动参与率和付费转化率都有大幅度下滑。但是我们并不知道下滑的原因是什么，于是，我们开始对用户行为进行分析。

3. 用户行为分析就是研究用户在页面上的点击分布

通过数据分析我们发现，登录按钮的点击率较高，通过同期活动点击热力图对比来看，这次大转盘活动中的登录按钮有15%的点击率。很有可能是用户进入活动页之后还需登录，登录失败了很多人就流失了。

4. 用户行为分析是分析用户参与活动的心理时间成本

结合用户的行为判断有点击用户和无点击用户是否有特征差异。通过数据分析，我们得到洞察：

1) 抓住用户进入活动后20秒黄金时间点，增加有效的互动交互环节能有效提升用户的活动参与度。

2) 在40秒内能够让用户有效地开启活动环节。

3) 在2分钟内能让用户完成一次活动或游戏的互动。

这也是一个很重要的模型参数，我们称为“魔法数字”，是用户参与活动的心理时间成本，把这个参数抽出来，未来也可以复用。

基于全量精细化的人群，可以洞察所有对活动感兴趣的人群所具备的特征。例如，他们的时段特征、家庭画像特征、行为特征等，而这些将来会是我们举办活动之后沉淀下来的经验。这些经验可以指导我们二次改进产品和运营。

5. 用户行为分析是抓住目标群体高付费意愿时段

首先定位目标群体，其次解析用户需求，最后设计一个基于数据决策非常科学有效的活动方式，撬动用户意愿。这三点汇总起来就形成了我们的改进方案：一是优化登录流程；二是优化活动节奏的流程，减少多余环节。

在购买消费时间节点来看，整体黄金时间17:00开始购物转化率持续高涨，在19:00-22:00达到顶峰

1）付费和非付费用户的黄金消费时间均为19:00-20:00，其中付费用户在此时间段的付费意愿更强——建议这个时间段，正对付费用户的优惠折扣和促销增强，一方面提升付费用户的购物转化；另一方面是吸引非付费用户向付费用户转移。

2）上午8:00-12:00时间，非付费用户购物意愿更强

——这段时间应抓住对非付费用户的营销意愿，退出非付费用户的营销和促活套餐，提升购物转化

6. 改进前后，用户付费转化率和人均购买次数趋势

这两个改进方案优化的效果非常好，大幅提升了流量的转化和复购，同时也大幅促进了业务的增长。箭头指的地方就是我们发现问题后修复的时间点。可以很直观地看到修复后，整体的活动参与人数就很快上升了。

与此同时，通过调整活动中每个环节的节奏，把控用户的时间心理成本，针对高付费人群和时段加强推送频次，提升曝光，我们发现付费转化率和人均购买次数也有了大幅度的提升。

二、归纳总结

由于这只是一次简单的小活动，所以遇到峰值后会逐渐下降。如果我们同时开展很多长期性活动，会发现未来的波峰将会持续保存。如果再加上自动化推荐，由机器给合适的用户推荐活动，那未来活动效果的持续性一定是优于人工运营效果的。

最后分享做数据驱动和增长的心得：

■ 第一点，流量。

经过一些实践，我们更加懂得了流量思维和超级用户思维的差异，更注重超级用户的运营，让用户能更长久地留下来。

■ 第二点，转化。

转化一定是有一套科学体系的，而且当转化复杂的时候快速做决策会形成彼此之间的干扰，所以我们要分层分析转化。在不同的节点做转化分析，研究这些节点之间是否有关联并通过指标来验证。

■ 第三点，数据沉淀。

每个企业都要有自己的数据银行，数据银行的最终价值在于存下一份“活”数据，能够协助我们沉淀经验，指导下一次的投放、运营和产品设计。

增长是一种思维方式，会为一些传统的思维方式带来新的改变，这也要结合每个产业、每个产品自身的特点实现落地。流量精细化运营，策划驱动转化，数据沉淀是发挥增长长效机制的基础。数据模型化、智能化是未来增长的核心驱动力。如今大数据技术、AI技术已经逐渐进入应用阶段，模型化和智能化会是未来驱动增长的核心竞争力。