时而踌躇满志，时而坐吃等死，这就是我现在的状态。 --本大帅1652
这是个买不起流量的时代！36 氪《买不起的流量，创业者每一天都是生死存亡》刷爆了互联网圈子，一句“每 10 个人下载我们的 APP，就有近 300 元人民币被白白浪费掉”让我们知道了精细化运营对于现在的 APP 开发者来说是多么重要！“浪费”正在 发生，减少浪费从学会数据分析开始。
为什么要做数据分析？能有效避免拍脑袋做事情，用客观数据分析出来的结果堵住主观臆想的黑洞；能够为决策提供有说服力的支撑，通过数据分析，还可以看到决策之后的效果和问题以及为下次决策提供方向。
那么怎么做数据分析就是一个大问题。
第一步：确认数据分析的对象
产品名称
产品愿景
分析范畴：产品迭代、产品优化、产品分析/验证
背景概述
第二步：制定数据分析指标
1.商业模式/盈利方式分析
免费增值模式，先做成流量的入口，后期分享流量红利扩大转化率。
免费增值指的是这样一种商业模式：通过向用户提供免费内容或者补贴价格，来实现两个目的：（1）向用户销售另一种利润更高的产品；（2）向第三方（比如广告商）销售用户数据
2.了解产品现状/定量分析
2.1 用户分析
用户规模
用户质量
2.2 应用分析
启动次数
版本分布
使用情况
设备终端和错误分析
2.3 行业分析
数据分析的作用：
1. 描述性分析，故名思义，主要是对已经发生的事实用数据做出准确的描
述。比如某企业订单履约率从上月的 98%下降到了 95%，属于偏基础类的
工作；
2. 诊断性分析，在知道了发生什么之后，更重要的是，我们要明白为什么发
生。比如经过分析，发现订单履约率下降的原因是成品生产不出来，无法
完成交付；
3. 预测性分析，基于上述两个层次的分析，我们发现了其中的规律，即原材
料供应商的送货及时率会影响成品订单的履约率。假如上月某原材料供应
商 A 送货及时率只有 70%，通过建模，我们可以预测本月该供应商会使我
们的订单履约率下降 2%；
4. 处方性分析，有了预测性分析的结果后，我们无需再做事后诸葛亮，而可
以运筹帷幄，在事前就采取措施。上例中，供应商 A 会导致本月我们的订
单履约率下降，我们可能采取的措施就是把 A 换掉，但是现在有 B 和 C 两
个供应商供我们选择，该选择哪个呢？通过分析和计算得出：选用供应商
B 会比选 C 的订单履约率高 1%，因此建议选择供应商 B。
