資料分析對於運營來說是一個資料抽象的過程。現實情況是連續的、複雜的、互相影響的，而資料抽象的過程，就是將這些複雜多變的現實情況簡化為數字量，搭建資料模型，計算相關因子，推斷事件歸因，並推進自身改進優化。

由於現實的複雜性，我們作為產品、運營或者資料分析師，在實際問題處理時，就需要做歸因分析，需要遮蔽其他因子的干擾，因此我們常常使用使用者分群。

分群后，我們的使用者群可能簡化為：

在每一個分群下，我們可以簡化地對比某個因素對關鍵路徑或者關鍵指標的影響因素。分群是手段，是工具，簡單來說，分群分析就是通過聚類的方式，把相似的人群合併，考察同一事件或同一指標在不同人群上的表現，以推斷並定位對該事件/指標有明顯影響的因子。

騰訊移動分析MTA在產品負責人鄭燦雙Johnnyzheng和顧孫炬raygu推動下，將使用者精細分群與使用者畫像結合起來，助力精益化運營的深度與精度。

那麼，使用者分群與使用者畫像如何結合使用？接下來，我們舉個App案例進行說明：

某電商App，現在面臨的問題是使用者成交量較低，與投放推廣的成本相比，ROI較低。

這個問題，我們應該如何分析？

首先，我們想看看成交的這部分使用者與大盤使用者之間有什麼區別。我們在使用者中選出成交的使用者，建立使用者群對比大盤使用者。

這裡，我們需要使用MTA自定義事件。設定“付款成功”為一個自定義事件，然後使用MTA中的使用者分群功能，將自定義事件中滿足“付款成功”的使用者群篩選出來，命名為“成交使用者”；我們還可以設定一個叫做“高價值使用者”的使用者群，將“付款成功”且付款金額>=100的使用者篩選出來。

*此處定義高價值使用者為成交單價>100元的使用者

1、使用者分群分析

得到了三個使用者群之後，我們使用資料分析工具，比如騰訊移動分析MTA，對比這三個使用者群特點間的區別。以下為三個使用者群特徵的對比：

從圖中我們可以發現，大盤使用者中男性較多，但實際成單與高價值使用者中，都是女性偏多，且此部分使用者對購物類App、金融類App的興趣要明顯高於大盤使用者，表現出了較強的消費能力。

現在我們的問題是投放回報率較低，ROI不符合預期。

那麼，我們可以初步判斷，可以優化的有以下兩個方向：

1、 使用者引流渠道可能有問題，需要調整渠道引流策略，包括渠道選擇、人群針對性優化等，引入與消費行為匹配的新使用者群，提高銷售量；

2、 商品定位的調整：現有產品對男性的吸引力不足，導致大量大盤使用者並沒促成成單，這也是導致ROI較低的另一方面原因，可能需要調整的包括商品品類、商品推薦等；

其中，第一種優化方式的見效週期較短，而第二種調整方式相對影響層面較大、週期較長。我們優先實踐第一種優化方式，以調整渠道引入流量為主，優化引入人群的匹配程度，實現提高ROI的目標。後續還需要斟酌是否需要優化產品定位，比如打造針對男性的亮點頻道，進行產品改善迭代。

2、渠道優化策略

那麼，渠道應該如何做改善？我們先對單週渠道引入量的資料，進行初步評估。

成交率數值應用的是漏斗模型的渠道篩選功能 此處渠道只列了5支較典型的渠道樣本資料，實際渠道分佈更多

從圖表上看，我們當前主要的流量渠道是渠道D與渠道E，而且渠道D的留存率很高，可以認為是我們的優質渠道。

但從成交上看，我們認為渠道A其實有很大的潛力，雖然現在的引入量較小，但與成交人群重合度較高，考慮到A渠道的獲客成本低於渠道D，加大投放之後很可能會有一個不錯的收益，能夠實現我們提高ROI的目標。

3、渠道人群畫像驗證

我們對渠道人群A進行畫像分析，女性比例高達62.36%，其使用者群對購物類App的興趣也高於大盤使用者，與我們高價值人群特徵匹配度較高。

現在渠道A給我們帶來的流量還比較小，但由於其渠道收益上ROI比例較高，且其群體畫像與我們高價值使用者的畫像吻合度高，表現出了很高的投放潛力。

我們的改善方法是：調整渠道投放的比例，減少渠道B、渠道C的投放，增強渠道A的投放，以周為單位，迭代優化渠道投放效果，並監測ROI的變動。

4、渠道投放優化效果

在投放一週後，對新增使用者有了增長，我們臨時決議再次加大渠道A的投放比例。這裡是一個月的時間週期內，我們的新增使用者數在渠道上的分佈有了顯著變化。

優化投放渠道前後，購買轉化漏斗轉化率的改變：

由於渠道A的平均客單價約是渠道D的1/2~1/3，我們的投入產出比例得到了優化。這主要依賴於通過資料分析找到了優質低價的渠道，降低了獲客成本。

那麼這個轉化漏斗中，是否還有其他優化的空間？我們還能做什麼改善？請關注我們下週的案例分享《資料運營實戰（二）》。

關於我們：

騰訊大資料平臺關注大資料平臺構建、資料探勘、資料應用等。資訊共享，促進行業交流。通過多年產品建設，騰訊大資料已成功為開發者提供騰訊移動分析（MTA）、騰訊移動推送（信鴿）、騰訊推薦等資料產品，同時與騰訊雲合作，推出大資料處理套件（數智），對外提供了可靠、安全、易用的大資料處理能力。