上图是基于内容点击的热图，如数据分析产品 GrwoingIO 热图，记录用户在网页内容上的点击，自动过滤掉页面空白处（没有内容和链接）的点击。基于内容点击的热图，追踪内容变化而变化，记录相对时间内用户对内容的点击偏好。

　　从热图中，我们会很容易看到哪些位置流量高，用户的注意力高等等。

五、数据驱动的分析流程

　　很多明星公司都在数据驱动中发明了很棒的技巧，但是任何技巧都有自己的生命周期。往往当你发现一种技巧的时候，它已经沦为行业标配了，而且也不一定和你的业务相匹配。所以与其依赖技巧，不如依赖流程，这样团队才可以像机器一样高效运作。

　　在数据分析中，最重要的一点，就是要建立数据驱动的流程。完善的流程可以帮助你快速定位问题、解决问题。从设立增长指标开始，找到小的聚焦领域，分析数据、提出假设、排优先级、开展实验、分析优化，不断循环，直到找到问题所在，并且推动你的指标有一定改善。

　　1、明确目标；

　　2、根据目标去分析目前的情况以及存在的问题；

　　3、提出可能解决目前问题或者实现目标的想法；

　　4、排列一个想法测试的优先级；

　　5、开始测试，通过试验来验证或者推翻我们的想法。

　　然后开始新一轮的分析、假设、排优、测试，在不断优化中实现增长。

六、案例分析

　　下面通过一个实际的案例，来分析在实际业务中，「如何搭建一套正确、高效的数据驱动运营体系」。

　　我们在内容运营中，做了内容专题落地页，希望能够追踪落地页的效果，并且优化页面。

　　左边是落地页的全貌，包含落地页必备的三大部分：英雄出击（Hero Shot），用户益处（Benfits） 和用户号召（Call to Action）；右边是落地页首屏。

（一）数据规划

　　整个内容落地页，最终是希望更多的用户完成下载行为，所以「电子书下载量」是我们的 OMTM，通过对这个指标进行拆解，我们得到了下面这个公式，

　　下载量 = 访问用户量 * CTR * 注册转化率

　　落地页的两种类型：点击落地页和线索产生落地页。这个落地页属于点击落地页，它是起流量分发的目的，为线索产生落地页提供流量。

　　结合我们做内容专题的目的，【下载电子书】点击率，也就是公式中的 CTR

（二）数据采集

　　通过无埋点的圈选采集数据，根据指标建立整个落地页的看板。

（三）数据分析

　　数据分析分为定量分析和定性分析

1.定量分析

　　定量分析在增长中很重要，起指导方向的作用。它会告诉你什么地方有机会增长，什么地方可以做测试。其次是衡量结果，帮助你调整方向。

　　比如我们用热图工具查看整个落地页的点击情况，可以得出数据：

　　a.落地页跳出率 0.36

　　b.【下载电子书】点击率 0.48

　　我们做增长很多时候是想影响和改变用户行为，但要记住一点，一个用户永远是一个人，不只是一个数据。有时候需要通过一些数据观察结果，但有时候定性分析也非常重要。

2.定性分析

　　我们基于定性分析，通过访谈、使用调研，可以得出几个结论：

　　a.页面主色调太淡，不够鲜艳，文字和背景对比不突出；

　　b.文字信息排版太稀疏，一个页面看完需要多次下拉。

3.提出假设

　　基于以上的定性分析和定量分析，我们提出以下假设：

　　a.更换落地页背景色，有助于降低跳出率；

　　b.增加更多的【下载电子书】按钮，有助于提升点击率；

　　c.将电子书图片添加链接，有助于提升转化率；

　　d.减少页面空白，增加信息密度，有助于提升转化率。

4.排优先级

　　如何评估我们的想法是否可行？以及哪个想法应该优先测试？

　　增长黑客之父 Sean Ellis 总结了一套评估方法–––ICE，分别从 Impact （影响力)、Confidence（自信心）、Ease （难易度）三个角度去打分。

　　首先是影响力（Impact），这个想法对我们业务增长的作用有多大；如果影响力非常大的话我打10分，如果影响力微弱的话打2-3分。

　　其次是自信心（Confidence），是否确定这个想法能够有效。同样是从1-10打分，10分表明你有足够自信说明这个想法是有效的。

　　最后是实施的难易程度（Ease）。

　　综合以上三个角度，我们可以排出比较合理的优先级。于是我们把「将落地页背景颜色换成主页色调」和「新增2个【下载电子书】的banner」这两条作为高优先级，开始实验。

5.开始实验

　　1）实验1- 落地页更换背景色

改版后的数据情况验证了我们的想法，跳出率从 0.36 降低到 0.12，「下载电子书」转化率从 0.48 提升到 0.61。

转载请注明出处。