0 前言

突然发现，之前所学习的内容的核心都在于如何将数据可视化，这一点是重要的，不过分析数据的进程可以往前进一进，往分析走一走，一直听说AARRRR模型，A/B测试啥的，这一篇博客就是围绕业务分析思维的，宝贝们，可以用于面试滴~希望对你有帮助！

这篇博客主要是通过一个案例，学习 OSM 框架 + AARRR 模型进行异动分析并归因定位，找到异动原因。

预告一下，下一篇博客会详细介绍在搭建指标体系、找到原因后，如何进行实验确认原因是正确的，并提出相应的解决措施。

接下来博客会进行详细的介绍。

1 作用

首先，我们需要明确一下数据分析师的职责。

数据分析师的核心：

1. 用数据讲故事
2. 用逻辑做决策
3. 帮业务找到“为什么”和“怎么办”

我真心觉得数据分析师好牛，把一堆看似毫无价值的数字，进行清晰、筛选、可视化，就能从中挖取价值，一种变废为宝的感觉。

2 案例

通过具体的一个案例来学习相关业务——"快购"业务。这项业务出现了一些问题：用户注册量增长停滞并且新用户次日留存率突然下降10%，于是提出了我们的业务目标：提升新用户规模和质量。

新用户规模可以理解为用户越多越好，质量很好理解，就是希望用户留存率高，留存下来的用户。

1. 问题：
   · 注册量增长停滞；
   · 新用户次日留存率突然下降10%。
2. 业务目标：
   提升新用户规模和质量（增长&留存）

新用户次日留存率=次日仍活跃的首日新增用户数 ÷ 首日新增用户数×100%

举个例子：
4月21日，新增了 100 个新用户
4月22日，有 15 个人又打开/使用了产品
那么，新用户次日留存率 = 15÷100×100% = 15%

在使用任何数据之前，都需要保证数据是正确的，即数据验证，另一方面，每一项概念的定义需要保持一致，不能业务部是这个意思、运营部是那个意思，拥有标准的统一规范。

因此，需要统一统计口径，标准化概念。

关键点说明：

1. 统计口径必须统一
   · 只算当天首次注册/首次启动的用户
   · 老用户回流不算新用户
2. “次日”怎么算
   一般指：
   ·首日：T 日
   次日：T+1 日（自然日/24消失，看产品规则）
3. “活跃”怎么定义
   不同产品不一样，常见：
   ·打开APP/进入小程序
   ·完成登录
   · 完成某个关键行为（下单、发帖、看视频等）

3 指标体系

指标体系搭建是数据分析师工作过程中比较常见的场景，也是面试的“必考题”！

指标体系的作用：

1. 衡量健康度：用关键指标来判断现在的运行环境是否健康，使得健康程度得以量化。
2. 定位问题：指标异常变化能够让我们定位问题出在哪个环节。
3. 评估效果
4. 统一语言：A 从 B 角度说可以，B 从 C 角度说不行，因此需要统一的语言来定性。

核心思想，找到与目标最紧密相关的几项指标，找到数据的异常变动，顺着数据发掘出现变动的原因，进行异动分析，归因定位，接着根据原因，提出相应的解决措施。

4 如何搭建指标体系？

前文，了解到指标体系是基石，是非常关键的分析环节的参考数据，那么，如何搭建合理高效的指标体系，需要用到 OSM 框架 + AARRR 模型搭建指标体系。OSM 框架是指标体系的“骨架”，AARRR 模型是“血肉”，两者结合起来构成整体的指标体系。

4.1 OSM 框架

· OSM用来搭建框架

• Objective 目标：最终想达成的目标。
• Strategy 策略：为了达到目标，从哪些方面努力，这就需要拆解用户旅程了，AARRR 模型来解决这个问题。
• Measurement 度量：针对每个策略，用什么具体指标来衡量效果，进行量化分析。

连接"快购"案例分析：
O：提升新用户规模和质量；
S：使用 AARRR 模型分析；
M：具体指标。

4.2 AARRR 模型

此模型又称为海盗模型，对用户旅程进行拆解。她把用户从接触到成为忠实用户的过程，分成了 5 个关键阶段，使用此模型拆解"快购"新用户的旅程，并找到每个阶段的“度量指标”。

那是不是每个阶段我都一定要有度量指标呢？后文会有解答，往后面看哟？

这 5 个关键阶段分别是：获取、激活、留存、变现和推荐。

• Acquisition 获取：怎么让更多人知道"快购"并注册？
• Activation 激活：注册了，怎么让用户快速体验到"快购"的核心价值观？如何让用户使用“快购”？
• Retention 留存：怎么让用户第二天、第七天、第三十天还愿意回来？比如我购物经常用淘宝。
• Revenue 变现：怎么让用户开始花钱？
• Referral 推荐：怎么让新用户愿意分享"快购"给朋友？

OSM目标 -> AARRR策略拆解 -> 具体指标度量

通过此链条模式，搭建完整指标体系。

Acquisition 获取

策略：如何让更多人知道“快购”并注册？
具体措施：

1. 投广告（抖音、B 站、应用商店的开屏广告）
2. 做裂变活动（邀请有礼）
3. 优化注册流程

通过什么数据来判断有更多用户注册“快购”了呢？这时候就需要度量指标了。

度量指标：
· 新用户注册数：核心！衡量规模
· 各渠道注册转化率：点击广告的人里，有多少成功注册了？衡量渠道效率
· 获客成本 CAC：拉一个新用户花了多少钱？衡量投入产出比。面试加分点！

连接“快购”：
注册量增长停滞？先看这几个度量指标，是哪个渠道不行了？还是注册流程太复杂导致转化率低？

CAC = 某段时间内的总获客花费 ÷ 同期通过这些花费带来的新客户数

Activation 激活

策略：注册后，怎么让用户快速体验到“快购”的核心价值？
具体措施：

1. 新手引导
2. 首单大额优惠券
3. 个性化推荐
4. 热门商品展示

度量指标：

1. 新用户注册后首日核心行为完成率：超级重要！！！比如：
   · 浏览商品 > 5 的用户占比？
   · 加购用户占比？
   · 完成首单用户占比！ 激活的黄金指标！！
2. 新用户首单转化时间：从注册到完成首单的平均时间，越短说明激活效果越好

连接“快购”：
次日留存率低？很可能激活没做好！用户注册了，但啥也不干，或者没有体验到价值，第二天自然不想来。

Retention 留存

策略：怎么让用户第二天、第七天、第三十天还愿意回来？
具体措施：

1. 个性化推送
2. 签到积分
3. 会员体系
4. 复购券
5. 优化商品/内容

度量指标：

1. 次日留存率：当前核心监控指标！（注册日D0，D1日活跃即算留存）！当前重点监控指标
2. 7日/30日留存率：看长期粘性
3. 留存用户活跃度
   如：平均访问时长、访问次数，衡量用户参与度

连接“快购”：当前最痛的点！
次日留存率降了10%？这就是咱们要重点拆解的“异动”！后面异动分析环节就靠它了。

异动：异常波动

Revenue 变现

策略：怎么让新用户开始花钱？
具体措施：

1. 首单优惠
2. 复购激励
3. 交叉销售
4. 提升客单价

度量指标：

1. 新用户首单转化率：和激活有重叠，但更侧重付费
2. 新用户首单客单价：衡量新用户首次消费金额
3. 新用户首月复购率：衡量新用户重复购买意愿
4. 新用户生命周期价值 LTV：一个新用户从注册到流失，预计能给“快购”带来多少总收入？面试高分点！

LTV  >  CAC：赚钱
LTV  ≈  CAC：不转不亏
LTV  <  CAC：拉一个亏一个
行业通用健康标准：
LTV ： CAC  ≥  3 ： 1

连接“快购”：
留存率低，LTV 肯定受影响，提升留存是提升LTV的基础。
##e# Referral 推荐
策略：怎么让新用户愿意分享“快购”给朋友？
具体措施：

1. 邀请有礼（双方得利）
2. 分享得积分/优惠券

度量指标：

1. 新用户分享率：注册用户里，有多少人分享了链接/海报？
2. 邀请注册转化率：被分享的人里，有多少成功注册了？
3. K因子 K-Factor：平均每个老用户能带来多少新用户？面试加分点！K>1说明能病毒式增长。

K因子 = 一个用户能带来多少个新用户，也叫病毒系数，用来衡量产品自传播、裂变能力有多强。

1. 计算公式：
   K = 邀请发送数 × 邀请转化率
2. K因子代表什么？
   · K < 1：传播会慢慢衰减，最后停掉，靠花钱买量才能增长。
   · K = 1：一个用户带来一个新用户，刚好自我维持。
   · K > 1：裂变会指数级爆发，用户自己滚雪球增长，就是传说中的病毒式增长。

连接“快购”：
如果新用户体验好，推荐是最低成本获客的好途径。当前阶段可能不是重点，但体系里要有。

4.3 面试场景模拟

跟着 OSM+AARRR 框架，分三步走，逻辑清晰！

请为“快购”APP的新用户增长与留存搭建一套核心指标体系

1. O：定目标——懂业务
2. S：拆策略——使用AARRR用户旅程串起全链路

· 获取：各渠道注册转换率、新注册用户数
· 激活：首单完成率
· 留存：次日留存率（当前重点）
· 变现：首单转化率、首单客单价、LTV
· 推荐：新用户分享率、邀请注册转化率

3. M：定指标——抓重点，别堆数据

· 最高优先级指标：次日留存率（当前紧急）
· 北极星指标：新用户 30 日留存率或首月LTV（长期）

· 北极星指标（North Star Metric）是业务的“命门指标”，是唯一一个能代表“业务成功了”的指标。
· 它不是短期指标，而是能反映长期价值的核心指标，能够指导团队方向，避免被短期波动干扰。

连接“快购”：
· 北极星指标：新用户 30 日留存率
因为新用户注册量可能刷量，次日留存率是短期指标，波动大。30 日留存高的用户，大概率会复购、会推荐，长期 LTV 才高！

4.4 Q&A

• Q1：AARRR 五个环节都要监控吗？会不会太多？

不用！当前阶段抓重点，比如“快购”现在重点是“留存”，那就紧盯 AARRR 里的“激活”和“留存”，其他环节可以先简化，等业务稳定了再补全。

• Q2：北极星指标和核心指标有啥区别？

北极星指标是“唯一最重要的战略指标”（比如30日留存），核心指标是“支撑当前目标的几个关键指标”（比如次日留存、首单转化率）。北极是指方向，核心指标打仗！

• Q3：如果业务目标不清晰，怎么搭指标体系？

找业务方聊：“老板，您觉得新用户业务，最重要的是什么？是拉新？还是留存？”，只有目标对齐了，指标体系才能搭对！

5 异动分析

什么是异动？
数据指标发生了超出预期的、显著的波动。

异动分析是数据分析师的日常工作之一，面试的高频考点。

异动分析典型场景:
“快购”新用户次日留存率昨天突然从 40% 暴跌至 30%。

5.1 数据验证优先

异动分析第一步，特别是面试第一步，永远、永远、永远不是拆维度找原因，而是验证数据本身是否正常！

1. 数据是否正常产出？

• 数据管道通不通？
• 埋点代码挂没挂？
• 计算任务跑没跑？
• 日志全不全？

· 埋点代码，就是写在 APP/网页/小程序里的一小段代码，用来“偷偷记录用户做了什么”。

· 举个例子：比如做了一个按钮“立即领取”：
· 没埋点：只是知道有人点了，但不知道是谁点的、点了几次、从哪里来的
· 加了埋点代码：后天立刻收到一条日志
用户 ID=123，在首页，点击了立即领取按钮

然后就能算出：按钮点击率 = 点击人数/页面访问人数

2. 数据口径是否发生变更？

• 指标的定义有没有被偷偷改过？
• 指标的计算方法有没有变化？
• 指标的统计范围有没有调整？
• 口径一变，指标自然就变了！

5.2 异动分析完整流程

数据验证优先！只有确认了数据本身是靠谱的（正常产出+口径一致），才能开始真正的业务分析！
异动分析的完整流程如下图所示：

定义问题 -> 数据验证 -> 维度拆解 -> 原因假设 -> 实验数据验证 -> 根因定位

步骤一：定义问题

场景背景：
新用户次日留存率暴跌10%

步骤二：数据验证

• 第一优先级：数据产出检查

找数据团队同事：任务跑成功没？日志全不全
确保任务成功跑了，日志量级也正常，数据产出没问题！

• 第二优先级：口径确认

找产品经理：最近“次日留存率”或者“活跃用户”的定义改过没？统计范围有调整吗？
确保口径没问题！

结论：数据本身是可信的！这10%的下降是真实的业务异动！咱们可以开始拆维度了！

步骤三：维度拆解

维度1：时间维度

查看这 10% 的下降发生的时间段。

维度2：用户维度

哪个渠道拉来的新用户留存崩了？抖音？应用商店？B站？（分渠道看留存率！）

问题主要出在昨天下午2点到晚上10点，通过抖音广告渠道注册的新用户身上！他们的留存率暴跌了13%，拉低了整体。

维度3：行为维度

这些抖音新用户，是首日行为有变化吗？比如完成首单的比例？浏览商品数？

抖音渠道新用户留存暴跌，直接原因是他们首单转化率大幅下降！很多人注册了，领了券，加购了，但最后没下单！

步骤四：原因假设

基于拆解结果（特定时间段 + 抖音渠道 + 首单转化率暴跌），提出具体假设：

• 1. 广告/落地页问题（最可能！）

昨天下午 2 点开始，抖音渠道投放的广告素材或落地页发生了变化！比如：素材夸大宣传，落地页商品与实际不符，或者落地页加载慢、有 Bug，导致用户预期落差大，虽然领了券加购了，但最后支付环节放弃。

• 2. 优惠券问题

昨天抖音渠道新用户使用的首单优惠券，在支付环节大面积失效或无法使用？（可能性较低，因为领券率还高了。）

• 3. 商品/库存问题

落地页推荐的核心商品，在昨天下午时间段大面积缺货或价格异常上涨？（需要验证）

步骤五：数据验证

• 怎么验证假设1？立即找市场和运营团队！

· “抖音广告素材/落地页昨天下午2点后有没有更新？版本号是多少？”
· “检查昨天抖音渠新用户在支付环节的失败日志，看是不是集中在‘优惠券无效’、‘商品不存在’、‘价格不符’这些错误上”
· “分析抖音渠道新用户首单失败的具体原因分布。”

• 模拟验证结果（根因找到！）

· 市场团队确认昨天下午2点上线了新的“9.9元包邮”爆款广告素材和落地页。但后台数据显示，该爆款商品库存不足，大量用户点击后显示“已售罄”或“补货中”，导致支付失败率飙升！

步骤六：根因定位

• 最终根因

· 市场团队确认昨天下午2点上线了新的抖音广告素材和落地页，主打“9.9元包邮爆款”，但该商品库存准备不足，导致大量抖音新用户在支付环节因商品缺货而失败，首单转化率暴跌，进而导致次日留存率大幅下降。

5.3 本章小结

完整分析流程：
数据验证优先 -> 维度下钻定位范围 -> 行为分析找到关键点 -> 业务假设验证根因

6 知识点补充

6.1 统计显著性

统计显著与否？下降10%是真的有问题，还是纯属运气不好（随机波动）？

面试话术：
对于 10% 这种大幅下降，在用户基数足够大的情况下（比如日活百万级），可以初步判断为显著异动，需立即排查，但如果波动很小（比如1%），我会用假设检验验证统计显著性，避免误判。

！！！大波动直接行动，小波动用统计方法验证！

6.2 对比分析

异动 = 对比 + 维度拆解

• 时间对比

· 环比：昨天 vs 前天
· 同比：上周三 vs 本周三

• 分组对比

· 渠道：抖音 vs 快手
· 版本：新页 vs 旧页
· 用户群：新用户 vs 老用户

6.3 辛普森悖论 & 常识判断

• 辛普森悖论

· 经典案例：平台整体留存率下降，但拆开看每个渠道留存率都上升？
· 原因：用户结构变化（比如低留存渠道用户占比激增）

· 拆维度时一定要看分组数据！否则可能被表面数据误导，比如以为整体变差，其实是流量结构出了问题。
避免辛普森悖论三句话：

1. 不看总数，看分组
2. 不看简单平均，看加权
3. 不比混乱结构，比同批次、 同结构

• 常识判断

终极心法：流程是死的，人是活的！
如果抖音日活单日暴跌40%，第一反应不是拆维度，而是：数据肯定挂了！
面对极端异动，会优先验证数据链路（埋点、计算、存储），再谈业务分析——体现经验值！

1. 抖音这种体量的产品，日活6亿+级别，正常波动 ±1%、±2%，大波动 ±5% 已经很夸张了，单日暴跌 40%，即直接少掉 2 亿多日活，现实中根本不可能发生，因此这种幅度的下跌，违背常识、违背业务逻辑，肯定是数据埋点、接口、统计服务、日志上报崩了！
2. 什么是数据挂了？
   · 埋点代码崩了，用户行为没上报上来
   · 日志队列堵了，数据延迟/丢失
   · 数仓任务失败，当天数据没算出来
   · 服务器宕机、接口报错
   · 统计口径被人误改了
   · 测试数据混进线上
   结果：不是用户少了，是你“数不到”用户了。

6.4 Q&A

• Q1：如果数据验证发现口径变了，但业务方不承认怎么办？

拿出历史数据、指标定义文档、变更记录，用数据说话，必要时升级沟通。

• Q2：维度拆解，先拆哪个维度最好？

没有绝对顺序，通常按业务相关性和数据可得性。用户渠道、行为往往是最高优先级。时间维度看趋势也很重要。

6.5 本章小结

“诊断”部分的核心：

1. 流程铁律：数据验证优先！（产出正常+口径一致）再谈业务分析；
2. 分析利器：维度下钻！（时间、用户、行为）定位问题范围；
3. 关键抓手：对比分析！（环比、同比、分组）找出差异；
4. 心法提醒：统计显著性、辛普森悖论、常识判断！避免踩坑；
5. 终极目标：定位根因！用数据讲清楚“为什么”。

7 后记

如果本篇博客对你有用的话，点个赞叭！

笑死我了，我去查阅为什么 AARRR 模型又称为海盗模型，原来是因为这个模型的发音类似电影中海盗的经典口头禅 “Arrr!”。