第六章 · 数据分析
数据与数据分析的价值、业务指标体系的四个层级、衡量用户体验的 HEART 模型、数据分析的五个步骤，以及 A/B 测试。
增长黑客与传统营销最大的区别在于「可衡量」。本章讲如何用数据驱动增长决策：从指标体系搭建，到用户体验度量，再到 A/B 测试的实验方法。
本章要点
- 了解数据和数据分析的价值：从流量思维到数据思维
- 搭建公司的业务指标体系和四个层级（北极星指标 → 一级指标 → 二级指标 → 行动指标）
- 衡量产品用户体验的 HEART 模型（愉悦度、参与度、接受度、留存度、任务完成度）
- 数据分析的五个步骤
- 了解什么是 A/B 测试及其正确使用姿势
从大数据时代谈起，厘清数、数量与数据的区别与大数据的 5V 特征，并结合 Facebook 改版、社交 App 访谈、春秋航空、摩拜红包车四个案例讲解数据分析的四大价值。
讲解指标的常见分类与好指标的标准、虚荣指标的危害，北极星与一二三级指标的四个层级，以及用 OSM 模型搭建数据指标体系的方法和 AARRR 各环节常用指标。
介绍 Google 提出的 HEART 用户体验衡量框架的由来，以及愉悦度、参与度、接受度、留存率、任务成功率五个维度的衡量指标、NPS 计算方法与 Dropbox、Google Photos 等案例。
讲解数据分析的一般流程——数据获取、数据清洗、数据分析、验证发现、数据可视化五个步骤，涵盖五类数据来源、六种清洗对象、七种分析手段、三类统计谬误与多种可视化形式，并附数据分析书单。
讲解 A/B 测试（随机对照实验）的定义、单变量原则与先验特性，剖析 Bing、亚马逊、Netflix 等成功案例与 Sam 点赞给钱的失败案例，并介绍置信区间、样本量与实验周期的实操要点。