很多想要转行的同学，甚至包括已经从事数据分析行业的同学，在学习数据分析时，都会有一个困惑——到底怎么才能通过数据分析从数据中发现价值，我应该怎么分析才能够去改进业务，我好像只是在做提数的工作？

这种现象广泛存在于很多数据分析岗位中，今天用一个case给大家分享一个一次完整的通过数据分析改进业务的流程，希望能有所启发。

某天，抖音的产品经理发现最近新用户的留存比较差，找到作为数据分析师的小李想要让他来分析一下原因。

产品经理：小李啊，最近新用户的留存比较差，你能帮忙分析一下原因不？

小李心里想，卧槽又是这种问题，我不想做啊，但嘴上还是说：好的，包在我身上。

01 新用户的源头在哪里？

小李接下了这个活后，苦苦思索思路，最后决定采用由上至下的思维方法来分析。

第一步，新用户从何而来？

现在互联网获取用户的方式多种多样，但重要的一点是，大部分用户的来源都是可追踪的，在A、 B、C、D四个不同的渠道上投放广告，来自不同渠道的用户就会带上对应的标签，我们就知道用户是从哪个渠道来的，这为数据分析提供了基础。

基于由上至下的思维，小李决定首先分析不同来源的新用户留存是不是有差异。假设小李通过数据分析发现不同渠道用户的次留如下：

A：50%

B：48%

C：46%

D：20%

通过分析，我们发现了D渠道用户的留存远低于其他渠道，这是一个结论，但分析到这里就结束了吗？

当然不是，告诉产品D渠道的用户留存低虽然不能说完全没有意义，但作为数据分析师，你要告诉产品D渠道的用户留存为什么低才能凸显你的价值。

02 D渠道的留存为什么低？

定位到了D渠道的用户留存低，下面就要分析D渠道的用户留存为什么低。小李基于业务理解想到，不同渠道来的用户在本身属性上可能就有差别。比如在知乎上投放广告，可能来的用户就是新知青年、集中在一二线城市，而在快手投放广告，来的小镇青年就会比较多。

回到D渠道的分析上，小李基于业务理解作出假设，是不是因为D渠道的用户画像和其他渠道不同，所以导致了其新用户留存低？基于这个假设，小李对D渠道的用户画像进行分析，发现D渠道相比其他渠道，五六线城市的用户更多，而五六线用户的留存率要低于一到四线城市。

03 五六线城市的用户留存率为什么低？

小李在第二步发现了五六线城市用户的留存率比较差，分析到这里就结束了吗？当然也不是，我们不能告诉产品五六线用户的留存比较低，建议你以后放弃五六线城市的用户，还需要分析五六线城市用户的留存为什么差。

用户画像的差异最终会反映在app的行为差异上。用户的画像不同，其兴趣偏好、对app的认知可能就不同，最终就会导致其在app上的行为会有差异。到了这一层面，我们就需要分析五六线城市用户的行为是不是和其他城市的用户有差异。

那我们该怎么衡量这个差异呢？这其实是一种量化思维，需要选取一些合适的指标将这个差异量化出来。

小李基于对业务的理解，想到在抖音上，影响新用户留存很重要的一个指标是新用户刷到的前10个视频的完播率怎么样。

如果完播率高，侧面说明用户喜欢抖音推给他的视频，但如果视频的完播率低，用户的行为可能就是不停的刷下一个视频，发现都不喜欢，就会觉得这个app不适合我，推的视频我都不喜欢，大概率就会流失掉了。

基于这个业务理解，小李猜测，五六线城市用户的完播率会不会和其他城市的用户有差异？

再基于这个假设，小李分析了五六线城市和其他城市用户的完播率发现，五六线城市用户的完播率较差，这是五六线城市用户留存较差的一个重要原因。

04 为什么五六线城市新用户完播率较差？

小李已经发现了五六线城市用户的完播率差，但分析到这里也没有结束，小李还需要分析完播率为什么差，这也是最重要的一步，只有找到了完播率差的原因，产品才可以做对应的策略进行调整。

首先依然是依据业务理解尝试做出假设。大家都知道抖音是基于个人兴趣进行个性化推荐，但是对于新用户其实算法不知道他的兴趣的，所以一般会选一些全站热门的视频进行推送，比如美食、宠物等，再基于用户的反馈快速学习。

有了这个业务背景，小李做出假设：五六线城市新用户的完播率差是不是因为不喜欢一开始推给他们的视频？如果不喜欢的话那么他们喜欢什么样的视频？是所有类型的视频完播率都差吗？有没有完播率比较好的视频？