我们内部建立了一个金字塔，从最底层的 MVP 到快速成长，到业务稳定，到增长驱动，最后到最顶层的价值。

每一层都有指标要求，我们内部称为 2583 法则：

2就是指标定义的两大原则，

5就是五个分层，

8就是八种指标定义的方式，

3就是指标拆解的三种方式，OSM+UJM+场景化。

举个例子，上图就是我们常用的指标体系分层设计思路，OSM+UJM。首先找到你的目标（Object），然后找到你的策略（Strategy），最后确定你的度量（Measurement），刻画出你用户的全生命周期。

结合分层，就可以得到这个的数据指标体系，从一级指标往下拆解二级指标、三级指标甚至四级指标。在这个分层指标体系中，需要有数量上的要求。有人说我的一级指标有二三十个，这个没有任何意义，指标越多不一定是好的事情。

指标体系最大的价值，就是有一套科学的方法，能够让我们进行正向和逆向的回溯，减少无效指标的干扰。下面我结合酷开网络的案例给大家讲解一下。

最开始我们通过一些用户行为，建设指标的过程当中，你就和策略相关，你会关注一些关键行为，最后成为了北极星指标。而北极星指标可以逆向回推。

我讲的这个案例，在座的大部分人肯定想自己都能做，相信这个事情很简单。但是，难的地方在哪里？你的公司、你的团队能否始终如一的去做这些事情？我们内部的指标是强管理的，所以我们团队在内部做这些事情的时候觉得还是困难的。如果你的团队把指标管理的非常好，我相信搭建指标体系对你来说就不是什么问题。

2.3 优术：分析引擎体系建设，提升转化率

第三，优术，指的是分析引擎的建设。

最开始建设分析引擎的时候，我们考虑过两种方法：第一种，直接在业务中沉淀分析引擎；第二种，先规划好分析引擎再去做。以前我们认为，分析引擎体系可以在实践中不断迭代；但是在具体实践中，得到的结果改变了我们原先的认知。建设分析引擎，应该是先规划，再去实践。因为一旦规划和引入策略框架后，我们的业务也会随之调整。

因此在这里建议大家，建设分析引擎时一定要先基于模型、分析引擎的概念进行宏观设计，再进一步指导微观业务。

目前酷开网络建立了用户模型、营收模型、行为模型和产品模型等等，这些体系为我们后期分析提供非常大的帮助。而且你有了模型，未来的增长试验要沉淀什么、要分成几个步骤，都有据可循。

这是我们的分析引擎，总体而言，酷开网络的分析引擎经历了六大阶段。从一开始的纯报表分析、精细化分析、数据模型分析，再到增长策略分析、多因子增长策略分析，再到第六代的趋势分析与预测。

我非常赞同 GrowingIO CEO Simon （张溪梦）的举例，数据分析其实就是解魔方的过程。一开始就是一阶魔方，就是一个骰子；二阶魔方，一面有4个块；三阶魔方，一面有9个块。我们不停增加维度去把它拆解下来。我们基于人的主观判断，一般人就玩到三阶魔方，厉害的人可以到四阶魔方。再往下更高阶的就很难了，所以说未来一定是基于模型的方式来驱动整个分析体系的建议，因为它的整个决策都是非常可观的。

进一步，我们将智能推荐与增长框架相融合，一方面通过引擎快速找到用户，另一方面基于增长框架进行推荐效果与参数的调优，为用户提供智能化推荐服务，最终形成增长闭环。

举个例子，过去我们在做交叉推荐模型的时候，往往在模型处理与策略调优这一环节停下。但实际上，我们是可以往下做的，即借助模型实现自动化策略的下发与沉淀。在这里我也建议智能化做得不错的企业，可以把后面的环节衔接起来，这样能产生更好的效果。

同时，我们可以拆解一整套分析模型，单独赋能独立业务。我们拆了付费潜力、产品包、价格敏感、营收四个模型，进行产品价格投放的全自动化运营。经过酷开网络实测，机器能够产生比人更好的效果。

有了分析引擎，我会把它和我们的智能化衔接，比如以前我们的智能推荐。现在和我们的增长框架先融合， 一方面通过我们的“先知引擎”快速找到我们的用户并进行推荐。那么推荐的效果、推荐的参数怎么调整，那就基于我们整个增长框架不断调优，这就形成了一个闭环。

给大家举一个我们做的交叉推荐模型的案例。我们从用户的行为特征，包括用户特征、影片特征、上下文特征等出发，抽象模型进行推荐。以前我们做到中间这部分就停止了，但是现在我们继续往下走，增加了下面策略下发和沉淀的环节。 如果智能化做的还不错的朋友，可以尝试把后面的部分接起来，效果还挺好的。

而且这个过程中还有很多单独的分析模型可以拆解出来，赋能独立的业务。我们拆了4个模型，从产品包、价格敏感度等等，拆出来它就可以实现产品投放的全自动化运营。而且我们实际测试了，机器的效果会比人好很多。

2.4 践行：关注用户全生命周期，用增长实验实现流量再生

第四，践行，如何切实执行我们的增长试验，让流量再生。

我把增长实践分为两大部分。一部分是我们通过什么工具进行增长实验；另一部分是如何进行组织体系建设。相比之下，我认为建设企业组织体系更为重要。只有建设与数字化增长范式相匹配的组织架构，才能保障增长这件事顺利落地，并持续为业务赋能。

当组织体系足够敏捷时，便形成了企业级敏捷，就像上面这张图各个小团队融合在了一起。团队间的弹性、适应性以边界也会变得更强，小步快跑的增长实验也拥有了更多的空间。

弹性组织为企业未来一切的发展方向提供可能，这也是增长的价值。这是我认为最重要的部分，建设一个企业级的明捷的组织体系来保障增长的落地。

4、案例：洞察流量——大转盘用户旅程

有了前面这些方法，我们在做一些活动的时候会怎么去分析和优化呢？

我们在电视机上有一些新媒体营销活动，比如右边这个大转盘抽奖活动。这个大转盘活动参与的人数还是很多的，我们也是真金白银往外给用户送奖品，用户还挺喜欢这个活动形式。

我们罗列出整个用户旅程的全部路径和步骤，在上图左边，然后拆解所有的指标进行分析。然后进行测试，并且和历史数据进行对比。

分析上面两个漏斗，你会直观发现这次活动的数据是下滑的。但是下滑的原因是什么，我们一开始不知道。这个页面已经改了N个版本，这次也不知道引入的是哪个版本。

我们做的第一个用户行为分析，研究用户在页面上的点击分布，如上图。我们发现登陆按钮点击较高，通过同期活动点击热力图对比来看，这次大盘登录按钮有 15% 的点击率。很有