场景1：solution
对比分析，多维度拆解
常见假设：
活动影响：查对应活动页面对应动作的数据波动，关注活动是否有地域属性
版本发布：将版本号作为维度，区分查看
渠道投放：查看渠道来源变化
策略调整：策略上线时间节点，区分前后关键指标波动
服务故障：明确故障时间，按时间维度进行小时/分钟级别拆解
另外维度拆解可以叠加
场景2：solution常见的渠道划分方式：
渠道质量跟踪：
①选择关键事件
选择反映产品目标人群会做的行为的数据
例如：
√ (电商)购买，(社区)发帖(可衡量各渠道的用户是否为目标用户)
Χ 完成为期3个月的课程(门槛太高/流程太深，转化率极低，无区分度)
Χ 打开APP,访问首页(门槛太低，同样缺乏区分度)
②查看产生关键事件的用户来源是哪
场景3：solution 上线后的目标与价值清晰明确借助漏斗分析对比（转化关系明确时）
借助用户分群对比（转化关系较复杂时）
上线后关注其对产品价值的提升借助精准留存对比
上线后探索更长期的产品潜力借助分布情况分析，对比其是否优化了使用频次/场景的分布
①产品核心功能使用频次的分布
②使用场景（如时间段）的使用
场景4：solution
高质量拉新：
①“真正的用户”： 高留存，核心行为频次、完成率高
②“真正的用户”的特征：
是谁（如图书网站，通过用户买卖的书籍推断用户的年龄、受教育程度、地域、消费能力）从哪儿来（通过电话访谈等方式，发现很多来自朋友推荐的用户）③按此特征，找到类似的用户：
用户画像（倾向社科类书籍；高校，科研所，知识密集型区域）渠道来源（用人拉人而非广撒网地投放）精准运营推送：
①运营资源盘活
[千人一面]整个公司的内部营销资源存在上限
[千人十面]往往就能解决80%的问题，对应7~8个标签足矣
[千人千面]人力运营往往难以企及，自动化后或许可以
②推送内容与用户有关
向我说话 x 由我触发 x 和我有关
辅助产品设计：
谁：用户画像在什么情况下：行为序列的属性干什么&遇到什么问题：行为序列or屏幕录像