方法一：细分
严格说，细分不是一种方法，它是一切分析的本源。所以它当之无愧要排名第一。
我经常的口头禅是，无细分、毋宁死。没有细分你做什么分析呀。
细分有两类，一类是一定条件下的区隔。如：在页面中停留30秒以上的visit(session);或者只要北京地区的访客等。其实就是过滤。另一类是维度(dimension)之间的交叉。如：北京地区的新访问者。即分群(segmentation)。
细分几乎帮助我们解决所有问题。比如，构建转化漏斗，实际上就是把转化过程按照步骤进行细分。流量渠道的分析和评估也需要大量用到细分的方法。
维度之间的交叉是比较体现一个人分析水平的细分方法。比如，我的朋友孙维(卡车之家的数据负责人)，他将用户的反馈作为event tracking的属性(放在了event action属性中)，提交给GA，然后在自定义的报告中，将用户反馈和用户的其他行为交叉起来，从而看到有某一类反馈的用户，他们的行为轨迹是什么，从而推测发生了什么问题。
分析跳出率时，我们也会把landing page和它的traffic source(流量源)进行交叉，以检查高跳出率的表现是由着陆页造成，还是由流量造成。这也是典型的维度交叉细分的应用。
无细分，毋宁死。
方法二：Attribution(归因)
归因不是人人都听说过，用好的更是寥寥无几。 不过，考虑到人们购买某一样东西的决策，可能受到多种因素(数字营销媒体)的影响，比如看到广告了解到这个商品的存在，利用搜索，进一步了解这个商品，然后在social渠道上看到这个商品的公众号等等。这些因素的综合，让一个人下定了决心购买。
因此，很多时候，单一的广告渠道并不是你打开客户闸门的阀门，而是多种渠道共同作用的结果。
如何了解数字营销渠道之间的这种先后关系或者相互作用?如何设置合理的数字营销渠道的策略以促进这种关系?在评价一个渠道的时候，如何将归因考虑在内从而能够更客观的衡量?这些都需要用到归因。
如果你是互联网营销的负责人，归因分析是必不可少的分析方法。
方法三：Link Tag的流量标记
Link tag标记流量源头 ，绝对是所有方法中最为基本重要的一种。这种方法不仅仅适用于网站的流量来源，也同样适用于app下载来源的监测(但后者需要满足一定的条件)。
Link tag的意思，是在流量源头的链出链接上(链出URL上)加上尾部参数。这些参数不仅不会影响链接的跳转，而且能够标明这个链接所属的流量源是什么(理论上能够标明流量源的属性数是无限的)。
Link tag不能单独起作用，必须要在网站分析工具或者app分析工具的配合下工作。
Link tag是流量分析的基础，要严肃的分析流量，不仅仅是常规分析，还包括归因分析(attribution analysis)，都需要使用link tag的方法。
方法四：转化漏斗
分析转化的基本模型是转化漏斗(conversion funnel)，这个大家都应该很熟悉了。
转化漏斗最常见的是把最终的转化设置为某种目的的实现，最典型的就是实现销售，所以大家很多时候把转化和销售是混为一谈。但转化漏斗的最终转化也可以是其他任何目的的实现，比如一次使用app的时间超过10分钟(session duration >10minutes)。对于增长黑客而言，构建漏斗是最为常见的工作。
漏斗帮助我们解决两方面的问题，第一、在一个过程中是否发生泄漏，如果有泄漏，我们能在漏斗中看到，并且能够通过进一步的分析堵住这个泄漏点;第二、在一个过程中是否出现了其他不应该出现的过程，造成转化主进程受到损害。
漏斗的构建很简单，无论web还是app，都是最好用的方法之一。但漏斗使用的奥秘则很丰富。而且漏斗方法还会和其他方法混合使用，乐趣无穷。我在互联网数据运营的课程中也会具体讲解。
方法五：Attribution(归因)
归因不是人人都听说过，用好的更是寥寥无几。 不过，考虑到人们购买某一样东西的决策，可能受到多种因素(数字营销媒体)的影响，比如看到广告了解到这个商品的存在，利用搜索，进一步了解这个商品，然后在social渠道上看到这个商品的公众号等等。这些因素的综合，让一个人下定了决心购买。
因此，很多时候，单一的广告渠道并不是你打开客户闸门的阀门，而是多种渠道共同作用的结果。
如何了解数字营销渠道之间的这种先后关系或者相互作用?如何设置合理的数字营销渠道的策略以促进这种关系?在评价一个渠道的时候，如何将归因考虑在内从而能够更客观的衡量?这些都需要用到归因。
如果你是互联网营销的负责人，归因分析是必不可少的分析方法。
方法六：微转化
人人都懂转化漏斗，但不是所有人都关注微转化。但是你想指望一个转化漏斗不断提升转化率太困难了，而微转化却可以做到。转化漏斗解决的是转化过程中的大问题，但大问题总是有限的，这些问题搞定后，你还是需要对你的转化进行持续优化，这个时候必须要用到微转化。
微转化是指在转化必经过程之外，但同样会对转化产生影响的各种元素。这些元素与用户的互动，左右了用户的感受，也直接或者间接的影响了用户的决定。
比如，商品的一些图片展示，并不是转化过程中必须要看的，但是它们的存在，是否会对用户的购买决定产生影响?这些图片就是微转化元素。
个人认为，研究微转化比研究转化更好玩。有一些案例，课堂上跟大家讲。
方法七：AB测试
增长黑客不谈AB测试是耻辱。
通过数据优化运营和产品的逻辑很简单——看到问题，想个主意，做出原型，测试定型。
比如，你发现转化漏斗中间有一个漏洞，于是你想，一定是商品价格不对头，让大家不想买了。你看到了问题——漏斗，而且你也想出了主意——改变定价。
但是这个主意靠不靠谱，可不是你想出来的，必须得让真实的用户用。于是你用AB测试，一部分的用户还是看到老价格，另外一部分用户看到新价格。若是你的主意真的管用，新价格就应该有更好的转化。若真如此，新的价格就被确定下来(定型)，开始在新的转化高度上运行，直到你又发现一个新的需要改进的问题。
增长黑客的一个主要思想之一，是不要做一个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证，如何验证的?主要方法就是AB测试。
今天的互联网世界，由于流量红利时代的结束，对于快速迭代的要求大大提升了，这也使我们更加在意测试的力量。
在web上进行AB测试很简单，在app上难度要高很多，但解决方法还是很多的。国外那些经典app，那些卖钱游戏，几乎天天都在AB测试。
