我认为，首先我们可以根据数据产生的场景将我们的分析维度分为市场、渠道维度，产品维度和客户成功维度。

1. 市场、渠道维度

市场、渠道维度即漏斗中最上端的两个环节，接触产品和注册。要想产品在市面上大量流通，成功获客，首先需要给顾客足够的机会去接触、认识我们的产品。目前SaaS主要通过线上、线下并行的方式来打通渠道。

线上的主要渠道包括：

• 知识社区（知乎、得到、百度贴吧等）
• 线上媒体渠道（搜狐、百度、今日头条等）
• 线上广告（sem，信息流广告）

线下的主要渠道包括：

• 客户推荐
• 合作伙伴
• 展会、峰会（参展、赞助、主办）
• 服务机构（如财务服务机构，创业园区等）

在市场、渠道维度，可量化的变数主要有以下几点：

• 不同渠道的获客成本：获客成本可由我们在某一段时间市场和销售在获取新客户方面的总成本，除以这段时间获得的新客户数量求得。其中主要包括软体执照，广告成本，产品演示等内容。而在计算获客成本时，建议我们应分渠道去统计，了解获客成本，所得到的结论可以给公司发展新客时做一个指导，通过更高效的渠道，在有限的预算下避免浪费。

• 不同渠道客户的终生价值：计算客户终生价值，首先要计算公司目前每笔销售的利润，估算某一渠道获得客户预计的订购笔数，相乘再减去预计获取该客户的成本，最后乘以客户的留存比例，即得到客户终生价值。终生价值要与获客成本结合起来看，若客户终生价值低于获客成本，即没有发展该客户的必要。

• 不同渠道的流量数据及转化数据：这项数据主要洞察的是不同渠道获得客户的效率及投资回报率。轻流线下渠道的流量和转化较好统计，这里主要讨论线上渠道。流量数据包括访问次数、访客数等，对于知识社区和媒体渠道，可以通过统计在社区平台发帖的浏览量，互动数等数据得知，而线上广告渠道的浏览量，访问次数等可以从广告商或统计网站处索取；

• 用户的增长率、日新增用户等：这类数据直接检验了我们在拓展市场和打通渠道时的成果，可以衡量渠道贡献新用户份额以及质量，能让我们看出产品初始的转化情况，也可以检查用户导入的障碍点所在。

2. 产品维度

产品维度囊括了用户从使用到付费的四个流程，也是我们发现产品问题，优化升级产品的重要关注点所在，在这一维度，我们可以做到数据分析的点有：

• 产品规模数据：产品规模数据包括总用户量，日/周活跃用户数量等。产品规模的数据能从总体上、直观地帮我们看出产品发展的现况，是产品对状态的一个概括性描述。

• 漏斗各级之间的留存率：从总体流程来看，我们应该尽量使漏斗变得不那么尖锐，那么我们最应该关注哪一环节？这就要求我们计算每一环节的留存率。从使用到留存，到粘性再到付费，通过每一环节的留存率我们可以看到哪一步的问题最大，例如从注册到使用的留存率低，那么我们应该思考是不是我们的一级页面做的太复杂，使用户无所适从；若是从粘性到付费的留存率低，那么我们应该反思是否没有抓住用户的痛点和需求推出契合的功能，使他们认为续费没有必要。这里我们可以主要通过在各级页面进行数据埋点的方式来对用户的使用行为进行捕捉。不仅要分析哪一环节的留存率低，另外还要通过埋点得到的数据，例如某按钮点击率，某页面用户停留时间等分析出我们在产品设计或是页面设计上的问题。

• 用户回访数据：用户回访数据包括通过在线调查和电话回访的，客户关于产品使用体验的数据，在分析用户回访数据时要结合各级留存率以及页面埋点数据综合来看产品中出现的问题，这三者相辅相成，只有一起考虑才更从更多的角度出发发现问题。

3. 客户成功维度

客户成功是企业目的，而不仅仅是一个手段。开展客户成功也不是只搭建一个专门负责的团队或购买一套监控客户行为数据的软体，而是要带动企业的每个部门认可客户成功，并参与到帮助客户成功这件事情上。

• 月度重复收入：月度重复收入是一家SaaS公司续订是否健康的首要指标，它可以用来衡量客户保有率和客户流失率，销售漏斗管理的精髓就在于如何持续的增加每月稳定收入，并且能不断带来新客户。如果老客户流失的问题没有得到解决，新客户增长就会面临更大的问题——费力获得的新客户，过不了多久就丢了。这时应该先找出老客户流失的原因，把月度重复收入维持好，再去努力获得新客户。

• 用户属性数据：在积累了一定量的客户之后，客户成功部门应当对用户的性别、职业、年龄、学历、地区等数据进行分析，当我们把这些信息与用户的使用频率、使用行为及购买行为结合起来了之后，我们即可以有效地防止客户流失，比如在用户注册后两周不使用产品时，安排客户成功部门进行回访；又可以预测某一客户的续费概率，向其进行适时的推送或是功能演示。用户属性数据的优势在于其可以把我们的用户成功工作精确到每一个客户，同时也可以用不同数据将客户归类，总结行业特征，评估我们的产品在各行业中的发展情况，机遇与挑战。

四、数据分析方法

在设立了数据分析的目标，找到了数据分析的维度，也收集到了有效地数据之后，我们应该关注的是该采用什么样的方法去进行数据分析，这一步主要有两个分析方法，分别是对比分析与归因分析。

• 对比分析：对比分析中，我们通常采用图表等数据可视化手段，对比的数据项并不是上面罗列的全部数据，而是取核心项，一般从同比和环比的角度出发展示和说明研究对象的规模大小，水平高低，变化速度快慢等相对数值，通过相同维度下的指标对比，可以发现，找出业务在不同阶段的问题。通过分析后，应用文字将发现的问题一一罗列，同时附上自己的看法和解决问题的建议。

• 归因分析：归因分析指通过结果来分析原因，主要是逻辑推断的过程。当我们从对比分析发现问题后，如这周注册的新用户转化率下降了，那么我们先要究其原因，思考用户转化率的来源，到底是访问量变化不大的情况下注册的用户少了还是访问量变大的条件下注册的用户数变少了，根据不同的推断再去归结原因和提出解决方案。

五、总结

本文简单地总结、描绘了SaaS公司进行数据分析的方案与流程，明确了数据分析的重要性，讨论了数据分析的思考过程与需要考虑到的变数，也列举了数据分析的方法。希望能从数据分析方面给大家带来更多思考和灵感。

更简洁的SaaS企业管理软体，更好用的云BPM，请点击以下链接进入轻流官网了解。

轻流 · 业务流程自动化BPM?

qingflow.com

推荐阅读：