您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
旋转机械振动故障诊断的图形识别方法应用研究.pdf 165页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：200 &&
优秀硕士毕业论文，完美PDF格式，可在线免费浏览全文和下载,支持复制编辑,可为大学生本专业本院系本科专科大专和研究生学士硕士相关类学生提供毕业论文范文范例指导,也可为要代写发表职称论文提供参考！！！
你可能关注的文档：
··········
··········
国内图书分类号:
TK26；TP277
学校代码：
国际图书分类号:
工学博士学位论文
旋转机械振动故障诊
断的图形识别方法研究
博 士 研 究 生 ： 窦
师 ： 刘占生 教授
位 ： 工学博士
学 科 、 专 业 ： 动力机械及工程
位 ： 能源科学与工程学院
期 ： 2009 年 3 月
授予学位单位 ： 哈尔滨工业大学
Classified index:
TK26 ；TP277
Dissertation for the Doctoral Degree in Engineering
STUDY ON IMAGE RECOGNITION
APPROACH FOR VIBRATION FAULT
DIAGNOSIS OF ROTATING
Candidate:
Supervisor:
Prof. Liu Zhansheng
Academic Degree Applied for:
Doctor of Engineering
Specialty:
Power Machine and Engineering
Affiliation:
Energy Science and Engineering
Date of Defence:
March, 2009
Degree-Conferring-Institution:
Harbin Institute of Technology
结合国家自然科学基金课题“基于数学形态学图形识别的旋转机械故障诊
断方法”和课题组承担的实际应用课题“大型旋转机械故障诊断技术研究”，研
究了基于数学形态学图形识别技术的旋转机械振动故障诊断方法。
为了应用三维谱图进行旋转机械故障诊断，从图形识别的角度出发，在详
细分析三维谱图纹理特征的基础上，根据旋转机械周期激振的特点，研究了利
用转子动力学理论构造其振动响应基函数对图形进行插值重构处理的方法，在
理论研究的基础上，开展了汽轮机三维谱图的插值预处理的应用研究，结果表
明所提出的图形插值预处理方法具有良好图形处理效果。
在分析旋转机械振动三维谱图中各倍频及亚次倍频处出现的随转速起伏变
化“峰谷”特征及倍频之间幅值的悬殊变化规律的基础上，研究了基于正弦函
数的复合灰度非线性量化算法，实现了故障敏感区域的灰度值加强，提高了图
形的信噪比。为了使处理后的图形灰度直方图在较大的动态范围内趋于均衡，
提出了自适应直方图均衡化的图形增强方法，提高图形整体对比度，扩大了像
素灰度值的动态范围，改善了图形灰度分布的概貌，增强了图形的辨析程度。
应用所提出的量化、增强方法对旋转机械实际图形进行了实例分析。
在分析旋转机械灰度图形纹理的特点、现有图形边缘纹理提取方法的局限
性的基础上，提出了图形边缘纹理检测的模糊软形态学方法，构造了模糊软形
态滤波增强算子，平滑图形的轮廓、消除图
正在加载中，请稍后...扫二维码下载作业帮
3亿+用户的选择
下载作业帮安装包
扫二维码下载作业帮
3亿+用户的选择
简述厂商在既定成本条件下实现最大产量的最优要素组合原则
作业帮用户
扫二维码下载作业帮
3亿+用户的选择
从市场角度解决问题：一是目前销量是多少,价格是多少；二是影响销量的因素主要是什么,是价格的话是要上调还是下调?是其它因素的话努力解决了.三是只要确保出厂价大于成本价后,努力使销量乘以价格达到最大值,这个最大值的销量就是你最佳的产量组合了.（建议用一个直角坐标画一个需求曲线,横坐标代表销量,纵坐标代表价格,你现在的价格和销量先确定一个点,预计价格调整后的销量是另外一个点,这样大致画一条直线,这样你就大概知道你的最佳定价在什么位置了,当然这是建立在你了解你的市场的基础之上的）
为您推荐：
其他类似问题
扫描下载二维码我们刚刚做完十二期公开课「用数据分析做运营增长，你需要做好这 4 个方面」，本文会分别从流量运营、用户运营、产品运营、内容运营四个方面，来给大家讲解「数据运营是什麽」。&br&公开课的讲师为我们的数据分析师范芊芸。&br&&br&&br&文 / 范芊芸&br&&br&运营是一门艺术，更是一门技术。&br&&br&过去，“流量为王”的理念使得运营人员的职责聚焦在拉新上。随着市场环境的变化，运营的渠道和方式不断增加，运营有了更加细致的分类。精细化运营的大背景下，如何用数据分析来解决流量运营、用户运营、产品运营和内容运营中的增长问题，今天将和大家分享我们在数据运营方面的实战心得。&br&&br&&figure&&img src=&https://pic4.zhimg.com/f5f9ee35dcda1da9da1d470b_b.png& data-rawwidth=&820& data-rawheight=&252& class=&origin_image zh-lightbox-thumb& width=&820& data-original=&https://pic4.zhimg.com/f5f9ee35dcda1da9da1d470b_r.png&&&/figure&&br&&br&&b&| 流量运营：多维度分析，优化渠道&/b&&br&&br&流量运营主要解决的是用户从哪里来的问题。过去粗放式的流量运营，仅仅关注 pv、uv 等虚荣指标，在精细化运营的今天是远远不够的。&br&&br&&br&&i&&u&1. 流量指标体系&/u&&/i&&br&&br&我们需要通过多维度指标判断基本的流量情况，包括量级指标、基本质量指标和来访用户类型占比指标。量级指标涉及不同平台，Web 端主要看访问量、pv 和 uv，App 主要看启动次数、DAU 和 NDAU。基本质量指标包括用户的平均访问时长、平均一次会话浏览页数（即访问深度）和跳出率等，通过这些指标可以判断用户的活跃度。产品的生命周期模型广泛应用在互联网运营中，在不同的产品生命周期中，访客的类型是有差异的。&br&&br&&figure&&img src=&https://pic3.zhimg.com/eb29ddecb5ec2_b.png& data-rawwidth=&1063& data-rawheight=&421& class=&origin_image zh-lightbox-thumb& width=&1063& data-original=&https://pic3.zhimg.com/eb29ddecb5ec2_r.png&&&/figure&&br&一名优秀的运营人员，应该熟悉自己产品的流量概况。通过 &a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3D-gongkaike-shu-ju-yu-yun-ying%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO&i class=&icon-external&&&/i&&/a&的【概览】页面，运营人员可以清楚掌握流量指标及其变化趋势，方便评估过去和预测将来趋势。&br&&br&&br&&i&&u&2. 多维度的流量分析&/u&&/i&&br&&br&在网站流量分析中，主要从访问来源、流量入口、广告等角度切入。&br&&br&首先，访问来源包括直接访问、外链、搜索引擎和社交媒体等。在这个分析框架下，需要一层一层拆解，具体到每一个渠道进行流量分析。&br&&br&&figure&&img src=&https://pic2.zhimg.com/83ebffaa16fcd629d759135_b.jpg& data-rawwidth=&1272& data-rawheight=&390& class=&origin_image zh-lightbox-thumb& width=&1272& data-original=&https://pic2.zhimg.com/83ebffaa16fcd629d759135_r.jpg&&&/figure&&br&以 GrowingIO 的博客为例，这是一个内容运营的子站，上面有很多数据分析和增长黑客的文章。我们通过访问来源分析发现，相比于渠道一和渠道二，从微博渠道过来的用户数量和质量都偏低，这提醒我们需要优化内容渠道。&br&&br&其次是落地页，落地页是用户到达你网站的入口。如果用户被导入到无效或者不相关的页面，一般会有较高的跳出率。&br&&br&最后，广告投放也是目前流量运营的重要部分。一般涉及到的广告分析包括广告来源、广告内容、广告形式（点击、弹窗、效果引导）和销售分成等，我们需要通过多维度的分析来优化广告投放。&br&&br&上面的三个角度主要是在 web 端的分析，对于 App 分析，需要考虑分发渠道和 App 版本等因素。&br&&br&&br&&u&&i&3. 转化漏斗分析&/i&&/u&&br&&br&在增长模型中，流量进入后，还需要进一步激活和转化，而激活是需要一定的流程和步骤的。使用 &a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3D-gongkaike-shu-ju-yu-yun-ying%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO&i class=&icon-external&&&/i&&/a& 的【漏斗】功能，可以清晰展示每一步的转化情况。&br&&br&&figure&&img src=&https://pic2.zhimg.com/6d208e6e8a7c9545beaf99_b.png& data-rawwidth=&1050& data-rawheight=&313& class=&origin_image zh-lightbox-thumb& width=&1050& data-original=&https://pic2.zhimg.com/6d208e6e8a7c9545beaf99_r.png&&&/figure&&br&以上图为例，我们分别对转化的每一步进行分析，发现第一步到第二步的流失率最高，需要针对性优化。对不同渠道进行转化率分析,发现来至百度品牌专区的（&a href=&//link.zhihu.com/?target=http%3A//bzclk.baidu.com& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&bzclk.baidu.com&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&）的转化率高达 44%，而其他渠道的转化率不足 3%。&br&&br&&br&&u&&i&4. 渠道优化配置&/i&&/u&&br&&br&在进行一系列的流量分析和转化分析后，我们可以进行相对应的策略制定，具体方式包括搜索词、落地页、广告投放优化等等。&br&&br&&figure&&img src=&https://pic3.zhimg.com/be04a08e33a6e9d1f93eedfb5320a2fa_b.png& data-rawwidth=&665& data-rawheight=&366& class=&origin_image zh-lightbox-thumb& width=&665& data-original=&https://pic3.zhimg.com/be04a08e33a6e9d1f93eedfb5320a2fa_r.png&&&/figure&&br&对于成本低、质量高的渠道需要加大投放，对于成本高、质量高的渠道需要评估成本，对于质量低的渠道也需要做好评估。总体上，根据成本、流量转化等综合情况，对渠道配置进行整体管理和调优。&br&&br&&br&&b&| 用户运营：精细化运营，提高留存&/b&&br&&br&如果说流量运营解决的是用户从哪里来的问题，那么用户运营就是建立和维护与用户的关系。&br&&br&&br&&i&&u&1. 精细化运营&/u&&/i&&br&&br&用户在产品上的交互行为很多，我们可以通过用户的行为对用户进行分类；然后根据不同群体的特征，进行精细化运营，促进用户的回访。&br&&br&以论坛为例，用户在论坛上的行为包括：访问、浏览帖子；回复、评论；发帖；转发，分享等等。我们对用户的每一类行为建立行为指数，例如根据用户的转发、分享等行为建立“传播行为指数”，通过这些指数给用户分类。如此一来，论坛上的用户被分为 4 个维度：A 浏览类、B 评论类、C 传播类和 D 内容生产类。用户可能只有一个标签指数，也可能很跨多个指数维度。&br&&br&&figure&&img src=&https://pic2.zhimg.com/fa2322921_b.png& data-rawwidth=&587& data-rawheight=&501& class=&origin_image zh-lightbox-thumb& width=&587& data-original=&https://pic2.zhimg.com/fa2322921_r.png&&&/figure&&br&&br&用户运营中，可以根据这些标签进行分类。比如 UGC 论坛，需要保持 D 类（内容生产类）用户的活跃度和增长率；同时在论坛推广传播中，需要对 C 类（传播类）用户进行刺激，扩大内容的传播力和影响力。&br&&br&&i&&u&2. 提高用户的留存&/u&&/i&&br&&br&互联网产品一般都关注用户的留存，只有用户留下来了，才能进一步去推动变现和传播。留存分析一般采用组群分析法，即对拥有相同特征的人群在一定时间范围内进行分析。&br&&br&&figure&&img src=&https://pic3.zhimg.com/a5ee23f49740a_b.png& data-rawwidth=&795& data-rawheight=&304& class=&origin_image zh-lightbox-thumb& width=&795& data-original=&https://pic3.zhimg.com/a5ee23f49740a_r.png&&&/figure&&br&上图展示的 &a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3D-gongkaike-shu-ju-yu-yun-ying%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO&i class=&icon-external&&&/i&&/a& 的留存图，横向比较展示了每周新增用户在后续各周的留存率，竖向比较展示了不同周的新用户在今后一段时间的留存表现。&br&&br&留存时间及周期，和产品体验完整周期有关，不同的业务和产品一般有着不同的时间群组划分方法。比如高品类产品的日留存更好反映用户与产品的关系，而工具类的周留存就比日留存更加具有业务意义。&br&&br&通过时间维度的分析发现用户留存的变化趋势，通过行为维度的分析发现不同群组用户的差异，找到产品或运营的增长点：这是用户运营非常重要的一点。&br&&br&&br&&b&| 产品运营：用数据来分析和监控功能&/b&&br&&br&产品运营是一个非常大的话题，很多运营和产品都是围绕产品来做的。&br&&br&&br&&i&&u&1. 监测异常指标，发现用户对你产品的「怒点」&/u&&/i&&br&&br&产品大的流程中，存在很多小的功能点，用户的体验就是建立在这些小的功能点上；就是这些小的功能点的使用情况，成为我们每一步转化的关键。&br&&br&以注册流程为例，一般需要手机验证。发送验证码是其中一个关键的转化节点；当用户点击重新发送的次数激增时，可能意味着我们的这个功能点存在一定问题。而这就是用户”怒点“所在，无法及时收到手机验证码。通过对关键指标的监测，便于我们及时发现问题所在，及时修复。&br&&br&&br&&i&&u&2. 通过留存曲线检验新功能的效果&/u&&/i&&br&&br&对于上线一段时间的产品，有时候会添加新功能。上线后，需要评估新功能的效果，是否满足用户的核心需求，能否给用户带来价值。&br&&br&&figure&&img src=&https://pic1.zhimg.com/53a86afc21a07eabb6666d4_b.png& data-rawwidth=&1062& data-rawheight=&322& class=&origin_image zh-lightbox-thumb& width=&1062& data-original=&https://pic1.zhimg.com/53a86afc21a07eabb6666d4_r.png&&&/figure&&br&通过 &a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3D-gongkaike-shu-ju-yu-yun-ying%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO&i class=&icon-external&&&/i&&/a& 的留存曲线，我们不难发现该新功能第一天使用过的人之后持续使用的比例很低，这说明此功能并没有很好地解决用户问题；这提醒我们需要对新上线的功能进行重新思考。&br&&br&&br&&b&| 内容运营：精准分析每一篇文章的效果&/b&&br&&br&什么是内容运营？很多人认为，内容运营就是编辑文章、发帖子，其实这是片面的。&br&&br&在做内容运营之前，需要明白你的内容是作为一个产品（如知乎日报）出来，还是产品的一个辅助功能。只有明白自己的定位，才能清晰目标。为了扩大内容运营的效果，我们需要对用户的需求进行分析，例如用户感兴趣的内容、内容阅读和传播的比例等。&br&&br&&br&&i&&u&1. 内容的类别&/u&&/i&&br&&br&以 GrowingIO 的技术博客为例，该博客属于 PGC 模式。博客中的内容有不同分类，为了降低用户获取信息的成本，我们在博客首页设计了不同板块的入口，包括左侧分类导航、中部文章推荐和右侧热点推荐。&br&&br&&figure&&img src=&https://pic4.zhimg.com/b2fda5a7f1c53cfb029eb9f3b4d0c41f_b.png& data-rawwidth=&1060& data-rawheight=&603& class=&origin_image zh-lightbox-thumb& width=&1060& data-original=&https://pic4.zhimg.com/b2fda5a7f1c53cfb029eb9f3b4d0c41f_r.png&&&/figure&&br&我们发现用户主要通过左侧的导航栏和中间的推荐阅读文章，较少点击右侧的热点推荐。所以，在移动端的始终，我们取消了右侧的热点推荐，仅保留了分类导航和中间的推荐。既节省了空间，又最大化满足了用户的内容需求。&br&&br&&figure&&img src=&https://pic3.zhimg.com/ed888c72fcefedfef1c6a_b.png& data-rawwidth=&576& data-rawheight=&282& class=&origin_image zh-lightbox-thumb& width=&576& data-original=&https://pic3.zhimg.com/ed888c72fcefedfef1c6a_r.png&&&/figure&&br&同时，我们也对分类导航栏的内容进行了分析，发现用户对【案例分析】的内容最感兴趣，这对我们今后的内容选择是一个非常好的启发。&br&&br&&br&&i&&u&2. 基于用户的推荐&/u&&/i&&br&&br&内容运营中的推荐，有时候和用户的精细化运营息息相关。每一个用户，都有自己喜欢的内容和类别，当我们根据用户的兴趣倾向进行推送的时候，效率肯定会更高。&br&&br&&figure&&img src=&https://pic4.zhimg.com/988f3f4de48433cbff43d0b_b.png& data-rawwidth=&801& data-rawheight=&409& class=&origin_image zh-lightbox-thumb& width=&801& data-original=&https://pic4.zhimg.com/988f3f4de48433cbff43d0b_r.png&&&/figure&&br&同样以 GrowingIO 的博客为例，我们通过对访问用户的文章点击情况进行统计，得到了上述表格的结果。显然，用户 8 对”增长秘籍“有着自己的偏好，用户 6、7、9 对「案例分享」文章更青睐。那么在实际的内容推送中，我们可以对用户 8 推送增长秘籍类文章，向用户 6、7、9 推送案例分析的文章，其他用户无差别推送。&br&&br&&br&&b&| 数据驱动的精细化运营&/b&&br&&br&近年来流行的「Growth Hacker」的核心，其本质就是通过技术创新和数据分析，实现精细化运营，达到增长的目的。一个优秀的数据运营人员，应该具备数据驱动的思维，掌握一定的数据分析工具。在实际业务工作中，不断从数据中提出问题，不断尝试，用数据来优化运营策略，进而实现客户和业务的增长。&br&&br&&br&注：本文中「漏斗」等数据产品截图，来自 &a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3D-gongkaike-shu-ju-yu-yun-ying%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO 官网 硅谷新一代数据分析产品&i class=&icon-external&&&/i&&/a&
我们刚刚做完十二期公开课「用数据分析做运营增长，你需要做好这 4 个方面」，本文会分别从流量运营、用户运营、产品运营、内容运营四个方面，来给大家讲解「数据运营是什麽」。 公开课的讲师为我们的数据分析师范芊芸。 文 / 范芊芸 运营是一门艺术，更是…
&p&看了上面的回答，其实说的都挺对的，但是我还是想再做一些补充。&/p&&p&对于数据运营，大多数互联网从业者都会有一些共有的迷思。比如如何选取正确的指标，如何正确地采集数据，如何用数据驱动运营。所以我们写了一本&a href=&//link.zhihu.com/?target=https%3A//www.growingio.com/data-operation%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3D170421-DO-jobs%26utm_term%3Ddata-analyse& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《数据运营手册--方法、工具、案例》&i class=&icon-external&&&/i&&/a&，这是 2017 年出的第 2 本电子书。&/p&&p&以下是电子书目录&/p&&figure&&img src=&https://pic3.zhimg.com/v2-5c1fdca8bc360f0bd8b2e_b.png& data-rawwidth=&3508& data-rawheight=&2480& class=&origin_image zh-lightbox-thumb& width=&3508& data-original=&https://pic3.zhimg.com/v2-5c1fdca8bc360f0bd8b2e_r.png&&&/figure&&p&在这本电子书中，我们详细介绍了数据运营的相关概念、工具、方法以及案例。通过这一本电子书，希望能帮各位搭建起正确、高效的数据运营体系。&/p&&p&&b&你可以点击此处了解并下载&a href=&//link.zhihu.com/?target=https%3A//www.growingio.com/data-operation%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3D170421-DO-jobs%26utm_term%3Ddata-analyse& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《数据运营手册--方法、工具、案例》&i class=&icon-external&&&/i&&/a&。&/b&&/p&&p&这本书中有一篇内容专门介绍数据运营的工作，以下是全文，希望对你有所帮助。&/p&&br&&h2&&b&数据运营的具体工作是什么？&/b&&/h2&&br&&p&数据运营到底是做什么的？他和数据分析有什么区别？...... 不知道运营的同学有没有思考过这一类问题。&/p&&p&在前面的文章中，我们将数据运营分为两类，一类是狭义的“数据运营岗位”，一类是广义的数据化运营。今天我们以100篇数据运营岗位招聘JD（职位描述）为例，和大家分享一下数据运营岗位具体工作是做什么的？&/p&&br&&p&&b&Part 1 | 数据运营是做什么的？&/b&&/p&&p&在100篇数据运营招聘JD（职位描述）文本的基础上，我们使用 R 对其进行了分词，并且绘制了词云。&/p&&br&&figure&&img src=&https://pic3.zhimg.com/v2-762bb53ec1acf95fed5a_b.png& data-rawwidth=&1920& data-rawheight=&1370& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/v2-762bb53ec1acf95fed5a_r.png&&&/figure&&p&通过这个词云不难看出，“数据分析”是数据运营的核心工作，下面这个表格展示了排名靠前的关键词及其出现的频次。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-a5c37ac6cfcbda759ba17b6_b.png& data-rawwidth=&1920& data-rawheight=&2024& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/v2-a5c37ac6cfcbda759ba17b6_r.png&&&/figure&&p&“数据分析”这个词在100个 JD 中出现了106次，遥遥领先。接下来是分别是“分析报告”、“提供数据”、“数据报表”等词，这也说明提供数据报表、分析报告是数据运营的重要工作。搭建“数据指标”、及时“发现问题”、提供“解决方案”也是JD中的高频词汇，这样看数据运营岗位的具体职责就一目了然了。&/p&&p&总结起来，我们将其归纳为数据规划、数据采集、数据分析三大层次：&/p&&p&1.数据规划：收集整理业务部门数据需求，搭建数据指标体系；&/p&&p&2.数据采集：采集业务数据，向业务部门提供数据报表；&/p&&p&3.数据分析：通过数据挖掘、数据模型等方式，深入分析业务数据；提供数据分析报告，定位问题，提出解决方案。&/p&&br&&p&&b&Part 2 | 数据规划&/b&&/p&&p&数据规划是整个数据运营体系的基础，它的目的是搞清楚“要什么”。只有先搞清楚自己目的是什么、需要什么样的数据，接下来的数据采集和数据分析才更加有针对性。&/p&&p&这里有两个重要概念：指标和维度！&/p&&br&&p&&b&一、指标体系&/b&&/p&&p&指标（index），也有称度量（measure）。指标用来衡量具体的运营效果，比如 UV、DAU、销售金额、转化率等等。指标的选择来源于具体的业务需求，从需求中归纳事件，从事件对应指标。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-5ca902b27a2b9d19b942_b.png& data-rawwidth=&1920& data-rawheight=&472& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/v2-5ca902b27a2b9d19b942_r.png&&&/figure&&p&我们以一个电商网站为例，分析一下选择指标的过程：&/p&&ol&&li&明确需求：网站主要业务是商品销售，希望通过数据分析来提升网站销售金额；&/li&&li&归纳事件：用户购买是一连串关键事件的结果，包括访问网站、浏览商品、注册账号、加入购物车、开始结算、支付等。&/li&&li&对应指标：不难得出公式，销售金额=访问流量*下单转化率*支付转化率*客单价。&/li&&/ol&&p&通过上述分析，得出销售金额是 OMTM（第一重要指标，One Metric That Metter）的结论。同时，整个销售金额的指标体系包括访问流量、下单转化率、支付转化率和客单价四个可操作的指标。&/p&&br&&p&&b&二、维度体系&/b&&/p&&p&维度是用来对指标进行细分的属性，比如广告来源、浏览器类型、访问地区等等。选择维度的原则是：记录那些对指标可能产生影响的维度。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-1bf9b61eaf8f8b00a39d45d7_b.png& data-rawwidth=&1920& data-rawheight=&827& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/v2-1bf9b61eaf8f8b00a39d45d7_r.png&&&/figure&&p&以电商网站为例，我们需要监测不同访问用户的访问来源（广告还是自然流量）、平台（PC还是移动端）、活跃度（浏览购买频次）等等。对于初创公司来说的，性价比最高的做法就是用 SaaS 服务，通过第三方的 SDK 来完成多维度数据的获取。&/p&&p&磨刀不误砍柴工！数据运营需要和业务部门（市场、销售、运营、产品等等）不断沟通，只有做好数据规划，接下来的数据采集和数据分析才能更加高效。&/p&&br&&p&&b&Part 3 | 数据采集&/b&&/p&&p&传统的数据采集是一件非常花时间、精力、人力的事情，对于很多企业来说是一个巨大的门槛。巧妇难为无米之炊，数据采集的重要性不言而喻。数据运营要发挥数据采集、数据报表呈现的职责。&/p&&br&&p&&b&一、数据采集&/b&&/p&&p&目前有三种常见的数据采集方案，分别是埋点、可视化埋点和无埋点。&/p&&p&&i&1.埋点&/i&&/p&&p&埋点，也称打点，通过在产品（网页、APP等）中手动添加统计代码收集需要的数据。假如要收集用户注册数，就需要在注册按钮处加载相应的统计代码。Google Analytics（谷歌统计）、百度统计等工具采用的就是这一方法。&/p&&p&因为埋点的工程量大、周期长，而且容易发生漏埋、错埋的情况，埋点成为了数据从业者的一大痛点。&/p&&p&&i&2.可视化埋点&/i&&/p&&p&可视化埋点是埋点的延伸，通过可视化交互的方式来代替手动埋点。这种方式降低了用户使用的门槛，提升了效率。Mixpanel 采用了可视化的埋点方案。&/p&&p&无论是埋点还是可视化埋点，数据运营都需要起到承前启后的作用：收集业务部门数据需求，撰写需求文档，向工程部门提交埋点需求。&/p&&p&&i&3.无埋点&/i&&/p&&p&无埋点颠覆了传统的“先定义再采集”的流程，只需要加载一个 SDK 就可以采集全量的用户行为数据，然后可以灵活自定义分析所有行为数据。用户行为数据分析产品 GrowingIO 采取的就是无埋点的技术方案。&/p&&p&相比于埋点方案，无埋点成本低、速度快，不会发生错错埋、漏埋情况。无埋点正在成为市场的新宠儿，越来越多的企业采用了无埋点方案。在无埋点情景下，数据运营可以摆脱埋点需求的桎梏，将更多时间放在业务分析上。&/p&&br&&p&&b&二、数据报表&/b&&/p&&p&定期向业务部门提交数据报表是数据运营的工作之一，包括日报、周报、月报甚至年报。数据报表建立在数据指标体系的基础上，数据运营应该让这部分工作尽量自动化。&/p&&p&搭建数据看板（ Dashboard ）是除了数据报表之后又一项工作，数据看板往往和企业的 BI 系统连在一起，属于数据可视化的部分。在资源充足的企业，往往采用自建的方式搭建数据平台；对于中小企业，合理借助第三方数据工具是一个非常不错的选择。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-f835a49a8ec5cbe55df526_b.png& data-rawwidth=&1920& data-rawheight=&905& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/v2-f835a49a8ec5cbe55df526_r.png&&&/figure&&p&上图展示的是 GrowingIO 的流量概览看板，自动展示相关数据指标。在数据采集和数据可视化这个环节，数据运营应该善于借助工具，减少在数据采集、数据清理、数据可视化上面耗费的时间。&/p&&br&&p&&b&Part 4 | 数据分析&/b&&/p&&p&数据分析是数据运营的重点工作，数据规划和数据采集都是为了数据分析服务的。我们的最终目的是通过数据分析的方法定位问题，提出解决方案，促进业务增长。&/p&&p&选择什么样的数据分析方法要和你的业务场景相结合，下面这个表格汇总了目前常见的运营数据分析方法。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-7b6c5b1bb4b5280ede7b50f4e533dbbf_b.png& data-rawwidth=&1920& data-rawheight=&1397& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/v2-7b6c5b1bb4b5280ede7b50f4e533dbbf_r.png&&&/figure&&p&不同于数据分析师，数据运营岗位弱化了对编程统计的要求，更加强调在现有工具基础上灵活使用分析方法。一个好的数据运营一定要及时发现问题、定位问题，并提出可行的解决方案。&/p&&blockquote&本文作者 |
&a href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3D170421-DO-jobs%26utm_term%3Ddata-analyse& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&GrowingIO &i class=&icon-external&&&/i&&/a&增长团队
&a href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3D170421-DO-jobs%26utm_term%3Ddata-analyse& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&GrowingIO&i class=&icon-external&&&/i&&/a& 是来自硅谷的新一代基于用户行为的数据分析产品，数据采集无需埋点，用户行为数据分析更专业。登陆 &a href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3D170421-DO-jobs%26utm_term%3Ddata-analyse& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&GrowingIO 官网&i class=&icon-external&&&/i&&/a&立即注册免费试用。&/blockquote&
看了上面的回答，其实说的都挺对的，但是我还是想再做一些补充。对于数据运营，大多数互联网从业者都会有一些共有的迷思。比如如何选取正确的指标，如何正确地采集数据，如何用数据驱动运营。所以我们写了一本，这是 201…
&p&&a href=&https://link.zhihu.com/?target=http%3A//cda.pinggu.org/view/20434.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&2017校招数据分析岗位笔试/面试知识点&/a&&/p&&p&2017校招正在火热的进行，后面会不断更新涉及到的相关知识点。尽管听说今年几个大互联网公司招的人超少，但好像哪一年都说是就业困难，能够进去当然最好，不能进去是不是应该也抱着好的期望去找自己满意的呢?最近笔试了很多家公司校招的&a href=&https://link.zhihu.com/?target=http%3A//cda.pinggu.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据分析&/a&和数据挖掘岗位，今天(9.18r)晚上做完唯品会的笔试题，才忽然意识过来，不管题目简单也好、难也好，都要去切切实实的去掌握。毕竟不能永远眼高手低，否则最后吃亏的一定是自己。&/p&&p&知识点1：贝叶斯公式&/p&&p&贝叶斯公式：P(B|A)=P(A|B)*P(B)/P(A)&/p&&p&其中P(A)可以展开为&/p&&p&P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+…+P(A|Bn)*P(Bn)&/p&&p&(这在很多问答题或者选择题中都有用到)&br&知识点2：关联规则分析&/p&&p&主要考的是支持度和置信度。&/p&&br&&p&知识点3：聚类&/p&&p&聚类之间类的度量是分距离和相似系数来度量的，距离用来度量样品之间的相似性(K-means聚类，系统聚类中的Q型聚类)，相似系数用来度量变量之间的相似性(系统聚类中的R型聚类)。&/p&&p&最常用的是K-means聚类，适用于大样本，但需要事先指定分为K个类。&/p&&p&处理步骤：&/p&&p&1)、从n个数据对象中任意选出k个对象作为初始的聚类中心&/p&&p&2)、计算剩余的各个对象到聚类中心的距离，将它划分给最近的簇&/p&&p&3)、重新计算每一簇的平均值(中心对象)&/p&&p&4)、循环2-3直到每个聚类不再发生变化为止。&/p&&p&系统聚类适用于小样本。&/p&&p&知识点4：分类&/p&&p&有监督就是给的样本都有标签，分类的训练样本必须有标签，所以分类算法都是有监督算法。&/p&&p&监督机器学习问题无非就是“minimizeyour error while regularizing your parameters”，也就是在规则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们的训练数据，而规则化参数是防止我们的模型过分拟合我们的训练数据，提高泛化能力。&/p&&p&1.朴素贝叶斯&/p&&p&1)基础思想：&/p&&p&对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此分类项属于哪个类别。&/p&&p&2)优点：&/p&&p&可以决策树、神经网络分类算法相媲美，能运用于大型数据库中。&/p&&p&方法简单，分类准确率高，速度快，所需估计的参数少，对于缺失数据不敏感。&/p&&p&3)缺点：&/p&&p&假设一个属性对定类的影响独立于其他的属性值，这往往并不成立。(喜欢吃番茄、鸡蛋，却不喜欢吃番茄炒蛋)。&/p&&p&需要知道先验概率。&/p&&p&2.决策树&/p&&p&1)基础思想：&/p&&p&决策树是一种简单但广泛使用的分类器，它通过训练数据构建决策树，对未知的数据进行分类。决策树的每个内部节点表示在一个属性上的测试，每个分枝代表该测试的一个输出，而每个叶结点存放着一个类标号。&/p&&p&在决策树算法中，ID3基于信息增益作为属性选择的度量，C4.5基于信息增益比作为属性选择的度量，CART基于基尼指数作为属性选择的度量。&/p&&p&2)优点 ：&/p&&p&不需要任何领域知识或参数假设。&/p&&p&适合高维数据。&/p&&p&简单易于理解。&/p&&p&短时间内处理大量&a href=&https://link.zhihu.com/?target=http%3A//cda.pinggu.org/view/20430.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据&/a&，得到可行且效果较好的结果。&/p&&p&3)缺点：&/p&&p&对于各类别样本数量不一致数据，信息增益偏向于那些具有更多数值的特征。&/p&&p&易于过拟合。&/p&&p&忽略属性之间的相关性。&/p&&p&3.支持向量机&/p&&p&1)基础思想：&/p&&p&支持向量机把分类问题转化为寻找分类平面的问题，并通过最大化分类边界点距离分类平面的距离来实现分类。&/p&&p&2)优点 ：&/p&&p&可以解决小样本下机器学习的问题。&/p&&p&提高泛化性能。&/p&&p&可以解决文本分类、文字识别、图像分类等方面仍受欢迎。&/p&&p&避免神经网络结构选择和局部极小的问题。&/p&&p&3)缺点：&/p&&p&缺失数据敏感。&/p&&p&内存消耗大，难以解释。&/p&&p&4.K近邻&/p&&p&1基础思想：&/p&&p&通过计算每个训练样例到待分类样品的距离，取和待分类样品距离最近的K个训练样例，K个样品中哪个类别的训练样例占多数，则待分类样品就属于哪个类别。&/p&&p&2)优点 ：&/p&&p&适用于样本容量比较大的分类问题&/p&&p&3)缺点：&/p&&p&计算量太大&/p&&p&对于样本量较小的分类问题，会产生误分。&/p&&p&5.逻辑回归(LR)&/p&&p&1)基础思想：&/p&&p&回归模型中，y是一个定型变量，比如y=0或1，logistic方法主要应用于研究某些事件发生的概率。&/p&&p&2)优点 ：&/p&&p&速度快，适合二分类问题。&/p&&p&简单易于理解，直接看到各个特征的权重。&/p&&p&能容易地更新模型吸收新的数据。&/p&&p&3)缺点：&/p&&p&对数据和场景的适应能力有局限，不如决策树算法适应性那么强。&br&知识点5：分类的评判指标&/p&&p&准确率和召回率广泛用于信息检索和统计分类领域&/p&&p&1)准确率(precision rate)：提取出的正确信息条数/提取出的信息条数&/p&&p&2)召回率(recall rate)：提取出的正确信息条数/样本中的信息条数&/p&&p&ROC和AUC是评价分类器的指标&/p&&p&3)ROC曲线：&/p&&p&ROC关注两个指标&/p&&p&True Positive Rate ( TPR，真正率 ) = TP / [ TP + FN] ，TPR代表预测为正&/p&&p&实际也为正占总正实例的比例&/p&&p&False Positive Rate( FPR，假正率 ) = FP / [ FP + TN] ，FPR代表预测为正&/p&&p&但实际为负占总负实例的比例&/p&&p&在ROC 空间中，每个点的横坐标是FPR，纵坐标是TPR&/p&&p&4)AUC：AUC(Area Under Curve)&/p&&p&被定义为ROC曲线下的面积，显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。使用AUC值作为评价标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好，而AUC作为数值可以直观的评价分类器的好坏，值越大越好。&/p&&p&5)如何避免过拟合?&/p&&p&过拟合表现在训练数据上的误差非常小，而在测试数据上误差反而增大。其原因一般是模型过于复杂，过分得去拟合数据的噪声和outliers。&/p&&p&常见的解决办法是正则化是：增大数据集，正则化&/p&&p&正则化方法是指在进行目标函数或代价函数优化时，在目标函数或代价函数后面加上一个正则项，一般有L1正则与L2正则等。规则化项的引入，在训练(最小化cost)的过程中，当某一维的特征所对应的权重过大时，而此时模型的预测和真实数据之间距离很小，通过规则化项就可以使整体的cost取较大的值，从而在训练的过程中避免了去选择那些某一维(或几维)特征的权重过大的情况，即过分依赖某一维(或几维)的特征。&/p&&p&L1正则与L2正则区别：&/p&&p&L1：计算绝对值之和，用以产生稀疏性(使参数矩阵中大部分元素变为0)，因为它是L0范式的一个最优凸近似，容易优化求解;&/p&&p&L2：计算平方和再开根号，L2范数更多是防止过拟合，并且让优化求解变得稳定很快速;&/p&&p&所以优先使用L2 norm是比较好的选择。&br&知识点6：二叉树(前、中、后遍历)&/p&&p&(这里的前中后是指的根节点的遍历次序)&/p&&p&1)前序遍历(DLR)，首先访问根结点，然后遍历左子树，最后遍历右子树;&/p&&p&2)中序遍历(LDR)，首先遍历左子树，然后访问根结点，最后遍历右子树;&/p&&p&3)后序遍历(LRD)，首先遍历左子树，然后访问遍历右子树，最后访问根结点。&/p&&br&&p&知识点7：几种基本排序算法&/p&&p&1)冒泡排序(Bubble Sort)&/p&&p&冒泡排序方法是最简单的排序方法。这种方法的基本思想是，将待排序的元素看作是竖着排列的“气泡”，较小的元素比较轻，从而要往上浮。&/p&&p&冒泡排序是稳定的。算法时间复杂度是O(n^2)。&/p&&p&2)插入排序(Insertion Sort)&/p&&p&插入排序的基本思想是，经过i-1遍处理后，L[1..i-1]己排好序。第i遍处理仅将L[i]插入L[1..i-1]的适当位置，使得L[1..i]又是排好序的序列。&/p&&p&直接插入排序是稳定的。算法时间复杂度是O(n^2)。&/p&&p&3)堆排序&/p&&p&堆排序是一种树形选择排序，在排序过程中，将A[n]看成是完全二叉树的顺序存储结构，利用完全二叉树中双亲结点和孩子结点之间的内在关系来选择最小的元素。&/p&&p&堆排序是不稳定的。算法时间复杂度O(nlog n)。&/p&&p&4)快速排序&/p&&p&快速排序是对冒泡排序的一种本质改进。快速排序通过一趟扫描，就能确保某个数(以它为基准点吧)的左边各数都比它小，右边各数都比它大。&/p&&p&快速排序是不稳定的。最理想情况算法时间复杂度O(nlog2n)，最坏O(n ^2)。&br&知识点8：SQL知识&/p&&p&1)左连接、右连接、inner连接，full连接&/p&&p&2)修改表：&/p&&p&alter table 教师 add 奖金 in&/p&&p&talter table 教师 drop 奖金&/p&&p&alter table 教师 rename 奖金 to 津贴&/p&&p&3)表权限的赋予：&/p&&p&4)怎样清空表数据，但不删除表结构&/p&&p&delete from tablename或者delete * from table_nametruncate table tablename&/p&&p&5)外键能不能为空&/p&&p&外键可以为空，为空表示其值还没有确定;&/p&&p&如果不为空，刚必须为主键相同。&br&知识点9：统计学基础知识&/p&&p&1)四分位极差、左右偏分布、p值&/p&&p&2)方差分析：&/p&&p&用于两个及两个以上样本均数差别的显著性检验，基本思想是：通过&a href=&https://link.zhihu.com/?target=http%3A//cda.pinggu.org/view/20431.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&分析&/a&研究不同来源的变异对总变异的贡献大小，从而确定控制变量对研究结果影响力的大小。&/p&&p&3)主成分分析：&/p&&p&是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。&/p&&p&4)幸存者偏差：&/p&&p&意思是指，当取得资讯的渠道，仅来自于幸存者时(因为死人不会说话)，此资讯可能会存在与实际情况不同的偏差。&a href=&https://link.zhihu.com/?target=http%3A//cda.pinggu.org/view/20434.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&cda.pinggu.org/view/204&/span&&span class=&invisible&&34.html&/span&&span class=&ellipsis&&&/span&&/a&&/p&
2017校招正在火热的进行，后面会不断更新涉及到的相关知识点。尽管听说今年几个大互联网公司招的人超少，但好像哪一年都说是就业困难，能够进去当然最好，不能进去是不是应该也抱着好的期望去找自己满意的呢?最近笔试了…
你好，我是神策数据（&a href=&//link.zhihu.com/?target=http%3A//www.sensorsdata.cn& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&神策数据 | Sensors Data&i class=&icon-external&&&/i&&/a&）的数据分析师，也面过一些刚毕业的同学，对于上面你问的问题，做出一些回答。
&br&&br&&b&一、对于甲方公司，具体业务，面试官想要的是一个解决问题的思路和你的逻辑。以下是我的一些想法&/b&&br&&br&&ul&&li&具体的业务场景首先要明确出KPI（关键绩效指标），一个业务如果没有KPI那是没有办法去衡量和提升的&/li&&/ul&&br&&ul&&li&明确KPI后，再去对KPI进行指标拆解，比如电商中我们的KPI是订单转化率，那我们就可以拆解到它下面的小指标，比如提单量，购物车放弃量等&/li&&/ul&&br&&ul&&li&对想要的指标找到可以衡量的维度，维度也就是属性。我们所关注的KPI一般都可以抽象成一部分人去完成了一件事，所以维度上可以从“人”，“事”，“景”去做分析&/li&&/ul&&br&&ul&&li&&ul&&li&人的自然属性包括年龄，性别，地区，行业等，如果是个网站等还可以记录首次访问来源，注册来源，vip等级等。&/li&&/ul&&/li&&/ul&&br&&ul&&li&&ul&&li&事的属性要根据具体的业务去寻找，比如购买这个事情就可以从订单价格，商品类型等去分析，不过也会有一些固定的属性，比如在移动设备上进行京东购买，那么设备的型号，制造商都可以去作为维度去分析。&/li&&/ul&&/li&&/ul&&br&&ul&&li&&ul&&li&还有就是场景化也可以是说定性分析，比如一个例子，外卖中某个数据在9月份的时候发现新用户（新设备作为新用户）突然暴增，各种维度进行下钻上卷进行分析都没有找到原因，后来发现是9月分苹果发版，出现的换机潮导致。&/li&&/ul&&/li&&/ul&&br&&ul&&li&指标和维度确定后，就要去分析问题，比如一个电商网站的订单流程去分析用户流失率&/li&&/ul&&br&&ul&&li&&ul&&li&主观上&ul&&li&要有一个benchmark去作为比对和参考那用户流失&/li&&li&用户流失一定会有一个漏斗的场景，用户在哪里哪一步流失严重&/li&&li&对漏斗去进行维度的下钻，比如通过地区维度做分组查看，发现河北地区的用户在漏斗中“用户提交订单”到“支付订单”过程中流失严重，导致了整体水平下降。那就去找这个地区中更细的维度去查看，比如具体到某个县，某群人，某个商品等，不同的维度进行交叉去分析原因。&/li&&/ul&&/li&&/ul&&/li&&/ul&&br&&ul&&li&&ul&&li&客观上&ul&&li&进入网站前，也就是用户从哪里来的，是不是高质量用户，还是强行插入的广告导致用户误点，这样的用户在第一步就会流失非常高&/li&&li&进入网站后，也就是用户与网站的交互程度（engagement），这个就会体现出产品的交互设计是不是符合用户的使用习惯，我们有个案例，就是用户在注册的时候填的信息非常多，一个是填写麻烦，另一个导致上传经常失败，这一步用户流失很高。当简化注册信息填写后，流失率降了好多倍。&/li&&/ul&&/li&&/ul&&/li&&/ul&&br&&ul&&li&最后是找到原因后如何去解决，这个就会涉及到工作经验和对业务的属性程度，对于刚毕业的面试者不会去做过多的要求，不过能说出个一二三更佳。&/li&&/ul&&br&&b&二、对于乙方公司，相比甲方公司来说，关心的更是你对数据分析的理解和想法，其实就是上述回答中抽出来形成一个概念，那我们可以从Growth Hacker&/b&&b&的角度去说，这里不会详细说。&/b&&br&&br&&br&&ul&&li&&b&用户获取&/b&&/li&&/ul&
运营一个产品第一步就是获得用户，如果没有用户那就谈不上后续的事情了
&br&&br&&ul&&li&&b&提高活跃度&/b&&/li&&/ul&
提高活跃度是一个比较大的话题，用户质量，产品设计，内容运营等都会成为影响这个问题的因素
&br&&br&&ul&&li&&b&用户留存&/b&&/li&&/ul&
留存是极其重要的，我们都不想来的流量是一次性用户，不能像熊瞎子掰玉米一样，掰一个丢一个。当我们的留存率过低的时候，就不要想再去拓展新的用户，绝大多数用户对产品失望后基本不会再来，所以留存是关键
&br&&br&&ul&&li&&b&用户转化（获取收入）&/b&&/li&&/ul&
目标转化，或者直接说成收入的获取是我们最核心的部分，不过影响它的因素会有很多，比如用户基数，用户活跃度，用户留存等
&br&&br&&ul&&li&&b&自传播&/b&&/li&&/ul&
从自传播到再次获取用户是一个螺旋的上升过程，比如Facebook，传播速度像病毒一样，产品有这样的自传播，会迅速占领市场
&br&&br&&br&&b&三、总结&/b&&br&&br&&b&
一个数据分析师要掌握的知识会很多，&b&不分行业，干的事基本上包括了怎么收集数据、怎么分析数据、怎么展现数据，并可能提供一定的预测、评估或分析建议等。不管是甲方还是乙方，方法论是通用的，不一样的是具体的业务场景，以下是建议一些相关的书和需要的技能&/b&&/b&&br&&br&&br&&b&《深入浅出统计学》&/b&&br&&b&《精益数据分析》&/b&&br&&b&《人人都是网站分析师》&/b&&br&&br&&br&&b&掌握或者了解 Excel，PPT，SAS，SPSS，Hive，Sql，Python，R，统计学，经济学甚至心理社会学都可能会涉及到&/b&&br&&br&&br&&b&也可以了解相关的第三方工具，如神策，&/b&&b&谷歌分析，mixpanel&/b&&b&等&/b&
你好，我是神策数据（）的数据分析师，也面过一些刚毕业的同学，对于上面你问的问题，做出一些回答。
一、对于甲方公司，具体业务，面试官想要的是一个解决问题的思路和你的逻辑。以下是我的一些想法 具体的业务场景首先要明确出KP…
这个问题居然不邀请我来回答，真是的。&br&&br&为什么推出mobike lite，因为我们听到了用户的呼声。摩拜单车一直是用科技改变生活，这一点充分体现在我们的车身上：智能锁，全铝车身，五幅轮毂等等，但同时这些设计也带来了一些用户体验上的问题，比如你们说的骑起来重。&br&&br&mobike lite是一个新的探索, 会整合既有的自行车行业供应链, 使得摩拜可以提供更多车辆。相比现有的单车也会更轻：&br&特殊材质橡胶实心轮胎，损耗极低，不用担心爆胎，充气；&br&KMC链条，不容易掉链子，相比于普通自行车，降低损坏率；&br&太阳能板充电，是对低碳环保的再一次科技探索。&br&&br&同时lite版本有更加亲民的价格，0.5元每半小时。之所以选择以30分钟为单位，就是方便城市里3－5公里左右的骑行。半小时5毛的价格, 折合为每公里一到两毛钱, 这个亲民的价格会鼓励更多市民骑车, 帮助缓解交通拥堵。&br&&br&&figure&&img src=&https://pic2.zhimg.com/v2-b698f82cfb5e435a6cf1_b.jpg& data-rawwidth=&2880& data-rawheight=&1920& class=&origin_image zh-lightbox-thumb& width=&2880& data-original=&https://pic2.zhimg.com/v2-b698f82cfb5e435a6cf1_r.jpg&&&/figure&&br&&figure&&img src=&https://pic3.zhimg.com/v2-db00f0a5bc352dcaf08d02_b.jpg& data-rawwidth=&800& data-rawheight=&533& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic3.zhimg.com/v2-db00f0a5bc352dcaf08d02_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/v2-215d064a279ab5fd6decdf2a0f12bc23_b.jpg& data-rawwidth=&852& data-rawheight=&1280& class=&origin_image zh-lightbox-thumb& width=&852& data-original=&https://pic4.zhimg.com/v2-215d064a279ab5fd6decdf2a0f12bc23_r.jpg&&&/figure&&br&摩拜单车的初衷是“让自行车回归城市”，我们从未改变这一理念。人们到底喜欢什么样的自行车？在智能共享自行车领域，摩拜是第一个吃螃蟹的人。这对摩拜就有很多的要求：我们不能思维定式，而是要不停地探索，找一个最佳的方式，去提升用户体验，更好地实现让自行车回归城市，骑行让城市更美好的愿景。&br&&br&萝卜青菜，各有所爱，让用户多一点选择，总归是好的，你们说对吧？
这个问题居然不邀请我来回答，真是的。 为什么推出mobike lite，因为我们听到了用户的呼声。摩拜单车一直是用科技改变生活，这一点充分体现在我们的车身上：智能锁，全铝车身，五幅轮毂等等，但同时这些设计也带来了一些用户体验上的问题，比如你们说的骑起…
&b&主要还是由于成本，&/b&&br&&br&&b&成本这个因素直接影响覆盖密度、扩张速度和壁垒深度，这些都是滴滴投资布局必须考虑的点。&/b&&br&&br&&b&至于背后投资人都是Matrix、金沙江、王刚，这些更多是“果”，而不是“因”。&/b&&br&&br&之前写过一篇ofo跟mobike的比较，下面摘要列一下：&br&&br&&b&（一）成本&br&&/b&&br&&p&之所以看好ofo多于摩拜，最根本的一点，也就是朱啸虎一直强调的因素：&strong&成本。&/strong&&/p&&br&&p&根据公开的材料，摩拜的单车成本大约在3000元左右，定制的单车的使用寿命大约在4年左右。而ofo的单车成本含维护大约在270元。&/p&&br&&p&再到客单价，摩拜的收费为1元/30分钟，如果作为城市公共交通末梢和微循环的自行车出行场景，即500米到3公里的骑行距离，客单价在2元以内。ofo校内0.01元/分钟，0.04元/公里，校内的使用场景客单价大约在0.1元以内（之前有报道说客单价为0.5元，个人并不同意，在校园内，随租随还的单车，平均客单价基本上就是起步价加一档左右，而且目前还存在补贴）；在校外，ofo双号牌的车，收费是0.04元/分钟，0.16元/公里，客单价大约在0.5元左右。&/p&&br&&p&结合单车成本和客单价，排除每年天气等原因实际出行的天数假设为300天，假设每辆摩拜单车的使用频率在1天5次使用，那么大约1年可以收回成本。校内的ofo由于学生单车出行的习惯比较普遍，而且校园范围内容易形成大规模出行的潮汐效应，每天单车使用频率大约在10次左右。ofo每辆小黄车大约在270日内收回成本。&/p&&br&&p&其实在回本周期层面上，摩拜和ofo差距不大。而且，由于ofo的单车耐用程度比摩拜的要差很远，肯定达不到摩拜宣称的4年寿命。广州BRT沿线的公共自行车寿命在2-3年，ofo由于是无桩借还，日晒雨淋下估计其使用寿命大概在1.5年左右。这意味着每一年半，ofo就要对其投放的自行车进行更换。&/p&&br&&b&（二）覆盖密度&/b&&br&&br&&p&让ofo真正凸显成本优势的，是车的&strong&覆盖&/strong&&strong&密度&/strong&。&br&&/p&&br&&p&前面提到城市公共交通末梢和微循环的出行场景大概是500米到3公里的距离。这里的公共交通末梢是指公交、地铁和居所间和3公里内点到点的出行场景。500米是一个临界点，500米以内的移动距离可能更倾向步行；超过500米3公里内的距离，人们可能更愿意骑车而不是步行；超过3公里，公交、地铁或者的士、专车是更优先的选择。&br&&/p&&br&&p&也就是说，如果寻车的距离在500米以上，折合寻车时间超过6分钟，人们便对骑车接驳公共交通的需求大幅下降。道理很简单，如果我家离地铁站1500米，走路可能20分钟的样子。&strong&我如果花6分钟走500米来找公共自行车，骑上3分钟的路程，其实&/strong&&strong&在消费决策形成时是容易觉得不划算的&/strong&（还要付钱呐）。&/p&&br&&p&为了确保500米范围内有车，则需要对城市运营区域内500米半径对应的每0.79平方公里的面积进行覆盖。按广州市环城高速内（摩拜广州的运营区域）人口密度20000人/平方公里、假设每100人中1人选择骑车，在广州环城高速210.13平方公里的范围内，需要运营的公共自行车42025辆；在北京五环内615.44平方公里的范围内则需要105068辆。&/p&&br&&p&当然，通过出行数据分析进行优化调度，上面的这些数字会大幅下降，实现20%的自行车满足80%的需求，上面的这些数字会大幅下降。但目前摩拜在广州5000+、北京10000+的单车投放量来看，仍然显得捉襟见肘。在车不密的地方拿着手机寻车，有时候犹如在玩&/p&&p&pokémon go抓精灵。&/p&&br&&p&假设通过数据分析优化调度实现20%的自行车满足80%的需求是可行的，那么在广州环城高速内合适的投放量是16810辆。&strong&而要实现这个投放量，满足广州核心区域内的公共交通末梢的出行需求，摩拜的成本是5043万，ofo的成本是453.87万&/strong&。&/p&&br&&p&&strong&也就是说，要拿下广州这样一座城市，ofo的成本是摩拜的十分之一。&/strong&&/p&&br&&b&（三）扩张速度&br&&/b&&br&&p&成本的另外一个体现就是在&strong&扩张速度&/strong&上。&/p&&br&&p&低成本有助高速扩张的一个方面是低造价能够带来的低成本大量投放，另一方面是共享的&strong&开放性&/strong&。&/p&&br&&p&ofo的单车有1/10是学生自己的共享出来的，这个比例在ofo整个成本结构里面对于降低成本帮助不大。但是，这种共享意味着一种开放的可能性，个人可以将自己的单车共享出来，以1换N，潜在用户转化为实际用户；租车铺、单车店可以将存量单车共享出来，换取运营收益；甚至单车厂可以自带干粮（误，单车）成为ofo各个城市的合作商或加盟商。&br&&/p&&br&&p&这种低成本改造带来的开放性，对于异地扩张速度提升的帮助无疑是巨大的。而且，在我国，整个自行车产业面临着产能过剩的问题。相比于摩拜自建工厂大量生产自己设计的自行车，通过低成本改造的具备开放性的ofo更加能帮助整个自行车产业消化产能。这里面蕴藏的势能将会是推动ofo扩张的一道不小的推力。这种势能是摩拜不具备的。&/p&&br&&b&（四）壁垒深度&br&&/b&&br&&p&&strong&壁垒深度&/strong&则是ofo低成本带来的另一个优势。&/p&&br&&p&为了防盗和耐操，摩拜用铝制车身取代不锈钢、实心轮胎和轮毂取代充气胎和辐条，内置定位和发电装置，酷炫的外观设计，看起来壁垒更深。但是出行领域的壁垒并不在于此。在过去专车领域的战争中，滴滴已经验证了一点，就是更高密度的车辆满足用户便捷出行的需求。处于公共交通末梢和微循环的单车分时租赁也一样。&/p&&br&&p&而且单车分时租赁跟滴滴的快车专车不同的是，单车没有司机，只能靠用户步行去寻找，单车的密度和距离则是更加关键的影响因素。&/p&&br&&p&前面讲过，用户选择单车分时租赁决策的临界点是500米左右的寻车距离，即要让用户更愿意选择单车分时租赁，需要对城市运营区域内每0.79平方公里的面积进行覆盖。在广州这样的人口密度在20000/平方公里左右的城市，达到这个覆盖密度的成本，ofo是摩拜单车的十分之一。&/p&&br&&p&也就是说，&strong&构筑壁垒的成本，ofo是摩拜的十分之一&/strong&。&/p&&br&&p&在建立起有效壁垒之后，数量庞大而形象统一的公共自行车能有效压迫贼赃的销路。而此时低价的公共自行车甚至会比高价的更能防盗——长得稍逊更少人买、偷个贵点的回来起码卖烂铁也值钱点啊（笑）。所以摩拜的防盗处理，是一种创新，但并不是有效的壁垒。&/p&&br&&p&之前讲到，各个地方共享的单车可以推动ofo快速扩张，而各个地方势力也能为ofo带来排他性的区域壁垒。&/p&&br&&p&也就是说，成本优势带来覆盖密度、扩张速度、壁垒深度三个优势。&/p&&br&总结一下，由于ofo的成本效益，能够低成本达到最佳的覆盖密度，形成壁垒，并且能够结合资本的放大效应快速扩张。同时，ofo不同于摩拜的开放性特点，有助于结合自行车产业过剩的产能，形成扩张势能和区域壁垒，攻守兼备。&p&当然了，相比较摩拜，ofo相对显得简陋，团队经验也稍逊。能不能利用模式上的优势，借助滴滴这个战略投资者和其他财务投资，从校园里杀入社会，也有待验证。&/p&&br&&p&延伸：&/p&&p&&a href=&https://www.zhihu.com/question//answer/& class=&internal&&如何看待ofo共享单车开启“城市大共享计划”？&/a&&br&&/p&&p&&a href=&https://www.zhihu.com/question//answer/& class=&internal&&如何评价腾讯战略入股摩拜单车？&/a&&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&共享单车对城市消费的影响&/a&&/p&
主要还是由于成本， 成本这个因素直接影响覆盖密度、扩张速度和壁垒深度，这些都是滴滴投资布局必须考虑的点。 至于背后投资人都是Matrix、金沙江、王刚，这些更多是“果”，而不是“因”。 之前写过一篇ofo跟mobike的比较，下面摘要列一下： （一）成本
摩拜和 ofo 哪个更好骑，每个人的主观感受不一样，大家继续讨论。回到这场大战，通过数据可能更好看出两家的实力。&br&&br&&a data-hash=&b36e278fb1f419fd27ad4& href=&//www.zhihu.com/people/b36e278fb1f419fd27ad4& class=&member_mention& data-editable=&true& data-title=&@黄有璨& data-hovercard=&p$b$b36e278fb1f419fd27ad4&&@黄有璨&/a&
曾经把当年的“滴滴快的大战”大致分为四个阶段：&b&模式验证，形势确立，清场 + 正面 PK（补贴大战），市场收割。 &/b&&br&&br&按目前的情势来看，单车市场已经进入了第三阶段，逐渐甩掉弱小对手，强强对抗。&br&&br&接下来，&b&腾讯创业（微信公众号：qqchuangye）&/b&会通过融资对比、投资方、投放量和覆盖城市、促销大战几个部分，来拆解一下两家的大战。&br&&br&&b&1）融资对比&/b&&br&&br&2 月 20 日，摩拜单车获得 D 轮后新融资；3 月 1 日，ofo 完成 D 轮 4.5 亿美元融资。单纯从融资来看，目前国内除了这两家，还没有其他共享单车公司获得 C 轮及以上的融资，而且两家的融资额占到了共享单车领域融资额的接近 80%。&br&&br&&figure&&img src=&https://pic2.zhimg.com/v2-d08bd1f245c9a53653fc9d_b.jpg& data-rawwidth=&640& data-rawheight=&1534& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic2.zhimg.com/v2-d08bd1f245c9a53653fc9d_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/v2-115d7d4eea6d56e69cf0b4_b.jpg& data-rawwidth=&640& data-rawheight=&1395& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/v2-115d7d4eea6d56e69cf0b4_r.jpg&&&/figure&&br&&br&两家融资情况按时间线梳理如下：&br&&br&&figure&&img src=&https://pic1.zhimg.com/v2-faab992eb7f95b153f938178_b.jpg& data-rawwidth=&640& data-rawheight=&1539& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/v2-faab992eb7f95b153f938178_r.jpg&&&/figure&&br&&br&从融资时间上看，ofo 率先获得融资，比摩拜早了近 7 个月。之后 ofo 与摩拜的融资轮次咬合很紧，不分上下。截至目前，两家都拿到了 8 轮融资。&br&&br&&b&2016 年 8 月是一个节点&/b&，大量资本进入共享单车领域，尤其聚集在摩拜和 ofo 两家头部，资本大战进入白热化。从当月摩拜的B轮融资开始，两家的融资金额进入同一数量级。&br&&br&2017 年开始，ofo 融资金额明显增大，最新一轮的 4.5 亿美元融资，创下了共享单车行业单笔最高融资纪录。&br&&br&&b&2）背后“金主”&/b&&br&&br&摩拜和 ofo 的投资方分为几种不同类型——互联网巨头、传统行业大佬、专业投资机构以及个人。&br&&br&摩拜与 ofo 的投资方如下表：&br&&br&&figure&&img src=&https://pic3.zhimg.com/v2-71dfa9bfd7b9e0efe05b4aec2bbe892a_b.jpg& data-rawwidth=&640& data-rawheight=&840& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-71dfa9bfd7b9e0efe05b4aec2bbe892a_r.jpg&&&/figure&&br&&br&可以看出：&br&&br&&blockquote&摩拜的投资方有腾讯、携程两家互联网巨头，两家战略投资为主的传统行业大佬，十二家专业投资机构，一位天使投资人。&br&&br&ofo 的投资方有滴滴、小米两家互联网巨头，十家专业投资机构，两位天使投资人。&/blockquote&&br&显然，摩拜更看重的是战略投资所带来的资源，王晓峰也向我们确认了这个判断，对于资金和战略资源，摩拜更看重战略资源，可以帮助摩拜快速发展、变大。&br&&br&摩拜背后的腾讯掌握着 QQ 和微信两大平台，一旦为摩拜引入流量入口，导入大量用户不是难事；&br&&br&而 ofo 背后的滴滴在与快的和 Uber 的大战中获胜，积累了宝贵的经验，培养了大批拥有实战经验的人才，这些都是目前 ofo 所欠缺的。ofo 创始人戴威透露，滴滴平台以后会增加一个 ofo 的模块，正在开发中。&br&&br&&b&3）城市布局&/b&&br&&br&&b&投放城市：&/b&截至 2 月底，摩拜为 23 个城市，ofo 为 35 个城市。&br&&br&从城市拓展轨迹上来看，摩拜首先进入的是上海、北京、广州和深圳；ofo 则以上海、北京、深圳为次序投放。之后的投放城市也以南方城市为主，多个省会都有涉及。&br&&br&&b&投放数量：&/b&根据双方自己宣布的数据，摩拜为 80 万辆，ofo 为百万辆。&br&&br&&b&集中投放点：&/b&&br&&br&中关村是ofo和摩拜试运营投放中的首选之一。两家在中关村的停车点都选择了苏州街与丹棱街的交汇处。选择此处的原因一是中关村基础设施较好，停车区域配置妥当；二是互联网企业多，认知度高，接受快。&br&&br&&b&4）促销大战&/b&&br&&br&充返活动：&br&&br&&figure&&img src=&https://pic3.zhimg.com/v2-dea308ccde4b8_b.jpg& data-rawwidth=&559& data-rawheight=&534& class=&origin_image zh-lightbox-thumb& width=&559& data-original=&https://pic3.zhimg.com/v2-dea308ccde4b8_r.jpg&&&/figure&&br&从 ofo 和摩拜的补贴力度来看：&br&&br&&blockquote&摩拜单车最高充值 100 元送 110 元，则充返之后最低的骑行价格（摩拜 Lite 版）是 0.24 元/半小时；&br&&br&ofo 则是充 100 元得 200 元，折合最低骑行价格是 0.5 元/小时（师生有特殊优惠）。&/blockquote&&br&虽然补贴力度相差不大，但短途骑行选择摩拜 Lite 更合适。&br&&br&此外，ofo 的起充价是摩拜的两倍，对于只想体验一把骑行或者使用频率非常低的人来说，选择摩拜的可能性更大。&br&&br&除了充返活动外，两家都向用户主动推送短信，通过&b&免费骑行&/b&推广。&br&&br&从各项对比中可以看出，ofo 和摩拜很难一招定胜负。而且，还有 &b&14 家共享单车创业项目正在争夺用户&/b&。 &br&&br&&figure&&img src=&https://pic1.zhimg.com/v2-9fc8c6c6a75aaf0ab7d90a3aaf7a60b8_b.jpg& data-rawwidth=&640& data-rawheight=&1082& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/v2-9fc8c6c6a75aaf0ab7d90a3aaf7a60b8_r.jpg&&&/figure&&br&&br&资本市场从来没有大团圆的结尾，金字塔顶也容不下多方并肩，被并购未必是终结，退出市场也有可能是明哲保身。&br&&br&by &a data-hash=&a9a01897e00bfd1712772bab71f016e2& href=&//www.zhihu.com/people/a9a01897e00bfd1712772bab71f016e2& class=&member_mention& data-editable=&true& data-title=&@郑可君& data-hovercard=&p$b$a9a01897e00bfd1712772bab71f016e2&&@郑可君&/a&
&br&&br&&b&&blockquote&腾讯创业频道是腾讯旗下专注于创投领域的媒体平台。如果你想被获得千万网友和投资人的关注，即刻搜索关注微信公众号 qqchuangye ，递交你的项目。&/blockquote&&/b&
摩拜和 ofo 哪个更好骑，每个人的主观感受不一样，大家继续讨论。回到这场大战，通过数据可能更好看出两家的实力。
曾经把当年的“滴滴快的大战”大致分为四个阶段：模式验证，形势确立，清场 + 正面 PK（补贴大战），市场收割。
按目前的情势来看…
&p&【勘误与提醒】&/p&
&p&1.本文分两次作答（纠结“文不对题”的请绕道）：日首答主要介绍共享单车第一、二梯队玩家的相关情况、简要分析以及个人愚见；更新，增加了城市公共自行车与共享单车的对比&/p&
&p&2.感谢评论区知乎网友提醒，原文中“受关注度”对摩拜与OFO的分析所采用的数据有误，现已更正。另外，其它具体数据亦具有一定的时效性，仅限于当时分析采用，恕不再更新（不然更新起来没完没了啊┑(￣Д
￣)┍）&/p&
&p&3.数据和新闻会过时，不妨将本回答看做是对共享单车的出现和发展所做的阶段性分析。感兴趣的朋友还可看我的主页中1月21日所写的一篇小文《&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&关于共享单车的几点思考&/a&》&/p&
&p&4.全文共计万余字，前方多图，上车的系好安全带啊~（以下为作答内容）&/p&&br&&p&鄙人上班狗一枚，坐标深圳南山区，先说说我的个人见闻。&/p&&p&摩拜算是较早在这一区域布局的，大约是在10月份。而从11月，开始疯狂铺车，投放量惊人，中心城区一个繁华地段，路的两侧人行道上几乎五步一辆，十步一排（每排约30辆），半天时间内就被骑走，于是路上到处可见骑着摩拜的上班族和学生（尤其是在高峰时段）。ofo紧随其后，11月开始偶尔能在路上看到，但数量远不及前者多，投放速度也稍慢些，到12月份开始路上的小黄车逐渐增多，与摩拜不相上下。几乎同时在11月，又冒出了两款蓝色的共享单车：深蓝色的bluegogo小蓝单车和浅蓝色的小鸣单车。小鸣单车车身主体连接管是直管，和其它车辆相比很特别。从我的观察来看，小鸣单车的数量要比小蓝的多，但此二者数量远不及摩拜和ofo。&/p&&p&现如今，共享单车在深圳南山区的大街小巷随处可见，几乎是在一夜间风靡深圳，骑着它出行已然演变成一种时尚。&/p&&br&&p&下面分享我近日写的关于共享单车的一点内容（欢迎斧正~）。&/p&&p&—————————————一本正经地胡说八道分割线————————————&/p&&figure&&img src=&https://pic3.zhimg.com/v2-4f20e8fb12_b.jpg& data-rawwidth=&4208& data-rawheight=&3120& class=&origin_image zh-lightbox-thumb& width=&4208& data-original=&https://pic3.zhimg.com/v2-4f20e8fb12_r.jpg&&&/figure&&p&（摄于12月11日）&/p&&br&&p&&b&一、背景介绍&/b&&/p&&br&&p&回顾中国的互联网进程，尤其是伴随着近几年互联网经济的加速发展，给创业者们无限的遐想和机会的同时，竞争也愈演愈烈，在一轮轮大战中诞生出了一个又一个独角兽。我们可以归纳出这样的一种套路：群雄崛起—诸侯争霸—战国七雄—三国演义—两极对峙—&b&一&/b&统天下。毫无疑问，共享单车也将从当前的“彩虹大战”逐步发展到最终只剩下一个“纯色”的巨无霸。背靠不同大山的各路好汉使出浑身解数，谁会成为下一个滴滴呢？或许答案即将揭晓。&/p&&br&&p&共享单车的出现，某种程度上也是契合了当前提出的“供给侧改革”要求：人民群众对出行便利化的诉求同交通拥堵、环境污染等问题之间的矛盾日益突出，亟需从供给侧方面提出一个全新的解决方案。而共享单车的出现，恰恰符合官方的改革理念。从管理者的角度看，既可以解决市民出行最后一公里的难题，又能改善当前交通环境（哪怕暂时只是微不足道），最重要的是这是一个全新的市场，经济潜力不容小觑（让人自然而然地联想到彼时网约车的厮杀竞争）。因此，发展&b&“互联网+单车”&/b&的共享经济将是一石三鸟之计，它有巨大的社会价值和经济价值。&/p&&br&&p&&b&二、必争之地——深圳&/b&&/p&&br&&figure&&img src=&https://pic1.zhimg.com/v2-93f96be60_b.png& data-rawwidth=&382& data-rawheight=&380& class=&content_image& width=&382&&&/figure&&p&*以上据公开信息整理&/p&&p&放眼全国，北上广深四个一线城市中，深圳是单车大战的必争之地。事实也再次证明，这里是各路豪杰短兵相接的一线战场。几乎同时在11月，这里一下子冒出了四种共享单车。&/p&&br&&p&Po几条新闻：&/p&&p&（1）小蓝单车以深圳为起点（日起在深圳试投放了超过3000辆车），以15天攻占一座城”的速度在其他城市扩张，每个城市将会铺3-5万辆车。&/p&&p&（2）ofo联合创始人杨品杰表示，深圳将成为ofo运营700bike定制版小黄车（增加定位功能）的第一座城市，打造“地铁+ofo共享单车”的出行组合。&/p&&p&（3）深圳市交警局与摩拜单车12月16日联合召开新闻发布会，发布《关于加强摩拜共享单车交通秩序管理工作的联合声明》，这意味着深圳成为全国首个规范管理互联网共享单车交通出行秩序的城市。&/p&&br&&p&为什么众多玩家会不约而同地选择深圳，甚至以此为起步点？可以从下面几个维度进行分析。&/p&&br&&p&&b&环境：&/b&环保部公布的2015年全国74个城市空气质量排名情况，空气质量最好的十个城市中深圳排名第七。即使是将时间跨度往前推，近十年深圳的空气质量也是在全国名列前茅，这点在千万级特大城市中是罕见的。反观帝都魔都妖都，空气质量实在让人不敢恭维（比如这些天华北大范围的PM2.5爆表）。雾霾天戴着口罩骑个共享单车在路上溜达。。。画风简直太美。除了空气质量这项重要指标，深圳的亚热带气候（冬季温度常年保持在白天气温10-15℃以上，可大大减少类似北方极寒天气对智能锁电子元件的影响）、较高水平的绿化率等都是为户外骑行条件加分。&/p&&p&&b&交通：&/b&深圳上半年的汽车保有量是318万辆，北上广分别为544、302、&200万辆（中国市场调查网），而交通规划也是较为合理，最重要一点是道路宽敞，交通拥挤程度没北上广那么严重。据《高德地图2016年第三季度中国主要城市交通分析报告》，北上广深高峰拥堵延时指数分别为：2.090、1.926、1.949、1.891，对应全国排名第3、11、8、15名。总体而言，深圳的出行条件硬件这块还是不错的。&/p&&p&&b&政策：&/b&深圳作为经济特区有着得天独厚的优势，尤其是具备一定的立法权，加之毗邻香港，深受国际先进管理理念的影响。深圳向来都是先行先试的实践者和开拓者，对公共管理尤是如此。目前正在大力推行固定车桩的公共单车，而共享单车的出现，想必政府也是乐见其成的。&/p&&p&&b&人文：&/b&深圳是一座十分年轻而且富有活力的国际化都市。这里约八成人口是外来的，其中大部分是非广东省人（外来人口中高学历的年轻人较多）。一方面是年轻人接受新鲜事物能力较强，另一方面是作为腾讯、大疆等行业巨头的发源地，深圳具有极强的科技基因。另外，在其它条件相同的情况下，人口密度越低，越适合户外骑行。据统计，2015年北上广深&b&主城区&/b&的人口密度分别为（人/km^2）：、1（中商情报网）。&/p&&p&&b&经济：&/b&四座城2015年的人均GDP分别为（美元）：1、2。经济水平越高，人对精神享受的追求也就越高。共享单车的出现不仅满足日常通勤，也激发了上班族以及学生业余时间骑行的乐趣（这点与是否自己购买单车无关），骑着共享单车出行悄然间已成为一种结伴游玩的新选择。另外，前不久深圳承办了“双创周”和“高新会”，人们对“互联网+单车”这种带科技因子的新事物也是喜闻乐见的。&/p&&p&&b&制造业：&/b&中国被誉为“世界工厂”，深圳无疑是这个工厂里面的最重要的生产车间之一。以电子消费品为代表的制造业闻名遐迩，先进的生产设备、完备的产业链、充足的劳动力以及熟练的技术工人，都为共享单车的成车制造、配件供给和后期维护等提供了良好条件。&/p&&p&简而言之，深圳可谓是具备“天时地利人和”，在这里进行消费者教育不仅市场潜力巨大，而且性价比高、推广效果明显。因此深圳一战的成败对共享单车大战会有着重要影响。&/p&&br&&p&&b&三、具体比较分析&/b&&/p&&br&&p&没有调查就没有发言权。为了获取更详实的数据信息和真实的用户体验，我下载并注册了四款在深圳南山可见到的共享单车APP。以下结合个人使用情况和网络信息，分别从产品的硬件层面和软件层面对四种共享单车进行介绍分析。&/p&&br&&p&【硬件——单车构造】 &/p&&figure&&img src=&https://pic3.zhimg.com/v2-31d0ee40afed6c1e599426_b.png& data-rawwidth=&554& data-rawheight=&220& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&https://pic3.zhimg.com/v2-31d0ee40afed6c1e599426_r.png&&&/figure&&p&ofo目前仍是共享单车里面的一股“清流”，依旧采用机械锁。且不说进入城市后的情况，单单在初期校园推广使用阶段，就已经暴露出不少问题：损坏严重、偷窃盗车、私加锁头、藏匿单车、攻略免费使用...这还是在大学校园，用户是文化水平和素质普遍较高的大学生群体。但实际情况却颇为让人惊讶和失望。简单地归纳原因就是“车身淡薄+机械锁bug+国民素质”。对于使用单车暴露出的人性问题知乎网友已有不少“图文并茂”的生动案例以及深刻剖析，这里不再赘述。&/p&&br&&p&摩拜单车经典版银色的V字形铝制车架、橙色五幅轮毂，以及独特的单摆臂设计，确实十分惊艳。单车一经推出就吸引了不少年轻人的注意，一时拥趸众多。&/p&&p&摩拜和ofo这两大巨头进入比较早，产品都有推陈出新。摩拜对经典版和lite两款都进行了升级。差别如下图： &/p&&figure&&img src=&https://pic1.zhimg.com/v2-eb5cc0e28_b.png& data-rawwidth=&461& data-rawheight=&456& class=&origin_image zh-lightbox-thumb& width=&461& data-original=&https://pic1.zhimg.com/v2-eb5cc0e28_r.png&&&/figure&&p&摩拜经典升级版还增加了车筐及可升降座椅（以上部分图片来自艺术中国网站）&/p&&br&&figure&&img src=&https://pic4.zhimg.com/v2-787cecaca6f3_b.png& data-rawwidth=&389& data-rawheight=&289& class=&content_image& width=&389&&&/figure&&p&摩拜lite轻骑版&/p&&p&摩拜轻骑版的改进就显得不那么明显了：车筐由银色变成橙色，车管logo由“银底橙字”变成“橙底银字”，后轮增加了一小片防溅挡板。&/p&&br&&figure&&img src=&https://pic2.zhimg.com/v2-bb954bb7092ebbe072b25_b.png& data-rawwidth=&317& data-rawheight=&527& class=&content_image& width=&317&&&/figure&&p&同样，ofo的3.0版也有“双胞胎”：握把更舒适，车尾灯位置调高而且变得更加突出（更安全），新车座不仅更舒适，而且能避免下雨天有积水。&/p&&br&&figure&&img src=&https://pic2.zhimg.com/v2-f756a672d677eaa79d01e03eff6e739d_b.png& data-rawwidth=&274& data-rawheight=&327& class=&content_image& width=&274&&&/figure&&p&小鸣和小蓝进入市场较晚，车型基本没什么大问题，暂未发现有新车型上路。从上面摩拜和ofo的改进优化来看，可以感受到双方在产品硬件方面是比较细心的，哪怕只是细小入微的差别都能给用户带来更好体验。&/p&&br&&p&谈到体验，个人觉得小鸣单车舒适度是最差的，车头握把和车座都很硬，蜂窝式轮胎避震方面效果很差；形成鲜明对比的是小蓝单车的舒适四件套（坐垫、座管、脚踏、把手），亲测确实骑行体验很好，据说其硅胶坐垫能够随着人们的坐姿习惯去改变成贴合人体的形状，给了使用者一个“更舒适的屁股”，而双层弹力实心胎没有传统实心胎在过颠簸路面的时候完全的“硬碰硬”的感觉。摩拜经典版笨重吃力众所周知，轻骑版体验和小蓝单车比较接近，相对舒适。ofo无论是第一代还是3.0版，都和普通单车没什么太大区别，机械锁的故障率会远低于智能锁，解锁比较简单容易。&/p&&br&&p&【软件——APP应用】&/p&&p&1.注册流程&/p&&br&&figure&&img src=&https://pic1.zhimg.com/v2-6fbdf8f74dc_b.png& data-rawwidth=&662& data-rawheight=&527& class=&origin_image zh-lightbox-thumb& width=&662& data-original=&https://pic1.zhimg.com/v2-6fbdf8f74dc_r.png&&&/figure&&figure&&img src=&https://pic2.zhimg.com/v2-f74fd25abddbf7c7550b3d_b.png& data-rawwidth=&663& data-rawheight=&532& class=&origin_image zh-lightbox-thumb& width=&663& data-original=&https://pic2.zhimg.com/v2-f74fd25abddbf7c7550b3d_r.png&&&/figure&&br&&p&四款单车的注册流程大同小异：绑定手机—支付押金—实名认证（小蓝单车多个设置密码的环节，但基本没什么用，只有在退出账户再次登录的时候免手机验证码使用）。APP押金和充值全都支持微信或支付宝、默认信用积分为100（ofo无信用分项）。注册成功后，ofo有赠送用车券1张2.0元红包，小鸣赠送1元红包，小蓝赠送新人专享券3元，三者赠送的用车券等都是有效期为1个月，且只允许一次性使用（支付金额不超过赠送金额）。&/p&&br&&p&2.押金&充值&计费&/p&&figure&&img src=&https://pic3.zhimg.com/v2-9ed117f3b9b068ce80902_b.png& data-rawwidth=&497& data-rawheight=&233& class=&origin_image zh-lightbox-thumb& width=&497& data-original=&https://pic3.zhimg.com/v2-9ed117f3b9b068ce80902_r.png&&&/figure&&p&小蓝单车无充值选项，每次使用后用微信或支付宝结费，相对麻烦，其它三款都是自动扣除预先充值的费用。&/p&&br&&p&3.地图&/p&&figure&&img src=&https://pic1.zhimg.com/v2-ee61b0add5a5fb19cac71c_b.png& data-rawwidth=&465& data-rawheight=&312& class=&origin_image zh-lightbox-thumb& width=&465& data-original=&https://pic1.zhimg.com/v2-ee61b0add5a5fb19cac71c_r.png&&&/figure&&p&从APP地图来看，除了小鸣单车使用百度地图，其余三家都是使用高德地图，这也是当前两大主流地图服务商。小蓝单车（bluegogo）在地图显示上会通过蓝颜色标记用户当前可骑行范围区域，以此来提醒用户勿将单车骑出主城区，体现出其专业和细心。&/p&&br&&p&4.下载量&排名&评价&/p&&figure&&img src=&https://pic1.zhimg.com/v2-cee8a3bf6c141ae636b44_b.png& data-rawwidth=&511& data-rawheight=&347& class=&origin_image zh-lightbox-thumb& width=&511& data-original=&https://pic1.zhimg.com/v2-cee8a3bf6c141ae636b44_r.png&&&/figure&&p&摩拜vs OFO&/p&&figure&&img src=&https://pic3.zhimg.com/v2-fac43167acc86d576b2e93ce355e4e3a_b.png& data-rawwidth=&508& data-rawheight=&346& class=&origin_image zh-lightbox-thumb& width=&508& data-original=&https://pic3.zhimg.com/v2-fac43167acc86d576b2e93ce355e4e3a_r.png&&&/figure&&br&&br&&p&小鸣vs小蓝&/p&&p&截止 20时，四款APP的Android版本下载量分别为：摩拜8442621，ofo 9140762，小鸣122308，小蓝195095。共享单车第一梯队的摩拜和ofo安卓版下载量都是百万级别，就目前来看小鸣小蓝等后来者仍无法望其项背，只有十几万的下载量，要脱颖而出可谓任重而道远。在最近的30日对比中可以看到，ofo的扩张平稳上升，摩拜虽然起点落后于ofo，但二者的差距正在趋于缩小。小蓝入局要晚于小鸣，但大有后来居上之势，从12月8日起反超后者（暂不清楚小蓝单车在15日之后的下降曲线是什么原因造成的）。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-8f7fcbc6d35c2a38568e7e_b.jpg& data-rawwidth=&400& data-rawheight=&600& class=&content_image& width=&400&&&/figure&&figure&&img src=&https://pic4.zhimg.com/v2-6c3db1db3aba9d14c3df7_b.png& data-rawwidth=&400& data-rawheight=&600& class=&content_image& width=&400&&&/figure&&br&&p&另外，据第三方全域大数据服务提供商友盟发布的《2016年手机生态发展报告H1》显示，华为44%的用户集中在一线城市，34%的使用者为90后。可以说华为一线城市中的90后用户与共享单车目标群体有很大的重叠性，这可以很好地解释摩拜和ofo的Android版中华为的下载量占据不少份额；反观小鸣并未在华为应用商店中发布其APP，这无疑会令其错失不少用户。&/p&&br&&figure&&img src=&https://pic1.zhimg.com/v2-4ff7d76f8fa4_b.png& data-rawwidth=&392& data-rawheight=&710& class=&content_image& width=&392&&&/figure&&p&截止
20时，摩拜、ofo、小鸣、小蓝的iOS版本排名依次为总榜（免费）的第15、86、415、245，分类的第1、9、2、17名。小鸣单车剑走偏锋，归类在体育类而非旅游类，所以会有第二名的好成绩。有个细节值得注意，小鸣单车在Android和iOS最新的版本logo紧随圣诞热点进行变化，戴上了喜庆的小红帽，这点让人不禁想起去年春节前微博、手Q在应用logo上增加红包图案的情况，多少会增加用户好感。（摩拜和ofo你们的名字还能再长点不？）&/p&&br&&figure&&img src=&https://pic3.zhimg.com/v2-45ab84c9bec554056edd375a4ac7f51e_b.png& data-rawwidth=&400& data-rawheight=&525& class=&content_image& width=&400&&&/figure&&p&从苹果商店的评价来看，摩拜的平均评分是最高的，无论是最新版本或所有版本其平均分都达到了4.5（滴滴所有版本平均分也是4.5），而小鸣单车的表现最为惨不忍睹，2得不能再2了。作为霸主之一的ofo应该反思留评率为何和劲敌摩拜相去甚远，得分也比摩拜低。共享单车第二梯队的小鸣和小蓝1星2星的占比较大，说明还有较大的提升空间，无论是APP或硬件（单车），都急需改善，尤其是用户集中反映的突出问题（解锁、定位、故障等）。&/p&&br&&p&5.迭代情况&/p&&figure&&img src=&https://pic1.zhimg.com/v2-75ccded441a6bbb0bdec25c_b.png& data-rawwidth=&434& data-rawheight=&188& class=&origin_image zh-lightbox-thumb& width=&434& data-original=&https://pic1.zhimg.com/v2-75ccded441a6bbb0bdec25c_r.png&&&/figure&&p&（请注意时间跨度不同）&/p&&p&以苹果商店上APP的更新来看，摩拜和ofo迭代速度比较接近，11月以来均只更新两次，原因是产品形态趋于成熟，现阶段主要是进行小修小补作细节调整。后来者小鸣的更新最为频繁，差不多5天出一个新版本，一方面产品刚进入市场需要不断和及时作出调整；另一方面也和其自身用户评价很低的情况有关。总的来讲，APP的更新是为了提供更好的用