|
|沙龍精選自超運營思維（ID：e_chaoge） 對于運營數據分析,，我相信很多小伙伴會存在以下問題：
數據分析作為運營最基礎的一項技能,，你是否真正的將其價值發(fā)揮出來,，合格的運營一定是數據驅動運營，而非運營驅動數據,！ 01 從單一維度到體系化的思考,，是做數據分析必須做出的轉變！對于數據分析你需要有體系化的數據框架,！ 我們在考慮問題的時候都會遵循一個思路,，即從宏觀到微觀，從全局到局部,，數據分析也不例外,。數據分析在產品運營中的地位在這里也無需多說，做數據分析一定要建立在對產品數據體系詳細了解的基礎上的,，在做數據分析時候需要在心中建立起數據體系，產品數據維度體系由大到小可以分為宏觀數據,、中觀數據,、微觀數據三大層面： 以上數據分析緯度并非包含了我們運營的產品的所有數據緯度，在做數據分析時,，我們需要結合自己的產品情況來做有用數據篩選,。 當然運營在提出具后臺需求時一定是基礎數據需求，常見的如用戶概況數據,、PV數,、UV數、UID數,、啟動次數,、留存率、跳出率,、頁面訪問路徑等,。 很多運營人員在完善數據后臺需求時，提出一大堆數據,，并且很多數據涉及到復雜的定義和計算,，這樣只會增大后臺數據的運算壓力，對運營分析實際用出并不大,，反而影響數據的查看效率,。 運營數據分析可根據后臺基礎數據結合Excel表格導出功能，以及借助第三方數據平臺來進行輔助分析,，這樣不僅能夠降低后臺數據開發(fā)成本,，也能大大提高數據分析效率。 02 做數據分析需要以目標為導向，學會做數據維度的逐級拆分,，以結構化思維來做運營數據的全面的,，系統(tǒng)性的分析。 在做產品運營的數據分析時,，我們可以按照以下思路來進行： ① 確定數據分析目標 ② 明確數據目標的關鍵影響維度拆解 ③ 找出不同數據緯度之間的關聯(lián)關系從而建立起數據關系模型 ④ 發(fā)現(xiàn)問題數據及出現(xiàn)原因 ⑤ 針對問題數據影響維度做相應的優(yōu)化 比如我們以天貓店鋪利潤情況進行分析,，店鋪運營最關注的就是營業(yè)額，但最本質的還是盈利情況,，按照上面提到的思路進行分析： ① 數據分析目標：店鋪的利潤情況分析 ② 確定數據目標的關鍵影響維度拆解： ③ 找出不同緯度維度之間的關聯(lián)關系從而建立起數據分析模型： 利潤=銷售額-成本=流量*轉化率*客單價-（店鋪固定成本+運營成本+貨品成本+人員成本）,。 ④ 根據數據模型發(fā)現(xiàn)問題數據： 要想實現(xiàn)店鋪利潤（L）額最大化：L（max）=R（max）-C（min） 如果店鋪出現(xiàn)虧損，那么一定是R＜C,，也就是成本大于收入,，我們假設出現(xiàn)以下情況： 根據上述的假設思路，我們可以得出,，在成本合理的情況下,，店鋪出現(xiàn)了虧損，那么可以得出是銷售額太低,，銷售額不高額影響原因是流量轉化率低,。因此針對這種情況我們要做的就是提高店鋪的轉化率。 ⑤ 針對問題數據影響維度做相應的優(yōu)化：提升轉化率 我們可以通過以下幾個方面來提高轉化率： ——提升產品包裝 ——優(yōu)化詳情頁圖片和介紹文案 ——優(yōu)化消費者下單支付路徑和體驗 ——提升客服服務水平和促單技巧 ——做好用戶評價管理優(yōu)化 ——實行相應的促銷策略,，如滿減,、滿贈、折扣等 …… 我們繼續(xù)以產品運營為例,，比如我們突然發(fā)現(xiàn)某天產品的DAU增長幅度變大,，按照上述的分析思路我們進行相應的梳理： 03 數據分析更多的是要關注多個數據維度之間的相關關系，而不是單個數據產生的因果關系,！通過影響關鍵指標的數據維度的關聯(lián)關系建立數據分析模型,。 比如我們以公眾號運營為例，公眾號運營的關鍵指標是粉絲數和文章閱讀量,，而粉絲數和文章閱讀量的影響緯度肯有很多個,。這些緯度之間也存在相應的影響關系，具體如下： 在做公眾號運營的時候,，可以嘗試著把你影響文章閱讀量的所有數據全部梳理出來,，然后去篩選出相對有用的一些數據維度，然后建立起他們的相關關系,。 在實際運營過程中,，很多運營的小伙伴每周只關注推送了多少篇文章，增長了多少個粉絲,，其實還應該關注一些細節(jié)數據,，比如文章標題,、內容長度、內容類型跟閱讀量,、轉發(fā)量的關系,，推送時間和頻次對閱讀量和粉絲增減的影響，另外就是有圖文,、純文字,、文章圖片數量、公眾號單圖文推送,、多圖文推送,、頭條推送和非頭條推送對閱讀量的影響等，這些都是需要在運營過程中需要考慮的,，并且要養(yǎng)成對這些數據進行記錄的習慣,。 在社區(qū)運營過程中最基本的模型就是用戶的金字塔模型了，這個金字塔模型的建立是依據用戶的活躍度和貢獻值來建立的,，金字塔模型會將用戶分成幾個層級,，層級越往上用戶的價值越大，貢獻值越高,。當然這個用戶金字塔模型的建立一定不是固定的,，而是根據具體的社區(qū)數據情況會在層級劃分和每個層級占比上都會有所不同，并且每個層級的具體需求和運營方式都是不同的,。比如以某K12教育社區(qū)的運營為例： 社區(qū)發(fā)帖量這一核心數據指標提升，是與整個社區(qū)的用戶量,，用戶層級比例,，用戶層級轉化，每個層級用戶行為,，用戶粘性,，社區(qū)內容質量， 內容展示與推送情況等都存在一定的相關關系,。所以在社區(qū)的運營過程中就要不斷的促進各個影響維度與社區(qū)發(fā)帖量的正向關系,，那么社區(qū)發(fā)帖量與其他數據維度的關聯(lián)關系如何建立呢？超哥嘗試著做了一個簡單的梳理,，相應的數據維度并未全部包含,，此關系圖仍需完善，此處只是給出一種梳理思路,，具體如下： 04 做運營一定要講數據分析培養(yǎng)成為潛意識行為,，運營過程中的一切行為和手段都可以數據化，數據驅動運營,。 ① 培養(yǎng)數據分析的系統(tǒng)化思維 數據分析一般會存在兩種方向,，一種是自上而下,，另一種是自下而上。 自上而下的思路在前文已經提到過,，具體的思路為：確立數據分析目標——目標影響維度拆解——各數據維度相關關系建立——發(fā)現(xiàn)問題數據及出現(xiàn)原因——問題數據優(yōu)化,，這種思路多用戶產品的數據分析體系或者模型的建立，從而保證數據分析的全面性,。 自下而上的數據分析思路多用在針對已有數據報表中的數據問題發(fā)現(xiàn),，具體思路為：異常數據發(fā)現(xiàn)——該異常數據影響因素——影響因素與問題數據之間的相關關系——找出出現(xiàn)異常數據的原因——找到異常數據的解決辦法。 ②培養(yǎng)數據的敏感度 數據敏感度培養(yǎng)別無他法,，除了掌握正確的數據分析方法外,，就是每天看數據，每天分析數據,，用數據說話,。 ③養(yǎng)成數據記錄習慣 做運營過程中會有很多細節(jié)數據，需要對這些數據進行記錄,，當記錄的數據條數累計到一定程度通過就可以通過匯總的數據發(fā)現(xiàn)相應的數據規(guī)律,，比如：
…… 數據一定是比較理性和嚴謹的，所以我們需要理性的眼光來對待,，當然運營產品的不同,，我們需要的數據維度不同，做運營一定要學會給數據做定義,，并且要保證其邏輯性和眼嚴謹性,，要能經得起推敲。 數據分析是精細化的運營工作,，一定要建立起體系化的思維,，切勿盲目分析，粗暴分析,。 |
|
|
