
做運(yùn)營必須掌握的四個(gè)數(shù)據(jù)分析思維
對于運(yùn)營數(shù)據(jù)分析,我相信很多小伙伴會存在以下問題:
面對異常數(shù)據(jù)經(jīng)常出現(xiàn)“好像做了什么?好像發(fā)生了什么?所以可能造成了影響”的主觀臆測?
面對數(shù)據(jù)報(bào)表,不知道該怎么分析?不知道該分析什么?
數(shù)據(jù)分析作為運(yùn)營最基礎(chǔ)的一項(xiàng)技能,你是否真正的將其價(jià)值發(fā)揮出來,合格的運(yùn)營一定是數(shù)據(jù)驅(qū)動運(yùn)營,而非運(yùn)營驅(qū)動數(shù)據(jù)!
從單一維度到體系化
從單一維度到體系化的思考,是做數(shù)據(jù)分析必須做出的轉(zhuǎn)變!對于數(shù)據(jù)分析你需要有體系化的數(shù)據(jù)框架!
我們在考慮問題的時(shí)候都會遵循一個(gè)思路,即從宏觀到微觀,從全局到局部,數(shù)據(jù)分析也不例外。數(shù)據(jù)分析在產(chǎn)品運(yùn)營中的地位在這里也無需多說,做數(shù)據(jù)分析一定要建立在對產(chǎn)品數(shù)據(jù)體系詳細(xì)了解的基礎(chǔ)上的,在做數(shù)據(jù)分析時(shí)候需要在心中建立起數(shù)據(jù)體系,產(chǎn)品數(shù)據(jù)維度體系由大到小可以分為宏觀數(shù)據(jù)、中觀數(shù)據(jù)、微觀數(shù)據(jù)三大層面:
以上數(shù)據(jù)分析緯度并非包含了我們運(yùn)營的產(chǎn)品的所有數(shù)據(jù)緯度,在做數(shù)據(jù)分析時(shí),我們需要結(jié)合自己的產(chǎn)品情況來做有用數(shù)據(jù)篩選。當(dāng)然運(yùn)營在提出具后臺需求時(shí)一定是基礎(chǔ)數(shù)據(jù)需求,常見的如用戶概況數(shù)據(jù)、PV數(shù)、UV數(shù)、UID數(shù)、啟動次數(shù)、留存率、跳出率、頁面訪問路徑等,很多運(yùn)營人員在完善數(shù)據(jù)后臺需求時(shí),提出一大堆數(shù)據(jù),并且很多數(shù)據(jù)涉及到復(fù)雜的定義和計(jì)算,這樣只會增大后臺數(shù)據(jù)的運(yùn)算壓力,對運(yùn)營分析實(shí)際用出并不大,反而影響數(shù)據(jù)的查看效率。運(yùn)營數(shù)據(jù)分析可根據(jù)后臺基礎(chǔ)數(shù)據(jù)結(jié)合Excel表格導(dǎo)出功能,以及借助第三方數(shù)據(jù)平臺來進(jìn)行輔助分析,這樣不僅能夠降低后臺數(shù)據(jù)開發(fā)成本,也能大大提高數(shù)據(jù)分析效率。
以目標(biāo)為導(dǎo)向
做數(shù)據(jù)分析需要以目標(biāo)為導(dǎo)向,學(xué)會做數(shù)據(jù)維度的逐級拆分,以結(jié)構(gòu)化思維來做運(yùn)營數(shù)據(jù)的全面的,系統(tǒng)性的分析。
在做產(chǎn)品運(yùn)營的數(shù)據(jù)分析時(shí),我們可以按照以下思路來進(jìn)行:
1、確定數(shù)據(jù)分析目標(biāo)
2、明確數(shù)據(jù)目標(biāo)的關(guān)鍵影響維度拆解
3、找出不同數(shù)據(jù)緯度之間的關(guān)聯(lián)關(guān)系從而建立起數(shù)據(jù)關(guān)系模型
4、發(fā)現(xiàn)問題數(shù)據(jù)及出現(xiàn)原因
5、針對問題數(shù)據(jù)影響維度做相應(yīng)的優(yōu)化
比如我們以天貓店鋪利潤情況進(jìn)行分析,店鋪運(yùn)營最關(guān)注的就是營業(yè)額,但最本質(zhì)的還是盈利情況,按照上面提到的思路進(jìn)行分析:
1、數(shù)據(jù)分析目標(biāo):店鋪的利潤情況分析
2、確定數(shù)據(jù)目標(biāo)的關(guān)鍵影響維度拆解:
3、找出不同緯度維度之間的關(guān)聯(lián)關(guān)系從而建立起數(shù)據(jù)分析模型:
利潤=銷售額-成本=流量*轉(zhuǎn)化率*客單價(jià)-(店鋪固定成本+運(yùn)營成本+貨品成本+人員成本)。
4、根據(jù)數(shù)據(jù)模型發(fā)現(xiàn)問題數(shù)據(jù):
要想實(shí)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(shè)出現(xiàn)以下情況:
根據(jù)上述的假設(shè)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(zhuǎn)化率低。因此針對這種情況我們要做的就是提高店鋪的轉(zhuǎn)化率。
5、針對問題數(shù)據(jù)影響維度做相應(yīng)的優(yōu)化:提升轉(zhuǎn)化率
我們可以通過以下幾個(gè)方面來提高轉(zhuǎn)化率:
——提升產(chǎn)品包裝
——優(yōu)化詳情頁圖片和介紹文案
——優(yōu)化消費(fèi)者下單支付路徑和體驗(yàn)
——提升客服服務(wù)水平和促單技巧
——做好用戶評價(jià)管理優(yōu)化
——實(shí)行相應(yīng)的促銷策略,如滿減、滿贈、折扣等
……
我們繼續(xù)以產(chǎn)品運(yùn)營為例,比如我們突然發(fā)現(xiàn)某天產(chǎn)品的DAU增長幅度變大,按照上述的分析思路我們進(jìn)行相應(yīng)的梳理:
關(guān)注多個(gè)數(shù)據(jù)維度之間的相關(guān)關(guān)系
數(shù)據(jù)分析更多的是要關(guān)注多個(gè)數(shù)據(jù)維度之間的相關(guān)關(guān)系,而不是單個(gè)數(shù)據(jù)產(chǎn)生的因果關(guān)系!通過影響關(guān)鍵指標(biāo)的數(shù)據(jù)維度的關(guān)聯(lián)關(guān)系建立數(shù)據(jù)分析模型。
比如我們以公眾號運(yùn)營為例,公眾號運(yùn)營的關(guān)鍵指標(biāo)是粉絲數(shù)和文章閱讀量,而粉絲數(shù)和文章閱讀量的影響緯度肯有很多個(gè)。這些緯度之間也存在相應(yīng)的影響關(guān)系,具體如下:
在做公眾號運(yùn)營的時(shí)候,可以嘗試著把你影響文章閱讀量的所有數(shù)據(jù)全部梳理出來,然后去篩選出相對有用的一些數(shù)據(jù)維度,然后建立起他們的相關(guān)關(guān)系。在實(shí)際運(yùn)營過程中,很多運(yùn)營的小伙伴每周只關(guān)注推送了多少篇文章,增長了多少個(gè)粉絲,其實(shí)還應(yīng)該關(guān)注一些細(xì)節(jié)數(shù)據(jù),比如文章標(biāo)題、內(nèi)容長度、內(nèi)容類型跟閱讀量、轉(zhuǎn)發(fā)量的關(guān)系,推送時(shí)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(shù)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(yùn)營過程中需要考慮的,并且要養(yǎng)成對這些數(shù)據(jù)進(jìn)行記錄的習(xí)慣。
在社區(qū)運(yùn)營過程中最基本的模型就是用戶的金字塔模型了,這個(gè)金字塔模型的建立是依據(jù)用戶的活躍度和貢獻(xiàn)值來建立的,金字塔模型會將用戶分成幾個(gè)層級,層級越往上用戶的價(jià)值越大,貢獻(xiàn)值越高。當(dāng)然這個(gè)用戶金字塔模型的建立一定不是固定的,而是根據(jù)具體的社區(qū)數(shù)據(jù)情況會在層級劃分和每個(gè)層級占比上都會有所不同,并且每個(gè)層級的具體需求和運(yùn)營方式都是不同的。比如以某K12教育社區(qū)的運(yùn)營為例:
社區(qū)發(fā)帖量這一核心數(shù)據(jù)指標(biāo)提升,是與整個(gè)社區(qū)的用戶量,用戶層級比例,用戶層級轉(zhuǎn)化,每個(gè)層級用戶行為,用戶粘性,社區(qū)內(nèi)容質(zhì)量, 內(nèi)容展示與推送情況等都存在一定的相關(guān)關(guān)系。所以在社區(qū)的運(yùn)營過程中就要不斷的促進(jìn)各個(gè)影響維度與社區(qū)發(fā)帖量的正向關(guān)系,那么社區(qū)發(fā)帖量與其他數(shù)據(jù)維度的關(guān)聯(lián)關(guān)系如何建立呢?超哥嘗試著做了一個(gè)簡單的梳理,相應(yīng)的數(shù)據(jù)維度并未全部包含,此關(guān)系圖仍需完善,此處只是給出一種梳理思路,具體如下:
將數(shù)據(jù)分析培養(yǎng)成為潛意識行為
做運(yùn)營一定要將數(shù)據(jù)分析培養(yǎng)成為潛意識行為,運(yùn)營過程中的一切行為和手段都可以數(shù)據(jù)化,數(shù)據(jù)驅(qū)動運(yùn)營。
1、培養(yǎng)數(shù)據(jù)分析的系統(tǒng)化思維
數(shù)據(jù)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(jīng)提到過,具體的思路為:確立數(shù)據(jù)分析目標(biāo)——目標(biāo)影響維度拆解——各數(shù)據(jù)維度相關(guān)關(guān)系建立——發(fā)現(xiàn)問題數(shù)據(jù)及出現(xiàn)原因——問題數(shù)據(jù)優(yōu)化,這種思路多用戶產(chǎn)品的數(shù)據(jù)分析體系或者模型的建立,從而保證數(shù)據(jù)分析的全面性。
自下而上的數(shù)據(jù)分析思路多用在針對已有數(shù)據(jù)報(bào)表中的數(shù)據(jù)問題發(fā)現(xiàn),具體思路為:異常數(shù)據(jù)發(fā)現(xiàn)——該異常數(shù)據(jù)影響因素——影響因素與問題數(shù)據(jù)之間的相關(guān)關(guān)系——找出出現(xiàn)異常數(shù)據(jù)的原因——找到異常數(shù)據(jù)的解決辦法。
2、培養(yǎng)數(shù)據(jù)的敏感度
數(shù)據(jù)敏感度培養(yǎng)別無他法,除了掌握正確的數(shù)據(jù)分析方法外,就是每天看數(shù)據(jù),每天分析數(shù)據(jù),用數(shù)據(jù)說話。
3、養(yǎng)成數(shù)據(jù)記錄習(xí)慣
做運(yùn)營過程中會有很多細(xì)節(jié)數(shù)據(jù),需要對這些數(shù)據(jù)進(jìn)行記錄,當(dāng)記錄的數(shù)據(jù)條數(shù)累計(jì)到一定程度通過就可以通過匯總的數(shù)據(jù)發(fā)現(xiàn)相應(yīng)的數(shù)據(jù)規(guī)律,比如:
針對社區(qū)UGC帖子、熱帖、精品貼的記錄
針對消息中心PUSH的數(shù)據(jù)記錄
針對公眾號歷史推文數(shù)據(jù)的記錄
甚至可以對自己每日的工作內(nèi)容及工作花費(fèi)時(shí)間的記錄,從而用于工作效率優(yōu)化
……
數(shù)據(jù)一定是比較理性和嚴(yán)謹(jǐn)?shù)?,所以我們需要理性的眼光來對待,?dāng)然運(yùn)營產(chǎn)品的不同,我們需要的數(shù)據(jù)維度不同,做運(yùn)營一定要學(xué)會給數(shù)據(jù)做定義,并且要保證其邏輯性和眼嚴(yán)謹(jǐn)性,要能經(jīng)得起推敲。
數(shù)據(jù)分析是精細(xì)化的運(yùn)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。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時(shí)代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03