
什么叫對數(shù)據(jù)敏感?怎樣做數(shù)據(jù)分析?
今天講一下我對數(shù)據(jù)的理解。
我做過近兩年的電商運營,其中感觸很深的一個點就是從數(shù)據(jù)的維度對目標做拆分。
天貓的雙11剛剛過去,馬云又創(chuàng)造了新的成績,912億。從去年的571億到今年的912億,馬云怎么就敢說今年可以做900億呢?在設定這個目標之前就少不了對目標的拆分。
900億的成交,首先按照過往的類目占比,拆分到各個類目,每個類目承擔多少銷售指標,類目再按照過往的賣家成交額占比拆分到各個賣家,每個賣家承擔多少銷售指標。賣家再根據(jù)各自的日常店鋪轉化率反推需要多少流量,各類目再結合平臺能提供的流量,就可以得到流量的缺口。接下來再按照各渠道獲取流量的成本來計算,就可以得出雙11平臺需投入的營銷經(jīng)費數(shù)值。整個900億的目標,通過這樣的拆分,就變得明確可執(zhí)行了。
無論做什么事情,想做成,都離不開對目標的拆解,任何抽象的事物都可以通過數(shù)學的方法來解決,把事情數(shù)據(jù)化會讓事情更簡單可執(zhí)行,也更容易考核效果。
我剛開始接觸電商接受業(yè)務培訓,第一節(jié)課就只講了一個公式。
成交額=買家數(shù)x客單價
如果你想提升成交額,要么提升買家數(shù),要么提升客單價。我們可以盤點一下,我們見過這么多的促銷手段,有哪個不是為了提升這兩個數(shù)值的。滿減、滿送、買二送一,這是為了提升客單價的手段;秒殺,團購,這是為了提升買家數(shù)的手段(秒殺的核心在于集聚大量流量做關聯(lián)銷售)。
不僅僅如此,這個公式依據(jù)不同的業(yè)務場景還可以拆分成多種形式。
買家數(shù) = 商詳uv x 下單率 x 付款率
商詳uv = 廣告展現(xiàn) x 廣告轉化率 = 搜索展現(xiàn)x搜索轉化率 = 活動展現(xiàn)x活動點擊率
于是,決定成交額的因素就變成了各個渠道的轉化率、圖片的點擊率、產(chǎn)品的下單率、付款率,這樣多的細節(jié)共同決定了最后的成交額。接下來針對這些細節(jié)分別去做優(yōu)化,這個過程就叫依據(jù)數(shù)據(jù)做精細化運營。
仔細想想,你自己的業(yè)務又何嘗不是一個公式呢?試著找到自己的公式,去拆分它,你也許會不少改進的方法。
互聯(lián)網(wǎng)的模式下,無論做什么產(chǎn)品,根本目的都是為了變現(xiàn),只要是變現(xiàn),就涉及到了轉化。而轉化其實就是一個漏斗模型。
漏斗模型是運營數(shù)據(jù)里提到的最多的詞了,在業(yè)務的鏈條里,每個環(huán)節(jié)的用戶數(shù)是呈不斷衰減的,運營要做的事,就是想盡一切的辦法來提升漏斗中各環(huán)節(jié)的轉化率。
比如一個電商的活動頁,它的漏斗模型應該是這樣的:
有了這么個漏斗,我就可以分析每個環(huán)節(jié)代表了什么,我怎樣去改善:
需要注意的是,漏斗模型是需要對比的,如果僅僅只有一個漏斗模型,那么就只是數(shù)據(jù)的陳列,如果要做分析的話,就一定要有對比,比如和往期的漏斗作對比,比如與平臺的均值作對比,只有在對比過程中才會發(fā)現(xiàn)問題。
我們作為產(chǎn)品運營的同學,必須要熟悉我們產(chǎn)品中每一個關鍵數(shù)據(jù),日均的uv是多少、轉化率是多少,下載量是多少,這樣在數(shù)據(jù)出現(xiàn)異常的時候才可以第一時間發(fā)現(xiàn),熟悉產(chǎn)品數(shù)據(jù),是對數(shù)據(jù)敏感的前提。
前面講了一些理論層面的,最后給一個數(shù)據(jù)分析模板給大家,供參考。
1、首先你需要根據(jù)活動目標確定你的目標達成率,完成百分比,提升百分比。
這是這次活動取得的成果,在一開始就寫。如:
本次活動 uv 24w(20w,↑ 20%),uv價值 3.6(3,↑ 20%)
2、如果是發(fā)周報、月報之類的數(shù)據(jù),接下來就應該是核心數(shù)據(jù)走勢圖
在這張圖里,要對每個數(shù)據(jù)的拐點做分析,比如圖中11月7日、8日兩天的uv價值有明顯提升,這個的原因,要找到并寫在報告里。
3、接下來流量分析,主要為流量來源分布,各渠道流量轉化率分析。
流量漲了,要找到是哪個渠道帶來的流量漲了,為什么漲了,分析這里的原因。流量的質量如何,哪個渠道的流量轉化率高。這里需要兩個餅圖,一個是流量渠道占比,一個是渠道帶來的轉化占比。
從上面的兩個餅圖里,我們看到明顯站內(nèi)流量的轉化率更高,而廣點通帶來的流量轉化率偏低。另外,通過與往期的渠道來源占比作比較,我們可以看到當前流量構成上的變化。
3、轉化率分析,也就是漏斗模型分析。
前文提到了,漏斗模型需要對比的數(shù)據(jù),所以在此處的分析,我們需要列兩個漏斗模型。
對漏斗模型各環(huán)節(jié)轉化的分析,這里主要和往期數(shù)據(jù)做對比,結合活動頁面、流量、產(chǎn)品功能等多方面因素,嘗試分析這里各環(huán)節(jié)轉化率提升或者降低的原因。
4、模塊點擊分析
我們設計的產(chǎn)品頁面,或者活動頁面,我們需要知道這個頁面的結構是否合理,用戶的點擊分布,這有助于我們改善。當我們嘗試新的頁面樣式的時候,更應該對這里的模塊點擊做分析,可以驗證我們的結構是否對數(shù)據(jù)帶來了改善。
模塊點擊分析主要是從點擊餅圖,及其各模塊轉化率的角度來分析,點擊餅圖可以看到用戶的需求,模塊轉化率則反應了各個模塊內(nèi)容是否滿足用戶的需求,如果模塊轉化率較低,則需要考慮這個模塊的內(nèi)容是否優(yōu)質,甚至這個模塊是否需要改變樣式。
5、改進及優(yōu)化
每次的活動總是有做的好的地方和做的不好的地方,我們數(shù)據(jù)分析的目的就是為了積累經(jīng)驗,沉淀方法論,在每一篇數(shù)據(jù)報告的結尾,我們需要對這一次活動做一個總結,比如嘗試了一個新的玩法,效果如何,嘗試了一個新的頁面樣式,點擊率是否有提升,等等。把經(jīng)驗應用于之后的活動策劃當中。
寫在最后,想說一點,數(shù)據(jù)不是萬能的。
我們常做的數(shù)據(jù)分析,是建立在海量數(shù)據(jù)的情況下,但往往在初創(chuàng)公司,數(shù)據(jù)系統(tǒng)還不完善,數(shù)據(jù)量不夠的情況下,數(shù)據(jù)只能作為參考,過分相信數(shù)據(jù)往往會導致做出錯誤的判斷。
數(shù)據(jù)有很多指標,統(tǒng)計維度又有很多種,如果深挖下去,會耗費大量的精力,但卻不一定會有成效,所以找出最關鍵的幾個數(shù)據(jù)指標,對其最合理地分析,這點很重要。
今天就說這么多啦。做數(shù)據(jù)分析,重點不在數(shù)據(jù),而在分析,對數(shù)據(jù)敏感,就是能清楚數(shù)據(jù)異常背后的原因,這需要經(jīng)驗,也需要你的思考和執(zhí)行力。希望你可以成為一個對數(shù)據(jù)敏感的互聯(lián)網(wǎng)人。
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
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10