從0到1,帶你搭建數(shù)據(jù)分析知識體系

對于數(shù)據(jù)分析，我發(fā)現(xiàn)很多運營都有這樣一些困惑：

不知道從哪里獲取數(shù)據(jù)；

不知道用什么樣的工具；

不清楚分析的方法論和框架；

大部分的數(shù)據(jù)分析流于形式；

……

其實，數(shù)據(jù)分析并沒有大家想象的那么難！接觸了很多數(shù)據(jù)從業(yè)者，總結(jié)了這篇文章，希望對有志于學(xué)習(xí)數(shù)據(jù)分析的運營同學(xué)有所幫助。

1 概念：數(shù)據(jù)和數(shù)據(jù)分析

其實大家一直都在接觸數(shù)據(jù)和數(shù)據(jù)分析，但是對于兩者具體的定義又很難說清楚。我曾經(jīng)做過一個調(diào)查，問一些運營同學(xué)，下面5個選項哪些屬于“數(shù)據(jù)”概念的范圍。

圖1：哪些屬于“數(shù)據(jù)”概念范圍

大部分人都知道把“4.報表”選上，但是很難有人會認(rèn)為上面5個選項都是。

其實這反映了一個很普遍的現(xiàn)象：

很多人都會先入為主，認(rèn)為數(shù)據(jù)就是各種表格、各種數(shù)字，例如excel報表、各種數(shù)據(jù)庫。

其實這是一個錯誤或者說有偏差的認(rèn)識，它會使得我們對數(shù)據(jù)的認(rèn)識變得很狹隘。

什么是數(shù)據(jù)？

數(shù)據(jù)（data）是描述事物的符號記錄，是構(gòu)成信息或者知識的原始材料。

這種哲學(xué)層次的定義，讓數(shù)據(jù)的范圍極大豐富，也符合目前“大數(shù)據(jù)”發(fā)展的需要。試想一下，現(xiàn)在很多搜索引擎做的 “圖片識別”、“音頻識別” 難道不是數(shù)據(jù)分析的一部分嗎？

作為一名互聯(lián)網(wǎng)企業(yè)的運營從業(yè)者，我們接觸到的數(shù)據(jù)可能沒有那么復(fù)雜，但是也有很多類別。

圖2：互聯(lián)網(wǎng)企業(yè)運營從業(yè)者可能接觸到的數(shù)據(jù)

從數(shù)據(jù)的來源來看，可以分為企業(yè)外部數(shù)據(jù)和內(nèi)部數(shù)據(jù)：

外部數(shù)據(jù)主要包括社會人口、宏觀經(jīng)濟、新聞輿情和市場調(diào)研數(shù)據(jù)；

內(nèi)部數(shù)據(jù)包括用戶行為數(shù)據(jù)、服務(wù)端日志數(shù)據(jù)、CRM與交易數(shù)據(jù)。

不同數(shù)據(jù)的獲取途徑、分析方法、分析目的都不經(jīng)相同，不同行業(yè)、不同企業(yè)在實際分析中也都各有偏好。

? 那么我們常見的“信息”和“數(shù)據(jù)”有何不同？

數(shù)據(jù)是信息的載體和表現(xiàn)形式；信息是數(shù)據(jù)的內(nèi)涵，信息加載于數(shù)據(jù)之上。以書本和知識為例，書本屬于數(shù)據(jù)概念范疇，知識屬于信息概念范疇；書本是知識的一種載體和表現(xiàn)形式，知識是書本的內(nèi)涵和升華。

什么是數(shù)據(jù)分析？

數(shù)據(jù)分析是指從數(shù)據(jù)中提取有用的信息，并指導(dǎo)實踐。

這里有兩個點需要注意：首先，我們需要提取的是有用的信息，而不是自嗨；其次，這些信息需要用來指導(dǎo)實踐，而不是流于形式。

2思路：方法論和方法

很多新人入門數(shù)據(jù)分析的時候，要么胡子眉毛一把抓，要么無從下手。這都是缺少分析思路的表現(xiàn)，需要宏觀的方法論和微觀的方法來指導(dǎo)。

方法論和方法有什么區(qū)別？

方法論是從宏觀角度出發(fā)，從管理和業(yè)務(wù)的角度提出的分析框架，指導(dǎo)我們接下來具體分析的方向。方法是微觀的概念，是指我們在具體分析過程中使用的方法。

方法論

數(shù)據(jù)分析的方法論很多，這里我給大家介紹一些常見的框架。

1PEST分析法：從政治（Politics）、經(jīng)濟（Economy）、社會（Society）、技術(shù)（Technology）四個方面分析內(nèi)外環(huán)境，適用于宏觀分析。2SWOT分析法：從優(yōu)勢（Strength）、劣勢（Weakness）、機遇（Opportunity）、威脅（Threat）四個方面分析內(nèi)外環(huán)境，適用于宏觀分析。35W2H分析法：從Why、When、Where、What、Who、How、How much 7個常見的維度分析問題。44P理論：經(jīng)典營銷理論，認(rèn)為產(chǎn)品（Product）、價格（Price）、渠道（Place）和促銷（Promote）是影響市場的重要因素。5AARRR：增長黑客的海盜法則，精益創(chuàng)業(yè)的重要框架，從獲取（Acquisition）、激活（Activation）、留存（Retention）、變現(xiàn)（Revenue）和推薦（Referral）5個環(huán)節(jié)增長。

數(shù)據(jù)分析的方法論很多，這里不能一一列舉；沒有最好的方法論，只有最合適的。

下面我詳細(xì)介紹一下 AARRR 方法論，對于精益化運營、業(yè)務(wù)增長的問題，這個方法論非常契合。

圖3：AARRR方法論

對于互聯(lián)網(wǎng)產(chǎn)品而言，用戶具有明顯的生命周期特征，下面我以一個O2O行業(yè)的APP為例闡述一下。

首先通過各種線上、線下的渠道獲取新用戶，下載安裝APP。安裝完APP后，通過運營手段激活用戶；比如說首單免費、代金券、紅包等方式。通過一系列的運營使部分用戶留存下來，并且給企業(yè)帶營收。在這個過程中，如果用戶覺得這個產(chǎn)品不錯，可能推薦給身邊的人；或者通過紅包等激勵手段鼓勵分享到朋友圈等等。

需要注意的是，這5個環(huán)節(jié)并不是完全按照上面順序來的；運營可以根據(jù)業(yè)務(wù)需要靈活應(yīng)用。 AARRR的五個環(huán)節(jié)都可以通過數(shù)據(jù)指標(biāo)來衡量與分析，從而實現(xiàn)精益化運營的目的；每個環(huán)節(jié)的提升都可以有效增長業(yè)務(wù)。

我們下面的分析也是圍繞這個方法論展開的。

方法

根據(jù)運營工作的實際需要，在參考了 GrowingIO 陳明的文章《一名優(yōu)秀的數(shù)據(jù)分析師是怎樣煉成的》基礎(chǔ)上，我整理了7種分析方法。借助常見的網(wǎng)站/APP數(shù)據(jù)分析產(chǎn)品，我們非常快速的完成這7種分析。

1.趨勢分析

趨勢分析是最簡單、最基礎(chǔ)，也是最常見的數(shù)據(jù)監(jiān)測與數(shù)據(jù)分析方法。通常我們在數(shù)據(jù)分析產(chǎn)品中建立一張數(shù)據(jù)指標(biāo)的線圖或者柱狀圖，然后持續(xù)觀察，重點關(guān)注異常值。

在這個過程中，我們要選定第一關(guān)鍵指標(biāo)（OMTM，One Metric That Matter），而不要被虛榮指標(biāo)（vanity metrics ）所迷惑。

以社交類APP為例，如果我們將下載量作為第一關(guān)鍵指標(biāo)，可能就會走偏；因為用戶下載APP并不代表他使用了你的產(chǎn)品。在這種情況下，建議將DAU（Daily Active Users，日活躍用戶）作為第一關(guān)鍵指標(biāo)，而且是啟動并且執(zhí)行了某個操作的用戶才能算上去；這樣的指標(biāo)才有實際意義，運營人員要核心關(guān)注這類指標(biāo)。

2.多維分解

多維分解是指從業(yè)務(wù)需求出發(fā)，將指標(biāo)從多個維度進行拆分；這里的維度包括但不限于瀏覽器、訪問來源、操作系統(tǒng)、廣告內(nèi)容等等。

為什么需要進行多維拆解？有時候一個非?；\統(tǒng)或者最終的指標(biāo)你是看不出什么問題來的，但是進行拆分之后，很多細(xì)節(jié)問題就會浮現(xiàn)出來。

? 舉個例子：

某網(wǎng)站的跳出率是0.47、平均訪問深度是4.39、平均訪問時長是0.55分鐘。如果你要提升用戶的參與度，顯然這樣的數(shù)據(jù)會讓你無從下手；但是你對這些指標(biāo)進行拆解之后就會發(fā)現(xiàn)很多思路。

下面展示的是一個產(chǎn)品在不同操作系統(tǒng)下的用戶參與度指標(biāo)數(shù)據(jù)。

圖4：不同操作系統(tǒng)用戶的參與程度

仔細(xì)觀察的話，你會發(fā)現(xiàn)移動端平臺（Android、Windows Phone、IOS）的用戶參與度極差，表現(xiàn)在跳出率極高、訪問深度和平均訪問時長很低。這樣的話你就會發(fā)現(xiàn)問題，是不是我們的產(chǎn)品在移動端上沒有做優(yōu)化導(dǎo)致用戶體驗不好？在這樣一個移動互聯(lián)網(wǎng)時代，這是非常重要的一個問題。

3.用戶分群

用戶分群主要有兩種分法：維度和行為組合。

第一種根據(jù)用戶的維度進行分群，比如從地區(qū)維度分，有北京、上海、廣州、杭州等地的用戶；從用戶登錄平臺進行分群，有PC端、平板端和手機移動端用戶。第二種根據(jù)用戶行為組合進行分群，比如說每周在社區(qū)簽到3次的用戶與每周在社區(qū)簽到少于3次的用戶的區(qū)別。

4.用戶細(xì)查

正如前面所說的，用戶行為數(shù)據(jù)也是數(shù)據(jù)的一種，觀察用戶在你產(chǎn)品內(nèi)的行為路徑是一種非常直觀的分析方法。在用戶分群的基礎(chǔ)上，一般抽取3-5個用戶進行細(xì)查，即可覆蓋分群用戶大部分行為規(guī)律。

我們以一個產(chǎn)品的注冊流程為例：

圖5：用戶行為軌跡

用戶經(jīng)歷了如下的操作流程：

【訪問官網(wǎng)】-【點擊注冊】-【輸入號碼】-【獲取驗證碼】。

本來是非常流暢的一個環(huán)節(jié)，但是卻發(fā)現(xiàn)一個用戶連續(xù)點擊了3次【獲取驗證碼】然后放棄提交。

這就奇怪了，用戶為什么會多次點擊驗證碼呢？

這個時候我建議您去親自體驗一下您的產(chǎn)品，走一遍注冊流程。你會發(fā)現(xiàn)，點擊【獲取驗證碼】后，經(jīng)常遲遲收不到驗證碼；然后你又會不斷點擊【獲取驗證碼】，所以就出現(xiàn)了上面的情況。絕大多數(shù)產(chǎn)品都或多或少存在一些反人類的設(shè)計或者BUG，通過用戶細(xì)查可以很好地發(fā)現(xiàn)產(chǎn)品中存在的問題并且及時解決。

5.漏斗分析

漏斗是用于衡量轉(zhuǎn)化效率的工具，因為從開始到結(jié)束的模型類似一個漏斗，因而得名。

漏斗分析要注意的兩個要點：

第一，不但要看總體的轉(zhuǎn)化率，還要關(guān)注轉(zhuǎn)化過程每一步的轉(zhuǎn)化率；

第二，漏斗分析也需要進行多維度拆解，拆解之后可能會發(fā)現(xiàn)不同維度下的轉(zhuǎn)化率也有很大差異。

? 舉個例子：

某企業(yè)的注冊流程采用郵箱方式，注冊轉(zhuǎn)化率一直很低，才27%；通過漏斗分析發(fā)現(xiàn)，主要流失在【提交驗證碼】的環(huán)節(jié)。

圖6：注冊轉(zhuǎn)化率

經(jīng)過了解發(fā)現(xiàn)，郵箱驗證非常容易出現(xiàn)注冊郵箱收不到郵件的情況，原因包括郵件代理商被屏蔽、郵件含有敏感字被歸入垃圾郵箱、郵件送達(dá)時間過長等等。既然這么多不可控因素影響注冊轉(zhuǎn)化率，那就換一種驗證方式。換成短信驗證后，總體轉(zhuǎn)化率提升到了43%，這是非常大的一個增長。

6.留存分析

留存，顧名思義就是新用戶留下來持續(xù)使用產(chǎn)品的含義。衡量留存的常見指標(biāo)有：次日留存率、7日留存率、30日留存率等等。我們可以從兩個方面去分析留存，一個是新用戶的留存率，另一個是產(chǎn)品功能的留存。

圖7：兩種用戶群體的留存差異

? 第一個案例：

以社區(qū)網(wǎng)站為例，“每周簽到3次”的用戶留存率明顯高于“每周簽到少于3次”的用戶。簽到這一功能在無形中提升了社區(qū)的用戶的粘性和留存率，這也是很多社群或者社區(qū)主推這個功能的原因。

? 第二個案例：

首次注冊微博，微博會向你推薦關(guān)注10個大V；首次注冊LinkedIn，LinkedIn會向你推薦5個同事；申請信用卡時，發(fā)卡方會說信用卡消費滿4筆即可抽取【無人機】大獎；很多社交產(chǎn)品規(guī)定，每周簽到5次，用戶可以獲得雙重積分或者虛擬貨幣。

在這里面“關(guān)注10個大V”、“關(guān)注5個同事”、“消費4筆”、“簽到5次”就是我想說的Magic Number，這些數(shù)字都是通過長期的數(shù)據(jù)分析或者機器學(xué)習(xí)的方式發(fā)現(xiàn)的。

實踐證明，符合這些特征的用戶留存度是最高的；運營人員需要不斷去push，激勵用戶達(dá)到這個標(biāo)準(zhǔn)，從而提升留存率。

7.A/B測試與A/A測試

A/B測試是為了達(dá)到一個目標(biāo)，采取了兩套方案，一組用戶采用A方案，一組用戶采用B方案。通過實驗觀察兩組方案的數(shù)據(jù)效果，判斷兩組方案的好壞。

在A/B測試方面，谷歌是不遺余力地嘗試；對于搜索結(jié)果的顯示，谷歌會制定多種不同的方案（包括文案標(biāo)題，字體大小，顏色等等），不斷來優(yōu)化搜索結(jié)果中廣告的點擊率。

這里需要注意的一點，A/B測試之前最好有A/A測試或者類似準(zhǔn)備。什么是A/A測試？A/A測試是評估兩個實驗組是否是處于相同的水平，這樣A/B測試才有意義。其實這和學(xué)校里面的控制變量法、實驗組與對照組、雙盲試驗本質(zhì)一樣的。

3  流程：宏觀、中觀和微觀

有了具體的分析方法還不夠，運營要做好數(shù)據(jù)分析還需要一個清晰的流程。在這里我從宏觀、中觀和微觀三個層次給大家介紹一下。

宏觀

1.中國古代樸素的分析哲學(xué)

其實數(shù)據(jù)分析自古有之，中國古代很多名人從事的其實就是數(shù)據(jù)分析的工作；他們的名稱可能不是數(shù)據(jù)分析師，更多的是“丞相”、“軍師”、“謀士”，如張良、管仲、蕭何、孫斌、鬼谷子、諸葛亮。

他們通過 “歷史統(tǒng)計”-“經(jīng)驗總結(jié)”-“預(yù)測未來” 為自己的組織創(chuàng)造了極大的價值，這是中國古代樸素的分析哲學(xué)的重要內(nèi)容。

2.精益創(chuàng)業(yè)的MVP理念

風(fēng)靡硅谷的精益創(chuàng)業(yè)，它推崇MVP（最簡化可行產(chǎn)品）的理念，通過小步快跑的方式來不斷優(yōu)化產(chǎn)品、增長用戶。

在運營工作中，我們要大膽嘗試，將想法轉(zhuǎn)化成產(chǎn)品和運營方法。然后分析其中的數(shù)據(jù)，衡量產(chǎn)品或者運營的效果。如果好的話保持并大力推廣，如果不好的話總結(jié)問題及時改進。在“構(gòu)建-“衡量”-“學(xué)習(xí)”的不斷循環(huán)中逐漸優(yōu)化，這個流程是非常適合運營工作的。

中觀

《誰說菜鳥不會數(shù)據(jù)分析》書中介紹了更為具體的分析流程：

明確分析目的和思路 →數(shù)據(jù)收集 →數(shù)據(jù)處理 →數(shù)據(jù)分析 →數(shù)據(jù)展現(xiàn) →6.報告撰寫

這個流程只是從“數(shù)據(jù)”的角度闡述了前后的流程，并未結(jié)合業(yè)務(wù)實際；而且它將數(shù)據(jù)分析的落腳點定位于“報告撰寫”是具有誤導(dǎo)性的，因為數(shù)據(jù)分析的最終目的是為了指導(dǎo)實踐，而不是寫一份報告。 但是這個流程仍具有參考價值，尤其是 “明確分析目的和思路” 對于新手入門具有一定的指導(dǎo)意義。

微觀

下面介紹的是一個非常詳細(xì)的分析流程，借助于一定的分析工具，我們可以按照這個思路對您的網(wǎng)站/APP進行細(xì)致入微的分析。

圖10：微觀數(shù)據(jù)分析流程

這是GrowingIO商務(wù)分析師檀潤洋在《提高用戶留存，產(chǎn)品、市場和運營都有哪些方法》中介紹的流程，我認(rèn)為適用于大部分的運營數(shù)據(jù)分析。

它的前提是用數(shù)據(jù)分析工具做好數(shù)據(jù)采集和監(jiān)控工作，把精力集中在業(yè)務(wù)分析上。這個流程的核心是“MVP”的理念，“發(fā)現(xiàn)問題”-“設(shè)計實驗”-“分析結(jié)果”，通過數(shù)據(jù)來不斷優(yōu)化產(chǎn)品和運營。

4應(yīng)用：體系和分析

案例1：搭建數(shù)據(jù)分析體系

小張今年剛畢業(yè)，在某公司從事新媒體工作，負(fù)責(zé)微信的日常運營。小張并不清楚微信運營的核心目的，嘗試了很多方法，原創(chuàng)、翻譯、改寫了很多文章發(fā)布在微信上，但是閱讀量時高時低，總體一般。

經(jīng)理讓小張想辦法改進一下微信運營，提高微信的粉絲數(shù)和閱讀數(shù)；但是張三毫無頭緒，無從下手。這是很多運營真實的寫照，瑣碎的工作容易讓人忘記思考，這很可能就發(fā)生在你我的身邊。

我們從數(shù)據(jù)分析的角度對這個案例進行了診斷，總結(jié)了小張存在的這些問題：

不清楚自己需要關(guān)注哪些核心指標(biāo)；

不清楚目標(biāo)用戶的特征（用戶屬性、用戶畫像等）；

對自己過往工作缺乏系統(tǒng)分析（數(shù)據(jù)采集、監(jiān)測和分析）。

從業(yè)務(wù)增長的角度出發(fā)，我給小張量身定做了一套數(shù)據(jù)分析體系，配合其內(nèi)容工作的開展。

? 第一點，內(nèi)容定位。

運營需要明確知道自己的目標(biāo)或者KPI，然后選擇一個核心關(guān)鍵指標(biāo)（OMTM）進行監(jiān)測。如果是創(chuàng)業(yè)公司，初期可能需要拉新，那么核心指標(biāo)是注冊用戶數(shù)或者新訪問用戶數(shù)。如果是資訊媒體，注重影響力和覆蓋面，那么核心指標(biāo)應(yīng)該是微信閱讀數(shù)或者網(wǎng)頁PV。

? 第二點，用戶畫像。

無論是哪一種運營崗位，都需要明確知道自己的（目標(biāo)）用戶是那些人？這些人都有哪些特征，他們的關(guān)注點和痛點是什么？如果你的用戶是產(chǎn)品經(jīng)理，那么可以嘗試爬蟲抓取產(chǎn)品經(jīng)理網(wǎng)站上有關(guān)的問題，然后做文本分析：這是定量層面的分析。同時，通過調(diào)查訪問和問卷調(diào)研，獲取更加深入的用戶特征信息：這是從定性層面的分析。

? 第三點，持續(xù)監(jiān)測。

借助數(shù)據(jù)分析工具，對核心關(guān)鍵指標(biāo)（OMTM）進行持續(xù)監(jiān)測。對于指標(biāo)異常情況，我們需要及時分析和改進。

? 第四點，數(shù)據(jù)分析。

統(tǒng)計和分析過往內(nèi)容的數(shù)據(jù)，找出哪些內(nèi)容、哪些標(biāo)題、哪些形式、哪些渠道的效果更好，然后朝這方面不斷優(yōu)化。

案例2：分析業(yè)務(wù)核心指標(biāo)

電子郵件營銷是現(xiàn)在很多企業(yè)仍在采用的營銷和運營方式，某互聯(lián)網(wǎng)金融企業(yè)通過EDM給新用戶（有郵件地址但是未注冊用戶）發(fā)送激活郵件。一直以來注冊轉(zhuǎn)化率維持在20%-30%之間，8月18日注冊轉(zhuǎn)化率暴跌，之后一直維持在10%左右。

這是一個非常嚴(yán)重的衰退，需要立即排查原因。EDM渠道注冊轉(zhuǎn)化率涉及到太多的因素，需要一個一個排查，數(shù)據(jù)分析師幫運營羅列了可能的原因：

技術(shù)原因：ETL（數(shù)據(jù)抽取、轉(zhuǎn)化、載入）出現(xiàn)問題，導(dǎo)致后端數(shù)據(jù)沒有及時呈現(xiàn)在BI報表中；

宏觀原因：季節(jié)性因素（節(jié)假日等），其余郵件沖擊（其余部門也給用戶發(fā)郵件稀釋了用戶的注意力）；

微觀原因：郵件的標(biāo)題、文案、排版設(shè)計，CTA設(shè)計，注冊流程設(shè)計。

一個簡單的業(yè)務(wù)指標(biāo)，會影響到它的因素可能是多種多樣的，所以我們需要對可能涉及到的因素進行精細(xì)化衡量才能不斷優(yōu)化。最后發(fā)現(xiàn)，產(chǎn)品經(jīng)理在注冊環(huán)節(jié)添加了『綁定信用卡』，導(dǎo)致注冊轉(zhuǎn)化率大幅度下降。