運(yùn)營(yíng)狗痛訴：作為數(shù)據(jù)白癡，誰(shuí)能拯救我啊

本文適合：任何需接觸數(shù)據(jù)分析工作的運(yùn)營(yíng)、市場(chǎng)童鞋~

有什么用：幫助運(yùn)營(yíng)童鞋解決工作中常遇到的數(shù)據(jù)問(wèn)題，輕松玩轉(zhuǎn)數(shù)據(jù)，真正用數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)。

在這個(gè)數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)的時(shí)代，數(shù)據(jù)不僅是數(shù)據(jù)工程師和分析師的事情，在工作中也要求運(yùn)營(yíng)從業(yè)者有一定的數(shù)據(jù)分析能力，更有人說(shuō)“數(shù)據(jù)分析能力是未來(lái)運(yùn)營(yíng)的分水嶺”。從我自身角度出發(fā)，真心覺(jué)得數(shù)據(jù)能更好推動(dòng)運(yùn)營(yíng)策略和工作的開(kāi)展。

但運(yùn)營(yíng)童鞋多是數(shù)據(jù)小白，沒(méi)有編程和技術(shù)基礎(chǔ)，那我們?cè)撛趺捶治霾⒂煤脭?shù)據(jù)呢？今天從運(yùn)營(yíng)常見(jiàn)的數(shù)據(jù)問(wèn)題出發(fā)，希望讓大家能快速地入門(mén)數(shù)據(jù)分析，讓數(shù)據(jù)更好地為工作服務(wù)，別白白浪費(fèi)數(shù)據(jù)的價(jià)值。

01 不知該分析哪些數(shù)據(jù)？從哪些角度入手？

這是運(yùn)營(yíng)小伙伴們最頭痛的問(wèn)題，不知道該關(guān)注、分析哪些數(shù)據(jù)，就算拿到數(shù)據(jù)后，也不知道到底從哪些方面去分析這些運(yùn)營(yíng)數(shù)據(jù)。給小伙伴們整理一些運(yùn)營(yíng)常見(jiàn)的數(shù)據(jù)指標(biāo)，也總結(jié)了一些比較適用的分析角度，希望有用~

1、互聯(lián)網(wǎng)運(yùn)營(yíng)關(guān)注的常見(jiàn)數(shù)據(jù)指標(biāo)

（比較多，請(qǐng)耐心看完或收藏）

流量

1）訪問(wèn)：PV、UV、IP（最常見(jiàn)）；跳出率、平均訪問(wèn)時(shí)長(zhǎng)、平均訪問(wèn)頁(yè)數(shù)等；使用設(shè)備、操作系統(tǒng)、瀏覽器、地域分布等訪問(wèn)行為；

2）注冊(cè)：注冊(cè)人數(shù)、注冊(cè)走勢(shì)、累計(jì)注冊(cè)人數(shù)、達(dá)成率等；

3）渠道&推廣：來(lái)源渠道分布、總消費(fèi)、展示量、點(diǎn)擊率、點(diǎn)擊率、平均點(diǎn)擊價(jià)格、轉(zhuǎn)化率、轉(zhuǎn)化成本、ROI等；

用戶

1）活躍/登錄：DAU、WAU、MAU、活躍率、登錄人數(shù)等；

2）留存：次日留存率、周留存率、月留存率等，還有按渠道去分析留存率；

3）流失：流失數(shù)據(jù)容易被遺忘，包括流失率，流失人數(shù)、每日平均流失人數(shù)等；

4）付費(fèi)：付費(fèi)人數(shù)、付費(fèi)轉(zhuǎn)化率、單筆訂單平均金額等，更多看訂單數(shù)據(jù)；

5）其他：每日評(píng)論人數(shù)、收藏人數(shù)、分享人數(shù)等

6）頭像：一方面分析用戶屬性：關(guān)注年齡、性別、學(xué)歷、職業(yè)、地域、婚否、收入、興趣等；另一方面分析用戶行為：登錄次數(shù)、活躍率、累計(jì)消費(fèi)金額、最近一次購(gòu)買(mǎi)、購(gòu)買(mǎi)次數(shù)、復(fù)購(gòu)率等；

訂單  

付費(fèi)人數(shù)、新增付費(fèi)人數(shù)；總金額、每日訂單數(shù)、平均每日成交額、客單價(jià)；付費(fèi)金額、付費(fèi)毛利、付費(fèi)利潤(rùn)、復(fù)購(gòu)率、ARPU、付費(fèi)各個(gè)路徑轉(zhuǎn)化等；

內(nèi)容

PV、UV；UGC、PGC、文章數(shù)、關(guān)注數(shù)、閱讀數(shù)、互動(dòng)數(shù)（評(píng)論、點(diǎn)贊等）、傳播數(shù)（轉(zhuǎn)發(fā)、分享等）；

活動(dòng)

活動(dòng)頁(yè)P(yáng)V、UV、新增人數(shù)、參與人數(shù)、登錄人數(shù)、轉(zhuǎn)化人數(shù)、轉(zhuǎn)化成交金額、ARPU、優(yōu)惠券發(fā)放/使用人數(shù)、營(yíng)銷(xiāo)成本、營(yíng)銷(xiāo)轉(zhuǎn)化率、ROI、分享人數(shù)、分享次數(shù)等，數(shù)據(jù)要根據(jù)活動(dòng)類(lèi)型而定

服務(wù)

電商、O2O等行業(yè)易涉及，包括咨詢?nèi)藬?shù)、咨詢轉(zhuǎn)化率、退貨率、退款率、好評(píng)率、差評(píng)率、投訴率等 ；

APP

各渠道下載量、激活數(shù)、新增注冊(cè)數(shù)、獲客成本；啟動(dòng)次數(shù)、啟動(dòng)人數(shù)、停留時(shí)長(zhǎng)；push到達(dá)率、打開(kāi)率等，其他參考以上數(shù)據(jù)。 

2、適用的分析角度、方法

數(shù)據(jù)分析有各種高大上的分析原則，比如AARRR模型、5W2H等，但是運(yùn)營(yíng)畢竟不是專(zhuān)業(yè)的數(shù)據(jù)分析師，主要能用好這些原則就夠了~

對(duì)比：分成橫向和縱向?qū)Ρ龋热缈v向的同環(huán)比分析，橫向的不同產(chǎn)品、不同渠道的對(duì)比等；

走勢(shì)（變化）：指標(biāo)隨時(shí)間的變動(dòng)，表現(xiàn)為增幅（同比、環(huán)比等）；

分布：這個(gè)好理解，比如說(shuō)用戶不同年齡段的分類(lèi)、不同職業(yè)的分布、不同地域分布等；

細(xì)分：從多層級(jí)去了解數(shù)據(jù)，比如分析全國(guó)不同省份不同城市的具體訂單數(shù)據(jù)，從全國(guó)—省份—城市一一下鉆深入分析；

轉(zhuǎn)化：主要體現(xiàn)在結(jié)果的最終轉(zhuǎn)化、各個(gè)路徑的轉(zhuǎn)化，比如通過(guò)整個(gè)注冊(cè)流程的轉(zhuǎn)化分析來(lái)優(yōu)化細(xì)節(jié)；

預(yù)測(cè)：根據(jù)現(xiàn)有情況，估計(jì)下個(gè)分析時(shí)段的指標(biāo)值。

舉個(gè)實(shí)際例子吧~

某水果O2O平臺(tái)想確認(rèn)未來(lái)一周各品類(lèi)應(yīng)準(zhǔn)備的數(shù)量，若沒(méi)有數(shù)據(jù)的支撐，那只能由人工結(jié)合經(jīng)驗(yàn)得到一個(gè)大致結(jié)論，一般誤差比較大導(dǎo)致水果浪費(fèi)較多。該怎么解決這個(gè)問(wèn)題呢？

當(dāng)有了往常數(shù)據(jù)，數(shù)據(jù)走勢(shì)有了一定的規(guī)律，可通過(guò)數(shù)據(jù)預(yù)測(cè)來(lái)得到一個(gè)比較合理、比較準(zhǔn)確的數(shù)值，再通過(guò)不斷預(yù)測(cè)—驗(yàn)證得到一個(gè)最佳方案，保證水果備貨剛剛好，減少浪費(fèi)，節(jié)約成本，這就是數(shù)據(jù)的價(jià)值。

（綠色：日常數(shù)據(jù)走勢(shì)；黃色：未來(lái)10天數(shù)據(jù)預(yù)測(cè)）

02 等待分析師漫長(zhǎng)的排期？能否自己搞定分析？

分析師身負(fù)多個(gè)部門(mén)的數(shù)據(jù)分析工作，有時(shí)從提需求到最終拿到數(shù)據(jù)，2、3天都過(guò)去了，且不說(shuō)分析結(jié)果是否是你想要的，就時(shí)效性而言，這份數(shù)據(jù)結(jié)果的意義也減弱了，如何變身自己的“專(zhuān)屬分析師”呢~

數(shù)據(jù)分析的整個(gè)過(guò)程：

確定指標(biāo)——數(shù)據(jù)收集——數(shù)據(jù)整合、數(shù)據(jù)處理/建模、數(shù)據(jù)分析、數(shù)據(jù)呈現(xiàn)、報(bào)表匯報(bào)。

確定指標(biāo)：不多說(shuō)了，可參考一下第1個(gè)問(wèn)題。

數(shù)據(jù)收集：可通過(guò)公司數(shù)據(jù)庫(kù)埋點(diǎn)獲得，可通過(guò)第三方平臺(tái)獲得，也通過(guò)一些記錄的本地?cái)?shù)據(jù)獲得。

數(shù)據(jù)整合：運(yùn)營(yíng)人要看的數(shù)據(jù)太多了，有數(shù)據(jù)庫(kù)，有各種第三平臺(tái)的數(shù)據(jù)（友盟、統(tǒng)計(jì)、推廣、公眾號(hào)等），每次都需要從不同平臺(tái)取數(shù)據(jù)，太分散了，最好能在一個(gè)數(shù)據(jù)平臺(tái)集中管理數(shù)據(jù)。

數(shù)據(jù)分析：可參考分析方法，比如“求和、計(jì)數(shù)、同環(huán)比、多粒度下鉆”等分析，一般在Excel中需通過(guò)寫(xiě)公式搞定。

數(shù)據(jù)呈現(xiàn)（可視化）：簡(jiǎn)單地說(shuō)，就是如何制圖唄，請(qǐng)直接學(xué)習(xí)第3個(gè)問(wèn)題。

報(bào)表匯報(bào)：將數(shù)據(jù)通過(guò)表格、圖表或其他形式向領(lǐng)導(dǎo)匯報(bào)。

如何不依賴分析師，自己搞定數(shù)據(jù)分析呢？

1、學(xué)習(xí)一些數(shù)據(jù)分析理論。（數(shù)據(jù)思維）

2、了解、熟悉業(yè)務(wù)，這點(diǎn)很重要。（業(yè)務(wù)思路）

3、學(xué)習(xí)一些數(shù)據(jù)分析工具。（工具輔助）

以我的個(gè)人經(jīng)驗(yàn)來(lái)看，真正把握這些真真是夠了~畢竟我們不是專(zhuān)業(yè)的數(shù)據(jù)分析師，能做好業(yè)務(wù)分析足以！

03 運(yùn)營(yíng)童鞋如何制作讓老板滿意的好看圖表？

沒(méi)有哪個(gè)老板喜歡雜亂的表格數(shù)據(jù)，顏值才是王道啊。簡(jiǎn)單地說(shuō)，就是數(shù)據(jù)如何可視化，讓數(shù)據(jù)直觀、明了。

分析數(shù)據(jù)占比：

分析單維度的數(shù)據(jù)占比可用餅/環(huán)圖、分析多維度的數(shù)據(jù)占比，可用旭日?qǐng)D和矩形樹(shù)圖。

比如，用戶性別的占比分析只有“性別”一個(gè)維度，用餅/環(huán)圖展示，男女比例非常直觀，比如下圖明顯是男性用戶偏多，若用戶群體符合初衷和產(chǎn)品特征，那運(yùn)營(yíng)方式不妨可以嘗試一些“可愛(ài)風(fēng)”，也許這樣更能吸引男性用戶。

營(yíng)銷(xiāo)活動(dòng)也可以考慮選擇一些科技類(lèi)產(chǎn)品作為獎(jiǎng)品，也許更能促進(jìn)男性用戶的購(gòu)買(mǎi)力，達(dá)到活動(dòng)目的。

（單維度：用戶性別分析）

（多維度：不同地區(qū)不同渠道的訂單分析）

分析數(shù)據(jù)同環(huán)比趨勢(shì)：

分析單維度的同環(huán)比可用指標(biāo)卡、分析多維度的同環(huán)比可用雙軸圖。

同環(huán)比太常見(jiàn)了，幾乎什么數(shù)據(jù)都要跟之前有個(gè)對(duì)比，這樣才能更體現(xiàn)目前數(shù)據(jù)的“運(yùn)營(yíng)價(jià)值”。

最常見(jiàn)就是PV、UV的同環(huán)比了，比如UV環(huán)比下降了，是正常還是不正常。正常是因?yàn)閁V可能存在一定規(guī)律，可能周五的UV就比周四低，那數(shù)據(jù)屬于正常。若沒(méi)有固定規(guī)律，那有異常波動(dòng)一定要尋找背后的原因，盡快處理問(wèn)題，以防再犯。

（單維度：PV環(huán)比和UV環(huán)比分開(kāi)）

（雙維度：PV環(huán)比和UV環(huán)比放一起）

分析數(shù)據(jù)走勢(shì)：

最常用的是折線圖，柱狀圖也可以表達(dá)，直觀度略低于折線圖。

（折線圖）

（柱狀圖）

分析地區(qū)分布：

全國(guó)、省份分布可用行政地圖，更詳細(xì)的地域分布可用經(jīng)緯度地圖。

用戶地域分析也是非常重要的，這可能決定了公司業(yè)務(wù)會(huì)在哪些區(qū)域重點(diǎn)投入、重點(diǎn)銷(xiāo)售。這也是公司廣告需重點(diǎn)投放哪些區(qū)域的數(shù)據(jù)指導(dǎo)，對(duì)于每年競(jìng)價(jià)投入幾百萬(wàn)、幾千萬(wàn)的公司，正確的用戶地域分析可節(jié)省很多不必要的投入，給公司省錢(qián)老板可樂(lè)意了。

（行政地圖）

（沈陽(yáng)地區(qū)軌跡動(dòng)態(tài)地圖）

分析任務(wù)完成進(jìn)度：

可用計(jì)量圖，進(jìn)度完成情況一目了然~

（KPI完成進(jìn)度）

分析用戶活躍頻次變動(dòng)：

可用?；鶊D。

（用戶活躍情況變化）

分析詞頻：

比如用戶的職位分布，可用詞云，有3D效果哦~

（用戶職位分布）

分析轉(zhuǎn)化效果：

那肯定用漏斗圖最最合適。

（用戶咨詢轉(zhuǎn)化率）

關(guān)于轉(zhuǎn)化，分享一個(gè)自己身邊的真實(shí)故事。

案例

之前在一家電商公司工作，每天網(wǎng)站流量都不低，但最終的支付轉(zhuǎn)化率始終不高，從流量—注冊(cè)轉(zhuǎn)化還可以，從注冊(cè)—瀏覽轉(zhuǎn)化也還可以，但就是瀏覽—支付轉(zhuǎn)化不高。

通過(guò)不斷找原因，通過(guò)用戶調(diào)研和數(shù)據(jù)分析（埋點(diǎn)）發(fā)現(xiàn)大部分用戶都到了支付頁(yè)，但支付入口在移動(dòng)端不太明顯導(dǎo)致很多用戶棄買(mǎi)，這當(dāng)然要改，優(yōu)化后整體轉(zhuǎn)化率確實(shí)提高了。通過(guò)數(shù)據(jù)發(fā)現(xiàn)問(wèn)題—找原因—優(yōu)化—通過(guò)數(shù)據(jù)驗(yàn)證可行性，這真的是一個(gè)良性循環(huán)

每個(gè)圖表都有適合的使用場(chǎng)景，用好各種圖表很重要，直接影響到數(shù)據(jù)的直觀和美觀程度。

04 如何快速找到數(shù)據(jù)背后的問(wèn)題？

做了那么多的數(shù)據(jù)工作，最終無(wú)非是為了從數(shù)據(jù)中去發(fā)現(xiàn)問(wèn)題，不斷優(yōu)化運(yùn)營(yíng)策略。不論數(shù)據(jù)是上升了還是下降了，肯定有其變化的原因，這里以用戶數(shù)據(jù)變化為例了解一下快速找到問(wèn)題的思路~

（Ps：這只是個(gè)人結(jié)合工作得到一些經(jīng)驗(yàn)，不一定非常準(zhǔn)備，大家可結(jié)合自己的網(wǎng)站和產(chǎn)品去分析~）

（請(qǐng)點(diǎn)擊并放大看圖）

節(jié)假日波動(dòng)：大部分產(chǎn)品都會(huì)受到節(jié)假日、周末的影響，辦公軟件節(jié)假日/周末數(shù)據(jù)一般都會(huì)下降，電商產(chǎn)品節(jié)假日/周末數(shù)據(jù)一般都會(huì)上升。

上線、改版：上線不一定單指功能上線，比如營(yíng)銷(xiāo)活動(dòng)上線、廣告渠道新上都算是上線，網(wǎng)站任何變動(dòng)都可以理解成“上線”。

異常、故障：服務(wù)器故障、渠道被迫下線、網(wǎng)站訪問(wèn)不了、鏈接異常等，鏈接訪問(wèn)不了是比較常見(jiàn)的情況

以上3種都不是，那就下鉆從渠道入手，看哪個(gè)渠道數(shù)據(jù)有異常，再結(jié)合具體問(wèn)題進(jìn)行分析。（Ps：有時(shí)候從渠道發(fā)現(xiàn)異常的，所以這個(gè)流程的順序不是絕對(duì)的

以上幾種都不是，實(shí)在找不到原因，只能跟老板說(shuō)：“原因未明，將持續(xù)觀察趨勢(shì)，以確認(rèn)其偶然性”。

有些問(wèn)題顯而易見(jiàn)，有些問(wèn)題排查需要一些時(shí)間，看數(shù)據(jù)最終的意義還是要結(jié)合實(shí)踐。

看數(shù)據(jù)—發(fā)現(xiàn)問(wèn)題—解決問(wèn)題—再看數(shù)據(jù)—問(wèn)題解決，或者看數(shù)據(jù)—發(fā)現(xiàn)增長(zhǎng)—找到原因—繼續(xù)應(yīng)用。