要學會真正用數(shù)據(jù)驅(qū)動運營,不去依賴分析師

本文適合:任何需接觸數(shù)據(jù)分析工作的運營、市場等互聯(lián)網(wǎng)同行~有什么用:幫助運營童鞋解決工作中常遇到的數(shù)據(jù)問題,輕松玩轉數(shù)據(jù),真正用數(shù)據(jù)驅(qū)動運營閱讀時長:可學習的知識點較多,建議學習時長為15-30分鐘

文章內(nèi)容

  1. 不知道該分析哪些數(shù)據(jù)?從哪些角度入手分析?
  2. 要等待分析師漫長的排期?能否自己搞定數(shù)據(jù)分析?
  3. 作為小白的運營童鞋,如何制作讓老板滿意的好看圖表?
  4. 如何快速找到數(shù)據(jù)背后的問題和原因?

在這個數(shù)據(jù)驅(qū)動運營的時代,數(shù)據(jù)不僅是數(shù)據(jù)工程師和分析師的事情,在工作中也要求運營從業(yè)者有一定的數(shù)據(jù)分析能力,更有人說“數(shù)據(jù)分析能力是未來運營的分水嶺”。從我自身角度出發(fā),真心覺得數(shù)據(jù)能更好推動運營策略和工作的開展。

但運營童鞋多是數(shù)據(jù)小白,沒有編程和技術基礎,那我們該怎么分析并用好數(shù)據(jù)呢?今天從運營常見的數(shù)據(jù)問題出發(fā),希望讓大家能快速地入門數(shù)據(jù)分析,讓數(shù)據(jù)更好地為工作服務,別白白浪費數(shù)據(jù)的價值。

不知該分析哪些數(shù)據(jù)?從哪些角度入手?

這是運營小伙伴們最頭痛的問題,不知道該關注、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營數(shù)據(jù)。給小伙伴們整理一些運營常見的數(shù)據(jù)指標,也總結了一些比較適用的分析角度,希望有用~1、互聯(lián)網(wǎng)運營關注的常見數(shù)據(jù)指標(比較多,請耐心看完或收藏)

  • 流量

1)訪問:PV、UV、IP(最常見);跳出率、平均訪問時長、平均訪問頁數(shù)等;使用設備、操作系統(tǒng)、瀏覽器、地域分布等訪問行為;

2)注冊:注冊人數(shù)、注冊走勢、累計注冊人數(shù)、達成率等;

3)渠道&推廣:來源渠道分布、總消費、展示量、點擊率、點擊率、平均點擊價格、轉化率、轉化成本、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:付費人數(shù)、付費轉化率、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:關注年齡、性別、學歷、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、累計消費金額、最近一次購買、購買次數(shù)、復購率等;

  • 訂單:付費人數(shù)、新增付費人數(shù);總金額、每日訂單數(shù)、平均每日成交額、客單價;付費金額、付費毛利、付費利潤、復購率、ARPU、付費各個路徑轉化等;
  • 內(nèi)容:PV、UV;UGC、PGC、文章數(shù)、關注數(shù)、閱讀數(shù)、互動數(shù)(評論、點贊等)、傳播數(shù)(轉發(fā)、分享等);
  • 活動:活動頁PV、UV、新增人數(shù)、參與人數(shù)、登錄人數(shù)、轉化人數(shù)、轉化成交金額、ARPU、優(yōu)惠券發(fā)放/使用人數(shù)、營銷成本、營銷轉化率、ROI、分享人數(shù)、分享次數(shù)等,數(shù)據(jù)要根據(jù)活動類型而定;
  • 服務:電商、O2O等行業(yè)易涉及,包括咨詢?nèi)藬?shù)、咨詢轉化率、退貨率、退款率、好評率、差評率、投訴率等?;
  • APP:各渠道下載量、激活數(shù)、新增注冊數(shù)、獲客成本;啟動次數(shù)、啟動人數(shù)、停留時長;push到達率、打開率等,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,但是運營畢竟不是專業(yè)的數(shù)據(jù)分析師,主要能用好這些原則就夠了~

  • 對比:分成橫向和縱向?qū)Ρ?,比如縱向的同環(huán)比分析,橫向的不同產(chǎn)品、不同渠道的對比等;
  • 走勢(變化):指標隨時間的變動,表現(xiàn)為增幅(同比、環(huán)比等);
  • 分布:這個好理解,比如說用戶不同年齡段的分類、不同職業(yè)的分布、不同地域分布等;
  • 細分:從多層級去了解數(shù)據(jù),比如分析全國不同省份不同城市的具體訂單數(shù)據(jù),從全國—省份—城市一一下鉆深入分析;
  • 轉化:主要體現(xiàn)在結果的最終轉化、各個路徑的轉化,比如通過整個注冊流程的轉化分析來優(yōu)化細節(jié);
  • 預測:根據(jù)現(xiàn)有情況,估計下個分析時段的指標值。

舉個實際例子吧~

案例

某水果O2O平臺想確認未來一周各品類應準備的數(shù)量,若沒有數(shù)據(jù)的支撐,那只能由人工結合經(jīng)驗得到一個大致結論,一般誤差比較大導致水果浪費較多。該怎么解決這個問題呢?當有了往常數(shù)據(jù),數(shù)據(jù)走勢有了一定的規(guī)律,可通過數(shù)據(jù)預測來得到一個比較合理、比較準確的數(shù)值,再通過不斷預測—驗證得到一個最佳方案,保證水果備貨剛剛好,減少浪費,節(jié)約成本,這就是數(shù)據(jù)的價值。
致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(綠色:日常數(shù)據(jù)走勢;黃色:未來10天數(shù)據(jù)預測)

等待分析師漫長的排期?能否自己搞定分析?

分析師身負多個部門的數(shù)據(jù)分析工作,有時從提需求到最終拿到數(shù)據(jù),2、3天都過去了,且不說分析結果是否是你想要的,就時效性而言,這份數(shù)據(jù)結果的意義也減弱了,如何變身自己的“專屬分析師”呢~

數(shù)據(jù)分析的整個過程:確定指標——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)、報表匯報。

  • 確定指標:不多說了,可參考一下第1個問題。
  • 數(shù)據(jù)收集:可通過公司數(shù)據(jù)庫埋點獲得,可通過第三方平臺獲得,也通過一些記錄的本地數(shù)據(jù)獲得。
  • 數(shù)據(jù)整合:運營人要看的數(shù)據(jù)太多了,有數(shù)據(jù)庫,有各種第三平臺的數(shù)據(jù)(友盟、統(tǒng)計、推廣、公眾號等),每次都需要從不同平臺取數(shù)據(jù),太分散了,最好能在一個數(shù)據(jù)平臺集中管理數(shù)據(jù)。
  • 數(shù)據(jù)分析:可參考分析方法,比如“求和、計數(shù)、同環(huán)比、多粒度下鉆”等分析,一般在excel中需通過寫公式搞定。
  • 數(shù)據(jù)呈現(xiàn)(可視化):簡單地說,就是如何制圖唄,請直接學習第3個問題。
  • 報表匯報:將數(shù)據(jù)通過表格、圖表或其他形式向領導匯報。

如何不依賴分析師,自己搞定數(shù)據(jù)分析呢?

1、學習一些數(shù)據(jù)分析理論。(數(shù)據(jù)思維)

2、了解、熟悉業(yè)務,這點很重要。(業(yè)務思路)

3、學習一些數(shù)據(jù)分析工具。(工具輔助)

以我的個人經(jīng)驗來看,真正把握這些真真是夠了~畢竟我們不是專業(yè)的數(shù)據(jù)分析師,能做好業(yè)務分析足以!

運營童鞋如何制作讓老板滿意的好看圖表?

沒有哪個老板喜歡雜亂的表格數(shù)據(jù),顏值才是王道啊。簡單地說,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,可用旭日圖和矩形樹圖。

比如,用戶性別的占比分析只有“性別”一個維度,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,那運營方式不妨可以嘗試一些“可愛風”,也許這樣更能吸引男性用戶。營銷活動也可以考慮選擇一些科技類產(chǎn)品作為獎品,也許更能促進男性用戶的購買力,達到活動目的。

致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(單維度:用戶性別分析)

致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)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:分析單維度的同環(huán)比可用指標卡、分析多維度的同環(huán)比可用雙軸圖。

同環(huán)比太常見了,幾乎什么數(shù)據(jù)都要跟之前有個對比,這樣才能更體現(xiàn)目前數(shù)據(jù)的“運營價值”。

最常見就是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。正常是因為UV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。若沒有固定規(guī)律,那有異常波動一定要尋找背后的原因,盡快處理問題,以防再犯。

致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(單維度:PV環(huán)比和UV環(huán)比分開)

致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(雙維度:PV環(huán)比和UV環(huán)比放一起)

  • 分析數(shù)據(jù)走勢:最常用的是折線圖,柱狀圖也可以表達,直觀度略低于折線圖。
致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(折線圖)

致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(柱狀圖)

  • 分析地區(qū)分布:全國、省份分布可用行政地圖,更詳細的地域分布可用經(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)務會在哪些區(qū)域重點投入、重點銷售。這也是公司廣告需重點投放哪些區(qū)域的數(shù)據(jù)指導,對于每年競價投入幾百萬、幾千萬的公司,正確的用戶地域分析可節(jié)省很多不必要的投入,給公司省錢老板可樂意了。

致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(行政地圖)

致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(沈陽地區(qū)軌跡動態(tài)地圖)

致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(各省份注冊用戶數(shù)完成情況)

  • 分析任務完成進度:單指標進度可用計量圖,多指標進度可用子彈,完成情況一目了然~
致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(KPI完成進度)

致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(各項指標完成進度)

  • 分析用戶活躍頻次變動:可用?;鶊D。
致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(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~
致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?

(用戶職位分布)

  • 分析轉化效果:那肯定用漏斗圖最最合適。

致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?(用戶咨詢轉化率)

關于轉化,分享一個自己身邊的真實故事。

案例

之前在一家電商公司工作,每天網(wǎng)站流量都不低,但最終的支付轉化率始終不高,從流量—注冊轉化還可以,從注冊—瀏覽轉化也還可以,但就是瀏覽—支付轉化不高。通過不斷找原因,通過用戶調(diào)研和數(shù)據(jù)分析(埋點)發(fā)現(xiàn)大部分用戶都到了支付頁,但支付入口在移動端不太明顯導致很多用戶棄買,這當然要改,優(yōu)化后整體轉化率確實提高了。通過數(shù)據(jù)發(fā)現(xiàn)問題—找原因—優(yōu)化—通過數(shù)據(jù)驗證可行性,這真的是一個良性循環(huán)

每個圖表都有適合的使用場景,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。

注:以上數(shù)據(jù)圖表均來自在線數(shù)據(jù)可視化分析工具BDP個人版,拖拽即可制圖~

如何快速找到數(shù)據(jù)背后的問題?

做了那么多的數(shù)據(jù)工作,最終無非是為了從數(shù)據(jù)中去發(fā)現(xiàn)問題,不斷優(yōu)化運營策略。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題的思路~

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

致運營狗:如何不依賴分析師,自己搞定數(shù)據(jù)分析?
  • 節(jié)假日波動:大部分產(chǎn)品都會受到節(jié)假日、周末的影響,辦公軟件節(jié)假日/周末數(shù)據(jù)一般都會下降,電商產(chǎn)品節(jié)假日/周末數(shù)據(jù)一般都會上升。
  • 上線、改版:上線不一定單指功能上線,比如營銷活動上線、廣告渠道新上都算是上線,網(wǎng)站任何變動都可以理解成“上線”。
  • 異常、故障:服務器故障、渠道被迫下線、網(wǎng)站訪問不了、鏈接異常等,鏈接訪問不了是比較常見的情況。
  • 以上3種都不是,那就下鉆從渠道入手,看哪個渠道數(shù)據(jù)有異常,再結合具體問題進行分析。(Ps:有時候從渠道發(fā)現(xiàn)異常的,所以這個流程的順序不是絕對的)
  • 以上幾種都不是,實在找不到原因,只能跟老板說:“原因未明,將持續(xù)觀察趨勢,以確認其偶然性”。

有些問題顯而易見,有些問題排查需要一些時間,看數(shù)據(jù)最終的意義還是要結合實踐??磾?shù)據(jù)—發(fā)現(xiàn)問題—解決問題—再看數(shù)據(jù)—問題解決,或者看數(shù)據(jù)—發(fā)現(xiàn)增長—找到原因—繼續(xù)應用,總之:取其精華去其糟粕,你懂得~

注:以上數(shù)據(jù)圖表來自BDP個人版~

Growth Hacker
介于技術和市場之間的新型團隊角色;
懂數(shù)據(jù),懂人性,懂方法,懂執(zhí)行…

本文經(jīng)授權發(fā)布,不代表增長黑客立場,如若轉載,請注明出處:http://gptmaths.com/cgo/2307.html

(0)
打賞 微信掃一掃 微信掃一掃 支付寶掃一掃 支付寶掃一掃
上一篇 2017-12-11 13:13
下一篇 2017-12-11 14:05

增長黑客Growthhk.cn薦讀更多>>

發(fā)表回復

登錄后才能評論