轉:作運營必須掌握的四個數據分析思惟

從單一維度到體系化

從單一維度到體系化的思考，是作數據分析必須作出的轉變！對於數據分析你須要有體系化的數據框架！

咱們在考慮問題的時候都會遵循一個思路，即從宏觀到微觀，從全局到局部，數據分析也不例外。數據分析在產品運營中的地位在這裏也無需多說，作數據分析必定要創建在對產品數據體系詳細瞭解的基礎上的，在作數據分析時候須要在心中創建起數據體系，產品數據維度體系由大到小能夠分爲宏觀數據、中觀數據、微觀數據三大層面：

以上數據分析緯度並不是包含了咱們運營的產品的全部數據緯度，在作數據分析時，咱們須要結合本身的產品狀況來作有用數據篩選。固然運營在提出具後臺需求時必定是基礎數據需求，常見的如用戶概況數據、PV數、UV數、UID數、啓動次數、留存率、跳出率、頁面訪問路徑等，不少運營人員在完善數據後臺需求時，提出一大堆數據，而且不少數據涉及到複雜的定義和計算，這樣只會增大後臺數據的運算壓力，對運營分析實際用出並不大，反而影響數據的查看效率。運營數據分析可根據後臺基礎數據結合Excel表格導出功能，以及藉助第三方數據平臺來進行輔助分析，這樣不只可以下降後臺數據開發成本，也能大大提升數據分析效率。

以目標爲導向

作數據分析須要以目標爲導向，學會作數據維度的逐級拆分，以結構化思惟來作運營數據的全面的，系統性的分析。

在作產品運營的數據分析時，咱們能夠按照如下思路來進行：

一、肯定數據分析目標

二、明確數據目標的關鍵影響維度拆解

三、找出不一樣數據緯度之間的關聯關係從而創建起數據關係模型

四、發現問題數據及出現緣由

五、針對問題數據影響維度作相應的優化

好比咱們以天貓店鋪利潤狀況進行分析，店鋪運營最關注的就是營業額，但最本質的仍是盈利狀況，按照上面提到的思路進行分析：

一、數據分析目標：店鋪的利潤狀況分析

二、肯定數據目標的關鍵影響維度拆解：

三、找出不一樣緯度維度之間的關聯關係從而創建起數據分析模型：

利潤=銷售額-成本=流量*轉化率*客單價-（店鋪固定成本+運營成本+貨品成本+人員成本）。

四、根據數據模型發現問題數據：

要想實現店鋪利潤（L）額最大化：L（max）=R（max）-C（min）

若是店鋪出現虧損，那麼必定是R＜C，也就是成本大於收入，咱們假設出現如下狀況：

根據上述的假設思路，咱們能夠得出，在成本合理的狀況下，店鋪出現了虧損，那麼能夠得出是銷售額過低，銷售額不高額影響緣由是流量轉化率低。所以針對這種狀況咱們要作的就是提升店鋪的轉化率。

五、針對問題數據影響維度作相應的優化：提高轉化率

咱們能夠經過如下幾個方面來提升轉化率：

——提高產品包裝

——優化詳情頁圖片和介紹文案

——優化消費者下單支付路徑和體驗

——提高客服服務水平和促單技巧

——作好用戶評價管理優化

——實行相應的促銷策略，如滿減、滿贈、折扣等

……

咱們繼續以產品運營爲例，好比咱們忽然發現某天產品的DAU增加幅度變大，按照上述的分析思路咱們進行相應的梳理：

關注多個數據維度之間的相關關係

數據分析更多的是要關注多個數據維度之間的相關關係，而不是單個數據產生的因果關係！經過影響關鍵指標的數據維度的關聯關係創建數據分析模型。

好比咱們以公衆號運營爲例，公衆號運營的關鍵指標是粉絲數和文章閱讀量，而粉絲數和文章閱讀量的影響緯度肯有不少個。這些緯度之間也存在相應的影響關係，具體以下：

在作公衆號運營的時候，能夠嘗試着把你影響文章閱讀量的全部數據所有梳理出來，而後去篩選出相對有用的一些數據維度，而後創建起他們的相關關係。在實際運營過程當中，不少運營的小夥伴每週只關注推送了多少篇文章，增加了多少個粉絲，其實還應該關注一些細節數據，好比文章標題、內容長度、內容類型跟閱讀量、轉發量的關係，推送時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、文章圖片數量、公衆號單圖文推送、多圖文推送、頭條推送和非頭條推送對閱讀量的影響等，這些都是須要在運營過程當中須要考慮的，而且要養成對這些數據進行記錄的習慣。

在社區運營過程當中最基本的模型就是用戶的金字塔模型了，這個金字塔模型的創建是依據用戶的活躍度和貢獻值來創建的，金字塔模型會將用戶分紅幾個層級，層級越往上用戶的價值越大，貢獻值越高。固然這個用戶金字塔模型的創建必定不是固定的，而是根據具體的社區數據狀況會在層級劃分和每一個層級佔比上都會有所不一樣，而且每一個層級的具體需求和運營方式都是不一樣的。好比以某K12教育社區的運營爲例：

社區發帖量這一核心數據指標提高，是與整個社區的用戶量，用戶層級比例，用戶層級轉化，每一個層級用戶行爲，用戶粘性，社區內容質量， 內容展現與推送狀況等都存在必定的相關關係。因此在社區的運營過程當中就要不斷的促進各個影響維度與社區發帖量的正向關係，那麼社區發帖量與其餘數據維度的關聯關係如何創建呢？超哥嘗試着作了一個簡單的梳理，相應的數據維度並未所有包含，此關係圖仍需完善，此處只是給出一種梳理思路，具體以下：

將數據分析培養成爲潛意識行爲

作運營必定要將數據分析培養成爲潛意識行爲，運營過程當中的一切行爲和手段均可以數據化，數據驅動運營。

一、培養數據分析的系統化思惟

數據分析通常會存在兩種方向，一種是自上而下，另外一種是自下而上。

自上而下的思路在前文已經提到過，具體的思路爲：確立數據分析目標——目標影響維度拆解——各數據維度相關關係創建——發現問題數據及出現緣由——問題數據優化，這種思路多用戶產品的數據分析體系或者模型的創建，從而保證數據分析的全面性。

自下而上的數據分析思路多用在針對已有數據報表中的數據問題發現，具體思路爲：異常數據發現——該異常數據影響因素——影響因素與問題數據之間的相關關係——找出出現異常數據的緣由——找到異常數據的解決辦法。

二、培養數據的敏感度

數據敏感度培養別無他法，除了掌握正確的數據分析方法外，就是天天看數據，天天分析數據，用數聽說話。

三、養成數據記錄習慣

作運營過程當中會有不少細節數據，須要對這些數據進行記錄，當記錄的數據條數累計到必定程度經過就能夠經過彙總的數據發現相應的數據規律，好比：

針對社區UGC帖子、熱帖、精品貼的記錄

針對消息中心PUSH的數據記錄

針對公衆號歷史推文數據的記錄

甚至能夠對本身每日的工做內容及工做花費時間的記錄，從而用於工做效率優化

……

數據必定是比較理性和嚴謹的，因此咱們須要理性的眼光來對待，固然運營產品的不一樣，咱們須要的數據維度不一樣，作運營必定要學會給數據作定義，而且要保證其邏輯性和眼嚴謹性，要能經得起推敲。

數據分析是精細化的運營工做，必定要創建起體系化的思惟，切勿盲目分析，粗暴分析。

從單一維度到體系化

從單一維度到體系化的思考，是作數據分析必須作出的轉變！對於數據分析你須要有體系化的數據框架！

咱們在考慮問題的時候都會遵循一個思路，即從宏觀到微觀，從全局到局部，數據分析也不例外。數據分析在產品運營中的地位在這裏也無需多說，作數據分析必定要創建在對產品數據體系詳細瞭解的基礎上的，在作數據分析時候須要在心中創建起數據體系，產品數據維度體系由大到小能夠分爲宏觀數據、中觀數據、微觀數據三大層面：

以上數據分析緯度並不是包含了咱們運營的產品的全部數據緯度，在作數據分析時，咱們須要結合本身的產品狀況來作有用數據篩選。固然運營在提出具後臺需求時必定是基礎數據需求，常見的如用戶概況數據、PV數、UV數、UID數、啓動次數、留存率、跳出率、頁面訪問路徑等，不少運營人員在完善數據後臺需求時，提出一大堆數據，而且不少數據涉及到複雜的定義和計算，這樣只會增大後臺數據的運算壓力，對運營分析實際用出並不大，反而影響數據的查看效率。運營數據分析可根據後臺基礎數據結合Excel表格導出功能，以及藉助第三方數據平臺來進行輔助分析，這樣不只可以下降後臺數據開發成本，也能大大提升數據分析效率。

以目標爲導向

作數據分析須要以目標爲導向，學會作數據維度的逐級拆分，以結構化思惟來作運營數據的全面的，系統性的分析。

在作產品運營的數據分析時，咱們能夠按照如下思路來進行：

一、肯定數據分析目標

二、明確數據目標的關鍵影響維度拆解

三、找出不一樣數據緯度之間的關聯關係從而創建起數據關係模型

四、發現問題數據及出現緣由

五、針對問題數據影響維度作相應的優化

好比咱們以天貓店鋪利潤狀況進行分析，店鋪運營最關注的就是營業額，但最本質的仍是盈利狀況，按照上面提到的思路進行分析：

一、數據分析目標：店鋪的利潤狀況分析

二、肯定數據目標的關鍵影響維度拆解：

三、找出不一樣緯度維度之間的關聯關係從而創建起數據分析模型：

利潤=銷售額-成本=流量*轉化率*客單價-（店鋪固定成本+運營成本+貨品成本+人員成本）。

四、根據數據模型發現問題數據：

要想實現店鋪利潤（L）額最大化：L（max）=R（max）-C（min）

若是店鋪出現虧損，那麼必定是R＜C，也就是成本大於收入，咱們假設出現如下狀況：

根據上述的假設思路，咱們能夠得出，在成本合理的狀況下，店鋪出現了虧損，那麼能夠得出是銷售額過低，銷售額不高額影響緣由是流量轉化率低。所以針對這種狀況咱們要作的就是提升店鋪的轉化率。

五、針對問題數據影響維度作相應的優化：提高轉化率

咱們能夠經過如下幾個方面來提升轉化率：

——提高產品包裝

——優化詳情頁圖片和介紹文案

——優化消費者下單支付路徑和體驗

——提高客服服務水平和促單技巧

——作好用戶評價管理優化

——實行相應的促銷策略，如滿減、滿贈、折扣等

……

咱們繼續以產品運營爲例，好比咱們忽然發現某天產品的DAU增加幅度變大，按照上述的分析思路咱們進行相應的梳理：

關注多個數據維度之間的相關關係

數據分析更多的是要關注多個數據維度之間的相關關係，而不是單個數據產生的因果關係！經過影響關鍵指標的數據維度的關聯關係創建數據分析模型。

好比咱們以公衆號運營爲例，公衆號運營的關鍵指標是粉絲數和文章閱讀量，而粉絲數和文章閱讀量的影響緯度肯有不少個。這些緯度之間也存在相應的影響關係，具體以下：

在作公衆號運營的時候，能夠嘗試着把你影響文章閱讀量的全部數據所有梳理出來，而後去篩選出相對有用的一些數據維度，而後創建起他們的相關關係。在實際運營過程當中，不少運營的小夥伴每週只關注推送了多少篇文章，增加了多少個粉絲，其實還應該關注一些細節數據，好比文章標題、內容長度、內容類型跟閱讀量、轉發量的關係，推送時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、文章圖片數量、公衆號單圖文推送、多圖文推送、頭條推送和非頭條推送對閱讀量的影響等，這些都是須要在運營過程當中須要考慮的，而且要養成對這些數據進行記錄的習慣。

在社區運營過程當中最基本的模型就是用戶的金字塔模型了，這個金字塔模型的創建是依據用戶的活躍度和貢獻值來創建的，金字塔模型會將用戶分紅幾個層級，層級越往上用戶的價值越大，貢獻值越高。固然這個用戶金字塔模型的創建必定不是固定的，而是根據具體的社區數據狀況會在層級劃分和每一個層級佔比上都會有所不一樣，而且每一個層級的具體需求和運營方式都是不一樣的。好比以某K12教育社區的運營爲例：

社區發帖量這一核心數據指標提高，是與整個社區的用戶量，用戶層級比例，用戶層級轉化，每一個層級用戶行爲，用戶粘性，社區內容質量， 內容展現與推送狀況等都存在必定的相關關係。因此在社區的運營過程當中就要不斷的促進各個影響維度與社區發帖量的正向關係，那麼社區發帖量與其餘數據維度的關聯關係如何創建呢？超哥嘗試着作了一個簡單的梳理，相應的數據維度並未所有包含，此關係圖仍需完善，此處只是給出一種梳理思路，具體以下：

將數據分析培養成爲潛意識行爲

作運營必定要將數據分析培養成爲潛意識行爲，運營過程當中的一切行爲和手段均可以數據化，數據驅動運營。

一、培養數據分析的系統化思惟

數據分析通常會存在兩種方向，一種是自上而下，另外一種是自下而上。

自上而下的思路在前文已經提到過，具體的思路爲：確立數據分析目標——目標影響維度拆解——各數據維度相關關係創建——發現問題數據及出現緣由——問題數據優化，這種思路多用戶產品的數據分析體系或者模型的創建，從而保證數據分析的全面性。

自下而上的數據分析思路多用在針對已有數據報表中的數據問題發現，具體思路爲：異常數據發現——該異常數據影響因素——影響因素與問題數據之間的相關關係——找出出現異常數據的緣由——找到異常數據的解決辦法。

二、培養數據的敏感度

數據敏感度培養別無他法，除了掌握正確的數據分析方法外，就是天天看數據，天天分析數據，用數聽說話。

三、養成數據記錄習慣

作運營過程當中會有不少細節數據，須要對這些數據進行記錄，當記錄的數據條數累計到必定程度經過就能夠經過彙總的數據發現相應的數據規律，好比：

針對社區UGC帖子、熱帖、精品貼的記錄

針對消息中心PUSH的數據記錄

針對公衆號歷史推文數據的記錄

甚至能夠對本身每日的工做內容及工做花費時間的記錄，從而用於工做效率優化

……

數據必定是比較理性和嚴謹的，因此咱們須要理性的眼光來對待，固然運營產品的不一樣，咱們須要的數據維度不一樣，作運營必定要學會給數據作定義，而且要保證其邏輯性和眼嚴謹性，要能經得起推敲。

數據分析是精細化的運營工做，必定要創建起體系化的思惟，切勿盲目分析，粗暴分析。