互聯(lián)網(wǎng)數(shù)據(jù)分析是一項運營必備的底層技能,今天給大家分享下數(shù)據(jù)分析入門的一些技巧和方法。
01
什么是數(shù)據(jù)分析?
不是把數(shù)據(jù)全部匯總出來網(wǎng)頁付費轉(zhuǎn)化率一般是多少,就叫數(shù)據(jù)分析,這種匯總過程充其量叫做數(shù)據(jù)采集。
數(shù)據(jù)分析,應(yīng)該是圍繞著具體的業(yè)務(wù)目標(biāo),去利用各種分析工具和方法,對已清洗的數(shù)據(jù)進行各維度或者成體系的分析,提煉出有價值的觀點,形成有效結(jié)論。
舉一個最簡單的例子:
GMV = 用戶訂單數(shù) * 客單價
那如果想要提升GMV總額,就有兩個關(guān)鍵提升指標(biāo),要么提升“用戶訂單數(shù)”,要么提升“客單價”。
然后在一個預(yù)估區(qū)間內(nèi)不斷嘗試,最終達到總額最高。
這也就帶出了另一個關(guān)鍵問題:
02
為什么做數(shù)據(jù)分析?
數(shù)據(jù)分析的作用體現(xiàn)在哪?
數(shù)據(jù)分析是個環(huán)。這個環(huán)不斷幫助業(yè)務(wù)完成決策提升:
→通過觀察數(shù)據(jù)
→了解到當(dāng)前的業(yè)務(wù)狀態(tài)
→然后通過目前的數(shù)據(jù)情況預(yù)測將來一段時間的業(yè)務(wù)變化情況
→最后通過數(shù)據(jù)趨勢想辦法調(diào)整不足的地方,發(fā)揮優(yōu)勢
→繼續(xù)觀察調(diào)整后的數(shù)據(jù)情況
再舉一個簡單的例子:
你負(fù)責(zé)一款電商APP的商品運營,最近做了一個活動,改版了主頁商品的展示邏輯,新增了幾個促銷活動卡片跳轉(zhuǎn)到促銷商品。你想評估這個活動做的如何。
這個場景下,主要的數(shù)據(jù)核心指標(biāo)有兩個:
①、改版后點擊活動卡片的點擊率;
②、點擊進入活動卡片用戶的付費轉(zhuǎn)化率;
那么你在評估活動成功與否時,主要做活動前后的以下數(shù)據(jù)對比:
①、改版前后的卡片點擊率對比;
②、改版前后的商品轉(zhuǎn)化率對比;
當(dāng)然這只是一個簡單場景的舉例,實際的電商活動數(shù)據(jù)分析要比這個邏輯復(fù)雜得多。
從這個簡單的例子出發(fā),你需要了解到:
數(shù)據(jù)分析也是區(qū)分等級的。
· 入門級的分析:
理解各項數(shù)據(jù)指標(biāo)的定義,進行簡單的數(shù)據(jù)維度分析,并找出數(shù)據(jù)中的問題網(wǎng)頁付費轉(zhuǎn)化率一般是多少,及時復(fù)盤提建議;
· 進階級的分析:
能夠根據(jù)不同的業(yè)務(wù)數(shù)據(jù)需求,選擇不同的分析維度,對數(shù)據(jù)進行進一步的挖掘,發(fā)現(xiàn)長期持續(xù)的規(guī)律性,為業(yè)務(wù)的實際運轉(zhuǎn)提供優(yōu)化建議;
· 骨灰級的分析:
能夠參與到業(yè)務(wù)規(guī)劃中,構(gòu)建一整套數(shù)據(jù)分析體系、羅盤、看板。從不同角度獲取到對市場和競品的數(shù)據(jù)分析,并且結(jié)合自身業(yè)務(wù)邏輯,對整體業(yè)務(wù)的下一步方向,給出合理化建議。
03
如何進行數(shù)據(jù)分析?
前提假設(shè):
負(fù)責(zé)數(shù)據(jù)分析的人員懂得業(yè)務(wù)的流轉(zhuǎn)邏輯。
如果是運營人員本身要做數(shù)據(jù)分析,那就沒有這個顧慮了。
如果是要提交數(shù)據(jù)分析需求給到數(shù)分從業(yè)人員,那么務(wù)必說清楚/了解到整體業(yè)務(wù)的運轉(zhuǎn)邏輯。
1、數(shù)據(jù)分析的前提:
①、有數(shù)據(jù)可分析
如果整體業(yè)務(wù)建設(shè)前期,根本沒有考慮到數(shù)據(jù)埋點的問題,那么肯定就沒辦法獲取到數(shù)據(jù)。
比如網(wǎng)站分析無法獲取到瀏覽量、點擊率;
APP分析無法獲取到DAU、付費人數(shù);那也就無從談起數(shù)據(jù)分析了。
不過絕大部分業(yè)務(wù),即便自身沒有搭建數(shù)據(jù)后臺體系,也一定會依賴第三方軟件獲取一些數(shù)據(jù)。
②、數(shù)據(jù)整理
如果在整理過程中發(fā)現(xiàn)數(shù)據(jù)有很大的異常,比如空值過多、波動太大,就要及時聯(lián)系開發(fā)人員,詢問下是否是系統(tǒng)故障或者人為因素。在數(shù)據(jù)清洗時就要刪除掉異常值。
2、數(shù)據(jù)分析指標(biāo):
不同的業(yè)務(wù)邏輯,對于分析指標(biāo)的要求也是不同的。
3、數(shù)據(jù)分析體系搭建:
當(dāng)你進行了數(shù)據(jù)的整理、了解到業(yè)務(wù)的分析指標(biāo)和定義后,就可以開始搭建數(shù)據(jù)分析的體系。
我以幾個全面的數(shù)據(jù)分析體系的拆解,來教你一套數(shù)據(jù)分析的方法。
基本邏輯:金字塔原理。也叫做結(jié)構(gòu)化思維。
①、我們先以開頭的GMV計算體系來拆解下
GMV = 用戶數(shù) * 訂單量 * 商品價格
你就可以針對大的業(yè)務(wù)維度,去細(xì)分出更多的單個指標(biāo),然后根據(jù)業(yè)務(wù)的需求分析出不同指標(biāo)下的數(shù)據(jù)影響程度。
②、再比如我要分析一款A(yù)PP內(nèi)的產(chǎn)品轉(zhuǎn)化率
那就是一級級的漏斗轉(zhuǎn)化率
另外,不同的產(chǎn)品類型或者業(yè)務(wù)不同階段,對于數(shù)據(jù)核心指標(biāo)的關(guān)注情況也是不同的。
比如電商類產(chǎn)品,主要看GMV、毛利率等核心一級指標(biāo);看流量、轉(zhuǎn)化率、客單價等核心二級指標(biāo);
比如工具類產(chǎn)品,主要看活躍用戶數(shù)等核心一級指標(biāo);看新增流量、激活率、老用戶留存率等二級指標(biāo);
……
另外,我認(rèn)為做數(shù)據(jù)分析的同學(xué),一定要掌握這個業(yè)務(wù)增長八卦模型圖
如果你和我一樣,認(rèn)為數(shù)據(jù)是服務(wù)于“業(yè)務(wù)更好的發(fā)展”,那么首先,你需要知道用戶全生命周期模型,知道該在業(yè)務(wù)的哪個階段去重點關(guān)注哪些場景。
增長八卦圖就可以很好地幫助你梳理出用戶行為理論:
認(rèn)知→接觸→使用→首單→復(fù)購→習(xí)慣→分享→流失
當(dāng)然,還有很多大牛會推薦你使用5W2H分析法。也是不錯的選擇:
04
如何做數(shù)據(jù)分析報告?
所有的分析結(jié)果,都應(yīng)該形成落地的文字說明。
通過可視化的圖表和文字結(jié)論,來反映業(yè)務(wù)的現(xiàn)狀和問題、分析研究原因、得出結(jié)論、提出解決方案。
1、通常我們要做的是兩種報告:
基礎(chǔ)日報/周報、競品分析報告
①、基礎(chǔ)數(shù)據(jù)報告(日報/周報)
②、競品分析報告
2、報告呈現(xiàn)方式: