转:作运营必须掌握的四个数据分析思惟

从单一维度到体系化

从单一维度到体系化的思考，是作数据分析必须作出的转变！对于数据分析你须要有体系化的数据框架！

咱们在考虑问题的时候都会遵循一个思路，即从宏观到微观，从全局到局部，数据分析也不例外。数据分析在产品运营中的地位在这里也无需多说，作数据分析必定要创建在对产品数据体系详细了解的基础上的，在作数据分析时候须要在心中创建起数据体系，产品数据维度体系由大到小能够分为宏观数据、中观数据、微观数据三大层面：

以上数据分析纬度并不是包含了咱们运营的产品的全部数据纬度，在作数据分析时，咱们须要结合本身的产品状况来作有用数据筛选。固然运营在提出具后台需求时必定是基础数据需求，常见的如用户概况数据、PV数、UV数、UID数、启动次数、留存率、跳出率、页面访问路径等，不少运营人员在完善数据后台需求时，提出一大堆数据，而且不少数据涉及到复杂的定义和计算，这样只会增大后台数据的运算压力，对运营分析实际用出并不大，反而影响数据的查看效率。运营数据分析可根据后台基础数据结合Excel表格导出功能，以及借助第三方数据平台来进行辅助分析，这样不只可以下降后台数据开发成本，也能大大提升数据分析效率。

以目标为导向

作数据分析须要以目标为导向，学会作数据维度的逐级拆分，以结构化思惟来作运营数据的全面的，系统性的分析。

在作产品运营的数据分析时，咱们能够按照如下思路来进行：

一、肯定数据分析目标

二、明确数据目标的关键影响维度拆解

三、找出不一样数据纬度之间的关联关系从而创建起数据关系模型

四、发现问题数据及出现缘由

五、针对问题数据影响维度作相应的优化

好比咱们以天猫店铺利润状况进行分析，店铺运营最关注的就是营业额，但最本质的仍是盈利状况，按照上面提到的思路进行分析：

一、数据分析目标：店铺的利润状况分析

二、肯定数据目标的关键影响维度拆解：

三、找出不一样纬度维度之间的关联关系从而创建起数据分析模型：

利润=销售额-成本=流量*转化率*客单价-（店铺固定成本+运营成本+货品成本+人员成本）。

四、根据数据模型发现问题数据：

要想实现店铺利润（L）额最大化：L（max）=R（max）-C（min）

若是店铺出现亏损，那么必定是R＜C，也就是成本大于收入，咱们假设出现如下状况：

根据上述的假设思路，咱们能够得出，在成本合理的状况下，店铺出现了亏损，那么能够得出是销售额过低，销售额不高额影响缘由是流量转化率低。所以针对这种状况咱们要作的就是提升店铺的转化率。

五、针对问题数据影响维度作相应的优化：提高转化率

咱们能够经过如下几个方面来提升转化率：

——提高产品包装

——优化详情页图片和介绍文案

——优化消费者下单支付路径和体验

——提高客服服务水平和促单技巧

——作好用户评价管理优化

——实行相应的促销策略，如满减、满赠、折扣等

……

咱们继续以产品运营为例，好比咱们忽然发现某天产品的DAU增加幅度变大，按照上述的分析思路咱们进行相应的梳理：

关注多个数据维度之间的相关关系

数据分析更多的是要关注多个数据维度之间的相关关系，而不是单个数据产生的因果关系！经过影响关键指标的数据维度的关联关系创建数据分析模型。

好比咱们以公众号运营为例，公众号运营的关键指标是粉丝数和文章阅读量，而粉丝数和文章阅读量的影响纬度肯有不少个。这些纬度之间也存在相应的影响关系，具体以下：

在作公众号运营的时候，能够尝试着把你影响文章阅读量的全部数据所有梳理出来，而后去筛选出相对有用的一些数据维度，而后创建起他们的相关关系。在实际运营过程当中，不少运营的小伙伴每周只关注推送了多少篇文章，增加了多少个粉丝，其实还应该关注一些细节数据，好比文章标题、内容长度、内容类型跟阅读量、转发量的关系，推送时间和频次对阅读量和粉丝增减的影响，另外就是有图文、纯文字、文章图片数量、公众号单图文推送、多图文推送、头条推送和非头条推送对阅读量的影响等，这些都是须要在运营过程当中须要考虑的，而且要养成对这些数据进行记录的习惯。

在社区运营过程当中最基本的模型就是用户的金字塔模型了，这个金字塔模型的创建是依据用户的活跃度和贡献值来创建的，金字塔模型会将用户分红几个层级，层级越往上用户的价值越大，贡献值越高。固然这个用户金字塔模型的创建必定不是固定的，而是根据具体的社区数据状况会在层级划分和每一个层级占比上都会有所不一样，而且每一个层级的具体需求和运营方式都是不一样的。好比以某K12教育社区的运营为例：

社区发帖量这一核心数据指标提高，是与整个社区的用户量，用户层级比例，用户层级转化，每一个层级用户行为，用户粘性，社区内容质量， 内容展现与推送状况等都存在必定的相关关系。因此在社区的运营过程当中就要不断的促进各个影响维度与社区发帖量的正向关系，那么社区发帖量与其余数据维度的关联关系如何创建呢？超哥尝试着作了一个简单的梳理，相应的数据维度并未所有包含，此关系图仍需完善，此处只是给出一种梳理思路，具体以下：

将数据分析培养成为潜意识行为

作运营必定要将数据分析培养成为潜意识行为，运营过程当中的一切行为和手段均可以数据化，数据驱动运营。

一、培养数据分析的系统化思惟

数据分析通常会存在两种方向，一种是自上而下，另外一种是自下而上。

自上而下的思路在前文已经提到过，具体的思路为：确立数据分析目标——目标影响维度拆解——各数据维度相关关系创建——发现问题数据及出现缘由——问题数据优化，这种思路多用户产品的数据分析体系或者模型的创建，从而保证数据分析的全面性。

自下而上的数据分析思路多用在针对已有数据报表中的数据问题发现，具体思路为：异常数据发现——该异常数据影响因素——影响因素与问题数据之间的相关关系——找出出现异常数据的缘由——找到异常数据的解决办法。

二、培养数据的敏感度

数据敏感度培养别无他法，除了掌握正确的数据分析方法外，就是天天看数据，天天分析数据，用数听说话。

三、养成数据记录习惯

作运营过程当中会有不少细节数据，须要对这些数据进行记录，当记录的数据条数累计到必定程度经过就能够经过汇总的数据发现相应的数据规律，好比：

针对社区UGC帖子、热帖、精品贴的记录

针对消息中心PUSH的数据记录

针对公众号历史推文数据的记录

甚至能够对本身每日的工做内容及工做花费时间的记录，从而用于工做效率优化

……

数据必定是比较理性和严谨的，因此咱们须要理性的眼光来对待，固然运营产品的不一样，咱们须要的数据维度不一样，作运营必定要学会给数据作定义，而且要保证其逻辑性和眼严谨性，要能经得起推敲。

数据分析是精细化的运营工做，必定要创建起体系化的思惟，切勿盲目分析，粗暴分析。

从单一维度到体系化

从单一维度到体系化的思考，是作数据分析必须作出的转变！对于数据分析你须要有体系化的数据框架！

咱们在考虑问题的时候都会遵循一个思路，即从宏观到微观，从全局到局部，数据分析也不例外。数据分析在产品运营中的地位在这里也无需多说，作数据分析必定要创建在对产品数据体系详细了解的基础上的，在作数据分析时候须要在心中创建起数据体系，产品数据维度体系由大到小能够分为宏观数据、中观数据、微观数据三大层面：

以上数据分析纬度并不是包含了咱们运营的产品的全部数据纬度，在作数据分析时，咱们须要结合本身的产品状况来作有用数据筛选。固然运营在提出具后台需求时必定是基础数据需求，常见的如用户概况数据、PV数、UV数、UID数、启动次数、留存率、跳出率、页面访问路径等，不少运营人员在完善数据后台需求时，提出一大堆数据，而且不少数据涉及到复杂的定义和计算，这样只会增大后台数据的运算压力，对运营分析实际用出并不大，反而影响数据的查看效率。运营数据分析可根据后台基础数据结合Excel表格导出功能，以及借助第三方数据平台来进行辅助分析，这样不只可以下降后台数据开发成本，也能大大提升数据分析效率。

以目标为导向

作数据分析须要以目标为导向，学会作数据维度的逐级拆分，以结构化思惟来作运营数据的全面的，系统性的分析。

在作产品运营的数据分析时，咱们能够按照如下思路来进行：

一、肯定数据分析目标

二、明确数据目标的关键影响维度拆解

三、找出不一样数据纬度之间的关联关系从而创建起数据关系模型

四、发现问题数据及出现缘由

五、针对问题数据影响维度作相应的优化

好比咱们以天猫店铺利润状况进行分析，店铺运营最关注的就是营业额，但最本质的仍是盈利状况，按照上面提到的思路进行分析：

一、数据分析目标：店铺的利润状况分析

二、肯定数据目标的关键影响维度拆解：

三、找出不一样纬度维度之间的关联关系从而创建起数据分析模型：

利润=销售额-成本=流量*转化率*客单价-（店铺固定成本+运营成本+货品成本+人员成本）。

四、根据数据模型发现问题数据：

要想实现店铺利润（L）额最大化：L（max）=R（max）-C（min）

若是店铺出现亏损，那么必定是R＜C，也就是成本大于收入，咱们假设出现如下状况：

根据上述的假设思路，咱们能够得出，在成本合理的状况下，店铺出现了亏损，那么能够得出是销售额过低，销售额不高额影响缘由是流量转化率低。所以针对这种状况咱们要作的就是提升店铺的转化率。

五、针对问题数据影响维度作相应的优化：提高转化率

咱们能够经过如下几个方面来提升转化率：

——提高产品包装

——优化详情页图片和介绍文案

——优化消费者下单支付路径和体验

——提高客服服务水平和促单技巧

——作好用户评价管理优化

——实行相应的促销策略，如满减、满赠、折扣等

……

咱们继续以产品运营为例，好比咱们忽然发现某天产品的DAU增加幅度变大，按照上述的分析思路咱们进行相应的梳理：

关注多个数据维度之间的相关关系

数据分析更多的是要关注多个数据维度之间的相关关系，而不是单个数据产生的因果关系！经过影响关键指标的数据维度的关联关系创建数据分析模型。

好比咱们以公众号运营为例，公众号运营的关键指标是粉丝数和文章阅读量，而粉丝数和文章阅读量的影响纬度肯有不少个。这些纬度之间也存在相应的影响关系，具体以下：

在作公众号运营的时候，能够尝试着把你影响文章阅读量的全部数据所有梳理出来，而后去筛选出相对有用的一些数据维度，而后创建起他们的相关关系。在实际运营过程当中，不少运营的小伙伴每周只关注推送了多少篇文章，增加了多少个粉丝，其实还应该关注一些细节数据，好比文章标题、内容长度、内容类型跟阅读量、转发量的关系，推送时间和频次对阅读量和粉丝增减的影响，另外就是有图文、纯文字、文章图片数量、公众号单图文推送、多图文推送、头条推送和非头条推送对阅读量的影响等，这些都是须要在运营过程当中须要考虑的，而且要养成对这些数据进行记录的习惯。

在社区运营过程当中最基本的模型就是用户的金字塔模型了，这个金字塔模型的创建是依据用户的活跃度和贡献值来创建的，金字塔模型会将用户分红几个层级，层级越往上用户的价值越大，贡献值越高。固然这个用户金字塔模型的创建必定不是固定的，而是根据具体的社区数据状况会在层级划分和每一个层级占比上都会有所不一样，而且每一个层级的具体需求和运营方式都是不一样的。好比以某K12教育社区的运营为例：

社区发帖量这一核心数据指标提高，是与整个社区的用户量，用户层级比例，用户层级转化，每一个层级用户行为，用户粘性，社区内容质量， 内容展现与推送状况等都存在必定的相关关系。因此在社区的运营过程当中就要不断的促进各个影响维度与社区发帖量的正向关系，那么社区发帖量与其余数据维度的关联关系如何创建呢？超哥尝试着作了一个简单的梳理，相应的数据维度并未所有包含，此关系图仍需完善，此处只是给出一种梳理思路，具体以下：

将数据分析培养成为潜意识行为

作运营必定要将数据分析培养成为潜意识行为，运营过程当中的一切行为和手段均可以数据化，数据驱动运营。

一、培养数据分析的系统化思惟

数据分析通常会存在两种方向，一种是自上而下，另外一种是自下而上。

自上而下的思路在前文已经提到过，具体的思路为：确立数据分析目标——目标影响维度拆解——各数据维度相关关系创建——发现问题数据及出现缘由——问题数据优化，这种思路多用户产品的数据分析体系或者模型的创建，从而保证数据分析的全面性。

自下而上的数据分析思路多用在针对已有数据报表中的数据问题发现，具体思路为：异常数据发现——该异常数据影响因素——影响因素与问题数据之间的相关关系——找出出现异常数据的缘由——找到异常数据的解决办法。

二、培养数据的敏感度

数据敏感度培养别无他法，除了掌握正确的数据分析方法外，就是天天看数据，天天分析数据，用数听说话。

三、养成数据记录习惯

作运营过程当中会有不少细节数据，须要对这些数据进行记录，当记录的数据条数累计到必定程度经过就能够经过汇总的数据发现相应的数据规律，好比：

针对社区UGC帖子、热帖、精品贴的记录

针对消息中心PUSH的数据记录

针对公众号历史推文数据的记录

甚至能够对本身每日的工做内容及工做花费时间的记录，从而用于工做效率优化

……

数据必定是比较理性和严谨的，因此咱们须要理性的眼光来对待，固然运营产品的不一样，咱们须要的数据维度不一样，作运营必定要学会给数据作定义，而且要保证其逻辑性和眼严谨性，要能经得起推敲。

数据分析是精细化的运营工做，必定要创建起体系化的思惟，切勿盲目分析，粗暴分析。