运营入门：从0到1搭建数据分析知识体系

对于数据分析，我发现不少运营都有这样一些困惑：

• 不知道从哪里获取数据；
• 不知道用什么样的工具；
• 不清楚分析的方法论和框架；
• 大部分的数据分析流于形式；

……

其实，数据分析并无你们想象的那么难！接触了不少数据从业者，总结了这篇文章，但愿对有志于学习数据分析的运营同窗有所帮助。

1、概念：数据和数据分析

其实你们一直都在接触数据和数据分析，可是对于二者具体的定义又很难说清楚。我曾经作过一个调查，问一些运营同窗，下面5个选项哪些属于“数据”概念的范围。

图1：哪些属于“数据”概念范围

大部分人都知道把“4.报表”选上，可是很难有人会认为上面5个选项都是。其实这反映了一个很广泛的现象：不少人都会先入为主，认为数据就是各类表格、各类数字，例如excel报表、各类数据库。其实这是一个错误或者说有误差的认识，它会使得咱们对数据的认识变得很狭隘。

（一）什么是数据？

数据（data）是描述事物的符号记录，是构成信息或者知识的原始材料。这种哲学层次的定义，让数据的范围极大丰富，也符合目前“大数据”发展的须要。试想一下，如今不少搜索引擎作的 “图片识别”、“音频识别” 难道不是数据分析的一部分吗？

做为一名互联网企业的运营从业者，咱们接触到的数据可能没有那么复杂，可是也有不少类别。

图2：互联网企业运营从业者可能接触到的数据

从数据的来源来看，能够分为企业外部数据和内部数据。外部数据主要包括社会人口、宏观经济、新闻舆情和市场调研数据；内部数据包括用户行为数据、服务端日志数据、CRM与交易数据。不一样数据的获取途径、分析方法、分析目的都不经相同，不一样行业、不一样企业在实际分析中也都各有偏好。

那么咱们常见的“信息”和“数据”有何不一样？

数据是信息的载体和表现形式；信息是数据的内涵，信息加载于数据之上。以书本和知识为例，书本属于数据概念范畴，知识属于信息概念范畴；书本是知识的一种载体和表现形式，知识是书本的内涵和升华。

（二）什么是数据分析？

数据分析是指从数据中提取有用的信息，并指导实践。

这里有两个点须要注意：首先，咱们须要提取的是有用的信息，而不是自嗨；其次，这些信息须要用来指导实践，而不是流于形式。

2、思路：方法论和方法

不少新人入门数据分析的时候，要么胡子眉毛一把抓，要么无从下手。这都是缺乏分析思路的表现，须要宏观的方法论和微观的方法来指导。

那么方法论和方法有什么区别？

方法论是从宏观角度出发，从管理和业务的角度提出的分析框架，指导咱们接下来具体分析的方向。方法是微观的概念，是指咱们在具体分析过程当中使用的方法。

（一）方法论

数据分析的方法论不少，这里我给你们介绍一些常见的框架。

• PEST分析法：从政治（Politics）、经济（Economy）、社会（Society）、技术（Technology）四个方面分析内外环境，适用于宏观分析。
• SWOT分析法：从优点（Strength）、劣势（Weakness）、机遇（Opportunity）、威胁（Threat）四个方面分析内外环境，适用于宏观分析。
• 5W2H分析法：从Why、When、Where、What、Who、How、How much 7个常见的维度分析问题。
• 4P理论：经典营销理论，认为产品（Product）、价格（Price）、渠道（Place）和促销（Promote）是影响市场的重要因素。
• AARRR：增加黑客的海盗法则，精益创业的重要框架，从获取（Acquisition）、激活（Activation）、留存（Retention）、变现（Revenue）和推荐（Referral）5个环节增加。

数据分析的方法论不少，这里不能一一列举；没有最好的方法论，只有最合适的。下面我详细介绍一下 AARRR 方法论，对于精益化运营、业务增加的问题，这个方法论很是契合。

图3：AARRR方法论

对于互联网产品而言，用户具备明显的生命周期特征，下面我以一个O2O行业的APP为例阐述一下。

首先经过各类线上、线下的渠道获取新用户，下载安装APP。安装完APP后，经过运营手段激活用户；好比说首单免费、代金券、红包等方式。经过一系列的运营使部分用户留存下来，而且给企业带营收。在这个过程当中，若是用户以为这个产品不错，可能推荐给身边的人；或者经过红包等激励手段鼓励分享到朋友圈等等。

须要注意的是，这5个环节并非彻底按照上面顺序来的；运营能够根据业务须要灵活应用。 AARRR的五个环节均可以经过数据指标来衡量与分析，从而实现精益化运营的目的；每一个环节的提高均可以有效增加业务。咱们下面的分析也是围绕这个方法论展开的。

（二）方法

根据运营工做的实际须要，在参考了 GrowingIO 陈明的文章《一名优秀的数据分析师是怎样炼成的》基础上，我整理了7种分析方法。借助常见的网站/APP数据分析产品，咱们很是快速的完成这7种分析。

1.趋势分析

趋势分析是最简单、最基础，也是最多见的数据监测与数据分析方法。一般咱们在数据分析产品中创建一张数据指标的线图或者柱状图，而后持续观察，重点关注异常值。

在这个过程当中，咱们要选定第一关键指标（OMTM，One Metric That Matter），而不要被虚荣指标（vanity metrics ）所迷惑。

以社交类APP为例，若是咱们将下载量做为第一关键指标，可能就会走偏；由于用户下载APP并不表明他使用了你的产品。在这种状况下，建议将DAU（Daily Active Users，日活跃用户）做为第一关键指标，并且是启动而且执行了某个操做的用户才能算上去；这样的指标才有实际意义，运营人员要核心关注这类指标。

2.多维分解

多维分解是指从业务需求出发，将指标从多个维度进行拆分；这里的维度包括但不限于浏览器、访问来源、操做系统、广告内容等等。

为何须要进行多维拆解？有时候一个很是笼统或者最终的指标你是看不出什么问题来的，可是进行拆分以后，不少细节问题就会浮现出来。

举个例子，某网站的跳出率是0.4七、平均访问深度是4.3九、平均访问时长是0.55分钟。若是你要提高用户的参与度，显然这样的数据会让你无从下手；可是你对这些指标进行拆解以后就会发现不少思路。

下面展现的是一个产品在不一样操做系统下的用户参与度指标数据。

图4：不一样操做系统用户的参与程度

仔细观察的话，你会发现移动端平台（Android、Windows Phone、IOS）的用户参与度极差，表如今跳出率极高、访问深度和平均访问时长很低。这样的话你就会发现问题，是否是咱们的产品在移动端上没有作优化致使用户体验很差？在这样一个移动互联网时代，这是很是重要的一个问题。

3.用户分群

用户分群主要有两种分法：维度和行为组合。第一种根据用户的维度进行分群，好比从地区维度分，有北京、上海、广州、杭州等地的用户；从用户登陆平台进行分群，有PC端、平板端和手机移动端用户。第二种根据用户行为组合进行分群，好比说每周在社区签到3次的用户与每周在社区签到少于3次的用户的区别，这个具体的我会在后面的留存分析中介绍。

4.用户细查

正如前面所说的，用户行为数据也是数据的一种，观察用户在你产品内的行为路径是一种很是直观的分析方法。在用户分群的基础上，通常抽取3-5个用户进行细查，便可覆盖分群用户大部分行为规律。

咱们以一个产品的注册流程为例：

图5：用户行为轨迹

用户经历了以下的操做流程：【访问官网】-【点击注册】-【输入号码】-【获取验证码】。原本是很是流畅的一个环节，可是却发现一个用户连续点击了3次【获取验证码】而后放弃提交。这就奇怪了，用户为何会屡次点击验证码呢？

这个时候我建议您去亲自体验一下您的产品，走一遍注册流程。你会发现，点击【获取验证码】后，常常迟迟收不到验证码；而后你又会不断点击【获取验证码】，因此就出现了上面的状况。绝大多数产品都或多或少存在一些反人类的设计或者BUG，经过用户细查能够很好地发现产品中存在的问题而且及时解决。

5.漏斗分析

漏斗是用于衡量转化效率的工具，由于从开始到结束的模型相似一个漏斗，于是得名。

漏斗分析要注意的两个要点：第一，不但要看整体的转化率，还要关注转化过程每一步的转化率；第二，漏斗分析也须要进行多维度拆解，拆解以后可能会发现不一样维度下的转化率也有很大差别。

某企业的注册流程采用邮箱方式，注册转化率一直很低，才27%；经过漏斗分析发现，主要流失在【提交验证码】的环节。

图6：注册转化率

通过了解发现，邮箱验证很是容易出现注册邮箱收不到邮件的状况，缘由包括邮件代理商被屏蔽、邮件含有敏感字被纳入垃圾邮箱、邮件送达时间过长等等。既然这么多不可控因素影响注册转化率，那就换一种验证方式。换成短信验证后，整体转化率提高到了43%，这是很是大的一个增加。

6.留存分析

留存，顾名思义就是新用户留下来持续使用产品的含义。衡量留存的常见指标有：第二天留存率、7日留存率、30日留存率等等。咱们能够从两个方面去分析留存，一个是新用户的留存率，另外一个是产品功能的留存。

图7：两种用户群体的留存差别

第一个案例：以社区网站为例，“每周签到3次”的用户留存率明显高于“每周签到少于3次”的用户。签到这一功能在无形中提高了社区的用户的粘性和留存率，这也是不少社群或者社区主推这个功能的缘由。

图8：留存魔法数字

第二个案例：首次注册微博，微博会向你推荐关注10个大V；首次注册LinkedIn，LinkedIn会向你推荐5个同事；申请信用卡时，发卡方会说信用卡消费满4笔便可抽取【无人机】大奖；不少社交产品规定，每周签到5次，用户能够得到双重积分或者虚拟货币。

在这里面“关注10个大V”、“关注5个同事”、“消费4笔”、“签到5次”就是我想说的Magic Number，这些数字都是经过长期的数据分析或者机器学习的方式发现的。实践证实，符合这些特征的用户留存度是最高的；运营人员须要不断去push，激励用户达到这个标准，从而提高留存率。

7.A/B测试与A/A测试

A/B测试是为了达到一个目标，采起了两套方案，一组用户采用A方案，一组用户采用B方案。经过实验观察两组方案的数据效果，判断两组方案的好坏。 在A/B测试方面，谷歌是竭尽全力地尝试；对于搜索结果的显示，谷歌会制定多种不一样的方案（包括文案标题，字体大小，颜色等等），不断来优化搜索结果中广告的点击率。

这里须要注意的一点，A/B测试以前最好有A/A测试或者相似准备。什么是A/A测试？A/A测试是评估两个实验组是不是处于相同的水平，这样A/B测试才有意义。其实这和学校里面的控制变量法、实验组与对照组、双盲试验本质同样的。

3、流程：宏观、中观和微观

有了具体的分析方法还不够，运营要作好数据分析还须要一个清晰的流程。在这里我从宏观、中观和微观三个层次给你们介绍一下。

（一）宏观

1.中国古代朴素的分析哲学

其实数据分析自古有之，中国古代不少名人从事的其实就是数据分析的工做；他们的名称可能不是数据分析师，更多的是“丞相”、“军师”、“谋士”，如张良、管仲、萧何、孙斌、鬼谷子、诸葛亮。

他们经过 “历史统计”-“经验总结”-“预测将来” 为本身的组织创造了极大的价值，这是中国古代朴素的分析哲学的重要内容。

2.精益创业的MVP理念

风靡硅谷的精益创业，它推崇MVP（最简化可行产品）的理念，经过小步快跑的方式来不断优化产品、增加用户。

图9：构建-衡量-优化

在运营工做中，咱们要大胆尝试，将想法转化成产品和运营方法。而后分析其中的数据，衡量产品或者运营的效果。若是好的话保持并大力推广，若是很差的话总结问题及时改进。在“构建-“衡量”-“学习”的不断循环中逐渐优化，这个流程是很是适合运营工做的。

（二）中观

《谁说菜鸟不会数据分析》书中介绍了更为具体的分析流程：1.明确分析目的和思路 →2.数据收集 →3.数据处理 →4.数据分析 →5.数据展示 →6.报告撰写。

这个流程只是从“数据”的角度阐述了先后的流程，并未结合业务实际；并且它将数据分析的落脚点定位于“报告撰写”是具备误导性的，由于数据分析的最终目的是为了指导实践，而不是写一份报告。 可是这个流程仍具备参考价值，尤为是 “明确分析目的和思路” 对于新手入门具备必定的指导意义。

（三）微观

下面介绍的是一个很是详细的分析流程，借助于必定的分析工具，咱们能够按照这个思路对您的网站/APP进行细致入微的分析。

图10：微观数据分析流程

这是GrowingIO商务分析师檀润洋在《提升用户留存，产品、市场和运营都有哪些方法》中介绍的流程，我认为适用于大部分的运营数据分析。

它的前提是用数据分析工具作好数据采集和监控工做，把精力集中在业务分析上。这个流程的核心是“MVP”的理念，“发现问题”-“设计实验”-“分析结果”，经过数据来不断优化产品和运营。

4、应用：体系和分析

（一）案例1：搭建数据分析体系

小张今年刚毕业，在某公司从事新媒体工做，负责微信的平常运营。小张并不清楚微信运营的核心目的，尝试了不少方法，原创、翻译、改写了不少文章发布在微信上，可是阅读量时高时低，整体通常。

经理让小张想办法改进一下微信运营，提升微信的粉丝数和阅读数；可是张三毫无头绪，无从下手。这是不少运营真实的写照，琐碎的工做容易让人忘记思考，这极可能就发生在你个人身边。

咱们从数据分析的角度对这个案例进行了诊断，总结了小张存在的这些问题：

• 不清楚本身须要关注哪些核心指标；
• 不清楚目标用户的特征（用户属性、用户画像等）；
• 对本身过往工做缺少系统分析（数据采集、监测和分析）。

从业务增加的角度出发，我给小张量身定作了一套数据分析体系，配合其内容工做的开展。

第一点，内容定位。

运营须要明确知道本身的目标或者KPI，而后选择一个核心关键指标（OMTM）进行监测。若是是创业公司，初期可能须要拉新，那么核心指标是注册用户数或者新访问用户数。若是是资讯媒体，注重影响力和覆盖面，那么核心指标应该是微信阅读数或者网页PV。

第二点，用户画像。

不管是哪种运营岗位，都须要明确知道本身的（目标）用户是那些人？这些人都有哪些特征，他们的关注点和痛点是什么？若是你的用户是产品经理，那么能够尝试爬虫抓取产品经理网站上有关的问题，而后作文本分析：这是定量层面的分析。同时，经过调查访问和问卷调研，获取更加深刻的用户特征信息：这是从定性层面的分析。

第三点，持续监测。

借助数据分析工具，对核心关键指标（OMTM）进行持续监测。对于指标异常状况，咱们须要及时分析和改进。

第四点，数据分析。

统计和分析过往内容的数据，找出哪些内容、哪些标题、哪些形式、哪些渠道的效果更好，而后朝这方面不断优化。

（二）案例2：分析业务核心指标

电子邮件营销是如今不少企业仍在采用的营销和运营方式，某互联网金融企业经过EDM给新用户（有邮件地址可是未注册用户）发送激活邮件。一直以来注册转化率维持在20%-30%之间，8月18日注册转化率暴跌，以后一直维持在10%左右。

图11：EDM渠道注册转化率暴跌

这是一个很是严重的衰退，须要当即排查缘由。EDM渠道注册转化率涉及到太多的因素，须要一个一个排查，数据分析师帮运营罗列了可能的缘由：

• 技术缘由：ETL（数据抽取、转化、载入）出现问题，致使后端数据没有及时呈如今BI报表中；
• 宏观缘由：季节性因素（节假日等），其他邮件冲击（其他部门也给用户发邮件稀释了用户的注意力）；
• 微观缘由：邮件的标题、文案、排版设计，CTA设计，注册流程设计。

一个简单的业务指标，会影响到它的因素多是多种多样的，因此咱们须要对可能涉及到的因素进行精细化衡量才能不断优化。最后发现，产品经理在注册环节添加了『绑定信用卡』，致使注册转化率大幅度降低。

5、学习：业务、工具和资源

（一）业务层面

数据分析并无想象中的高不可及，掌握好相应的概念、思路、流程，运营均可以作好数据分析。

这里要着重强调一点，数据分析的目的是指导业务实践；脱离实践的数据分析、为分析而分析的数据分析都是在耍流氓。

不一样于职业的数据分析师和数据科学家，运营人员作好数据分析的前提是娴熟的业务理解。从业务的角度来讲，数据不是数字，它是用户的心声。运营人员要从数据中发现问题，不断优化，提高用户体验、为用户创造更多的价值。

（二）工具层面

磨刀不误砍柴工，作好数据分析工具必不可少。我汇总了下面几种工具，运营能够结合本身的实际须要采用。

• Excel 是最多见、最基础的数据分析工具，Excel 里面的图表、函数、透视表能知足你们基本的需求。Access 是微软 office 系列套装的一部分，是一种小型的关系数据库；当excel数据量很大、表格之间各类关联、查询、更新频繁的时候，Access就是一种很是不错的选择。
• Python是一种高级的编程语言，近年来发展很快，它能够用来作数据分析、编程或爬虫；R语言是一种数据分析工具，在统计学中普遍使用。目前，Python被普遍用来编写爬虫程序，获取网上的信息，这是对运营人员很是有帮助的。
• Google Analytics、百度统计、友盟是常见的网站流量分析工具，Mixpanel、Heap、GrowingIO属于用户行为数据分析工具，较前者功能更加丰富、分析更细致。

（三）资源层面

运营入门数据分析，并不须要学习多么复杂的数学知识理论，更多的是将业务操做和数据分析结合起来。我这里推荐两个网站和两本书，但愿有帮助。

1. 数据分析网（http://www.afenxi.com/ ）：覆盖统计理论、数据分析方法、业务分析等内容。
2. GrowingIO博客（https://blog.growingio.com/ ）：GrowingIO数据分析、增加实践等内容。
3. 《谁说菜鸟不会数据分析》：数据分析入门知识汇总。
4. 《精益数据分析》：从精益创业的角度，诠释业务增加的分析方法和前言案例。

 

做者：官世强，关注内容营销和数据分析。我的公众号：内容运营那些事。

Refer：

[1] 运营入门，从0到1搭建数据分析知识体系

http://bit.ly/2fP28Xj

[2] 带你走进网站分析的世界！

http://bit.ly/2gzpFwD

[3] 关于数据分析那些事，看这一文章就够了

http://bit.ly/2gN6JgU

[4] 百度内部培训资料PPT：数据分析的道与术

http://bit.ly/2i1p9Lr