资源描述
数据分析在运营工作中无处不在，无论是活动复盘、专题报告、项目优化，还是 求职面试，数据分析都有一席之地。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。不同数据的获取途径、分析方法、分析目的都不经相同，不同行业、不同企业在 实际分析中也都各有偏好。那么我们常见的“信息”和“数据”有何不同？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。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，指导我们接下 来具体分析的方向。方法是微观的概念，是指我们在具体分析过程中使用的方法。（一）方法论 数据分析的方法论很多，这里我给大家介绍一些常见的框架。（1）PEST分析法：从政治、经济、社会、技术四个方面分析内外环境，适用于 宏观分析。（2）SWOT 分析法：从优势、劣势、机遇、威胁四个方面分析内外环境，适用 于宏观分析。（3）5W2H 分析法：从 Why、When、Where、What、Who、How、How much 7 个常见的维度分析问题。（4）4P 理论：经典营销理论，认为产品、价格、渠道和促销是影响市场的重要 因素。（二）方法根据运营工作的实际需要，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，我们非常快速的完成这7种分析。1. 趋势分析趋势分析是最简单、最基础，也是最常见的数据监测与数据分析方法。通常我们 在数据分析产品中建立一张数据指标的线图或者柱状图，然后持续观察，重点关 注异常值。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、操作系统、广告内容等等。为什么需要进行多维拆解？有时候一个非常笼统或者最终的指标你是看不出什 么问题来的，但是进行拆分之后，很多细节问题就会浮现出来。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， 比如从地区维度分，有北京、上海、广州、杭州等地的用户；从用户登录平台进 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，比如说每周在社区签到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 径是一种非常直观的分析方法。在用户分群的基础上，一般抽取3-5 个用户进行 细查，即可覆盖分群用户大部分行为规律。5. 漏斗分析漏斗是用于衡量转化效率的工具，因为从开始到结束的模型类似一个漏斗，因而得名。漏斗分析要注意的两个要点：第一，不但要看总体的转化率，还要关注转 化过程每一步的转化率；第二，漏斗分析也需要进行多维度拆解，拆解之后可能 会发现不同维度下的转化率也有很大差异。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%；通过漏斗分析 发现，主要流失在【提交验证码】的环节。输入邮箱发送验证码4叹提交验证83K完善信息76%完成注册经过了解发现，邮箱验证非常容易出现注册邮箱收不到邮件的情况，原因包括邮 件代理商被屏蔽、邮件含有敏感字被归入垃圾邮箱、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， 总体转化率提升到了 43%，这是非常大的一个增长。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 次日留存率、7 日留存率、30 日留存率等等。我们可以从两个方面去分析留存 一个是新用户的留存率，另一个是产品功能的留存。三、流程： 有了具体的分析方法还不够，运营要做好数据分析还需要一个清晰的流程。在这 里老渔哥给大家介绍一下：第一点，内容定位。运营需要明确知道自己的目标或者KPI,然后选择一个核心关键指标进行监测。 如果是创业公司，初期可能需要拉新，那么核心指标是注册用户数或者新访问用 户数。如果是资讯媒体,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。无论是哪一种运营岗位,都需要明确知道自己的（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？如果你的用户是产品经理,那么可 以尝试爬虫抓取产品经理网站上有关的问题,然后做文本分析：这是定量层面的 分析。同时,通过调查访问和问卷调研,获取更加深入的用户特征信息：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,对核心关键指标进行持续监测。对于指标异常情况,我们需 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，然后朝这方面不断优化。EDM 渠道注册转化率涉及到太多的因素，需要一个一个排查，数据分析师帮运 营罗列了可能的原因：（1）技术原因：ETL （数据抽取、转化、载入）出现问题，导致后端数据没有及 时呈现在 BI 报表中；（2）宏观原因：季节性因素（节假日等），其余邮件冲击（其余部门也给用户发 邮件稀释了用户的注意力）；（3）微观原因：邮件的标题、文案、排版设计，CTA设计，注册流程设计。老渔哥整合：一个简单的业务指标，会影响到它的因素可能是多种多样的， 所以我们需要对可能涉及到的因素进行精细化衡量才能不断优化。
展开阅读全文