欢迎光临
我们一直在努力

运营人必须掌握的9种数据分析方法

a112 运营人必须掌握的9种数据分析方法

 

本章的内容有什么?解决问题有什么?可以回忆一下在日常工作中会有一些数据指标。比如:DAU留存这些指标,它是可以随时观测的,当你想知道前天或者之前的一些数据指标,直接去看就可以(内部系统或者外部系统)

举个例子:假设你们公司产品的DAU下跌百分之三十。为什么下跌?原因是什么?当你想知道原因的时候你应该用什么工具?这个时候就没有你去观测数据那么直接了。

其实我们工作中可能有很多类似这样的问题。

a25 运营人必须掌握的9种数据分析方法

 

 

所以我们欠缺的是:如何把工作中产生的问题,与我们的数据工具和可以拿得到的数据建立对应关系。观测数据看见趋势异常下,挖掘数据背后的意义。基于数据分析的基础的思考,最后才可以形成对业务的洞察。

为大家介绍9种数据分析方法。

对比分析,多维度拆解,漏斗观察,分布情况,用户留存,用户画像,归因查找,路径挖掘,行为序列。

a34 运营人必须掌握的9种数据分析方法

 

一、对比分析

日常数据分析的目的:对功能/策略的好坏的去评估最常见的就是对比,因为没有对比就没有好坏。通过对比我们才知道产品或功能的好坏。

做对比分析的时候我们要了解三点。

第一点:比什么?

绝对值(本省具备价值的数字)比如:销售金额,阅读数 。缺点:不易得知问题的严重度。

比例值(在具体环境中看比例才具备对比价值)比如:活跃占比,注册转化率。缺点:易受到极端值影响。

第二点:怎么比?

环比:与当前时间范围相邻的上一个时间范围对比    比如:日环比(今天vs昨天)月环比(本月vs上月)

优点:对短期内具有连续性的数据进行分析。

使用场景:需要根据相邻时间范围的数字对当前时间范围的指标进行设定。

同比:与当前时间范围上层时间范围的前一范围中的同样数据对比    比如:年同比(今天vs去年今日)周同比(今天vs上周同日)

优点:观察更长期的数据集。

使用场景:观察时间周期里面有较多的干扰,希望在某种程度上消除这些干扰。

第三点:和谁比?

和自己比:  时间维度,不同业务线,过往经验估计。

行业比:是自身因素还是行业趋势?(都跌,能否比同行跌的少    都涨,是否比同行涨的慢)

二、多维度拆解

a44 运营人必须掌握的9种数据分析方法

 

 

app启动事件分析

1、按照设备来查看

可以看出那种型号的手机用户使用比较多,是否符合我们产品的定位。(来证明用户群体是否正确)

2、按照启动来源查看

一般情况下,产品启动方式很多种。这个数据可以得到用户是通过什么方式进入。考虑一下原因?平台使用的什么方式是有效的。

3、按照城市等级来查看

这可得到是一线城市使用多还是其他城市多。有了结果就要查找原因,看看是否因为产品刚刚上线的原因,还是运营重的城市打开率高。

4、按照新老用户来查看

这时会发现大v推广,日活没有大的改变,新增用户在涨,老用户下降。这时要找一下原因。是不是因为我们引入了大量用户,缺没有办法将这些用户留住。(运营方面的问题)

分析完成之后的结果

目标群体是否正确。用户大部分是通过什么方式打开app。是否因为我们的运营努力不足,导致用户只在大城市之间使用。为什么明明新用户增加,却人活没有改变。

a53 运营人必须掌握的9种数据分析方法

 

 

多维度拆分小结

运作原理:指标/业务流程需要按照多维度拆分,来观察变动。

分析单一指标的构成:(分栏目的播放量、新老用户比例)

针对一个流程进行拆解分析:(不同渠道的浏览,购买转化率、活动:不同省份活动参与漏斗)

还原行为发生的场景:(观察打赏主播的等级,性别,频道、是否在wifi或4G环境,也会对行为有影响。)

 

三、漏斗观察

漏斗观察:就是一连串想后影响的用户行为。一个个行为构成,是前一步对后一步是有影响的。

使用场景:又明确的业务流程和业务目标。

不太适用的场景:没有明确的流程,跳转关系纷繁复杂的业务。

我们在建立漏斗分析的时候容易掉的坑(要避免)

1、漏斗一定是有时间窗口的

 

我们根据业务的实际情况,选择对应的窗口

按天:对用户心智的影响只在短期内有效(如短期活动)

按周:业务复杂,成本高/多日才可以完成(理财产品等)

按月:决策周期比较长(装修买房结婚)

要注意的是太长,包进了很多无用的信息。

太短,扔掉了很多有用信息。

2、一定有严格的顺序的

一定要按照12345的顺序来观察。不可以只观察1和5的数据,这样的话或多出更多的其他方面的数据,造成数据信息不正确,没有办法给出合适的结果和方案

3、漏斗的技数单位可以基于用户,也可基于事件

我们要判断什么时候基于用户什么时候基于事件

基于用户:我们关心的是整个业务流程的推动(促使交易)

基于事件:关心某一步具体的转化率。无法获知事件流传的真实情况。

4、结果指标的数据不符合预期

首先我们先自查:看看是否只有这一个漏斗能够到达最终目标?

因为可能达成这个目标的时候回有多种不同的路径。

四、评估渠道质量并确定投放优先级

常用的划分方式

来源:百度、头条、线下、百度贴吧

媒介:SEM、自然搜索结果、banner

其他的参数:活动营销、广告关键词、裂变

渠道质量跟踪

1选择一个关键路径——选取反映你产品目标人群的行为的数据

比如:电商购买,社区发帖(可以衡量每个渠道的用户是否为目标用户)

比如:完成为期三个月的课程(门槛太高/流程太深,转化率极低,无区分度)

比如:打开app/访问首页(门槛太低,同样缺乏区分度)

五、分布情况分析方法

一般都是在一个事件不仅仅只有累计数量这么一个可以观察的指标。还可以观察这个事件在不同维度的分布来观察。

常见的群体划分:事件频率、一天内的时间分布、消费金额的区间

小结

运作原理:从事件在不同维度中的分布来观察,以便理解该事件除了累计数量和频次外,更多维度的信息

适用场景:已经知道一群用户完成了指定事件,但需要对用户群体进行细分,按不同的维度和价值将他们划分为不同群体,分别进行后续的维护或分析。

已经知道单个事件的完成次数,希望知道这些次数拆分道不同维度上后的分布情况,以便清晰地了解该事件的完成情况。

六、用户留存的分析方法

为什么要看留存?

了解某一个渠道的质量–日留存

1.以天为单位,衡量这个渠道来的用户当下/接下来的表现

2.以日留存作为比较标准时,应避免其他日数据的干扰。

观察整个大盘–周留存月留存

1.以周月为单位,衡量产品的健康情况,观察产品在平台上的黏性。

2.务必去重

留存

一般的计算方式

将某一个时间段的用户id与另一时间段的用户id做交叉去重。

产品,运营,技术,市场每个环节都会对留存造成影响。

精准留存

过滤进行指定行为的用户id,在计算。

将用户分为不同群体之后,观察其之间留存的区别。

用户留存的适用场景

评估产品功能粘性

验证产品长期价值

七、功能/内容上线之后,如何评估其短期效果/长期效果/未来潜力

一个功能/内容上线之后,我们将如何去评估其价值?

1、上线后的目标与价值清晰明确(做的事情和以后给公司带来的价值非常清晰)

a63 运营人必须掌握的9种数据分析方法

 

解:

第一种:我们可以借助漏斗对比(1和2进行对比)

1.vip视频-会员付费转化效果

——看过这批付费视频——会员付费——   (通过控制流量入口来观察最终结果)

2.普通商品-会员付费转化效果

——看过同期视频——会员付费——

(漏斗分析都是有时间窗口的,一般情况下不会设计的太长,以免失去有效性)

第二种:借助用户分群对比

可以根据付费用户进行一个区分(1.购买会员看过付费视频的2.购买会员没有看过付费视频的)这个时候就可以发现,这个时候购买会员的人有百分之七十九是看过付费视频的。就可以得知最后这个的效果是如何的。

总结:上线后的目标与价值清晰明确

1借助漏斗分析对比(转化关系明确时)

2借助用户分群对比(转化关系比较复杂时)

2、上线后关注其对产品价值的提升

a73 运营人必须掌握的9种数据分析方法

 

 

解:通过上面的案例我们得出来四种类型的主播

1种主播—主播留存高,平台留存高。建议:要留住。

2种主播—主播留存低,平台留存高。建议:多多益善,但无需特别运营

3种主播—主播留存高,平台留存低。建议:有风险,专门管理

4种主播—主播留存低,平台留存低。建议:放置,无需管理

小结:上线后关注其对产品价值的提升————————借助精准留存对比。

3、上线以探索更长期产品潜力

a83 运营人必须掌握的9种数据分析方法

 

 

从对使用情况的促进作用来观察

某社交app:本来一天只用一次,好友推荐功能发布之后,一天用2-3次。

小结:借助分布情况分析,对比是否优化了

产品核心功能使用频次的分布,使用场景(如时间段的分布)

作者:猫咪很慢180113

 

赞(0)
未经允许不得转载:电商之家 » 运营人必须掌握的9种数据分析方法

登录

找回密码

注册