中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

伴隨數據驅動和精細化運營時代的到來，如何迭代產品功能？如何優(yōu)化產品轉化流程？如何根據用戶畫像做精準投放？

在數據驅動的時代下，憑感覺、憑經驗做決策的時代已經過去了，作為運營狗需要掌握一定的數據分析能力，從數據中查找問題，分析問題，解決問題。

那么，數據分析是干嘛的呢？運營如何運用數據分析指導產品優(yōu)化？數據分析的方法又有哪些？下面，我就和大家來聊聊數據分析的二三事。

一、為什么要做數據分析

伴隨數據驅動和精細化運營時代的到來，如何迭代產品功能？如何優(yōu)化產品轉化流程？如何根據用戶畫像做精準投放？

……

面對這一系列問題，你會發(fā)現以前行之有效的手法，不再那么可靠，而基于客觀的數據進行分析，可以更準確的輔助運營做出決策。

比如：流量運營，僅僅關注PV、UV等虛榮指標，在現在看來是遠遠不夠。CPC、DAU、平均訪問時長、訪問深度、跳出率、平均流量轉化等更加精細的指標，以及基于這些指標的大規(guī)模數據分析，對于用戶行為的判斷，更具分析意義。

二、什么是數據分析？

1. 概念

數據分析，顧名思義，數據+分析，也就是說必須要以數據為先，分析為后。用適當的統(tǒng)計方法對收集來的大量第一手資料和第二手資料進行分析，以求最大化地發(fā)揮數據的價值，是為了提取有用信息和形成結論，而對數據加以詳細研究和概括總結的過程。

2. 目的

我們使用數據分析，總是想解決某些業(yè)務中遇到的問題，驅動業(yè)務實現增長，根據我們想要解決的問題類型，我們可將數據分析的目的分為三類：現狀分析，原因分析，預測未來。

（1）現狀分析

現狀分析的含義大概可以從兩點來看：已經發(fā)生的事情和現在正在發(fā)生的事情。通過分析告訴你企業(yè)的整體運營情況，讓你了解企業(yè)各項業(yè)務的發(fā)展及變動情況，對企業(yè)運營狀態(tài)有更深入的了解。

現狀分析一般通過日常通報來完成，如：日報、周報、月報等形式。

（2）原因分析

經過第一階段的現狀分析，我們可以了解到企業(yè)存在的某種隱患，那么我們應該為去分析該隱患。舉例來說：某產品的注冊轉化率一定穩(wěn)定在15%，有一天突然下降為5%以下，這個時候就需要對這天的數據進行分析，找出注冊轉化率下降的原因，并給出解決辦法，這些就是原因分析。

原因分析一般通過專題分析來完成，根據實際運營情況選擇針對某一現狀進行原因分析。

（3）預測未來

分析了現狀，也分析了原因，接下來就需要預測未來。運營者利用已掌握的數據，用數據分析的方法來預測接下來的發(fā)展趨勢等。

比如：某電商的七日復購率平均是30%，現在有第一次購買消費用戶1000人，監(jiān)測這些用戶的行為，七日看這些人復購率是否達到或者超過30%，根據數據結果去判斷復購的增長率，這就是屬于數據分析，預測未來的應用。

預測分析一般通過專題分析來完成，通過在制定季度、年度等計劃時進行，其開展的頻率沒有現狀分析及原因分析高。

三、如何做數據分析

很多剛接觸數據分析的小伙伴，不知道怎么做數據分析。要么胡子眉毛一把抓，要么無從下手。這都是缺少分析思路的表現，今天就給大家盤點數據分析的工作流程是什么樣的，常用的數據分析方法論和方法具體有哪些。

1. 數據分析的流程

數據分析主要包括6個既相對獨立又互有聯系的階段，依次是：明確分析目的和思路——數據收集——數據處理——數據分析——數據展現——報告撰寫。

圖片來源于網絡

（1）明確分析目的和思路

在做任何一件事之前都要有一個明確目的，數據分析也是如此。在進行數據分析之前首先要明確數據分析的目的，知道自己為什么要做數據分析，想要達到什么效果。譬如說：原先的商品落地頁的購買轉化率比較低，需要使用新的落地頁，以提升流量進入后的購買轉化率。

（2）數據收集

數據收集是按照確定的數據分析和框架內容，有目的的收集、整合相關數據的一個過程，它是數據分析的一個基礎。

數據收集的辦法一種是在自家產品的代碼中加入“埋點”代碼，另一種辦法是使用第三方的數據統(tǒng)計工具（比如百度統(tǒng)計）。它們都能夠監(jiān)控到用戶在產品中的一系列行為，并將數據保存下來，便于后續(xù)分析。

（3）數據處理

數據處理是指對收集到的數據進行加工、整理，以便開展數據分析，它是數據分析前必不可少的階段。這個過程是數據分析整個過程中時間占比最大的，也在一定程度上取決于數據倉庫的搭建和數據質量的保證。

數據處理主要工作包括數據清洗、數據轉化、數據抽取、數據合并、數據計算等處理方法，利用這些方法將各種原始數據加工成為數據分析所要求的樣式。

（4）數據分析

數據分析是指用適當的分析方法及工具，對處理過的數據進行分析，提取有價值信息，形成有效結論的過程。

到了這個階段，要能駕馭數據、開展數據分析，就要涉及到工具和方法的使用。一般的數據分析我們可以通過Excel完成，而高級的數據分析就要采用專業(yè)的分析軟件進行了，如Power-BI、SPSS、R等數據分析工具。

（5）數據展現

一般情況下，數據分析的結果都是通過圖、表的方式來呈現，俗話說：字不如表，表不如圖。借助數據展現手段，能更加有效、直觀地表述想要呈現的信息、觀點和建議。

常用的數據圖表包括餅圖、柱形圖、條形圖、折線圖、散點圖、雷達圖等，當然可以對這些圖表進一步整理加工，使之變?yōu)槲覀兯枰膱D形，例如：金字塔圖、矩陣圖、漏斗圖、帕累托圖等。

（6）報告撰寫

最后階段，就是撰寫數據分析報告，這是對整個數據分析過程的一個總結與呈現。通過報告，把數據分析的起因、過程、結果及建議完整地呈現出來，供決策者參考。一份好的數據分析報告需要滿足以下3點要求：好的分析框架、明確的結論、提出具有可行性的建議或解決方案。

2. 數據分析的方法論

數據分析的方法論很多，本文就不一一列舉了。小編為大家介紹其中比較常見的理論，讓大家日后在建立數據分析框架時能應用它們作為指導。

（1）PEST分析法

PEST分析法是從政治（Politics）、經濟（Economy）、社會（Society）、技術（Technology）四個方面分析內外環(huán)境，適用于宏觀環(huán)境的分析。而PEST分析法能從各個方面比較好的把握宏觀環(huán)境的現狀及變化的趨勢，有利于企業(yè)對生存發(fā)展的機會加以利用，對環(huán)境可能帶來的威脅及早發(fā)現避開。

圖片來源于網絡

PEST分析法包含的政治、經濟、環(huán)境和社會4點因素，也被稱之為“PEST有害物”，PEST要求高級管理層具備相關的能力及素養(yǎng)。PEST作為企業(yè)與環(huán)境分析的基礎工具，與外部總體環(huán)境的因素互相結合就可歸納出SWOT分析中的機會與威脅。

（2）SWOT分析法

SWOT分析法（也稱TOWS分析法、道斯矩陣）即態(tài)勢分析法，S （strengths）是優(yōu)勢、W （weaknesses）是劣勢，O （opportunities）是機會、T （threats）是威脅或風險。

圖片來源于網絡

SWOT分析法是用來確定企業(yè)自身的競爭優(yōu)勢、競爭劣勢、機會和威脅，從而將公司的戰(zhàn)略與公司內部資源、外部環(huán)境有機地結合起來的一種科學的分析方法。

運用這種方法，可以對研究對象所處的情景進行全面、系統(tǒng)、準確的研究。通過分析研究對象密切相關的各種主要內部優(yōu)勢、劣勢和外部的機會和威脅等，從而得出結論，這個結論通常帶有一定的決策性?？梢愿鶕Y論制定相應的發(fā)展戰(zhàn)略、計劃以及對策等。

（3）5W2H分析法

如下圖，5W2H 分析法是從：Why（為什么）、What（做什么）、Who（誰來做）、When（何時）、Where（何地）、How（如何做）、How much（多少）?7個常見的維度分析問題。

圖片來源于網絡

該分析方法又稱為七何分析法，是一個非常簡單、方便又實用的工具。廣泛用于企業(yè)營銷、管理活動，對于決策和執(zhí)行性的活動措施非常有幫助，也有助于彌補考慮問題的疏漏。

直白的理解，5W2H 法就是一種發(fā)現問題、解決問題的方法。

（4）4P營銷理論

4P營銷理論產生于20世紀60年代的美國，即產品（Product）、價格（Price）、渠道（Place）、推廣（Promotion），在營銷領域，這種以市場為導向的營銷組合理論，被企業(yè)應用最普遍。

圖片來源于網絡

可以說企業(yè)的一切營銷動作都是在圍繞著4P理論進行，也就是將：產品、價格、渠道、推廣。通過將四者的結合、協調發(fā)展，從而提高企業(yè)的市場份額，達到最終獲利的目的。

對于手機行業(yè)來說，4P理論應該并不陌生。以OPPO為例，它的產品、價格、渠道、推廣每一塊都值得學習。

• 產品（product）：對于消費者來說，解決痛點的產品就是好產品。OPPO的產品策略就是不斷滿足消費者更高需求，直擊痛點?！俺潆娢宸昼?，通話兩小時”、“這一刻，更清晰”的廣告語就很好的體現出這一點。
• 價格（price）：OPPO在價格的整體策略上市全國統(tǒng)一、嚴控價格，這種策略不會造成不同渠道的不同價格，某種程度上也限制了線上渠道，如果線上線下同價，消費者更愿意去實體店進行體驗后購買。當然了這種方式有利于公司對價格進行管理，另一方面這也使得消費者安心，雖然沒有優(yōu)惠感，但同樣也沒有吃虧，反倒會對品牌多了一份信任。
• 渠道（place）：OPPO的渠道趨于扁平化，“OPPO—省代—代理商—用戶”，這其中OPPO對渠道合作伙伴以一種捆綁的方式合作，一些合作伙伴持有公司股份，那么這會讓渠道伙伴更加用心更盡力去銷售，同樣也是與渠道伙伴建立高度的信任，并在經歷波動時能穩(wěn)固地生存下來。
• 推廣（promotion）：OPPO的營銷推廣策略是：大力的宣傳、大幅地出鏡，讓消費者不用費力地尋找信息，而是觸手可得的接受，并且這個接受還是主觀的愿意接受。典型的是邀請大量當紅偶像為品牌代言，楊冪、李易峰、TFboys、楊洋、迪麗熱巴等；贊助多檔熱播綜藝，《奔跑吧兄弟》、《極限挑戰(zhàn)》等；還將廣告廣泛投向了各地人流量大的機場地鐵高鐵站，這種直接而凌冽的方式讓消費者很快地接收到品牌要傳達的信息。

（5）AARRR模型

AARRR模型是所有運營人員都要了解的一個數據模型，著名的《增長黑客》中的數據分析框架，也是以這個模型為基礎。

AARRR從整個用戶生命周期入手，包括獲取（Acquisition）、激活（Activition）、留存（Retention）、變現（Revenue）和傳播（Refer）。

圖片來源于網絡

每個環(huán)節(jié)分別對應生命周期的5個重要過程，即從獲取用戶，到提升活躍度，提升留存率，并獲取收入，直至最后形成病毒式傳播。

3. 常見的數據分析方法

上面介紹了 5個經典的分析方法論，它們可以幫我們搭建一個清晰的數據分析框架。那么對于具體的業(yè)務場景問題，我們又該怎么辦呢？

根據運營的工作的實際需要，下面小編介紹幾種數據分析中常用的方法，希望在數據分析的實際應用中能給大家?guī)韼椭?/p>

（1）趨勢分析

趨勢分析是最簡單、最基礎，也是最常見的數據監(jiān)測與數據分析方法。適用于產品核心指標的長期跟蹤，比如：點擊率、GMV、活躍用戶數等。

一般是建立一張數據趨勢圖，通過直觀的數字或趨勢圖表，可以迅速了解市場、用戶或產品特征等；還可以把指標根據不同維度進行切分，定位優(yōu)化點，有助于決策的準確性和實時性。

以電商類網站為例，如果我們將流量作為第一關鍵指標。我們將網站的訪問用戶量（UV）和頁面瀏覽量（PV）等指標匯匯聚到統(tǒng)一的數據看板（Dashboard），并且實時更新。這樣的一個數據看板，核心數字和趨勢一目了然。

（2）多維分解

當單一的數字或趨勢過于宏觀時，我們需要通過不同的維度對于數據進行分解，以獲取更加精細的數據洞察。這里的維度包括但不限于瀏覽器、訪問來源、操作系統(tǒng)、廣告內容等等，在選擇維度時，需要仔細思考其對于分析結果的影響。

舉個例子，當監(jiān)測到網站的跳出率是0.47、平均訪問深度是4.39、平均訪問時長是0.55分鐘。那么你可以對這些指標進行多維度的拆解，如地區(qū)、訪問來源、設備、瀏覽器等等，經過拆分之后你會發(fā)現很多思路。

（3）用戶分群

針對符合某種特定行為或背景信息的用戶，進行特定的優(yōu)化和分析，就是我們常常講到的用戶分群（segmentation ）的手段。

比如：在考慮注冊轉化率的時候，需要區(qū)分用戶登錄平臺是PC端、平板端還是手機移動端，以及北京、上海、廣州、深圳等地的用戶群體。這樣可以在渠道策略和運營策略上，有針對性地進行優(yōu)化。

（4）漏斗分析

漏斗分析是我們最常見的數據分析手段之一，廣泛應用于網站用戶行為分析和APP用戶行為分析的流量監(jiān)控、產品目標轉化等日常數據運營與數據分析的工作中。例如：將漏斗圖用于網站中某些關鍵路徑的轉化率的分析，不僅能顯示用戶從進入網站到實現購買的最終轉化率，同時還可以展示整個關鍵路徑中每一節(jié)點的轉化率。

漏斗分析要注意的兩個要點：

• 不但要看總體的轉化率，還要關注轉化過程每一步的轉化率；
• 漏斗分析也需要進行多維度拆解，拆解之后可能會發(fā)現不同維度下的轉化率也有很大差異。

（5）留存分析

人口紅利逐漸消褪的時代，留存老用戶的成本要遠遠低于獲取新用戶，所以分析中的留存是非常重要的指標之一。

留存分析是一種用來分析用戶參與情況/活躍程度的分析模型，考察進行初始行為的用戶中，有多少人會進行后續(xù)行為，這是用來衡量產品對用戶價值高低的重要方法。每一款產品，每一項服務，都應該核心關注用戶的留存，確保做實每一個客戶。

衡量留存的常見指標有：次日留存率、7日留存率、30日留存率等等。

（6）A/B 測試

增長黑客的一個主要思想之一，是不要做一個大而全的東西，而是不斷做出能夠快速驗證的小而精的東西?？焖衮炞C，那如何驗證呢？主要方法就是AB測試。

A/B測試是為了達到一個目標，采取了兩套方案，通過實驗觀察兩組方案的數據效果，判斷兩組方案的好壞。

例如：谷歌對于搜索結果的顯示，會制定多種不同的方案（包括文案標題，字體大小，顏色等等），不斷來優(yōu)化搜索結果中廣告的點擊率。

圖片來源于網絡

要進行A/B測試需要注意的一點，A/B測試之前最好有A/A測試或者類似準備。

什么是A/A測試？

A/A測試是評估兩個實驗組是否是處于相同的水平，這樣A/B測試才有意義。

四、數據分析常見謬誤

在數據分析的過程中，即使是很有經驗的數據分析人員也必須提防數據謬誤，了解這些錯誤類型可以避免在分析時造成的災難。

1. 數據偏見

一個人應該保持中立并且不要愛上你的假設是絕對必要的。

—— David Douglass，美國物理學家

在分析數據時受個人偏見和動機的影響，即僅選擇支持你聲明的數據，同時丟棄不支持聲明的部分?！皵祿姟睂⒆寯祿目陀^性蕩然無存。

避免這種謬誤的方法是在分析數據時，盡可能收集相關數據，并詢問他人意見。

2. 采樣偏差

從并不具備代表性的數據中得出結論。舉例來講，一款互聯網圈的人幾乎不用的新聞資訊APP，為什么這 APP 還能有這么大瀏覽量？

所以當分析數據時，一個很重要的步驟是問一下你自己有什么缺失的數據。有時可能沒辦法掌握數據的整體情況就是因為它們只反映了一部分。

3. 錯誤因果關系

在數據分析時很容易將兩個事件同時發(fā)生（相關），判斷為因果關系。

避免這種謬誤的方法是，收集更多數據并查看可能的第三方原因，有時會發(fā)現他們的相關關系可能與第三個獨立因子相關，而不是彼此相關。

4. 辛普森悖論

在兩個相差較多的分組數據相加時，在分組比較中都占優(yōu)勢的一方，會在總評中反而是失勢的一方。

避免“辛普森悖論”給我們帶來的誤區(qū)，就需要斟酌個別分組的權重，以一定的系數去消除以分組資料基數差異所造成的影響。

五、寫在最后

紙上得來終終覺淺，以上內容僅是提供了基礎的框架和思路，各位想要真正掌握數據分析這一技能還需要將其應用到實際工作中，實踐出真知。

作者：盒子菌，活動盒子運營社（huodongheziyys）：一款助您實現快速拉新，提升用戶活躍、留存和轉化率的活動營銷工具！

本文由 @活動盒子 原創(chuàng)發(fā)布于人人都是產品經理，未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議