5張圖,看懂?dāng)?shù)據(jù)分析體系
編輯導(dǎo)語:我們在進(jìn)行數(shù)據(jù)分析時,經(jīng)常會遇到一些問題,但是關(guān)于數(shù)據(jù)分析的理論性文章很多,落到實處分析如何解決問題的卻很少。本文作者為我們總結(jié)了一些常見問題,并且根據(jù)問題提供了解題思路。
講數(shù)據(jù)分析體系的文章很多,經(jīng)常是開篇一句:互聯(lián)網(wǎng)分析體系……,下邊幾百個指標(biāo)blabla洶涌而出。搞得很多同學(xué)很暈菜:這么多指標(biāo),實際中到底怎么看?今天系統(tǒng)講解一下,話不多說,直接上場景。
場景:某視頻APP內(nèi)容運(yùn)營,每天會固定輸出游戲主題節(jié)目,節(jié)目以介紹游戲為主,目前暫無帶貨環(huán)節(jié),也沒有其他KPI考核,就這么先做著。
每一個視頻,有:播放次數(shù)、播放人數(shù)、人均播放時長、會員觀看數(shù)、10%/30%/50%/90%播放完成數(shù)、單個視頻發(fā)布后首日至第七日每日播放數(shù)據(jù);還能分成:僅PC端播放、僅移動端播放,PC+移動端播放……同時由于是自己的平臺播放,所以能統(tǒng)計到每個用戶站內(nèi)其他視頻瀏覽行為。
問題是:這一堆指標(biāo)該咋看?
一、常見問題
很多同學(xué)會直接把這一堆指標(biāo)鋪出來:
- PC渠道的播放次數(shù)、播放人數(shù)、人均播放時長……
- 移動端的播放次數(shù)、播放人數(shù)、人均播放時長……
- 本周的、上周的、上上周的……
- 本次的、上次的、最近10次的……
一大堆指標(biāo)擺完,發(fā)現(xiàn)個嚴(yán)重的問題:這一堆說了啥呀!
因為沒有剛性考核的KPI,因此很難講清楚到底多大算好。你說播放次數(shù)越高越好吧,播放次數(shù)本身是個經(jīng)常波動指標(biāo),今天高了明天低了,這么分析法得弄死自己,還沒分析完為啥不好,丫指標(biāo)又變好了!
而且但看一個指標(biāo)也顯得不科學(xué),比如有的視頻就是播放很多但人均時長很短,還有一堆人涌過來看,然后秒退的情況。實際情況千奇百怪,連好/壞都沒法評估,咋進(jìn)一步分析:為啥好/為啥壞呢?
二、解題思路
會導(dǎo)致暈頭轉(zhuǎn)向的核心問題,在于:沒有明確目標(biāo)。如果是銷售的業(yè)務(wù)場景,目標(biāo)很清晰:銷售收入/GMV。但是運(yùn)營的場景不見得都有如此清晰、剛性的目標(biāo),特別是內(nèi)容運(yùn)營,本身就有“放水養(yǎng)魚”的作用,有好的內(nèi)容積攢粉絲、吸引關(guān)注非常重要。
無剛性目標(biāo),導(dǎo)致建立評價標(biāo)準(zhǔn)很難。如果只看一個指標(biāo),比如播放量,似乎有失偏頗。如果看兩個、三個、四個指標(biāo),比如播放人數(shù)、10%跳出人數(shù)、人均時長,則指標(biāo)間相互交叉,情況錯綜復(fù)雜,很難下結(jié)論。
更不用說,很多新手會習(xí)慣性忽略建立標(biāo)準(zhǔn)環(huán)節(jié)。于是導(dǎo)致了大量鋪陳數(shù)據(jù),然后不知道下啥結(jié)論的暈頭鴨子問題。如何在無剛性目標(biāo)情況下,建立評價標(biāo)準(zhǔn),讀懂?dāng)?shù)據(jù)含義,是搭建體系的關(guān)鍵。
三、認(rèn)識問題,從單指標(biāo)開始
想理清頭緒,當(dāng)然得從一個指標(biāo)開始。連一個指標(biāo)的走勢都沒看清楚,就扯上二三四個,只會越看越暈。
選第一個觀察指標(biāo)的時候,盡量選簡單、直接、不用計算的指標(biāo),這樣更容易看清楚情況,避免牽扯太多。因此在眾多指標(biāo)中,可以先看播放次數(shù)/播放人數(shù)(選一個)。
假設(shè)先看播放次數(shù),對單指標(biāo)而言,肯定是越多越好。播放量是內(nèi)容運(yùn)營的基礎(chǔ),連看都沒人看,其他的更談不上了。但是這里要注意,觀察:播放量指標(biāo)是否有周/月/日的規(guī)律。如果有規(guī)律性波動,就不能簡單地說:昨天比今天高,所以昨天好,如下圖:
假設(shè)播放量有周波動規(guī)律,則可以建立單指標(biāo)的簡單評價標(biāo)準(zhǔn):
- 以周為單位觀察,數(shù)值越大越好
- 以日為單位觀察,數(shù)值越大越好
- 超過自身類型月平均水平,超過越多越好
這樣就能對播放次數(shù),這樣的單個指標(biāo)講清楚:好/壞。
四、從單指標(biāo)到多指標(biāo)
整明白了一個指標(biāo),可以加入其他指標(biāo)。在加入其他指標(biāo)的時候,要首先觀察:兩指標(biāo)之間關(guān)系。有可能兩指標(biāo)相關(guān)系數(shù)高,有可能相關(guān)系數(shù)低。這兩種情況下處理方法不同。
相關(guān)系數(shù)高:比如播放次數(shù)和播放人數(shù),兩個指標(biāo)很有可能高度相關(guān)。一個視頻玩家短時間內(nèi)可能只看1次就夠了。高度相關(guān)的兩個指標(biāo),在評價好壞時不需要重復(fù)評估,看一個就好了。這樣能減少數(shù)據(jù)干擾,更容易得出結(jié)論,如下圖:
相關(guān)系數(shù)低:比如播放次數(shù)和人均時長,不見得高度相關(guān)。很有可能有的視頻太過標(biāo)題黨,標(biāo)題太刺激,配圖很色誘,把玩家騙進(jìn)來結(jié)果發(fā)現(xiàn)貨不對板。如果出現(xiàn)兩個指標(biāo)相關(guān)度低,就能用矩陣分析法,把視頻分類,如下圖:
經(jīng)過這一步梳理以后,就能對兩個指標(biāo)情況做出判斷。理論上播放次數(shù)越高越好,但人均時長不能低于一定水平,或者10%跳出用戶比例不能超過一定水平,這樣就能對每一期視頻進(jìn)行評價。有了評價,就能做出進(jìn)一步分析。
五、從多指標(biāo)到原因解讀
評價了好/壞,就能進(jìn)一步分析:為什么好、為什么壞。到這一步,就會發(fā)現(xiàn),現(xiàn)有數(shù)據(jù)指標(biāo)的問題:雖然看似一堆指標(biāo),可都是結(jié)果性指標(biāo)。并不能直接從指標(biāo)里推出:到底為啥用戶喜歡看。這時優(yōu)先考慮的是:補(bǔ)充數(shù)據(jù),看看添加哪些數(shù)據(jù)能解釋清楚問題。
首先想到的是視頻本身的數(shù)據(jù),視頻本身可以有多種標(biāo)簽:
- 視頻主題:講哪一類游戲
- 視頻內(nèi)容:游戲八卦、玩法、比賽……
- 視頻講解:找技術(shù)高手還是找個美女亮腿……
- 視頻時長:太長的可能中間關(guān)掉的多
- 發(fā)稿時間:選播放好的時間發(fā)
做內(nèi)容運(yùn)營,首先得對自己做的內(nèi)容有清晰的了解,打好標(biāo)簽,再做其他工作。有了標(biāo)簽,單純地結(jié)合標(biāo)簽分析結(jié)果指標(biāo),也可能得出一些有用的結(jié)論,比如:
- 5分鐘比10分鐘效果好
- 美女亮腿比男主持人效果好
- 講比賽比講八卦效果好
這些已經(jīng)足夠優(yōu)化運(yùn)營了,更進(jìn)一步的還可以結(jié)合用戶畫像來看,比如:
- 觀察用戶看別的游戲類視頻行為,給用戶喜歡的游戲類型,游戲內(nèi)容貼標(biāo)簽;
- 觀察用戶近期關(guān)注的熱點(diǎn)內(nèi)容、流行的梗;
- 觀察用戶更喜歡技術(shù)宅還是美女。
有了這些用戶標(biāo)簽,可以查看:
- 目前觀看視頻的用戶群體是否是目標(biāo)群體;
- 根據(jù)群體規(guī)模大的用戶,制作新的內(nèi)容;
- 根據(jù)用戶近期關(guān)注的話題、主播喜好,選話題和主持人。
當(dāng)然,并不見得投其所好一定有效,更有可能有“標(biāo)題黨蹭熱度”的效果——播放次數(shù)很多但看一眼就跳出。所以最后還是得結(jié)合優(yōu)化前后效果,做最終定論。
六、小結(jié)
搭建數(shù)據(jù)分析體系可以很簡單,如下圖:
真正阻礙搭建指標(biāo)體系的,是:
- 數(shù)據(jù)間沒邏輯,寫的越多,看得越暈;
- 沒有剛性KPI做統(tǒng)領(lǐng),不知道怎么評價好壞;
- 只有結(jié)果指標(biāo),不能解釋原因。
因此在觀察一個業(yè)務(wù)的時候,一開始寧可看的指標(biāo)少一點(diǎn),先觀察出規(guī)律,再看指標(biāo)間關(guān)系,這樣更容易讓眾多指標(biāo)關(guān)系清楚,讀出含義。本文用的方法還是先抓關(guān)鍵指標(biāo)的方法,有的同學(xué)會問:如果一定用N個不相關(guān)的指標(biāo)評估一個業(yè)務(wù),該如何做呢?
下一篇分享一個業(yè)務(wù)評估模型的做法,敬請期待。
#專欄作家#
接地氣的陳老師,微信公眾號:接地氣學(xué)堂,人人都是產(chǎn)品經(jīng)理專欄作家。資深咨詢顧問,在互聯(lián)網(wǎng),金融,快消,零售,耐用,美容等15個行業(yè)有豐富數(shù)據(jù)相關(guān)經(jīng)驗。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自Unsplash,基于CC0協(xié)議。
如果是類似用戶運(yùn)營的話,我能把DAU,MAU或者用戶留存當(dāng)做剛性指標(biāo)來進(jìn)行數(shù)據(jù)分析嗎