數據驅動精細化運營，面對突發熱點數據飆升，身為運營人的我們如何有效分析并借勢運營？

2019年3月22日，原本只是個平平常常的周五，但自國務院在10點發出「好消息！#五一放假4天#」這條公告通知后，一切都變得不再尋常。

文章發出后2分鐘迅速達到98萬閱讀量，僅10分鐘已超過150萬閱讀量，熱心民眾擴散周知，朋友圈更是一片沸騰。

作為一名互聯網產品運營人，面對如此巨大流量，心里是樂開花的，但是這種突發狀況，更應該準確定位問題，快速給出新的應對方案。這就要求運營人需要結合自己的業務現狀，實時洞察數據異常，選擇適合的數據分析方法，真正做到數據驅動產品，精細化運營。

一、回顧

我們先來看一下，當天國務院通知發出后，各大產品都做了什么。

1. 消息push不約而至

• 官宣！五一假期延長至4天啦！
• 好消息！今年五一放假四天
• 休4天！你想要的五一小長假回來了
• 喜大普本！今年勞動節放4天假

視頻、地圖、旅游、社交…各家媒體的消息push接踵而至，真真兒是感受到了新媒體運營人的靈敏嗅覺及強執行力。

2. 網易新聞熱門跟帖

• 還不是只休了一天。
• 就是放兩天，只是把前一周后一周的休息挪了一天放在五一。
• 還是一天?，F在單位放假就讓值班！你這么一弄，原本……
• 不調休，放四天才是最好的消息。

文案創意緊密貼合#五一放假4天#消息，廣告模板結構化配置，緊追熱點一鍵生成，靈活多變賺夠流量。

3. 馬蜂窩旅游消費指南

• 根據國務院最新通知，及時同步更新最新版2019放假安排。
• 盤點了國內外最適合出行的24個旅行目的地。
• High玩春游季大促活動更是蹭的一波熱點，730元新客優惠券禮包及時送上，門票、酒店、機票、自由行全覆蓋，還有688.8元紅包挑戰吸引用戶。

對普羅大眾而言，短長假出門旅行已是一種習慣，更是一種生活方式，#五一放假4天#消息一出，旅游愛好者瞬間進入旅游籌備進程。

4. 飛豬公關數據

• “放假消息公布以后，10點到12點，國內機票的預定量，比上周同時段增長超過50%；國際機票的增長更加驚人，超過了150%。
• 國內上海，重慶，北京，西安，成都，五個目的地的熱度最高；國際城市分別是首爾，中國香港，曼谷，大阪和東京。

從飛豬平臺看到，價格紛紛在中午之后開始有所上漲。

就這樣，一條「好消息！#五一放假4天#」出乎意料的放假消息，頓時成了全網熱點，媒體追捧營銷，大眾欣喜買單，瀏覽訪問數據瞬間飆升。

二、用數據分析問題

回過頭來看，做到上面這些動作已經反應速度非?？炝?，而且和自家的產品調性結合的非常棒，實屬優秀。

面臨海量數據飛速上漲，下一步該怎么辦？

這些熟悉的場景你一定都還記得：

• 比如，某段時間公司做了一波網紅大V推廣，老板想看看推廣效果，你需要來個復盤分析；
• 比如，某一時段數據異常漲跌，老板要個準確說法，你一臉懵逼；
• 比如，某天你負責的M站瀏覽量狂漲，亟需找準原因好借勢再漲一波流量。

所有這些場景都需要基本的數據分析能力。

數據分析的價值所在就是將一連串的問題現象與業務數據建立對應關系，通過一定的分析套路，快速分析并解決問題。而我接下來將重點分享三種常見的數據分析方法，再通過一個【某款社交APP在國慶期間數據猛漲原因分析】的案例來輔助理解和說明。

三、三種數據分析方法

首先，常見的數據分析方法有9種：對比分析、多維度拆解分析、漏斗觀察、分布分析、用戶留存分析、用戶畫像、歸因查找、路徑挖掘、行為序列分析。

這里將重點展開分享前三種數據分析方法： 對比分析、多維度拆解分析、漏斗觀察。

1. 對比分析

對比分析是最基礎最常見的數據分析方法，能直觀的看出事物某階段的變化，并且可以準確、量化地表達出這種變化/差距是多少，重點從「比什么」「怎么比」「跟誰比」三個維度進行分析。

（1）比什么

比什么，分為絕對值（#）和比例值（%）的比較。

• 絕對值本身已是具備“價值”的數據，比如銷售金額2000元，閱讀數10000萬，單看數字不易得知問題的嚴重程度；
• 比例值只有在具體環境中看比例才具備對比價值，比如：活躍占比，注冊轉化率，單看比例值容易受到極端值的影響。

（2）怎么比

怎么比，分為環比和同比。

• 常見的環比有日環比，月環比，是指與當前時間范圍相鄰的上一個時間范圍對比，主要用于對短期內具備連續性的數據進行分析，如指標設定；
• 常見的同比有周同比，年同比，是指與當前時間范圍上層時間范圍的前一范圍中同樣位置進行數據對比分析，主要用于觀察更長期的數據集，消除短期數據的干擾。

（3）和誰比

和誰比，分為和自己比、和行業比。

• 和自己比，可以從不同的時間維度，不同的業務線，過往經驗估計，跟自己比較；
• 和行業比，可以觀察分析得出是自身因素，還是行業趨勢，比如都跌的時候，能否比同行跌的少？都漲的時候，能都比同行漲的快？

現在回到上面這條「飛豬公關數據」“放假消息公布以后，10點到12點，國內機票的預定量，比上周同時段增長超過50%；國際機票的增長更加驚人，超過了150%?！?/p>

很顯然：

• “50%，150%”都是比例值；
• “比上周同時段增長……”由于是#五一放假4天#消息導致的數據短期內連續上漲，所以選擇的是周同比；
• “國內機票的預定……國際機票……”飛豬是在跟自己比，若有行業數據公布作為依據，可以判斷飛豬是比同行漲的快/慢。

2. 多維度拆解

多維度拆解，是最重要的一種思維方式，一個單一指標是不具備分析價值的，我們需要從多個維度進行拆解分析才有意義，最終以獲得更加全面的數據洞察。

數據分析的本質是用不同的視角去拆分，觀察同一數據指標。多維度拆解的本質多維度拆分指標/業務流程，來觀察數據變動。

多維度拆解的適用場景：

1. 分析單一指標的構成、比例時，比如：分欄目的播放量、新老用戶比例；
2. 針對流程進行拆解，比如：不同渠道的瀏覽、購買轉化率，不同省份的活動參與漏斗；
3. 還原行為發生時的場景，比如：打賞主播的用戶的等級、性別、關注頻道，是否在WiFi或4G環境下。

現在回到第一個場景：“比如：某段時間公司做了一波網紅大V推廣，老板想看看推廣效果，你需要來個復盤分析……”

這時就需要用到多維度拆解分析方法，大致的分析思路這樣這樣：

（1）從APP啟動事件來分析

• 按照設備類型查看，比如：Android、iPhone…不同機型的啟動情況；
• 按照啟動來源來看，比如：是從桌面、短信、PUSH…不同來源的啟動情況；
• 按照城市等級觀察，比如：一線、二線、三線及以下…不同城市的啟動情況；
• 按照新老用戶細分，比如：總體、新用戶、老用戶…不同用戶群體的啟動情況。

（2）從業務流程拆解

比如對于簡單的“注冊——>下單——>支付”流程而言：

• 支付漏斗按照渠道查看，渠道可能分為百度、頭條、微信公眾號……
• 支付漏斗按照城市來看，城市可能分為一線、二線、三線及以下……
• 支付漏斗按照設備來看，設備可能分為Android、iPhone……

3. 漏斗觀察

漏斗觀察的分析方法我們常見且熟悉，它的運作原理是通過一連串向后影響的用戶行為來觀察目標。適用于有明確的業務流程和業務目標的業務，不適用于沒有明確的業務流程、跳轉關系紛繁復雜的業務。

通過漏斗觀察核心業務流程的健康程度。

盤點一下在建立漏斗時容易掉的坑：

（1）首先漏斗觀察需要有一定的時間窗口，具體需要根據業務實際情況，選擇對應的時間窗口。

• 按天觀察，適用于對用戶心智的影響只在短期內有效的情況，比如一些短期活動（當前有效，倒計時設置等）；
• 按周觀察，適用于業務本身復雜，用戶決策成本高，需要跨日才能完成的情況，比如投資理財，開戶注資；
• 按月觀察，適用于用戶決策周期更長的情況，比如裝修買房。

（2）其次漏斗觀察是有嚴格順序的，不可以用ABCDE（僅搜索途徑的數據）的漏斗，看ACE（包含分類、搜索、推薦位三條途徑的數據）的數據 。

（3）漏斗的計算單位可以基于用戶，也可以基于時間。

• 觀察用戶，是關心整個業務流程的推動；
• 觀察事件，是關心某一步具體的轉化率，但無法獲知事件流轉的真實情況。

（4）結果指標的數據不符合預期時，需要自查是否只有一個漏斗能夠觸達最終目標，也就是檢查下，是否出現第二個坑的情況。

四、案例分享——某款社交APP在國慶期間數據猛漲原因分析

場景是這樣，現在有一款匿名社交APP，類似于探探，數據范圍在 2018 年9 月 1 日 – 10 月 14 日之間，其中在國慶期間數據猛漲，試分析其原因。

（1）首先定義“數據猛漲”

作為一款匿名社交產品，可以選擇觀察「注冊成功」事件。

由于產生行為數據的時間較短，所以最后選擇關注“注冊用戶數的日環比是否有比較大的增漲”，并按照「注冊成功」事件的「觸發用戶數」進行查看：

（2）發現異常定位問題

從上面這張注冊成功的觸發用戶數折線圖可以看出，國慶期間的注冊用戶日環比存在較高的數據增長差，就是折線右側出現的一段高峰。

由此判斷，國慶期間由于某種原因造成了注冊用戶數的大幅增長，具體原因，待進一步拆解分析。

（3）多維度拆解分析

按照操作系統區分觀察，可以發現Android的漲幅明顯高于iOS，iOS稍有漲幅，但漲幅不明顯。

這一步仍無法直接定位問題，需進一步拆解分析。

上圖按照注冊方式觀察，微信、微博、手機號這三種注冊方式，在國慶期間均有漲幅且漲幅相似，可初步判斷注冊方式與此次數據異常無關。

上圖按照性別觀察，男生和女生在國慶期間均有漲幅，男生略高于女生，但仍無法直接定位問題，需進一步拆解分析。

上圖按照年齡觀察，不同年齡層的用戶在國慶期間均有漲幅且漲幅相似，可初步判斷年齡與此次數據異常無關。

問題來了！按照省份觀察，上圖明顯看到有一根折現異常升高！

其實是海南省的日環比漲幅增高，除此之外，云南省的環比漲幅相較其他省份也明顯升高。

綜上觀察分析基本可以判斷，國慶期間數據猛漲，跟海南省、云南省的注冊用戶數大幅增長有關，具體原因待進一步拆解分析。

繼續按照城市觀察，篩選條件設置為省份等于海南省，云南省，直觀看到麗江市、大理市、三亞市、?？谑袊鴳c期間數據猛漲。

綜合以上多維度分析發現，國慶期間數據猛漲，主要是由于麗江市、大理市、三亞市、?？谑?/strong>四個城市有明顯漲幅。而這四個城市都屬于旅游城市，且數據增長時期伴隨國慶假期。