起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識運營4大底層能力之三：如何做到數據驅動運營？
編輯導語：結合數據分析，運營人員可以快速獲得所需信息，并從信息中找到問題，對用戶行為、用戶需求有一個更為清晰的了解。那么運營人員應該如何樹立數據分析的思維，培養數據敏感度，用數據驅動運營呢？本文作者就對這一問題進行了總結，一起來看一下。
目前市面上已經有很多寫運營數據分析的文章，無論是從專業性、技巧和方法層面，都已經比較詳細了，但多數都是從“術”的層面的分享。本篇文章則會從整體視角下，緊貼業務邏輯、流程和思維層面來進行相應的分享。
做運營數據分析并不難，我相信很多人都能夠看懂業務數據，看得懂數據分析報告，也能夠掌握基本的數據分析技能，但是很多運營缺乏的是：數據分析的思維、意識和習慣對于運營的數據分析，我們需要建立幾個視角：
- 宏觀視角：以特定的結構和思路建立整體的數據認知；
- 業務視角：基于業務邏輯和流程下的數據分析；
- 思維視角：基于數據，跳出單純的對事的分析，想清楚why和what；
- 自身視角：養成特定的數據分析習慣，培養數據的敏感度。
01
建立數據的整體認知，最好的辦法就是通過結構化思維進行數據維度和指標的梳理。
正如用戶畫像的思路，可以分為顯性畫像和隱性畫像兩個方面；對于數據也可以用類似的角度分維度和指標兩大類。
維度是指事物或者現象的某種特征，以及范圍限定，如性別、地區、時間等都是維度。
指標又稱參數，也叫參變量，是一個變量，用于衡量事物發展程度，程度是好還是壞，需要通過不同維度來進行對比。
維度一般包含：
- 時間：日、周、月、年，以及自定義時間段；
- 地域：全球、全國、省、市、區/縣，以及自定義的地理范圍；
- 年齡：不同年齡段；
- 終端：移動端（安卓端、iOS端、平板）、PC端、電視端等；
- 性別：男、女；
- 年級：幼兒園、小學、中學、高中、大學、研究生、在職?，或者少兒、K12、成人；
- 其他特征及范圍限定。
指標一般包含：
- 行為指標：注冊量、PV、UV、VV、UID、留存率、轉發量、點贊量、收藏量等；
- 業務指標：GMV、用戶價值、訂單量、轉化率等。
運營常用數據都是基于維度和指標之間的組合，形成的特定范圍下的數據。比如在衡量投放線索質量時候，會看用戶價值數據，從維度和指標上會出現1日、3日、7日、15日、30日用戶價值，當然根據業務發展需要會去自定義統計的時間維度周期。
對于整體數據的認知，我們也可以從宏觀數據、中觀數據、微觀數據進行拆分，具體如下：
同樣我們也可以從：基礎數據、行為數據、業務數據來去梳理和了解我們業務中要用到的所有數據。
至于我們在實際運營過程中需要考慮哪些數據體系，則是需要結合業務的實際情況來進行考慮，主要受我們的業務目標、業務流程、運營模式及在實際落地過程中的過程指標影響。
02
數據分析需要基于特定的業務目標和流程來進行，與業務緊密關聯，數據直接指導業務行為和關鍵需求，整個業務如果要清晰、有節奏地落地和管控，需要建立清晰的數據體系和過程指標。
我們以直播電商為例，目標是GMV，基于GMV影響因素和業務流程，拆解公式如下：
GMV的高低是受到：流量、轉化率、客單價三個關鍵因素影響，流量則又受到直播間曝光（PV）、直播間CTR、商品的曝光率、商品的點擊率影響。
基于上面的業務拆解公式，直播電商的數據分析指標便形成了固定的分析體系和思路。GMV增長的核心思路就是提升和優化公式環節上的指標，結合各環節優化目標和提升空間，進行指標的持續優化，每個關鍵環節的指標提升方法和技巧，就是具體的運營行為和動作。
當然并不是所有的指標同時進行優化和提升，因為精力、資源和時間不允許，這個時候需要找到側重點，也是階段性業務重點，確定的依據：指標提升空間和性價比（或投入產出比）。
詳細的思路可以參考《運營4大底層能力之一：1篇文章教你如何系統化思考？》中第2部分內容。
我們再以在線教育項目為例，GMV是受到線索量和線索價值影響，即GMV=線索量*線索價值，具體業務拆解公式如下：
基于以上公式我們可以拆分出詳細的數據指標體系：
日常數據統計和記錄維度可以按照如下形式：
當建立起固定的數據指標體系后，每期直播就可以重復性的進行數據統計分析，以及針對每個環節的數據指標進行不斷的優化和打磨提升。
我們再以某個非常具體的活動為例：比如我們要做一個新課首發活動，固定時間點開售搶購，目標是活動營收，在開售開始前采用預約報名的形式。那么對于這場活動的成果與否，核心是要做好過程數據的管理，具體模型如下：
從活動風險管控的角度，課程搶購預約人數可以設置一個上浮動值，比如過程指標的預約人數可以定為1800人或者更高，活動預熱宣傳階段則以這個過程指標作為核心指標去促進。因為課程購買預約人數是跟詳情頁曝光（UV）和UV到預約報名的轉化率有關。要想提升預約人數有兩個方向思路要么提升課程曝光，要么提升預約轉化率。
提升曝光（UV）則以增加曝光渠道、推廣資源和傳播玩法來進行，核心是確保渠道質量、玩法和創意，其次建立用戶對本次活動的關注度和認知度
而提升預約報名的轉化率則從課程價值點傳達（如詳情頁和活動頁的包裝和介紹，社群宣傳，銷售的跟進介紹），課程價格、福利階梯設計和搶購群內氛圍營造來進行刺激。
當然這個是從本次活動管控角度，來確?；顒幽繕诉_成以及保證活動過程指標管控節奏，而從本質上，對于活動成功與否關鍵是要看項目在日常的運營積累，需求強烈程度及需求節點，比如內容本身打磨、需求和活動策略設計。
03
運營數據分析的門檻不在技巧和工具使用，而在于思維、意識和習慣。對于數據分析，需要我們找到一個特定思維分析模型。
從數據分析操作層面，基本上是按照執行的先后流程來進行，比如：
- 確定數據分析目標；
- 根據目標影響因素，建立分析影響關系和模型；
- 通過對比和可視化呈現，如橫向、縱向或者與目標值對比，數據透視；
- 發現問題，從對比和透視中發現與預期不符的數據；
- 分析問題，結合數據影響模型和業務分析出現問題的數據原因；
- 解決問題，確定優化目標，提出可行性的數據優化提升方案驗證方案，通過實際數據反饋來驗證方案效果；
- 分析優化，循環解決。
以上是比較常規，也是大家習慣性的分析思路，從深度思考的角度，大家可以用3W的思考框架來進行分析，即：
數據分析常見誤區如下：
1）無對比
只給出絕對值，數據只有通過對比才能判斷效果，比如跟目標對比，跟歷史對比（同比環比），跟競品對比，跟同類型項目對比。如大家在周報中經常會出現僅同步上周營收XX萬，增粉XX萬等絕對值，只呈現絕對值是無法體現數據效果。
2）無結論
只做數字上的呈現、計算和對比等，但無實際的結論，比如按照第2部分提到的直播電商GMV拆解公式，對每個環節指標，轉化率數據做出呈現和對比，但無具體的結論和分析。
3）脫離業務本身
同一個數據原始表格，熟悉和理解業務的運營和外行的人來分別進行分析結論會有很大差別。
4）無明確分析依據，用主觀思路來做分析
比如A課程上周營收環比增長50%，很多人習慣性說是可能是做了XX動作，或者簡單地說上周做了曝光和宣傳，至于曝光效果無數據支撐，實際上有可能曝光帶來的詳情頁UV提升有限，而在轉化率上有明顯提升。
正如前面的分析思路，建立課程營收模型：課程營收=詳情頁UV*轉化率*客單價，如果是營收階段性出現明顯上漲，在價格不變的情況下，從表象上是詳情頁UV或者轉化率某一指標或者兩個指標都發生明顯變化。
這個時候要看不同環節數據變化情況，進而分析發生變化的本質原因（同一渠道在不同節點上曝光效果會有很大差異，課程的需求節點和開課時間也都會影響點擊和轉化），這個時候按照上述的3W思路可能會分析得更深入和精準。
04
數據分析有一個隱藏的能力就是：敏感度。
不同的人對數據的敏感度不同，主要表現在拿到原始數據后的第一反應，對數據敏感的人，即使對原始數據不做透視也能夠快速看出一些規律和發現數據問題，對數據分析和關注成為一種潛意識的習慣。而培養數據敏感度除了潛質之外，更重要的是刻意訓練。
比較有效的方法就是：每天堅持看數據，即每天至少30分鐘~1小時的時間去研究數據，從不同維度和角度去分析，如當期數據跟歷史數據對比，當期數據跟同類型項目做對比等。只要堅持半年到1年的時間可以有效提升對數據的敏感度。
#專欄作家#
超哥Jason，微信公眾號：超運營思維，人人都是產品經理專欄作家。后續持續從運營思維、認知、分析、學習、實踐、總結、成長7個方面進行分享輸出！大廠某教育產品線業務負責人。
本文原創發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。
- 目前還沒評論，等你發揮！
