數(shù)據(jù)篇|如何成為一個運營大牛(二):數(shù)據(jù)使用的三測

5 評論 23621 瀏覽 133 收藏 21 分鐘

縱使我們拿到了很多有用的數(shù)據(jù),但如果不會使用的話,一樣發(fā)揮不出數(shù)據(jù)的作用。如何把數(shù)據(jù)在有效的場景中使用好,并且用合理的分析方法進行有效分析,就是一件非常重要的事情了。

上一篇中,我們已經(jīng)把我們要的數(shù)據(jù)指標(biāo)給搭建出來,也就是把第一步數(shù)據(jù)規(guī)劃的工作完成了。大家可回顧我們上一篇中說的,我們說過在我們的運營過程中首選必須要知道:

  1. 我們要收集哪些數(shù)據(jù);
  2. 每個數(shù)據(jù)背后意味著運營的什么情況。

現(xiàn)在數(shù)據(jù)指標(biāo)已經(jīng)有了,那么這一篇我們就要重點說一說,它們都代表著一些什么問題,它們的使用場景都有哪些,我們應(yīng)該如何去分析并且使用了。

雖然數(shù)據(jù)看上去極其的繁多,大家在工作中使用起來貌似也非常的繁瑣,其實,在我們的數(shù)據(jù)運營中,數(shù)據(jù)的使用場景也無非就是三大類,那就是:監(jiān)測、預(yù)測、檢測。這也是數(shù)據(jù)使用的三測。

我們來分別說一下這三測。

當(dāng)使用數(shù)據(jù)之前,也有一個必要的一步,就是“獲取數(shù)據(jù)“。這個在上一篇中也有介紹,獲取數(shù)據(jù)主要就通過埋點的技術(shù)來獲取。一般我們有兩種方法:自己開發(fā)和第三方工具。

如果是自己開發(fā)的話,就需要我們把規(guī)劃好的數(shù)據(jù),提供給產(chǎn)品或技術(shù)人員,看過我們前一篇的同學(xué)知道,應(yīng)該盡可能的提供給他們原始數(shù)據(jù)。讓他們在相應(yīng)的頁面中加入統(tǒng)計代碼,并在后臺管理系統(tǒng)中加入我們需要的一些功能并最終獲取我們希望得到的加工數(shù)據(jù)。我們提供的原始數(shù)據(jù)越精準(zhǔn),那么產(chǎn)品和技術(shù)的工作效率也會越高。

如果是第三方的工具(如百度統(tǒng)計、谷歌統(tǒng)計、友盟等),只需要把第三方提供的代碼放入我們的頁面代碼中,即可直接使用工具提供的后臺,不需要自行開發(fā)。目前市場上還有一些無需埋點的分析工具,大家也可以去嘗試使用一下。

不過,大家需要明白的是,工具只是工具,它只是讓我們的數(shù)據(jù)運營工作變的更有效率而已。我們首先要知道的是數(shù)據(jù)運營背后的邏輯,邏輯清楚了,哪怕只有一張紙一支筆,一樣可以發(fā)揮很大的作用。

我們繼續(xù)說我們的三測:

  1. 監(jiān)測是什么,監(jiān)測是長時間的對某一個數(shù)據(jù)進行實時監(jiān)控,以時刻知道它的變化。
  2. 預(yù)測是什么,預(yù)測是利用好當(dāng)前的數(shù)據(jù)并使用好合理的方法,來預(yù)測它的未來。
  3. 檢測是什么,檢測是利用合理的手段,去針對某人某個產(chǎn)品或某個事件,判斷它的好壞。

所以,監(jiān)測是看過去、看現(xiàn)在;預(yù)測是看未來;檢測是看好壞。

一、監(jiān)測

當(dāng)我們把前期的數(shù)據(jù)規(guī)劃工作做完之后,那么監(jiān)測的工作就很容易了。首選我們選定好我們要監(jiān)測的數(shù)據(jù),這里以用戶量做例子:

我們可以實時的看即時數(shù)據(jù):

我們還可以以時間維度最對比,來看一段時間內(nèi)的數(shù)據(jù):

我們還可以看用戶的分布情況:

一般不管是自己開發(fā)的后臺或者第三方的分析工具,都有各種各樣展現(xiàn)數(shù)據(jù)的圖標(biāo)方式。其實用哪種圖標(biāo)展示方式看不重要,要知道為什么要看,并且可以解讀,才是最重要的。

在我們實際工作中,經(jīng)常會用來監(jiān)測的數(shù)據(jù),大多是一些直觀的數(shù)據(jù),比如:用戶量,日活量,訂單數(shù)、交易金額等等,把這些數(shù)據(jù)用圖表的方式全部整在一個頁面里 ,即形成了我們的DashBoard(數(shù)據(jù)看板),這也是老板最喜歡看的:)。類似下圖:

二、預(yù)測

預(yù)測在我們的運營工作中也是非常重要。比如說要做工作計劃了、做一個活動的可行性分析、制定業(yè)績指標(biāo)、會見投資人啊等等。預(yù)測最簡單的辦法,就是根據(jù)時間把一個數(shù)據(jù)的趨勢圖列出來,如下:

然后根據(jù)我們希望預(yù)測的那個時間點,去估計一下即可。

當(dāng)然,有條件的話,我們還可以再精準(zhǔn)一點,我們可以通過維度拆分->取樣->估測->疊加這四步去實現(xiàn),舉個例子,我們想預(yù)測一些下個月的用戶增長量:

  1. 把用戶增長量進行維度拆分,分成自然增長量和事件增長量。所謂事件增長量就是我們通過一些臨時的活動之類獲取的額外的用戶量。
  2. 然后我們對自然增長量進行取樣,取出過去幾個月或者同月份的自然增長量進行樣本分析,然后我們可以取平均值,或者去掉最高最低的兩個數(shù)據(jù)后再取平均值。
  3. 同時我們再對事件增長量進行取樣,取出過去做的一些活動的數(shù)據(jù)進行樣本分析,得到一個事件增長量的數(shù)值,再結(jié)合我們計劃下個月要做的活動,估算出下個月的事件增長量。
  4. 最后把兩個維度相加,得到我們預(yù)測的下個月的用戶增長量了。

以上這個簡單的預(yù)測四步法,在我們的工作中也是經(jīng)常會使用到,這個是作為運營必須要掌握的一個技能了,當(dāng)然如果需要一些更精準(zhǔn)的大數(shù)據(jù)挖掘和大數(shù)據(jù)預(yù)測,就要依賴人工智能和機器學(xué)習(xí)等更高科技的技術(shù)了。

上面說的是如何用過去和現(xiàn)在的數(shù)據(jù)來預(yù)測未來的數(shù)據(jù),不過,預(yù)測還有一個非常重要的使用場景,就是:“如何用過去和現(xiàn)在的數(shù)據(jù),來預(yù)測未來的用戶行為”這也是我們常說的用戶行為分析,我們可以通過以下辦法:

(1)找出經(jīng)常做出此用戶行為的用戶屬性。比如我們要預(yù)測某用戶是否會買我們的產(chǎn)品A,那么我們會先把以前所有買過我們的用戶數(shù)據(jù)梳理一下,如性別、年齡、地區(qū)、職業(yè)等。

(2)找出這個用戶行為的前置行為。比如在淘寶上用戶購買產(chǎn)品A的這個行為,會存在幾個前置行為:如產(chǎn)品頁面停留時間、是否加入購物車、是否收藏、是否咨詢等。

(3)找出這個用戶行為的關(guān)聯(lián)行為。比如A是茶葉、B是茶具,比如購買產(chǎn)品A這個行為,會關(guān)聯(lián)購買B這個行為。那么是否購買過B這個數(shù)據(jù)也是我們用來預(yù)測的數(shù)據(jù)。

(4)然后把上面的用戶屬性、是否行為、行為的次數(shù)等都設(shè)置成一個個變量,并記錄好這些變量的數(shù)據(jù)。通過用戶的實際數(shù)據(jù)和那些變量的數(shù)據(jù),來預(yù)測用戶會購買我們產(chǎn)品A的概率。

這個其實在我們的生活中已經(jīng)很常見了,比如根據(jù)我們的一些搜索行為,瀏覽行為,咨詢行為等,百度就會定向的進行精準(zhǔn)廣告推送,今日頭條會推給你喜歡的新聞話題,天貓?zhí)詫殨平o你感興趣的物品。相信隨著科技的進步,數(shù)據(jù)對用戶行為的預(yù)測也會越來越精準(zhǔn)。

那大家可能會有疑惑,如果我們實際工作中,特別是在一些傳統(tǒng)企業(yè)里,沒有這樣的技術(shù)能夠支撐,那怎么辦呢?其實也沒什么,我們把上面說的那些變量設(shè)置的少一點,抓住幾個核心的就行了。雖然精度沒有那么準(zhǔn),但是效果還是有的。

以上是從微觀數(shù)據(jù)的角度來說的,那如果從宏觀層面來說說如何預(yù)測用戶的行為呢,其實世間萬物都講究平衡、此消彼長,同時也是相互滋生、相互制約的。我們網(wǎng)購的時間多了,逛街的行為就少了;我們開車的時間多了,走路的行為就少了;我們工作的時間少了,娛樂的行為就多了;我們玩PC的時間少了,玩手機的行為就多了?!诤暧^層面的行為增多,在我們互聯(lián)網(wǎng)行業(yè)里,一般稱之為“風(fēng)口”。

同樣,在我們的運營過程中,只要我們把拉新的數(shù)據(jù)做好了,留存的行為就會越來越多;留存的數(shù)據(jù)做好了,活躍的行為就會越來越多;活躍的數(shù)據(jù)做好了,轉(zhuǎn)化的行為就會越來越多;轉(zhuǎn)化的數(shù)據(jù)做好了有錢了,提升產(chǎn)品質(zhì)量的行為就會越來越多;產(chǎn)品的質(zhì)量做好了,拉新的行為就會越來越多;這大體也是周易中常說的,“陰陽”和“五行”吧。

三、檢測

檢測,應(yīng)該是我們在運營過程中運用最多的一個使用場景了。就像上面說的,檢測就是告訴我們什么是好,什么是壞?

那在運營過程中,我們到底應(yīng)該檢測一些什么東西呢?大家還記得我們結(jié)構(gòu)篇說的么,運營的基礎(chǔ)結(jié)構(gòu)只有三樣?xùn)|西:人(用戶)、貨(產(chǎn)品)、場景(展現(xiàn)或交易的方式),這就是我們要檢測的東西。(請查閱《結(jié)構(gòu)篇|如何成為一個運營大牛(一):運營的基礎(chǔ)結(jié)構(gòu)》)

大家都知道,我們所有人都生活在一個三維的世界里,加上時間維度就是四維空間。

同樣,在我們的運營世界里,用戶、產(chǎn)品、展現(xiàn)或交易的場景組成的就是一個三維空間;

如果我們只看其中的一項,那就是一個二維空間;

如果把其中的一項再繼續(xù)拆分,只看其中的某個點,那就是一維空間;

把所有的東西加上時間,那就是四維空間。

要檢測一個數(shù)據(jù)的好壞,最好的辦法有兩個:同維度的比較和向下維度的拆解。

1、同維度的比較

同維度比較就是指在我們要對一個事物進行檢測的時候,盡可能的把其他事物保持在同一水平,僅通過這一事物的不同而最后產(chǎn)生的結(jié)果的不同,進行判斷。

比如:我們在實際工作中,經(jīng)常會碰到以下情況:

  • 做了A、B兩次內(nèi)容,我們想知道哪次內(nèi)容的效果更好一點?
  • 做了A、B兩場活動,我們想知道哪次活動的用戶反應(yīng)更強烈一點?
  • 找了A、B兩個渠道,我們想知道哪個渠道帶來的用戶質(zhì)量更高一點?
  • 有A這個競品,我們想知道這個競品對比我們的優(yōu)劣勢分別是什么?
  • ……

針對以上這種對比,一般我們采用趨勢線對比法左右條形對比法,我們舉一個渠道檢測的例子:

1)首選我們拿到了A、B兩個渠道在同一時間內(nèi)的留存數(shù)量。

2)我們根據(jù)以上的數(shù)據(jù),做出下面的趨勢線對比圖。

3)從上述趨勢圖中我們可以看出,在這段時間中渠道B的的質(zhì)量要略優(yōu)于A。

我們再舉一個競品分析的例子:

做競品分析的難度不在于分析本身,而在于競品數(shù)據(jù)的獲取,特別是一些內(nèi)部運營數(shù)據(jù),基本上是不大可能拿得到了。通常我們可以搜集競品在市場上能采集到的外部數(shù)據(jù),做成左右條形對比圖來進行分析。

比如,通過數(shù)據(jù)采集,我們得到了競品A在過去三個月內(nèi)的以下數(shù)據(jù):在20個渠道做過廣告,收費渠道有5個,發(fā)出過50次微信圖文,瀏覽量共計約8萬,新聞發(fā)布過4條,活動做過3場,推出了2款新付費產(chǎn)品,下架了1款老產(chǎn)品,App產(chǎn)品迭代過7次,新增了4個功能,等等 ……

以上這些信息市場類的數(shù)據(jù)一般可以通過輿情監(jiān)控的第三方工具去獲取,而產(chǎn)品類的就需要我們在工作中去留意了。然后我們根據(jù)我們的數(shù)據(jù)做出了以下圖:

而通過這張左右條形對比圖,我們一眼就可以發(fā)現(xiàn)我們和競品之間的一些差距和優(yōu)劣勢了。

2、向下維度的拆解

這種分析方法,一般用于我們沒有什么東西可以去對比的情況下,我們只知道某樣?xùn)|西好或是不好,但不清楚其具體造成的原因。這時,我們就需要用不斷往下進行維度拆解的方式,直至找到其真正的原因。這種時候一般我們可以采用漏斗分析圖法。

舉個例子:我們做了一場拉新活動A,這次活動的目的是拉新用戶下載App并進行用戶注冊,但在渠道很穩(wěn)定的情況下,這次活動的拉新效果并沒有想象中好,我們現(xiàn)在要想辦法檢測其原因。

看過我們前面結(jié)構(gòu)篇的同學(xué),應(yīng)該還記得活動的流程結(jié)構(gòu),然后我們根據(jù)活動的流程結(jié)構(gòu)和落地的產(chǎn)品頁,選出了以下幾個數(shù)據(jù)節(jié)點:

  • 活動:活動前、預(yù)熱、正式活動、余熱、活動后
  • 產(chǎn)品:引導(dǎo)頁、注冊頁、注冊成功頁

我們采集數(shù)據(jù)之后,得到了以下漏斗分析圖

我們發(fā)現(xiàn)在活動的時候,在前期表現(xiàn)非常不錯,但在余熱期間出現(xiàn)了明顯的滑坡,只有15%的下載轉(zhuǎn)化;而在注冊的時候,引導(dǎo)頁的轉(zhuǎn)化也不是非常理想,只有50%。所以通過這兩張漏斗圖,我們可以發(fā)現(xiàn),很有可能是我們活動的預(yù)熱部分以及用戶注冊的引導(dǎo)頁上面出現(xiàn)了問題。

以上的例子都相對比較簡單,在實際工作中可能會繁瑣的多,但只要我們掌握了使用的場景和分析的方法,那么只是做的更精細化一點,本質(zhì)上是一樣的。

到這里,我們關(guān)于數(shù)據(jù)使用的檢測也說完了,通過數(shù)據(jù)運營檢測的四維空間,我們可以發(fā)現(xiàn)以下結(jié)論:

(1)維度越低、檢測越容易

這就好比老板和你說,“檢測一下今年為什么沒賺錢?”(四維空間)和“檢測一下這個按鈕怎么沒人點?”(一維空間),這兩件事情的難度是完全不一樣的,但同時也說明了,數(shù)據(jù)規(guī)劃的時候,把維度拆分的越低,對日后工作的幫助也越大。

(2)高維度的檢測就要向低維度去拆分

如果找不到一個同維度的比較的話,就只能往低維度去拆分。

(3)檢測的方法就是先往下拆分,再左右比較

當(dāng)你拆分到一個有一個同一維度的對標(biāo)對象可以用比較法去比較的時候,或者明顯發(fā)現(xiàn)其好壞的時候,你就不需要去拆分了。

(4)要判斷檢測結(jié)果的正確性,需要從低維度再回到高維度

我們最終的評判標(biāo)準(zhǔn),還是要從低維度回到高維度上,并去查看高維度那些數(shù)據(jù)指標(biāo)。

大家是不是對這個過程非常的熟悉,其實它的核心思維就是我們本系列文章的思維篇第一篇:《如何成為一個運營大牛-思維篇(一):從上至下思考,從下至上執(zhí)行》。

好了,到這里,我們把數(shù)據(jù)篇也已經(jīng)說完了,我們在前面一篇也提過,數(shù)據(jù)是一個向下無極限的東西,所以我們這兩篇只是把一些頂層的數(shù)據(jù)以及常見使用的場景和分析方法描述了一下。而數(shù)據(jù)中更多精細化的內(nèi)容也有待大家在工作中去挖掘了。

小結(jié)

數(shù)據(jù)驅(qū)動了運營,掌握了數(shù)據(jù)就是掌握了運營的策略方向。但在實施運營策略的過程中,有沒有什么事半功倍的方法呢?這些方法又會在什么樣的階段,起到什么樣的作用呢?所以接下來就會進入我們的《方法篇》。大家都清楚,運營的一切都是圍繞著用戶的,所以關(guān)于用戶方面的一些方法是最重要的,敬請關(guān)注方法篇的第一篇,如何成為一個運營大牛 —— 方法篇(一):用戶分層。

相關(guān)閱讀

數(shù)據(jù)篇|如何成為一個運營大牛(一):運營中的那些數(shù)據(jù)

 

作者:致遠,連續(xù)創(chuàng)業(yè)者,曾為多家上市公司提供過運營整案服務(wù),曾任 Mr&Mrs 連鎖健身互聯(lián)網(wǎng)中心總經(jīng)理,現(xiàn)任 Muma 兒童藝術(shù)聯(lián)合創(chuàng)始人兼運營顧問,膚智 COO 兼聯(lián)合創(chuàng)始人。

本文由 @致遠 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

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 謝謝老師的分享
    個人覺得在監(jiān)測、預(yù)測和檢測中,檢測是最難的。很多時候找一個合適的benchmark真的很難,尤其是橫向比較,同業(yè)的數(shù)據(jù)也不會很準(zhǔn)確??v向比較和自己比相對輕松很多哈

    來自北京 回復(fù)
  2. 當(dāng)老板詢問今年沒賺錢時要從幾個維度來回答老板呢。。很想進一步和作者交流 能加個VX嗎

    來自廣東 回復(fù)
  3. “如何用過去和現(xiàn)在的數(shù)據(jù),來預(yù)測未來的用戶行為”這句好經(jīng)典!老師的確字字珠璣,還望繼續(xù)“發(fā)文字福利”,讓我好好學(xué)習(xí)。

    回復(fù)
    1. 感謝感謝:)

      來自上海 回復(fù)
  4. “如何用過去和現(xiàn)在的數(shù)據(jù),來預(yù)測未來的用戶行為”這句好經(jīng)典!老師的確字字珠璣,還望繼續(xù)“發(fā)文字福利”,讓我好好學(xué)習(xí)。

    回復(fù)