1. 首頁 > 生活百科 > >

介紹一個通用的數據分析方法論 如何運營分析？

小知識運營分析

當我們看了不少增長案例之后， 再看看手頭的工作和業績目標， 是不是還覺得不知道怎么實現？那是因為許多案例并沒有介紹得出結論的分析過程， 而只是描述了問題的背景和目標， 以及優化之后的效果 。 真正的分析過程， 往往被“發現”兩個字一筆帶過 。
當然有人會說， 數據分析過程是一個見仁見智的過程， 根本不可能按照一個統一的流程完成全部分析， 特別是在互聯網領域的高速變化當中 。 那么數據分析的過程， 究竟是一個只有零散技巧而無章法可循的過程， 還是一個有明確的步驟并可以嚴格依照執行的過程？我認為是后者 。
我們這就來介紹一個通用的數據分析方法論：數據分析五步法， 這個框架具有一下幾方面特點：
  1. 不與具體業務綁定， 是從決策需要的信息角度出發的；
  2. 具有開放性， 可融入個人經驗和前沿技術；
  3. 可結合大數據技術， 排除人工環節， 實現自動化；
  4. 邏輯清晰， 容易學習 。
一、分析五步法這個簡單的數據分析五步法， 基本能夠應對日常工作中至少80%的常見數據分析問題 。 而剩下的20%的場景， 可以在這個基本的分析方法論上擴展出來， 我們會在后面的內容中探討 。
1.1 五個基本步驟首先， 我們來一次講解著5個基本步驟， 分別是：
  1. 匯總
  2. 細分
  3. 評價
  4. 歸因
  5. 決策
1.1.1 匯總
這一步我們關注的是指標， 也就是大家常見的那些DNU、DAU、GMV、ROI等等 。 只要是說到數據分析的內容， 一定會提示數據分析“要明確目標” 。 因此， 這個重要性我們倒是不需要贅述 。
目標當然是所有指標中最重要的 。 但只有目標還不夠， 我們還需要其它的輔助指標 。 就比如ROI， 是投入和產出兩項算出了ROI；而GMV， 也可以用用戶數乘以平均每用戶的GMV計算出來 。 這樣， 我們就把一個目標的計算， 拆分成了更多相關指標的組合 。 并且， 這些指標更基礎， 我們可以通過一些運營手段影響這些指標的變化趨勢 。
這部分沒有什么理解的難度 。 只不過， 我們要找出指標之間的計算關系， 由此逐漸找到所有我們需要關心的指標 。 在現在的互聯網產品運營當中， 從來不會缺少需要看的指標， 已經多到了眼花繚亂的地步 。 但只有那些跟目標相關的指標， 我們才需要關心 。
1.1.2 細分
這一步相當于給指標增加了一個或者若干個維度 。 最簡單的維度應當算是時間了 。 比如， 我們按天看UV的變化趨勢；又或者， 我們看不同頁面帶來的GMV是多少、看不同用戶分群中的GMV分別是多少等等 。 如果我們理解前面的指標只是一個數字的話， 增加了維度之后， 它就變成了一列數據；增加了兩個維度之后， 它就變成了一張表格， 以此類推 。
就像指標的現狀一樣， 我們也可以輕松找到許許多多可以用來拆分指標的維度 。 比如前面提到的日期和人群， 還有拉新上的來源渠道， 活躍上的流量來源和轉化路徑等等 。 再將這些維度進行排列組合， 就能產生出一大批龐雜的拆分維度， 多到根本看不過來 。
因此， 在細分之前的關鍵環節就在于區分維度的重要程度 。
如何區分呢？
我們要按照是否可操作來區分這些拆分維度的輕重緩急 。 比如：前面提到了看APP中的不同頁面帶來的GMV 。 但是， 如果我們沒有必要的技術手段或者運營工具， 來為那些GMV更高的頁面分配更多流量， 也不能降低那些GMV較低的頁面的流量， 那么按照頁面拆分這種方法對于我們沒有任何操作空間， 更不要說操作之后的優化空間了 。
如果是這種情況， 我們就應當認為來源頁面這個維度， 只是個“看看就好”的維度， 而非關鍵維度 。
另一個例子是用戶分群， 特別是當我們希望從外部的投放引流獲得更多高質量的新增用戶， 以此來拉動增長的時候 。 在這種時候， 我們總是希望首先對現有的高質量用戶進行用戶畫像， 并確定一些能夠標識高質量用戶的特征， 再通過這些特征在投放的時候吸篩選出高質量的用戶 。
【介紹一個通用的數據分析方法論 如何運營分析？】這個道理是講得通的， 但遺憾的是， 外投渠道不能提供十分精準的人群定位， 只能提供人口統計學和內容偏好等粗粒度的劃分 。 這其中還隱含著， 我們暫時認為投放渠道對于用戶的標記是十分精準的， 沒有考慮出現標記錯誤的概率 。
因此可以看出， 在拉新這件事上， 我們對用戶分群的操作是受限的——并不是完全不能， 但十分受限 。 而用戶分群更大的利用空間在于促進活躍， 也就是在我們自己的用戶群體中進行切分 。

推薦閱讀