1. 首頁 > 生活百科 > >

分享GrowingIO在數據運營方面的心得 如何進行運營數據分析？( 二 )

小知識運營數據分析


互聯網產品一般都關注用戶的留存， 只有用戶留下來了， 才能進一步去推動變現和傳播 。 留存分析一般采用組群分析法， 即對擁有相同特征的人群在一定時間范圍內進行分析 。
GrowingIO－留存圖
上圖的留存圖中， 橫向比較展示了每周新增用戶在后續各周的留存率， 豎向比較展示了不同周的新用戶在今后一段時間的留存表現 。
留存時間及周期， 和產品體驗完整周期有關， 不同的業務和產品一般有著不同的時間群組劃分方法 。 比如高品類產品的日留存更好反映用戶與產品的關系， 而工具類的周留存就比日留存更加具有業務意義 。
通過時間維度的分析發現用戶留存的變化趨勢， 通過行為維度的分析發現不同群組用戶的差異， 找到產品或運營的增長點， 這是用戶運營非常重要的一點 。
三、產品運營：用數據來分析和監控功能
產品運營是一個非常大的話題， 今天主要分享 。
1.監測異常指標， 發現用戶對你產品的“怒點”
產品大的流程中， 存在很多小的功能點， 用戶的體驗就是建立在這些小的功能點上， 而就是這些小的功能點的使用情況， 成為我們每一步轉化的關鍵 。
以注冊流程為例， 一般需要手機驗證 。 發送驗證碼是其中一個關鍵的轉化節點；當用戶點擊重新發送的次數激增時， 可能意味著我們的這個功能點存在一定問題 。 而這就是用戶”怒點“所在， 無法及時收到手機驗證碼 。 通過對關鍵指標的監測， 便于我們及時發現問題所在， 及時修復 。
2.通過留存曲線檢驗新功能的效果
對于上線一段時間的產品， 有時候會添加新功能 。 上線后， 需要評估新功能的效果， 是否滿足用戶的核心需求， 能否給用戶帶來價值 。
從這條留存曲線中， 我們不難發現該新功能第一天使用過的人之后持續使用的比例很低， 這說明此功能并沒有很好地解決用戶問題；這提醒我們需要對新上線的功能進行重新思考 。
四、內容運營：精準分析每一篇文章的效果
在做內容運營之前， 需要明白你的內容是作為一個產品（如知乎日報）， 還是產品的一個輔助功能 。 只有明白自己的定位， 才能清晰目標 。 為了擴大內容運營的效果， 我們需要對用戶的需求進行分析， 例如用戶感興趣的內容、內容閱讀和傳播的比例等 。
1.內容的類別
以GrowingIO 的技術博客為例， 該博客屬于PGC模式 。 博客中的內容有不同分類， 為了降低用戶獲取信息的成本， 我們在博客首頁設計了不同板塊的入口， 包括左側分類導航、中部文章推薦和右側熱點推薦 。
我們發現用戶主要通過左側的導航欄和中間的推薦閱讀文章， 較少點擊右側的熱點推薦 。 所以， 在移動端我們取消了右側的熱點推薦， 僅保留了分類導航和中間的推薦 。 既節省了空間， 又最大化滿足了用戶的內容需求 。
同時， 我們也對分類導航欄的內容進行了分析， 發現用戶對案例分析的內容最感興趣， 這對我們今后的內容選擇是一個非常好的啟發 。
2.基于用戶的推薦
內容運營中的推薦， 有時候和用戶的精細化運營息息相關 。 每一個用戶， 都有自己喜歡的內容和類別， 當我們根據用戶的興趣傾向進行推送的時候， 效率肯定會更高 。
同樣以 GrowingIO 的博客為例， 我們通過對訪問用戶的文章點擊情況進行統計， 得到了上述表格的結果 。 顯然， 用戶 8 對“增長秘籍”有著自己的偏好， 用戶 6、7、9 對“案例分享”文章更青睞 。 那么在實際的內容推送中， 我們可以對用戶8推送增長秘籍類文章， 向用戶 6、7、9 推送案例分析的文章， 其他用戶無差別推送 。
近年來流行的 Growth Hacker 的核心， 其本質就是通過技術創新和數據分析， 實現精細化運營， 達到增長的目的 。 一個優秀的數據運營人員， 應該具備數據驅動的思維， 掌握一定的數據分析工具 。 在實際業務工作中， 不斷從數據中提出問題， 不斷嘗試， 用數據來優化運營策略， 進而實現客戶和業務的增長 。

推薦閱讀