1. 首頁 > 生活百科 > >

活動運營推廣數據分析公式 如何做運營 數據分析？( 二 )

小知識運營 數據分析


若發現某些渠道顯著提升/拉低關鍵指標， 則可對這一渠道進一步下鉆分析 。 下圖案例中， APP端站內提升了關鍵指標， 微博渠道則拉低了關鍵指標 。
按終端拆解
常見終端拆分如IOS/Android、APP/M/PC/小程序、使用設備機型等， 通過對比不同端對整體大盤的貢獻及不同端各數據指標的橫向對比， 可找出影響某一指標的關鍵端 。 下圖案例中， APP端-IOS提升了關鍵指標， M端則拉低了關鍵指標 。
按時間/時期拆解
電商活動中經常會分時間節奏來進行不同的促銷打法， 常見的如預熱/高潮/返場， 如果有這樣的分時期的策略， 則可按時期進行數據拆解對比， 找到某數據指標下顯著高/低的時期 。
除了時期外， 按時間序列維度（月、周、天或小時）來進行分析， 找到影響關鍵指標的特殊時間點， 然后去復盤該時間點在投放的流量質量、分時的運營策略、選品、頁面設計等角度是否有什么差異， 排查影響關鍵指標的可能因素 。
按業務/品類拆解
此維度往往是偏運營/采銷視角的， 關注的是某業務/品類對關鍵指標的產出， 需要結合具體的選品盤品策略來分析是否有效 。
當品類數量較多時， 可以參考下圖的帕累托模型來觀測數據 。 觀測的主要點為結合各品類的盤品量級和曝光量， 判斷改品類是否有帶來相應的售賣產出， 若偏低或偏高都值得特別關注， 后續可以據此做備貨和曝光量的策略優化 。
按功能模塊拆解
此維度跟頁面設計關聯性最強， 涉及到頁面內容框架的安排與具體每個模塊的功能&信息呈現 。 可以圍繞北極星指標或其拆解指標觀察各個模塊（樓層）對指標的貢獻情況， 對于位置靠前曝光量大但貢獻低的（投入產出低）、以及位置靠后但貢獻相對高（投入產出高）的可以特別關注， 進一步挖掘原因 。
按用戶人群拆解
常規的人群分類有按人口學信息分類的諸如性別、年齡、婚姻、所在地域， 以及新老用戶等 。 值得特別關注的是， 有些活動會進行更精細化的用戶分群運營， 如按照銀發族、Z時代、小鎮青年等具有特殊特征的人群做差異化策略 。
具體要選哪一種人群維度來下鉆， 首要的參考因素是活動策略里面有沒有針對這個維度進行差異化運營， 前面提到的策略里面就有按用戶分群進行精細化運營的， 就一定要按此維度下鉆看每種人群策略是否有效， 是否有帶來北極星指標的增長 。
其次是該維度下的人群數據差異是否足夠大， 我們后續是否有資源在此維度上進行發力， 如某活動中女性用戶占比顯著高， 但貢獻的GMV卻顯著低， 我們就可以嘗試對女性用戶進行進一步下鉆分析， 判斷我們是否能利用現有資源進行提升女性人群的售賣轉化 。
人群下鉆的方式可以更加精細（需要有足夠的數據源支撐）， 除了直接對比不同人群間的核心指標以外， 還可以針對某類人群進行前后鏈路的行為路徑漏斗、購買偏好等特征進行分析， 以及結合用研定性調研， 挖掘該類人群可能遇到的問題以及后續可進一步撬動的機會點 。
3、還可圍繞關鍵維度， 結合其他維度進行交叉分析完成多維度的下鉆分析之后， 針對特別重要的某幾個維度， 還可以嘗試進行多維交叉分析 。
例如， 將用戶性別和渠道交叉， 可能會發現微信端的男女用戶跟微博渠道的男女用戶差異， 將品類和時期交叉， 可能會發現不同時期更適合不同特性的品類爆發 。
但需要有個預期， 此步目前實際操作上可能會難度較大 。
一方面， 對數據提取和處理層面要求較高， 需要獲得專業的數據分析師投入較多精力來支持；
另一方面， 對交叉對象的判斷需要有足夠的業務敏感度和行業經驗， 對現狀先有一輪深度的思考， 洞察/推斷到一些跡象表明某兩個因素之間極有可能是有關聯的 。
不然有可能出現花了大量的時間和資源進行交叉分析， 但得不出有實際價值的結論 。
4、過程指標也不可忽視為什么要看過程指標
數據指標可以分成結果指標和過程指標 。 過程指標是產生某結果的中間過程環節的衡量 。 結果指標往往是從活動的商業目標中來， 用于衡量有沒有達到商業目標， 更多的是在某個階段結束后， 進行數據復盤用 。
如促銷活動中， 銷售額、訂單量是結果指標， 帶來這些訂單的一層層的訪問流量、點擊量、加購量、支付成功量是過程指標 。
但在日常的數據追蹤中， 更有價值的事情是根據當前的數據情況， 及時做出調整， 以保證結果指標達到預期 。

推薦閱讀