数据分析在运营工作中无处不在，无论是活动复盘、专题报告、项目优化，还是求职面试，数据分析都有一席之地。
对于数据分析，我发现很多运营都有这样一些困惑：
不知道从哪里获取数据；不知道用什么样的工具；不清楚分析的方**和框架；大部分的数据分析流于形式；……
其实，数据分析并没有大家想象的那么难！接触了很多数据从业者，总结了这篇文章，希望对有志于学习数据分析的运营同学有所帮助。
一、概念：数据和数据分析
其实大家一直都在接触数据和数据分析，但是对于两者具体的定义又很难说清楚。我曾经做过一个调查，问一些运营同学，下面5个选项哪些属于“数据”概念的范围。
对于互联网产品而言，用户具有明显的生命周期特征，我以一个O2O行业的APP为例阐述一下。
首先通过各种线上、线下的渠道获取新用户，下载安装APP。安装完APP后，通过运营手段激活用户；比如说首单免费、代金券、红包等方式。通过一系列的运营使部分用户留存下来，并且给企业带营收。在这个过程中，如果用户觉得这个产品不错，可能推荐给身边的人；或者通过红包等激励手段鼓励分享到朋友圈等等。
需要注意的是，这5个环节并不是完全按照上面顺序来的；运营可以根据业务需要灵活应用。
AARRR的五个环节都可以通过数据指标来衡量与分析，从而实现精益化运营的目的；每个环节的提升都可以有效增长业务。我们下面的分析也是围绕这个方**展开的。
（二）方法
根据运营工作的实际需要，在参考了 GrowingIO 陈明的文章《一名优秀的数据分析师是怎样炼成的》基础上，我整理了7种分析方法。借助常见的网站/APP数据分析产品，我们非常快速的完成这7种分析。
1.趋势分析
趋势分析是最简单、最基础，也是最常见的数据监测与数据分析方法。通常我们在数据分析产品中建立一张数据指标的线图或者柱状图，然后持续观察，重点关注异常值。
在这个过程中，我们要选定第一关键指标（OMTM，One Metric That Metter），而不要被虚荣指标（Vanity Metrics ）所迷惑。
以社交类APP为例，如果我们将下载量作为第一关键指标，可能就会走偏；因为用户下载APP并不代表他使用了你的产品。在这种情况下，建议将DAU（Daily Active Users，日活跃用户）作为第一关键指标，而且是启动并且执行了某个操作的用户才能算上去；这样的指标才有实际意义，运营人员要核心关注这类指标。
2.多维分解
多维分解是指从业务需求出发，将指标从多个维度进行拆分；这里的维度包括但不限于浏览器、访问来源、操作系统、广告内容等等。
为什么需要进行多维拆解？有时候一个非常笼统或者最终的指标你是看不出什么问题来的，但是进行拆分之后，很多细节问题就会浮现出来。
举个例子，某网站的跳出率是0.47、平均访问深度是4.39、平均访问时长是0.55分钟。如果你要提升用户的参与度，显然这样的数据会让你无从下手；但是你对这些指标进行拆解之后就会发现很多思路。
下面展示的是一个产品在不同操作系统下的用户参与度指标数据。
第一个案例：以社区网站为例，“每周签到3次”的用户留存率明显高于“每周签到少于3次”的用户。签到这一功能在无形中提升了社区的用户的粘性和留存率，这也是很多社群或者社区主推这个功能的原因。
在运营工作中，我们要大胆尝试，将想法转化成产品和运营方法。然后分析其中的数据，衡量产品或者运营的效果。如果好的话保持并大力推广，如果不好的话总结问题及时改进。在“构建-“衡量”-“学习”的不断循环中逐渐优化，这个流程是非常适合运营工作的。
（二）中观
《谁说菜鸟不会数据分析》书中介绍了更为具体的分析流程：1.明确分析目的和思路 →2.数据收集 →3.数据处理 →4.数据分析 →5.数据展现 →6.报告撰写。
这个流程只是从“数据”的角度阐述了前后的流程，并未结合业务实际；而且它将数据分析的落脚点定位于“报告撰写”是具有误导性的，因为数据分析的最终目的是为了指导实践，而不是写一份报告。
但是这个流程仍具有参考价值，尤其是 “明确分析目的和思路” 对于新手入门具有一定的指导意义。
（三）微观
下面介绍的是一个非常详细的分析流程，借助于一定的分析工具，我们可以按照这个思路对您的网站/APP进行细致入微的分析。
这是GrowingIO商务分析师檀润洋在《提高用户留存，产品、市场和运营都有哪些方法》中介绍的流程，我认为适用于大部分的运营数据分析。
它的前提是用数据分析工具做好数据采集和监控工作，把精力集中在业务分析上。
这个流程的核心是“MVP”的理念，“发现问题”-“设计实验”-“分析结果”，通过数据来不断优化产品和运营。
四、应用：体系和分析
（一）案例1：搭建数据分析体系
小张今年刚毕业，在某公司从事新媒体工作，负责微信的日常运营。小张并不清楚微信运营的核心目的，尝试了很多方法，原创、翻译、改写了很多文章发布在微信上，但是阅读量时高时低，总体一般。
经理让小张想办法改进一下微信运营，提高微信的粉丝数和阅读数；但是张三毫无头绪，无从下手。
这是很多运营真实的写照，琐碎的工作容易让人忘记思考，这很可能就发生在你我的身边。
我们从数据分析的角度对这个案例进行了诊断，总结了小张存在的这些问题：
不清楚自己需要关注哪些核心指标；不清楚目标用户的特征（用户属性、用户画像等）；对自己过往工作缺乏系统分析（数据采集、监测和分析）。
从业务增长的角度出发，我给小张量身定做了一套数据分析体系，配合其内容工作的开展。
第一点，内容定位。
运营需要明确知道自己的目标或者KPI，然后选择一个核心关键指标（OMTM）进行监测。如果是创业公司，初期可能需要拉新，那么核心指标是注册用户数或者新访问用户数。如果是资讯媒体，注重影响力和覆盖面，那么核心指标应该是微信阅读数或者网页PV。
第二点，用户画像。
无论是哪一种运营岗位，都需要明确知道自己的（目标）用户是那些人？这些人都有哪些特征，他们的关注点和痛点是什么？如果你的用户是产品经理，那么可以尝试爬虫抓取产品经理网站上有关的问题，然后做文本分析：这是定量层面的分析。
同时，通过调查访问和问卷调研，获取更加深入的用户特征信息：这是从定性层面的分析。
第三点，持续监测。
借助数据分析工具，对核心关键指标（OMTM）进行持续监测。对于指标异常情况，我们需要及时分析和改进。
第四点，数据分析。
统计和分析过往内容的数据，找出哪些内容、哪些标题、哪些形式、哪些渠道的效果更好，然后朝这方面不断优化。
案例2：分析业务核心指标
电子邮件营销是现在很多企业仍在采用的营销和运营方式，某互联网金融企业通过EDM给新用户（有邮件地址但是未注册用户）发送激活邮件。一直以来注册转化率维持在20%-30%之间，8月18日注册转化率暴跌，之后一直维持在10%左右。
这是一个非常严重的衰退，需要立即排查原因。EDM渠道注册转化率涉及到太多的因素，需要一个一个排查，数据分析师帮运营罗列了可能的原因：
技术原因
ETL（数据抽取、转化、载入）出现问题，导致后端数据没有及时呈现在BI报表中；
宏观原因
季节性因素（节假日等），其余邮件冲击（其余部门也给用户发邮件稀释了用户的注意力）；
微观原因
邮件的标题、文案、排版设计，CTA设计，注册流程设计。
一个简单的业务指标，会影响到它的因素可能是多种多样的，所以我们需要对可能涉及到的因素进行精细化衡量才能不断优化。最后发现，产品经理在注册环节添加了『绑定信用卡』，导致注册转化率大幅度下降。
五、学习：业务、工具和资源
（一）业务层面
数据分析并没有想象中的高不可及，掌握好相应的概念、思路、流程，运营都可以做好数据分析。这里要着重强调一点，数据分析的目的是指导业务实践；脱离实践的数据分析、为分析而分析的数据分析都是在耍流氓。
不同于职业的数据分析师和数据科学家，运营人员做好数据分析的前提是娴熟的业务理解。从业务的角度来说，数据不是数字，它是用户的心声。运营人员要从数据中发现问题，不断优化，提升用户体验、为用户创造更多的价值。
（二）工具层面
磨刀不误砍柴工，做好数据分析工具必不可少。我汇总了下面几种工具，运营可以结合自己的实际需要采用。
Excel 是最常见、最基础的数据分析工具，Excel 里面的图表、函数、透视表能满足大家基本的需求。Access 是微软 office 系列套装的一部分，是一种小型的关系数据库；当excel数据量很大、表格之间各种关联、查询、更新频繁的时候，Access就是一种非常不错的选择。
Python是一种高级的编程语言，近年来发展很快，它可以用来做数据分析、编程或爬虫；R语言是一种数据分析工具，在统计学中广泛使用。目前，Python被广泛用来编写爬虫程序，获取网上的信息，这是对运营人员非常有帮助的。
Google Analytics、百度统计、友盟是常见的网站流量分析工具，Mixpanel、Heap、GrowingIO属于用户行为数据分析工具，较前者功能更加丰富、分析更细致。
（三）资源层面
运营入门数据分析，并不需要学习多么复杂的数学知识理论，更多的是将业务操作和数据分析结合起来。我这里推荐两个网站和两本书，希望有帮助。
数据分析网：覆盖统计理论、数据分析方法、业务分析等内容。GrowingIO博客：GrowingIO数据分析、增长实践等内容。《谁说菜鸟不会数据分析》：数据分析入门知识汇总。《精益数据分析》：从精益创业的角度，诠释业务增长的分析方法和前言案例
本文来自不择手段投稿，不代表舒华文档立场，如若转载，请注明出处：https://www.chinashuhua.cn/24/645348.html
微信扫一扫 
