雖然數(shù)據(jù)分析一直都被視為運營人的短板，但是作為一個運營，不會進行數(shù)據(jù)是不合格的運營。也有一些運營人，一聽見數(shù)據(jù)分析就頭疼，很害怕去分析各種各樣的數(shù)據(jù)，看見數(shù)據(jù)就頭疼。

其實，運營的數(shù)據(jù)分析也沒有那么困難。了解了一些基礎(chǔ)的應(yīng)用場景之后，自己也能很好地進行數(shù)據(jù)分析，而且學(xué)會了數(shù)據(jù)分析之后，對于未來運營的方向以及運營的改進點會有了更加明確的目標(biāo)，不再單單靠感覺進行。

今天，就結(jié)合自己在實際工作中遇到的一些情景，來和大家聊聊，運營人在日常的工作中，如何去進行數(shù)據(jù)分析？

數(shù)據(jù)分析一般有以下3個目的：

原因分析：

通過以往的數(shù)據(jù)分析，發(fā)現(xiàn)數(shù)據(jù)中存在的問題，為未來優(yōu)化提供數(shù)據(jù)基礎(chǔ)。比如，通過用戶注冊、登錄、活躍等數(shù)據(jù)，可以看出用戶在哪個環(huán)節(jié)流失比較多，出現(xiàn)問題比較多，那么后期在這個環(huán)節(jié)中，就可以多次進行試驗。提升單點的轉(zhuǎn)化率。利用漏斗分析、趨勢分析是主要的數(shù)據(jù)分析方法。

未來預(yù)測：

通過以往的數(shù)據(jù)分析，找到數(shù)據(jù)中的某種趨勢或者共性，從而更好地指導(dǎo)未來的運營動作。比如在公眾號運營中，通過以往對以往內(nèi)容的關(guān)鍵詞進行分析，找出打開率高、閱讀量高、轉(zhuǎn)發(fā)量高的內(nèi)容，從而方便后期更好地進行選題和內(nèi)容創(chuàng)作。

現(xiàn)狀分析：

數(shù)據(jù)是當(dāng)下最好的體驗，及時了解當(dāng)下的運營情況以及變化情況，更加趨向于短期的數(shù)據(jù)分析，如日報，周報，月報等數(shù)據(jù)分析。在某個時間節(jié)點里，數(shù)據(jù)變動的原因分析。

對于運營來說，數(shù)據(jù)是運營結(jié)果的表現(xiàn)，通過對數(shù)據(jù)的分析，可以發(fā)現(xiàn)之前運營動作的優(yōu)點和不足的地方，未來更好地去進行運營動作，也更好地知道未來運營重心該放在何處。

我個人更喜歡對有關(guān)聯(lián)的數(shù)據(jù)進行逐一分析，將分析的結(jié)果用文字表達出來，并且針對這一數(shù)據(jù)結(jié)果提出優(yōu)化建議。個人感覺，如果不是數(shù)據(jù)基礎(chǔ)非常好的朋友，不建議直接通過圖表進行分析，這樣可能會遺忘很多關(guān)鍵內(nèi)容。數(shù)據(jù)分析的最終目的，還是發(fā)現(xiàn)以往數(shù)據(jù)的不足，從數(shù)據(jù)中找到線索，針對當(dāng)下情況提出解決辦法，為未來運營動作提供數(shù)據(jù)基礎(chǔ)。

一、數(shù)據(jù)分析的步驟

對一個運營來說，數(shù)據(jù)分析的思路也是運營的過程相似，找到數(shù)據(jù)分析的目的，數(shù)據(jù)分析的維度，最終從數(shù)據(jù)分析中可以得出什么樣的結(jié)論。

從運營動作中發(fā)現(xiàn)問題，從數(shù)據(jù)中找到問題的根源，尋找造成數(shù)據(jù)的原因，提出解決問題的方案，開始執(zhí)行運營動作優(yōu)化，再根據(jù)數(shù)據(jù)進行優(yōu)化。

數(shù)據(jù)分析可分為6步走：

明確分析的目的和思路：

運營是靠目標(biāo)驅(qū)動，做事情帶有很強的目的性，同樣地，在數(shù)據(jù)分析方面也同樣遵循這個原則。對數(shù)據(jù)進行分析，最終的目的是什么？我想要解決什么樣的問題。

在這里可以采用5W2H的原則來逐漸確認分析的目的和思路：

what：我的業(yè)務(wù)是什么？業(yè)務(wù)流程是什么？業(yè)務(wù)的核心指標(biāo)是什么？其他指標(biāo)是什么？其他數(shù)據(jù)分析的目的是什么，最終想要解決的是什么樣的問題，用什么樣的數(shù)據(jù)分析方式。

why：為什么會出現(xiàn)這樣的數(shù)據(jù)？原因是什么，理論依據(jù)是什么，后期解決措施應(yīng)該如何推進。

who：分析的用戶群體是哪些用戶，他們有什么樣的特征，出現(xiàn)這樣的數(shù)據(jù)是否和用戶群體的某種特性有關(guān)。

when：數(shù)據(jù)分析的日期是從什么時候到什么時候，中間采用了什么樣的運營策略。

where：是在哪里，哪部分的數(shù)據(jù)，是否和位置有一定的關(guān)系。

how：如何去進行數(shù)據(jù)分析，用什么樣的數(shù)據(jù)分析方法最有效。

how much：數(shù)據(jù)分析花費的時間和成本各是多少。用戶在上邊花費的時間是多少。

從數(shù)據(jù)分析中，我們可以了解到單個渠道的獲客效率，單個渠道的轉(zhuǎn)化率，以及用戶arpu值。有些渠道的用戶轉(zhuǎn)化率高，但是arpu值低，不同的渠道有不同的用戶屬性和用戶的價值點，也導(dǎo)致最終數(shù)據(jù)的結(jié)果會出現(xiàn)差異。

數(shù)據(jù)收集

運營數(shù)據(jù)收集，越詳細越好，所以在要求前期進行數(shù)據(jù)統(tǒng)計的時候就需要有關(guān)大局觀，將后期數(shù)據(jù)分析可能會用到的數(shù)據(jù)盡可能多地收集起來，以方便后期進行數(shù)據(jù)分析。

對于新媒體來說，文章的標(biāo)題，文章的關(guān)鍵詞，文章的情緒點，文章閱讀量，轉(zhuǎn)發(fā)分享量，好看量，每日漲粉量，掉粉量等數(shù)據(jù)，每天或者每周進行一次統(tǒng)計，方便后期做數(shù)據(jù)分析。

同時，也需要了解市場上同類產(chǎn)品的一個情況，去了解競爭品的情況才能更好地了解自己的實際情況。有對比才知道自己處于行業(yè)一個什么水平，未來還有多大的空間。

數(shù)據(jù)處理

對收集到的數(shù)據(jù)進行加工整理，形成適合數(shù)據(jù)分析的樣式，從大量的，雜亂無章、難以理解的數(shù)據(jù)中，抽取并推導(dǎo)出對于解決問題有價值，有意義的數(shù)據(jù)。包括數(shù)據(jù)清洗，數(shù)據(jù)轉(zhuǎn)化、數(shù)據(jù)提取以及數(shù)據(jù)計算等處理方法。

數(shù)據(jù)分析

運用適當(dāng)?shù)臄?shù)據(jù)分析的方法和工具，對處理過的數(shù)據(jù)進行分析，提取有價值的信息，形成有效結(jié)論。

數(shù)據(jù)展現(xiàn)

對數(shù)據(jù)進行可視化地展現(xiàn)，盡可能地多用圖標(biāo)、趨勢圖、餅圖等形式進行說明和解釋，能夠直觀地傳達出數(shù)據(jù)分析的結(jié)果和觀點。如果是最終數(shù)據(jù)是供自己參考，那么在數(shù)據(jù)展現(xiàn)時，能夠清楚地了解到自己想要的數(shù)據(jù)，能夠從數(shù)據(jù)中得到一定的啟發(fā)即可。

如果是需要供領(lǐng)導(dǎo)作決策和參考，則需要表現(xiàn)數(shù)據(jù)的可視化，在數(shù)據(jù)圖標(biāo)中做進一步的分析和說明。

撰寫報告，提出解決方案

如果是自己進行數(shù)據(jù)分析，則對數(shù)據(jù)進行分析處理后，發(fā)現(xiàn)數(shù)據(jù)變化的原因，并提出解決出現(xiàn)這個數(shù)據(jù)的解決辦法，投入優(yōu)化和使用中。在多次測試中，找到解決問題的最優(yōu)解。

如果數(shù)據(jù)分析的結(jié)果要最終給領(lǐng)導(dǎo)做決策，為領(lǐng)導(dǎo)決策提供一定的數(shù)據(jù)和理論依據(jù)，則需要完整地表達出數(shù)據(jù)的最終結(jié)果是什么，是什么樣的原因?qū)е铝诉@樣的數(shù)據(jù)，未來可以針對這樣的數(shù)據(jù)有什么樣的解決辦法。

數(shù)據(jù)分析的最終結(jié)果，是為了解決某個問題提供數(shù)據(jù)基礎(chǔ)，或者從數(shù)據(jù)中找到之前的未來動作的優(yōu)點和不足，為未來進一步加強或者改善提供支撐?？扛杏X這樣的事情本身就極為不靠譜，最終還是得從數(shù)據(jù)出發(fā)，找到解決辦法。

二、常用的數(shù)據(jù)分析模型

運營在面對一堆數(shù)據(jù)的時候就發(fā)怵了，該從哪些維度進行分析，和業(yè)務(wù)端結(jié)合，該用什么樣的數(shù)據(jù)分析方法論。接下來，就和大家聊下關(guān)于數(shù)據(jù)分析方法論的事情，看到數(shù)據(jù)的時候，如何運營這些數(shù)據(jù)分析模型和業(yè)務(wù)結(jié)合。以下這些數(shù)據(jù)分析的模型，是我們在數(shù)據(jù)分析中常用的一些模型。

RFM模型

電商里邊常用的數(shù)據(jù)分析模型，根據(jù)這個模型可以分析出這個用戶是否屬于高價值用戶，是否能夠進行有效召回。

R表示最近一次的消費，最近一次消費時間非常近，對用戶進行召回的可能性非常大，用戶的價值值得進一步的深挖。

F表示消費頻率，在某段周期內(nèi)，用戶購買的頻率。

M表示消費金額，單次消費金額越高，說明用戶的價值越大。

根據(jù)RFM模型，我們可以將用戶分為幾種類型用戶，針對不同類型的用戶用不同的方式去進一步提升用戶價值，最終達到提升GMV的作用。

AARRR模型-漏斗模型

漏斗模型是在用戶運營中常用的一套模型，用戶從最終的拉新，到最后的自傳播都經(jīng)歷了一系列的數(shù)據(jù)縮減和消退模式。 

上一個步驟離下一個步驟的轉(zhuǎn)化率是多少，和行業(yè)的轉(zhuǎn)化率相比存在什么樣的差異，每個渠道的轉(zhuǎn)化效率存在著什么樣的差異。

通過漏斗模型來看，用戶從最開始的獲客到最后的變現(xiàn)，是否出現(xiàn)有什么異常情況，每個渠道之間是否存在明顯的差異！

如果要在短期內(nèi)達到運營目的（提升日活或者收入），是在拉新還是促活上下力會更有效果呢？

用戶行為理論：AIDMA模型

漏這個模型和上邊的漏斗模型相似，用戶從最初的感興趣階段到最后愿意分享的環(huán)節(jié)，每一個環(huán)節(jié)都經(jīng)歷了消退。

用戶從淘寶上進行搜索，到最終的支付下單，會經(jīng)歷不同的步驟，對步驟拆分地越仔細，越能發(fā)現(xiàn)用戶在哪個環(huán)節(jié)進行了流失，以及重點去分析用戶流失的原因。

內(nèi)容傳播模型

內(nèi)容閱讀量=老用戶數(shù)x點擊率+老用戶數(shù)x分享率x用戶好友數(shù)x點擊率+新用戶x點擊率+新用戶x分享率x點擊率

NU – New Users（新用戶數(shù)）

AU – Active Users（活躍用戶數(shù)）

R% – Retention Rates（留存率）

S% – Share Rates（分享率）

F – Friends（好友數(shù)）

C% – Conversion Rates（轉(zhuǎn)化率）

AU 01 = NU X0 × R N1%

NU 01 = AU 01 × S N1% × F × C N1%

= NU 00 × R N1% × S N1% × F × C N1%

= NU X0 × K N1%

NU X1 = NU X0 × K N1%

…………

NU X4 ≈ NU X0 × K N1%4

NU n ≈ NU 0 × K %n

所以，一篇傳播力度非常廣的文章一定是通過多次分享傳播帶起來的，單純地靠已有的用戶群進行打開，本身就具有局限性，很難達到火爆的現(xiàn)象。

三、以電商為例，該如何去進行數(shù)據(jù)分析？

接下來，我將自己的實際經(jīng)驗，和大家分享下電商行業(yè)如何去進行數(shù)據(jù)分析，根據(jù)分析的不同結(jié)果，又該采取什么樣的運營手段去解決數(shù)據(jù)背后的那些問題點。

對于一個電商來說，最重要的就是流量以及最終的轉(zhuǎn)化率問題，不同的流量來源，最終的轉(zhuǎn)化率不同。對于每個渠道進來的流量進行逐一分析，看看用戶通過這個渠道進來的用戶路徑是什么樣的，最終轉(zhuǎn)化率是怎么樣的，在哪個環(huán)節(jié)最容易出現(xiàn)問題。

通過下邊的那個圖，我們可以看出店鋪的常規(guī)流量來源，再從每一個環(huán)節(jié)去提升流量的最終支付轉(zhuǎn)化率。

其次，利用RFM模型來對已經(jīng)轉(zhuǎn)化的用戶做用戶運營，提高已經(jīng)轉(zhuǎn)化用戶的留存率和最終的價值。

按照用戶在某段時間內(nèi)的消費頻率，消費金額以及最近一次消費記錄可以推算出這個用戶是不是重點維系用戶，未來是不是還可以對用戶進行充分地價值挖掘。再結(jié)合運營手段，短信召回，建立會員制度等，充分提高每一個已經(jīng)轉(zhuǎn)化用戶的價值。

以上是我關(guān)于運營人如何進行數(shù)據(jù)分析的一些思考，大家平時是如何進行數(shù)據(jù)分析的呢？歡迎大家在下邊留言，說出你的看法。

-END-