突发热点数据飙升，运营人如何有效分析并借势运营？

2019年3月22日，原本只是一个普通的星期五，但自国务院10点发布以来「好消息！#五一放假4天#」公告通知后，一切都变得不寻常。文章发表2分钟后，阅读量迅速达到98万，仅10分钟就超过150万。热心的人传播众所周知，朋友圈沸腾。作为一名互联网产品运营商，面对如此巨大的流量，我很高兴，但在这种紧急情况下，我们应该准确定位问题，并迅速给出新的应对方案。这就要求运营商结合自身业务现状，实时洞察数据异常，选择合适的数据分析方法，真正实现数据驱动产品的精细运营。首先，让我们来看看国务院当天发布通知后，主要产品做了什么。1.消息push不约而至官宣！五一假期延长到4天！好消息！今年五一假期四天休息四天！五一假期你想回来喜大普本！今年的劳动节播放了4天的假视频、地图、旅游、社交网络。各种媒体的消息接踵而至。我真的感受到了新媒体运营商敏感的嗅觉和强大的执行力。2.网易新闻流行的跟帖不仅仅是休息一天。就是放两天，就把前一周和后一周的休息挪了一天，放在五一。还是一天。现在单位放假值班！你这样做，原来…不调休，放四天才是最好的消息。文案创意与#五一假期4天#新闻紧密契合，广告模板结构化配置紧跟热点，一键生成，流量灵活多变。3.根据国务院最新通知，马蜂窝旅游消费指南及时更新2019年最新版节假日安排。对国内外最适合旅游的24个旅游目的地进行了盘点。High春游季促销活动是一波热点。730元新客优惠券礼包及时发放，门票、酒店、机票、免费旅游全覆盖，688.8元红包挑战吸引用户。对于普通大众来说，短假旅游不仅是一种习惯，也是一种生活方式。消息一出，旅游爱好者就立刻进入了旅游准备过程。4.飞猪公关数据“放假消息公布后，国内机票预订量比上周同期增长了50%以上。；超过150%的国际机票增长更加惊人。五个目的地在上海、重庆、北京、西安、成都最受欢迎；国际城市分别是首尔、香港、曼谷、大阪和东京。从飞猪平台上看，中午后价格开始上涨。就这样，一个「好消息！#五一放假4天#」意想不到的假期消息，突然成为全网热点，媒体追求营销，大众欣喜付费，浏览访问数据瞬间飙升。第二，回顾数据分析的问题，这些动作反应非常快，结合自己的产品调性非常好，非常优秀。面对海量数据的快速上涨，下一步该怎么办？你必须记住所有这些熟悉的场景：例如，有一段时间，公司做了一波网络名人大V推广，老板想看看推广效果，你需要回顾分析；例如，有一段时间数据异常涨跌，老板想要准确的陈述，你看起来很困惑；例如，有一天你负责M站浏览量飙升，迫切需要找到原因，利用另一波流量。所有这些场景都需要基本的数据分析能力。数据分析的价值在于通过一定的分析套路，快速分析和解决一系列问题现象与业务数据建立对应关系。接下来，我将重点分享三种常见的数据分析方法，然后通过一个[国庆期间社交应用数据激增的原因分析]案例来帮助理解和解释。首先，有9种常见的数据分析方法：比较分析、多维拆卸分析、漏斗观察、分布分析、用户保留分析、用户肖像、归因搜索、路径挖掘、行为序列分析。这里将重点分享前三种数据分析方法:对比分析、多维拆解分析、漏斗观察。1.对比分析和对比分析是最基本、最常见的数据分析方法。它可以直观地看到事物在某个阶段的变化，并准确定量地表达这种变化/差距。重点是「比什么」「怎么比」「跟谁比」分析三个维度。(1)比较什么，分为绝对值(#)和比例值(%)。绝对值本身就是一个具有“价值”的数据，比如销售额2000元，阅读量1万元，单看数字就不容易知道问题的严重程度；比例值只有在特定环境下才有比较值，如：活跃比例、注册转化率、单看比例值容易受到极端值的影响。(2)如何比较，分为环比和同比。月环比是指与当前时间范围相邻的最后一个时间范围的比较，主要用于分析短期内的连续数据，如指标设置；常见的同比是周同比和年同比，是指与当前时间范围上层时间范围前同一位置的数据比较分析，主要用于观察更长期的数据集，消除短期数据的干扰。(3)与谁相比，分为与自己相比，与行业相比。与你自己相比，你可以从不同的时间维度，不同的业务线，过去的经验估计，与你自己相比；与行业相比，你可以观察和分析是自己的因素，还是行业趋势，如下降，可以比同行下降更少？当他们都涨的时候，他们能比同行涨得快吗？现在回到上面这个「飞猪公关数据」“假期消息公布后，10:00至12:00，国内机票预订量较上周同期增长50%以上；超过150%的国际机票增长更加惊人。“显然，“50%，150%”是比例值；“同比增长……”由于#五一假期4天#消息导致的数据在短期内持续上升，因此选择了周同比；“国内机票预订……国际机票……”飞猪正在与自己进行比较。如果以行业数据公布为依据，可以判断飞猪的增长速度比同行快/慢。2.多维拆卸和多维拆卸是最重要的思维方式。单一指标没有分析价值。我们需要从多个维度进行拆卸和分析，以获得更全面的数据洞察力。数据分析的本质是从不同的角度进行分割，观察相同的数据指标。观察数据变化的本质是多维度拆分指标/业务流程。多维拆卸适用场景：分析单个指标的组成和比例，如：栏目播放量、新老用户比例、不同渠道浏览、购买转化率、不同省份活动参与漏斗、还原用户等级、性别、*频道、WiFi或4G环境等场景。现在回到第一个场景：“例如：一段时间公司做了一波网络名人大V推广，老板想看到推广效果，你需要回顾分析……”此时需要使用多维拆卸分析方法，一般分析思路如下：（1）根据设备类型从APP启动事件进行分析，如：Android、iPhone..不同型号的启动情况；根据启动源，例如：从桌面，短信，PUSH..不同来源的启动情况；根据城市等级观察，如一线、二线、三线及以下..不同城市的启动情况；根据新老用户的细分，如整体、新用户、老用户..不同用户群体的启动情况。(2)从业务流程拆解，比如简单的“注册”——>下单——>支付流程：根据渠道查看支付漏斗，可分为百度、头条、微信公众号。。。根据城市的角度，城市可分为一线、二线、三线及以下。。。根据设备，可分为Android、iPhone...3.漏斗观察漏斗观察的分析方法常见且熟悉，其操作原理是通过一系列向后影响的用户行为来观察目标。适用于业务流程明确、业务目标明确的业务，不适用于业务流程明确、跳转关系复杂的业务。适用于业务流程明确、业务目标明确的业务，不适用于业务流程明确、跳转关系复杂的业务。通过漏斗观察核心业务流程的健康状况。检查漏斗施工过程中容易掉落的坑：（1）首先，漏斗观察需要一定的时间窗，具体需要根据业务实际情况选择相应的时间窗。按天观察适用于短期内对用户心理的影响，如一些短期活动（目前有效、倒计时设置等）；每周观察适用于业务本身复杂、用户决策成本高、需要跨日完成的情况，如投资理财、开户注资等；每月观察适用于用户决策周期较长的情况，如装修买房。(2)其次，漏斗观察顺序严格。ABCDE(仅搜索数据)的漏斗不能用来查看ACE(包括分类、搜索和推荐数据)的数据。(3)漏斗的计算单位可以基于用户或时间。观察用户是关心整个业务流程的推广；观察事件是关心某一步的具体转化率，但无法了解事件流通的真实情况。(4)当结果指标数据不符合预期时，需要检查是否只有一个漏斗能达到最终目标，即检查是否有第二个坑。4、案例共享-国庆期间社交应用数据激增的原因分析场景如下。现在有一个匿名的社交应用程序，类似于探索。数据范围为2018年9月1日–10月14日之间，国庆期间数据飙升，试图分析原因。(1)首先定义“数据飙升”作为匿名社交产品，可以选择观察「注册成功」事件。由于生成行为数据的时间较短，最终选择*“注册用户数量的日环比是否有较大的增长”，并根据「注册成功」事件的「触发用户数」查看:(2)发现异常定位问题。从上图成功触发注册用户数的折线图可以看出，国庆期间注册用户数环比增长差较高，是折线右侧的高峰期。由此判断，国庆期间注册用户数量因某种原因大幅增加，具体原因有待进一步拆解分析。(3)根据操作系统的区别观察，Android的涨幅明显高于iOS，iOS略有涨幅，但涨幅不明显。这一步仍然不能直接定位问题，需要进一步拆解和分析。根据上图的注册方式，国庆期间微信、微博、手机号三种注册方式都有类似的涨幅，可以初步判断注册方式与数据异常无关。根据性别观察，男孩和女孩在国庆节期间都有所上升，男孩略高于女孩，但仍不能直接定位问题，需要进一步分解和分析。根据年龄观察，国庆期间不同年龄段的用户涨幅相似，可以初步判断年龄与数据异常无关。问题来了！根据省观察，上图明显显示折现异常上升！事实上，海南省的日环比增长，此外，云南省的月环比增长也明显高于其他省份。综上所述，观察分析基本可以判断，国庆期间数据飙升，与海南省和云南省注册用户数量大幅增加有关，具体原因有待进一步拆解分析。根据城市观察，筛选条件设置为等于海南省、云南省的省份，直观看到丽江、大理、三亚、海口国庆期间数据飙升。综合以上多维分析发现，国庆期间数据大幅上涨，主要是因为丽江、大理、三亚、海口四个城市大幅上涨。这四个城市都是旅游城市，数据增长期伴随着国庆假期。因此，据推测，匿名社交产品在国庆节期间为这四个热门旅游目的地开展了推广活动。还需要与市场、运营或负责增长的同事沟通确认数据飙升的真正具体原因。最后回到开头所说的话「好消息！#五一放假4天#」，公告发布后10点，有这样一个强大的团队，他们在11点之前开始了一系列应对措施：首先，实时监控10点假日新闻发布后的数据激增，深刻感受到五一假日新闻的直接影响；ASO提前做了第二次“机票预订”，特价机票也开始优化；信息流渠道，广告创意添加机票资料；...这样，东风一吹，一切都准备好了，巧妙适当地获得了大量的流量红利。上述案例分析揭示了数据分析能力的重要性，我们确实需要具备以这种方式阅读数据和洞察业务的核心技能。以上桩件的案例分析揭示了数据分析能力的重要性，我们真的需要具备阅读数据和洞察业务的核心技能。无论是产品还是运营，我们每天所做的都与实际业务密切相关，业务和数据密不可分。如果我们想在各自的岗位上做好业务支持，我们需要具备一定的数据分析能力。不懂数据分析的产品运营注定会过上糟糕的生活。你的老板不喜欢你不够好，你的同事鄙视你不懂数据。最后，即使是你也应该怀疑自己是否可以。既然进入了产品运营，就必须努力过好这一生，数据分析是必要的。