运营数据：哪个数据指标才是影响的关键？

1、从宏观角度看，我们希望产品能够与市场相匹配。围绕这一点，我们需要建立多个部门，分配多个岗位进行协调，定性地学习和验证用户的行为，从而反馈产品，抓住用户上瘾；因此，运营的核心是围绕产品和用户转移；更重要的是，行动指标有助于理解和评估用户生命周期的各个环节。行动指标是指衡量行动结果的数据，它能清楚地反映具体可重复行动与观测结果之间的关系。与行动指标相比，虚荣指标，如网站点击或APP下载。这些指标只能反映产品的现状，但如果你只看这些指标，你就不知道下一步该做什么。假如每个月都有一个指标会增加，那么这个指标可能就是虚荣指标。像点击或下载这样的指标；如果你想把指标变成行动指标，你必须把数据清理成可见的（简单的报告）、可分析(即可挖掘数据代表的意义)。A有三个指标：Actionable（可行动）、Accessible（可见）、Auditable(可分析)二、指标需要深入解读，在运营中推出新活动或新功能时，会出现各种问题。基本的转换数据可以告诉你哪个环节出了问题，但不会告诉你为什么。影响的关键是哪个数据指标？简单的数据分析无法触及核心。通常，我们推出一个活动或功能，漏斗报告可能是一个非常有用的分析工具。易于理解，适用于显示转换率信息。然而，漏斗报表更适合微观转换率分析（如节点转换率），而不是宏观转换率分析（如客户生命的整个周期）。微观层面的转换周期相对较短，一般只有几分钟，而宏观层面的转换周期相对较长，将按天或月计算。简单的漏斗报表需要有起止时间，然后计算发生的次数，并显示这些数据。如果事件和事件之间的间隔超过了设定的起止时间，则无法计算此报表。例如，假设我们有一个软件，“点击”和“注册”的时间间隔相对较短，而“付费”周期将很长，所以这个简单的漏斗报告存在以下问题。1.转换率报表中的准确收入不计入7月份的收入，但很可能计入5月份注册用户6月份的支付，导致整体转换率出现误差。2.如果某个月访问下载量波动，无法处理流量波动，也会造成误差。例如，如果6月份注册量下降，转换率就会上升，但实际情况可能并非如此。3.不能考虑产品的开发过程。这个报告还有一个问题，不能考虑产品的开发过程。你的产品在不断变化，所以，虽然你有背景观测数据，但很难分析这些数据是由之前采取的行动造成的，比如产品新功能的影响还是活动的影响？3、解决方案：根据目标群体对漏斗报告进行分类。随着产品生命线时间的推移，您可能会进行一些分离测试，为不同的目标群体制作不同的漏斗报告。上述简单的漏斗报告无法做到这一点。要发挥漏斗报表的作用，必须与组分析相结合。群体分析是医学界常用的研究方法，主要用于研究药物和疫苗的长期作用。群体分析中的“群体”是指一群具有相同特征或在同一时期有相同经验的人（如同一时期出生、同一时期服药或接种疫苗）。例如，如果一群人出生在1948年的某一天或一段时间内，他们就是一个“出生群体”。研究人员可以将药物组与该组所在的普通人进行比较，也可以找到类似于当前组的组，只接触少量或没有接触过药物的人进行比较。此外，组内还可以分组进行比较。事实上，在互联网产品和运营行业也有群体分析的概念，但实际操作并不多，用户使用这个，然后跟踪他们的整个生存周期。你会发现有价值的数据信息，你可能已经发现点击和注册的转换率非常接近，但收入的转换率发生了很大的变化。下面，我们将制作一份每周注册-收入的小组报告，以解决普通漏斗报告的问题。这样，问题似乎就很清楚了。所有节点都可以与执行动作的用户联系起来。因此，群组报告解决了访问量波动的问题。对于产品开发过程，每周的小组报告可以清楚地显示某些指标所经历的重大变化，我们也可以追溯其来源，找到具体行为及其发生时间。根据目标群体分类的问题；群组报告本身是针对不同的客户群体进行的，你也可以自己决定群组标准。4、制作动态组分析报告，每周制作组报告，挖掘出子过程中每个步骤的数据，可视化所有步骤的数据，以便更好地调查问题。在这里，我将简要介绍跟踪留存率的指标作为分析对象。保留率是分析用户在一段时间内重复使用产品的情况。第一步是确定如何使用：定义活跃用户，定义活跃用户的方法有很多。最基本的定义是查看登录次数(即用户是否已经返回)。如果我们想瞄准产品/市场匹配，我们需要一个更有意义的定义。我们不仅要评估客户的使用情况，还要看他们是否是“典型用户”。例如，写博客是博客网站的核心指标。电子商务网站支付是核心指标，每个产品都应该有一套核心用户指标来判断它是否是一个持续的典型用户。需要注意的是，激活率对应的核心活动和留存率对应的核心指标不一定相同。美国互联网行业有一套先进的方法来评估典型用户的产品粘度，称为“客户满意度指数”(作者:达迈什·沙提)，简称CHI。这个概念使用一个公式，通过计算不同的使用频率、范围和功能深度，为不同的活动分配1到100分。例如，我们是充值产品。一开始，我简单地将活跃用户定义为任何注册后（7天）至少消费过一次的用户。若要算典型活跃用户，则可按上图加权公式计算。我们可以用这些分数对用户进行分类，然后将活跃用户定义为任何CHI>80的用户。在明确定义了活跃用户之后，就可以将用户分为不同的类别，有针对性地进行营销，排除问题。保留率按“活跃”用户数量计算。就像其他宏观指标一样，应该有一套详细的报告来深入探索保留率。然而，这次不再使用漏斗图，而是使用一个表来显示不同时间的保留率数据变化。最好修改两个时间轴，以便您可以每天、每周或每月显示数据。