如何通过数据分析进行差分运营？

一、数据操作1、通过分析操作数据，帮助我们进一步差异化操作用户。2、核心分析问题包括哪些方面，优化比例高，可以自己努力的点。二、数据分析流程1、拆分工作项目的操作是一项包含许多琐碎事项的工作。操作人员应能够根据不同工作项目的特点，拆分自己的工作项目，并有针对性地分析特定的操作数据，以事半功倍。那么如何拆分工作项呢？它可以根据面对面的用户组进行分解，通常与用户分类相关，并将工作分为所有普通用户、活跃用户、付费用户等。你也可以根据项目拆分你的工作。不同阶段的目标也可以按时间顺序确定，工作项目可以根据自己的目标进行拆分。2、指标系统建立后，每个工作项目都有不同的指标。根据工作项目的特点，进一步拆分和细化操作数据指标，然后通过分析各指标来判断操作问题，不断优化操作计划。拆分维度可根据数据的包含结构或每个工作项包含的子项进行拆分。以用户操作为例，用户操作包括用户拉新、促活、留存、付费转化等。在创新方面，关键指标包括注册用户的规模和增长率；渠道质量-注册渠道是什么，渠道注册转化率是多少；注册过程质量-注册用户数量、注册过程中用户跳失节点统计；注册用户行为跟踪-注册后用户行为统计。3、细化分析目标细化分析目标是指根据操作目标确定可优化的数据点。这一步是为下一步的数据提取处理分析奠定基础。举个简单的例子，如果你现在完成了一个活动，想知道下一个相同或类似的活动可以优化，除了最终的参与效果：活动推广渠道，每个渠道的参与路径，每个步骤的参与人数，转化率，等等。在明确分析目标后，可以确定要提取的数据点。4、提取处理数据涉及到提取数据埋点的问题。在产品设计的早期阶段，操作人员应规划操作关键点，并向开发人员列出埋点清单，以避免在以后的操作过程中查看数据，但没有数据记录信息。此外，提取的数据只有经过一系列处理才能进入分析阶段。那么常见的数据处理包括什么呢？首先，我们应该清理获得的数据——处理数据中的重复项、缺失项、矛盾项和异常峰谷的过程。重复项去重的方法有很多，这里就不赘述了。缺失数据最常见的处理方法是用平均值填充，可以是所有数据的算术平均值，也可以是一段时间内的平均值。矛盾项是指错误的数据，如应该是一个数字，提取数据不是一个数字，名字字段出现电子邮件等，此时检查数据提取错误或数据输入错误，如果是提取错误，错误对结果分析影响较大，应及时反馈给相关负责人。收集到的数据应特别注意峰谷，因为这往往是问题分析的关键。一般来说，数据产生波峰或波谷的原因包括额外的推广机会、系统故障、统计bug等。其次，要进一步处理数据。由于提取的数据可能不适合直接分析，因此经常使用一些函数和工具，如VLOOKUP函数和数据透视表。通过上述清洗加工步骤，获得了可用于初步分析的数据。进一步处理这些数据，以便进行深入分析。5、常用的数据分析方法有对比分析法、结构分析法、平均分析法、权重分析法、杜邦分析法等。1)比较分析法是指根据不同的维度进行比较，探索数据的变化，发现规则或启示。比较维度包括：与预期目标、不同时间段、同行、运营前效果、不同用户、不同操作室等的比较。接下来，用一个例子来解释如何通过比较不同时间段的数据来调整用户肖像，并根据用户肖像来调整操作策略。上面的折线图反映了某个产品日活跃用户数量的变化规律。2016年4月初至7月初，周期基本变化，周期为一周。大数据点主要在周末，所以我们可以推测该产品的主要用户是学生。而且6月份日活跃数据略有下降，7月中旬以后数据上升变化，基本符合学生期末考试和假期的时间，进一步证明了用户画像。2)结构分析方法分析了整体各部分与整体之间的对比分析。常用的结构相对指标(=(部分/整体)*100%)表示，该值越大，该部分在整体中所占权重越大，其重要性越大，对整体的影响越大。3)平均分析方法反映了某一指标在一定条件下的一般水平，主要用于衡量业务的健康状况。例如，某种商品有A、B、C三个销售渠道，如果你想知道谁对这三个销售渠道的收入贡献最大，你可以统计这三个渠道的平均销售额。此时需要注意的是，平均分析法的“平均”是有前提的，它必须基于用于计算平均值的数据是否有效。例如，有一天A渠道的销售数据突然下降到0，这是非常不正常的。此时，我们应该检查问题出在哪里。如果是因为A渠道当天出现了一些突然故障，我们应该删除这些数据，然后计算平均值。平均值越高，业务越健康吗？不一定。比如A卖羽绒服，B卖短裙，夏天A的平均销量低于B，这并不意味着A的业务比B差。平均分析方法适用于双方的业务和情况比较接近，也就是我们常说的，有可比性的时候，才有意义。4）权重分析法将多个指标转化为能反映综合情况的指标进行分析和评价。具体方法是确定各指标的权重，然后总结处理后的指标，计算综合评价指标。常用于分析并列关系中的子类。如图所示，某个产品有三个推广渠道——A、B和C。通过购买母婴产品的推荐转化、参与相关线下活动的转化以及来自公共平台的转化，这三个渠道细分为三个渠道。若要衡量A、B、C三个渠道的质量如何？您可以为每个细分渠道设置一定的权重，并定义与“渠道质量”指标相对应的公式（例如，渠道质量=购买母婴产品后的推荐转换人数*60% 线下活动转化率*30% 微信官方账号转化率*10%)，通过加权求和后比较这三个渠道的质量。设置权重的依据是什么？一是根据每个细分指标的重要性，另一个来自以往的操作结果。或者以产品为例，假设产品与母婴有关，所以根据以往的操作经验，通过购买母婴产品推荐排水用户，后续转化为活跃用户的可能性更高，那么渠道权重可以设置相应的高点，通过公共流失率很高，其权重可以相对较低。5)杜邦分析法杜邦分析法是美国杜邦公司创造并首次采用的综合分析方法。利用各指标之间的内部联系，可以对自己的经营状况和效益进行综合分析和评价。如图所示，假设最近的收入在产品更新后减少，老板让我们分析原因，可以做出什么调整，然后我们可以分割收入-收入=支付数量*ARPU(每个用户的平均收入)。接下来，支付人数将被拆分，支付人数=活跃人数*支付渗透率。根据观察，付费渗透率几乎没有变化，而活动人数下降，活动人数进一步细分。活跃用户=新用户中的活跃用户 如果老用户中的活跃用户数量增加，而新用户中的活跃用户数量减少，可以进一步拆分。然后分析，新用户=推广覆盖*转化率，在转化率基本不变的情况下，推广渠道细分，根据数据，渠道下降，渠道上升，进一步拆分，直到指标不能细分，细分指标分析对最终收入影响较大，变化的原因是什么，是否可以通过人工调整计划改进，等等。（2）数据波动的常见原因：时间、推广和接触、操作活动、相关特征、用户属性和组成、故障和行业趋势。前三个没有详细展开，这里说下面的几个元素。所谓的相关特征实际上是刚刚通过杜邦分析法拆分的元素，用户属性和组成元素是指同一产品或活动的日常生活、支付等数据会对不同的用户发生变化。行业趋势对运营数据的影响:以去年流行的O2为例O，去年，当O2O的概念特别受欢迎时，大量的资本投入了资金进入市场。在各种补贴的刺激下，用户激增。现在市场相对成熟，用户数量增长相对温和。(3)总结分析了这么多数据，最后向老板汇报分析结论。那么总结的内容是什么呢？一般来说，有必要解释问题出现在哪里，哪里可以优化和改进。在展示结论时，经常使用图表和PPT。PPT不是本文的关键内容，这里就不赘述了。那图表需要注意什么呢？首先，选择合适的图表。例如，如果你想看到不同项目在总项目中的比例，你可以使用蛋糕图。如果你想看到数据的变化趋势，当项目只有几个时，你可以使用条形图或柱形图。如果有很多数据项，你可以使用折线图。其次，图表应完整，应包括：标题、坐标轴和单位、图例（、脚注、数据来源等。另外，一张图反映一个观点，标题要直接解释数据反映的问题。例如，在分析产品用户活动时间时，标题不应写“用户活动时间”，而应写图表反映结论——“用户活动时间，用户活动时间较小”，所以一眼，老板也可以快速理解图表的核心信息。6、通过仔细观察反馈和投入应用，可以发现上述数据分析过程实际上形成了闭环。总结报告结束后，我们需要将结论应用到实践中，继续观察数据的变化，不断优化我们的操作策略。