不同的运营方向，如何进行数据分析？

一位电商朋友在微信上问:“活动期间用户参与度不错，但活动结束后用户留存率低怎么办？我：“券发了吗？有过期提醒吗？召回秒差*吗？…”朋友：“一切都做了”我：“这可能是产品的问题，电子商务的本质或拼写商品质量和物流”朋友：“你是对的，因为低流量，高质量的商家拒绝进入”我：“现在可以做的是运行数据，看看哪个类别的商家质量好（点击、转化率、回购率相对较高）可以从这些获救类别开始用户保留突破。我不知道我的建议是否最终能帮助他解决问题，但至少指的是一条可以立即开始操作优化的道路。在我的家乡沙县，有很多人开小吃。为了赚更多的钱，大多数小吃店老板会分析他们今天关门时卖了多少，购买的食材成本是多少，蒸饺和馄饨消费量大，客流量大，人均客户单价是多少，是老客户还是新客户，是通过口碑效应还是盲目。。。在信息化几乎为零的零食行业，我们只能依靠老板的经验进行分析和判断，他们很难拿出具体的数据来分析业务情况，通常他们只能根据人流的大小来决定店铺的位置。然而，在以数据为最大卖点的互联网行业，所有的工作和用户行为都可以量化。像阿里这样的大公司声称做用户行为大数据分析，而网站上的小公司则点击统计。当然，今天我们只谈论小公司：如何更好地利用数据进行操作。然而，在以数据为最大卖点的互联网行业，所有的工作和用户行为都可以量化。像阿里这样的大公司声称做用户行为大数据分析，而小公司则点击网站上的横幅进行统计。当然，今天我们只谈论小公司：如何更好地利用数据进行操作。您的图形共享/收集率？你的产品ROI怎么样？你的渠道质量哪个高？阅读多少内容？你的内容制作用户有多少？数据作为一种衡量方法，可以真实反映产品的运行状况，帮助我们进一步了解产品、用户和渠道，优化运营策略。以数据分析的结果驱动不同的操作方向(内容操作、活动操作、渠道操作、用户操作….）运营商需要具备不同的数据敏感性和逻辑能力。1、活动操作数据分析规划活动作为一种常见的操作手段，为了不出现“不知道如何估计活动效果”等问题，在活动开始前通常需要确定关键改进核心数据，包括新用户注册、用户活动、用户支付转型、产品交易、品牌知名度（百度指数、新浪指数、媒体指数）。此外，通常运营规划活动可分为两类，第一类是非商品交易互动活动，其主要关注数据是用户互动和产品核心数据推广效果，这些互动是分析老用户和新用户的互动比例，进一步分析可以帮助运营了解各种互动活动（互动形式 奖品)对新老用户的影响有哪些差异？图1：活动页面上的新老用户点击转换进行比较。第二类活动是商品交易的促销活动，主要关注促销页面上各关键节点的点击率以及各种转化率是否比日常非活动状态有很大提高：活动页面上商品的点击次数/进入商品的流量比例、浏览/放入购车/下单的转化率、购物车/完成付款率、优惠券核销量/优惠券发行量”，当然，平台上也有活动带来的总交易量。推广活动的数据分析粒度较小。建议根据新老用户的支付比例、支付客户的单价分析、后续用户的保留情况等进行区分分析/A渠道和B渠道用户。以会员增值服务的销售为例。除了分析活动带来的总销售额外，我们还可以分析各级用户的支付情况：老支付用户的购买量以及他们购买的会员有效期的分布/新支付用户的数量/购买的会员月数的分布/流失用户的召回率/体验会员的支付转换率。图2：分层会员数据管理2、内容操作的数据分析更关注编辑的内容显示，包括内容更新、曝光、点击、停留时间、转发、收集、拇指、评论和内容浏览路径“曝光-点击-阅读-共享”的转换率。图3：微信官方账号自动图文转化率分析需要更加关注内容对某一产品指标的推广作用，以提高某一产品指标的内容运行。图3：微信官方账号自动图文转化率分析需要更多关注内容对该指标的推动作用，以有针对性地提升某个产品指标的内容运营。例如，如果用户通过内容被召回，则需要注意内容交付人数和无声用户登录产品的比例。如今，越来越多的电子商务公司正试图利用内容进行销售指导。除了关注基本的图形阅读外，这些内容操作还需要查看内容中的商品链接点击、商品浏览和订单。3、广告渠道的投放是产品获取用户的主要途径，运营可以通过下载量和激活量真正了解渠道获取用户的能力。渠道运营需要分析用户获取链中“渠道点击-下载-激活-注册-更深层次行为”每个环节的转化率，然后优化每个环节的转化效果，从而降低每个用户的获取成本。当新版本发布明显的数据波动时，简单地查看渠道用户获取路径数据不能帮助我们做出操作判断，建议可以比较不同维度的数据，如与历史数据或类似的应用程序多维比较，有利于操作找到渠道转换率数据变化的根本原因。例如，解释如何通过分析渠道找到操作中的问题：新版本发布后，社交应用程序的日常生活比例急剧下降。如何分析这个问题？DAU分为新用户和老用户。操作可以使技术从一组数据（如图2所示）中运行，研究最近使用新版本的老用户保留情况，以检查产品问题是否导致老用户流失；然后观察新用户的沉淀（保留），看看是产品问题还是渠道推广问题。图4：通过这样一组数据对比分析，可以发现老用户对新版本的接受度并不大。版本后整体保留率很低的主要原因是新版本在主要推广渠道A的推广中存在用户质量低的问题。4、对于项目或产品的运营，如果需要从项目开始跟进数据分析，应考虑以下与数据相关的事项。1)数据项和埋点操作需要根据对业务流程的了解尽可能多地列出数据项。这类工作可以根据用户的行为路径进行数据漏斗模型。路径拆分越薄，模型就越有效。图5：作为基础数据，金融产品的用户行为漏斗数据项需要通过技术在相应路径上的埋点统计获得。操作需要根据这些基础数据分析关键路径的转换比例和时间前后的相同数据，以澄清项目的运行情况。需要进一步完善的数据项是根据项目核心数据向前向后延伸，向后统计用户的后续行为，向前分析用户来源的质量。此外，数据分析可分为报表数据和非报表数据。报表数据是每天可以在数据背景中直接看到的数据。通常，用户的关键路径数据需要制作报表数据。与新老用户的路径行为差异比较类似，不建议在项目初期制作长周期、非核心数据的报表，只需要在分阶段分析产品运营状况时，让技术运行一段时间的数据比较即可。2)顾名思义，数据分析周期数据分析周期是指数据报表产生的数据在运行间隔多长时间后进行进一步分析。如果成熟，项目的初始分析周期可以是1天，7天一次甚至更长。除了对每个关键环节的转化率数据进行分析外，操作还可以根据时间轴在Excel表中绘制基本数据，并将时间作为横轴折叠，以查看每个路径的数据趋势，并将时间作为纵轴制作条形图，查看每个路径的转化率。图6：3)数据分析结论数据分析是一种手段，最有价值的是分析后的结论。阅读量低，转发量少，交易量下降...通过数据分析找出问题的原因；交易量增加，阅读量高，转发量大，通过数据分析提炼出有效提升数据的操作手段，可以将这些手段固定成产品形式，进一步扩大数据效果。4）事实上，数据本身并不能直接帮助改进产品。归根结底，数据是一个衡量因素。如果数据真正发挥作用，它必须基于运营商对业务的深刻理解。作为最了解产品中数据的人，数据作为产品改进的基础，需要使用数据来证明项目的价值，并使用数据来促进产品、技术和渠道的学生完成他们自己的工作优化迭代。5)项目总体报告大的项目基本上可以分为几个不同的时期，一般分为“检验期-进入期-成长期-高成长期-成熟期-衰退期”。每个时期都会有不同的关注点，需要向上报告项目的整体运行情况。如果项目可靠，数据埋点多，平台数据分析频繁，再加上“项目背景、项目目标、项目数据、运营分析、经验再利用、后续计划”的项目总结文档写作套路，领导突击项目总体报告问题基本不大。这里重点介绍报告中的项目数据部分。项目数据作为报告的重点，可分为核心数据和周边数据（包括内容数据、用户数据和各维度的比较数据）。如果核心数据在报告的前面附有项目现状的概述，这部分可爱的做法是基于一种众所周知的产品方法，例如，您正在做一个小学生教育商品信息共享项目，所以在报告中可以使用这样的数据打开“教育商品信息共享和用户消费相当大，产品日常生活2万 ，用户每天共享200个优质商品内容，项目整体人均浏览PV为10，人均共享7PV，很有可能成为K12领域值得购买的东西。核心数据阐述后，开始对周边数据进行分析。在内容操作层面，我们可以分析项目目标用户喜欢什么类型的内容，我们的内容是PGC，UGC是多少，他们的共享和浏览是多少？如果你真的不怕冒犯别人，你可以将你的内容数据与其他项目的内容数据进行比较，以证明你的项目内容是高质量的，这对促进产品活动非常有价值。用户操作层面的数据分析主要包括核心业务各关键路径的转换，梳理用户流失的关键节点和功能优化建议，然后提到项目的用户水平，有多少核心用户参与内容贡献，有多少内容参与内容沟通，有多少阅读超过*次属于忠实用户，有多少潜水用户。如果您的项目只是为了改进产品中的某个核心数据，在分析了产品的日常生活改进后，您将围绕影响项目核心数据的几个关键环节进行数据分析，看看有哪些优化和改进的空间。最后，回到我们主题的核心观点：当操作过程中遇到计划困惑时，您可以首先分析现有操作策略实施的数据，不要过早将现有策略定为无效或立即寻找新策略（只有几种策略，盲目改变只会更快地迫使自己陷入绝望的境地）。就像一开始我和朋友的对话一样，活动策略本身没有错。不能保留的核心问题是商场里的商品不强大，甚至物流也受到了批评。