本系列是张亮的《从零开始做运营》的要点精华总结。 运营数据分析本身不在于数据,而在于分析,任何一类数据分析的关键点在于分析,而不是数据本身。 数据分析的能力是渐进的,对数据的敏感度是可以培养的,学习数据分析之前要尽可能的抛开预设的立场。
数据使用的方法: 1、掌握历史数据;2、从历史数据中归纳规律;3、通过规律反向进行数据预测;4、学会对数据进行拆解; 运营数据分析的误区: 1、不要单一类型的数据去评价全局(多渠道统计);2、不要夸大偶然结果,认为带来必然结果(好的运营手段转化为机制);3、避免用结论推导原因(重现);4、避免唯数据论(是参考而不是结论)。 运营数据说谎的手段: 1、拉伸图表;2、修改坐标轴数据;3、故意选择有利的样本;4、样本规模差异(A/B测试样本差异)。 数据分析,不单单是数据,更是要关注数据背后的人,读懂数据背后的人的步骤和原则: 1、抛弃预设立场(定位);2、深挖用户行为(时间节点前后的持续行为)与系统事件(版本升级,服务器错误);3、尝试换位思考;4、整合关键数据。 整合关键数据: 1、造成数据变化的原因究竟是什么?2、有什么办法可以改善或者促进数据的变化?3、获得经验,下次有类似的情况应该进行何种处置和预案。 对于一个网站或者产品而言,内容运营核心数据包含: 1、内容的展示数据:是最基础的数据,意义和价值在于:提供给内容运营者一个直观而基础的数据情况,用来展示内容被点击、查阅的情况,从而分析内容是否为网站或产品提供了对应的帮助,内容的展示数据包括但不限于:内容的点击次数、内容页面的蹦失率、内容页面的停留时长。 2、内容的转化数据:是较展示数据更深层的数据,它往往用于判断内容是否能够促进用户的转化(从活跃到付费的转化),内容转化数据包括但不限于:内容中付费链接的点击次数、付费成功次数;内容页面广告的点击次数、广告的停留时间、二次转化成功率等等。 3、内容的粘性数据:考虑展示数据时,如果进一步分析用户重复观看的次数,那么结合每次观看的停留时间,就可以得到粘性数据。RFM模型分析获得内容或者用户的粘性值和分布。 4、内容的扩散数据:又称为“分享”数据,是社会化浪潮中一个新增可监控的数据,内容的分享频次和分享后带来的流量统计,可以说明内容对一类用户的价值和作用情况,对于需要通过分享带来用户的网站或产品,以及需要引爆热点和病毒式营销的运营项目有着重大的意义和价值。 活动运营的核心数据 举例说明:一个网站的分享邀请活动。 活动主旨:老用户带来新用户,可以通过社会化渠道、邮件、复制链接进行分享。新用户通过链接进入活动注册页面完成注册,进入网站,填写用户资料并完成登录,即认为是有效的。完成有效邀请的老用户和新用户,均可获赠一件小礼品。 对这类的活动,有几个关键的数据: 1、分享的渠道--用来判断下次活动主推哪些分享渠道;2、受邀请的用户的注册率--用来进行发奖和判断活动质量;3、进行分享的老用户的参与度--用来进行用户分级,判断活动规则对老用户的吸引力,对未来开展类似活动,应当选择的用户类型是一种参考。 核心数据包括: 1、各个分享渠道的分享次数、分享链接的点击次数、各个渠道注册--成功的转化率;2、总的注册--成功转化率、用户注册的蹦失节点、用户注册完成后引导过程的蹦失节点;3、参与活动的老用户总数、分享渠道按照使用次数的分布、对于使用了两个或两个以上分享渠道的老用户的日常行为表现(活动前后一个月的行为表现等)。 电商折扣活动例子:母婴用户折扣活动,希望带来日常销量2倍的活动时间内的销量增长。 关键数据: 1、广告投放渠道的质量--用来判断目标用户的媒体触点,未来类似活动主要投放渠道的筛选凭证;2、单品销量的增长情况--用于判断目标用户对于什么样的产品更感兴趣;3、总体销量目标的完成度--用于判断活动是否达到预期;4、各关键节点的转化率--活动页面商品的点击次数--进入页面的流量、浏览--放入购入车/下单的转化率、购物车--付费的成功率、支付成功率。 核心数据: 1、分渠道的广告展示统计--展示次数、点击次数,landingpage蹦失率;2、用户兴趣点分布--页面商品点击次数、单品浏览量、下单量、使用购物的用户数和商品进入购物车的次数;3、订单转化率--浏览--下单的转化率、购物车--下单的转化率;4、支付成功率----完成支付的订单数与提交的订单数比等等。 用户运营核心数据 用户运营的核心数据是动态的、变化的,在不同的时期会关注不同的用户运营的情况, 用户注册数据: 1、注册用户规模、增长速度;2、渠道质量--注册渠道有哪些,渠道的注册转化率如何;3、注册流程质量--完成注册的用户数、注册流程中用户蹦失节点统计;4、注册用户行为跟踪--完成注册后当时用户的行为统计。 用户留存数据: 1、留存用户的规模,注册--留存的转化率;2、用户登录时间、频率;3、用户使用产品或网站服务的时间、长短、频率等。 用户活跃数据: 1、活跃用户的规模、增长速度、注册--活跃的转化率;2、用户登录后的行为统计;3、用户使用产品或网站服务的频率、内容、行为等。 用户付费数据: 1、付费用户规模、增长速度、注册--付费/活跃--付费的转化率;2、付费金额、频率等;3、付费用户的日常行为跟踪。 用户流失数据: 1、流失用户的规模、速度;2、流失用户的日常行为跟踪;3、用户流失的原因分析;4、流失用户的挽回策略和效果分析等。 原作者:阿东咚咚咚 文章来源:简书
|
|