发布时间：2019-1-2 分类： 电商动态
数据分析功能对产品和操作人员都很重要。它有多重要？我们直接转到数据。
我们使用Python来抓取事件操作，内容操作和用户操作的500个作业要求，并分析单词频率以获得以下图表。
我们得出结论，雇主的需求方普遍认为数据分析能力对运营商非常重要（当然，核运营的核心竞争力更重要的是产品思维和营销计划能力）。然而，值得注意的是，许多运营商过分关注其营销能力（例如文案撰写能力和活动策划能力），但忽略了数据分析能力的提高。我带来的团队有这个缺点，所以写这篇文章供你参考。
数据分析在运营中的作用
运营商是最接近业务的。拥有高效的数据分析功能有助于我们快速制定与业务增长高度相关的运营决策。优秀运营商所做的数据分析对业务具有更实际的指导意义，不会在形式上，也不会简化为“拿”，“”，“写报告”等。 ; ;
对于互联网时代的销售— —操作，数据分析有三个主要功能。
详细描述当前产品的状态，用户状态，发现问题以及帮助做出运营决策;
验证操作策略是否有效;
探索并预测未来优化产品和运营的可能性;
这三个功能也是逐步进步的，从现有行为挖掘数据，通过数据反执行，以及通过数据预测未来。数据分析无法与产品分离，所有分析数据均源自产品和用户行为，分析结论为产品提供服务并激活用户行为。
分析思维应该是
成长公式思维
为了改变对象的运动状态，必须具有强或场存在。产品规模的增长和用户的增长必须有其增长引擎。
企业增长=系数1 *因子1 +系数2 *因子2+… 。 +系数n *因子n
通过对业务的了解，找到业务的驱动因素，这是经验，基于我们对业务的熟悉程度，用户敏感度，对营销的理解来确定，通过快速迭代和实验来验证我们选择的各种类型这些因素是否合理。
让我们先谈谈这些因素，并给出一个非常简单的例子：
收入成本=利润
该公司的利润已经下降。是什么原因？核心驱动力是收入减少或成本增加。
不要忘记在因素之前存在系数，因为影响核心业务的因素太多。我们应该找到关键因素，即描述因素对核心业务的影响程度。
我们来看一个非常简单的例子：
商场营业额=商场负1楼收入+购物中心1楼收入+购物中心2楼收入，一楼是商场停车场，一楼是男女时装，二楼是美食广场。根据我们的个人经验，我们增加了系数，商店的营业额=1 *购物中心一楼的收入+ 30 *购物中心一楼的收入+ 5楼的收入购物中心。具体原因是服装店的毛利润很高，人们来到商场的核心业务。因此，商场一楼的收入已成为最关键的因素。当需要考虑的因素太多时，大因素因素成为我们首先需要考虑的关键因素。这里所说的不是数学公式。增长公式中的加号指的是生长因子的有机叠加，而不是简单的数学加法。
金字塔思维
金字塔原则有一个核心原则：它彼此独立并且完全耗尽。这是一种很好的思考和表达方式。彼此独立，据说每个子判别点应该没有冲突并且彼此耦合并且属于独立的模块。完全筋疲力尽，所有的论点都提出来了，没有遗漏。在早期，我们很难完全筋疲力尽，但我们必须思考这个想法。
有一天，我的下属让我报告并告诉我：
郝戈，这个活动只有3万用户，而且注册转换率只有30％。最近，产品转换不好，服务器经常崩溃，频道指南注册较弱，用户的需求似乎有所下降。竞争对手的行为也让一些用户跑到他们身边。
听了之后，我是一记耳光，你在说什么？
我们的大脑很难同时记住多个独立的论点。如果我们以某种逻辑联系它们，那些倾听你的人就会理解你的观点。
根据独立和完全详尽的想法，我们可以列出他首先报告的要点：
参加活动的人数为30,000（这或多或少？需要比较过去的数据进行分析）
注册转换率为30％（无论是或多或少？需要比较过去的数据进行分析）
产品转换不良
服务器停机时间
弱通道
用户需求下降
竞争对手的行为
我们正在使用金字塔方法。事实上，记者的核心理念应该是近期产品的销售量下降。其他人正在支持销售下滑的结论。有一些可能的原因。我们的经营销售=新客户销售。 +客户销售和新客户销售=新客流量*新客运转换*新客运价格单位两个增长公式，找出流量增长，流量转换，老客户回购以下金字塔的关键因素。
分类思维
用户分组，市场细分和产品细分，我们在制定运营决策时随处使用分类思维。事物之间存在共性和差异。分类思维的基本思想是具有深远核心指标的事物可以分开。如上所述，我们可以通过上述企业增长因素对相关关键因素进行分类。
通过销售增长率和市场份额这两个相互制约的因素，Boston Matrix将企业产品分为星级产品，摇钱树产品，问题产品和瘦狗产品，然后分析和规划企业产品组合，以实现企业的盈利能力。
漏斗思考
漏斗模型是用于产品操作分析的万金油。每个用户都会丢失从进入到最终转换的每个链接。每个链接都有转换率。每个链接中的人数将依次减少，并且用户的每个路径将形成一个。漏斗。
漏斗思维中有两个要点。首先，我们必须注意漏斗每一步的丢失，分析每一步背后的原因，逐步减少用户的流失。其次，我们不仅要考虑损失的原因，还要考虑上层和下层之间的关系。例如，为了提取新产品，产品具有“注册发送iPhone”的归纳文案，引诱用户进入，虽然在第一阶段，它可以带来大量的流量，但如果用户来如果发现货物有误，那么它很可能随后的转换率很低，用户会感觉不好并对产品进行负面评价。
应该了解分析工具
永远记住我们是运营或产品。我们不是数据分析师。在能量有限的情况下，您需要精通两个工具，一个用于Excel，一个用于PPT。 Excel主要执行数据处理，数据清理和数据可视化，而PPT主要用于显示数据点和编写报告以指导操作。
对于产品和操作，数据分析的最终目标是解决问题。不要盲目追求图表的美观和高级数据分析方法。掌握20％的数据分析方法和工具可以解决80％的数据分析问题。
数据分析过程
对于数据分析，我们可以定义：使用适当的统计方法来总结和开发大量的数据，以达到提取信息，形成结论，指导工作等目的。
我认为数据分析应该有以下过程：
1.明确的目的和想法：这个数据分析是为了解决什么问题
这是数据分析的第一步。我们必须回答这个问题。数据量巨大，数据相互关联。如果你不解决问题，你将迷失在数据的海洋中。
我们不仅要带来问题，还要提出正确的问题，让我们举个例子。
不好的问题：为什么没有升级新用户的数量？我们如何才能改善新客户的转换？
合理的问题：您是否在用户注册后自动发送新手狂热，导致新客户转换率下降？
在明确目标之后，我们必须确定自己的分析思路。分析思路主要是各种业务分析模型和营销分析模型。这些商业模式是我们运营的核心竞争力。与数据分析师相比，我们更了解营销并了解更多。产品，这里没有描述。
《谁说菜鸟不会数据分析》在常用的营销管理方法中提到了它。
PEST分析：用于分析宏观环境，包括政治，经济，社会和技术。
5W2H分析方法：为什么，什么，谁，何时，何地，如何，多少。
4P营销理论：分析公司的整体运营，包括产品，价格，地点和促销。
用户行为理论：主要用于代购源码网站流量分析，如回访者，新访问者，流失率等，其中选择了多个指标。
2.收集收据：从工作站中的数据库或外部查找与问题相关的数据
每天，人类行为都会产生大量数据。当你睁开眼睛时，你的体重，身高，心率和血压都是数据。外面的温度，湿度和PM2.5也是数据。
那么，我们在哪里找到我们需要的数据？从宏观到微观，我们将数据源分为五个阶段：宏观数据，相应的行业用户数据，互联网用户数据，类似的产品数据和自己的产品数据。其中，产品和运营的同志需要注意关注相应的互联网行业数据，类似产品数据，以及自己的产品数据。
3.数据处理和清理
数据清理是发现和纠正数据文件中可识别错误的最后一个过程，包括检查数据一致性，处理无效值和缺失值。
以下是一些示例，首先说明数据的一致性：根据合理的值范围和每个变量之间的关系，检查数据是否符合要求，并查找超出正常范围的数据，逻辑上不合理或矛盾。例如，性别是男性，但具有妇科治疗记录。对于这种类型的数据，我们可以重新验证数据源，有时需要直接删除它。无效值：用户的高度为负数，以及两个完全重复的数据，这些数据可视为无效值。缺少值是文字，缺少值，我们可以估计或删除无效或缺失值。
使用重复数据删除来清理数据
4.建立数据模型，数据分析
最后开始了真实的数据分析。是的，我没有让你陷入困境。数据分析师花费80％以上的时间收集和清理数据分析。数据分析过程主要是这样的。
观察数据以查看当前产品状态是什么样的？
为什么会这样？大环境发生了什么变化？我们采取了哪些行动？
接下来会发生什么？
数据分析有一些基本的分析方法，并熟练运用这些数据分析方法，我们可以通过研究数据来回答上述问题。
比较分析方法
比较两个或多个数据来分析它们的差异，揭示管理这些数据所代表的事物发展的规律。我们经常听到横向比较和垂直比较。在相同采摘时间条件下不同指标的比较是横向比较，如比较中国，俄罗斯和日本的GDP。纵向比较是比较相同条件下不同时期的价值，如中国的年度GDP比较。
在进行数据分析时，选择正确的比较系统尤为重要。
与目标对比，不同的时间比较（周期，同比）
不同科目的比较（例如比较不同排水渠道的转换率）
行业比较（与不同渠道中不同产品的转换率相比）
操作行动之前和之后的比较（将优惠券用户与未发行的优惠券用户进行比较）
与平均值或中位数相比（小学生喜欢将他们的分数与班级中的平均分数进行比较）
相比之下，我们可以判断指标背后的情况并确定产品的当前状态。
增长公式和加权分析方法
正如我们前面提到的，核心指标将有相应的增长公式，每个相应的增长动力将具有不同的权重。这是一个如何确定重量的简单方法——目标矩阵法。目标优化矩阵的工作原理是将人脑的模糊思维简化为计算机的0/1思维，最后得到定量结果。
目标矩阵主要是将决策因子放在矩阵中，以便团队中经验更丰富的同事可以确定每个因素的重要性。
接下来，我们举一个例子。假设你的配偶选择标准有以下因素：一个有汽车的房子，一个英俊的，高学历，良好的性格和很长的时间。我们构建以下矩阵：
有一个房间有汽车和汽车更重要。有一辆车更重要。输入1
拥有一个有汽车和角色的房间更为重要。有一辆车更重要。输入1
与角色和汽车相比，拥有汽车并不重要。输入0
房间和汽车比较完成后，依次比较其他项目，并填写总数:
对于0项目条目更正，添加0.5点。并计算重量：
最后，计算总/所有指标的总数/100％，并计算权重值。
矩阵分析方法
矩阵相关分析是一种生动且易于使用的分析方法。矩阵分析链接两个重要或以上指标。矩阵分析方法主要解决如何分配资源的决策问题，具体确定公司管理中需要改进的关键点。
矩阵分析方法主要建立平面直角坐标系，两个坐标轴分别对应于对象的两个属性的性能。
例如，我们经常用来与用户通信的几个频道是：SMS，APPpush Push，Email EDM，Station Letter，Home Page Popup。如果目前，由于开发资源有限，我们只能选择两个渠道进行对接。我们如何选择？消息通信有两个关键要素，即信息的成本和范围。坐标用于建立坐标。系统。获取如下所示的坐标系，四个象限对应于以下属性：
根据我们的分析，它们根据几个频道的表现被放置在上述象限中。
对于上图中的每一点，我们进行了全面的分析，可以看出短信的信息触摸率远远领先，但成本非常高。因此，SMS应该适合于恢复丢失的客户，因为他们可能已经卸载了APP，其他低触摸。费率的渠道可能无法覆盖用户，我们必须使用更高的费用来接触他们。 APP推送和站内部邮件成本较低，但非活动用户的联系效果较差，因此我们可以使用这两个通道与活跃用户进行通信。在主页弹出窗口中，数据是更优质的渠道，适合在全面用户的推广中使用。
5.做出结论并做出决定
在中国，决策过程中的特殊过程一般是集体决策，但决策权主要集中在少数上层管理者手中。基层管理者很少有权做出决定。做出决策后，必须严格执行较低级别的决策。阅读本文的产品或经营朋友大多是中低层管理人员，甚至只是表演者。
因此，当我们得出结论时，我们必须得出上级能够快速理解和理解的结论。在报告中，冗长的数据分析过程总结为若干独立和实质性的结论。
6.报告撰写
当您完成上述阶段的数据分析后，祝贺最后一步，报告撰写。报告撰写是展示数据分析思路和结论的唯一方法。
有点像高考中的三段文章，报告应该有以下几个部分：
以下是与您分享的更多分析点：
结论首先。
如果不编写冗余数据，每个渲染图标都必须给出相应的结论。
可以一眼看出的结论不需要写出来。例如，直方图的两列明显不同，并且不需要添加额外的单词来解释明显的增长。
必须到位：对于产品问题或数据缺陷，必须有响应式解决方案。
永远记住，我们是产品，运营，我们不是数据分析师，我们必须关注结论，行动和措施。
需要在运营中注意和理解的业务指标
基本流量指标
流量指标是Internet操作中的基本指标。流量包含多个指标。以下是最基本的业务指标：
PV（页面视图）访问页面生成的数据。当用户访问5页时，则生成5个PV。
UV（用户视图）特定页面的访问者数量。一个帐户的页面无论您进入多少次，UV都是1，因为只有一个访问者。
IP：整个站的网络IP数。你在家用电脑上登录这个代购源码网站，然后你的堂兄也用同一台电脑登录了他的帐户并访问了同一个代购源码网站，但这次IP仍然只有1，因为你和堂兄使用的是同一台电脑，网络IP地址也是一个。
页面时间：花费的时间是用户在代购源码网站或页面上花费的时间。
跳出率：跳出是指用户在到达着陆页后未离开第二页而离开代购源码网站的情况。跳出率是指直接跳出目标网页作为第一个访问页面的访问比例。计算公式为：跳出率=退回访问/登录页面访问
每个流程的转化率：转化率，产品详情页面转化率，购物车转化率，付款转化率等栏目
业务指标
订单量，订单金额
每笔订单金额=订单金额/订单数量
单价=商品总销售额/商品销售量
客户单位价格=在该时间段内销售的商品总数/在该时间段内下达的订单数量
GMV：平台电子商务业务将关注GMV（Gross Merchandise Volume）。
用户操作问题
用户操作的主要程序是用户生命周期分析，它是用户在流入，注册，保留，转换，激活和丢失的整个生命周期中的数据分析。
当用户注册时，要考虑的主要数据是每个排水渠道的有效性和用户注册的单价，以及用户在注册过程中的跳出率和页面时间。主要是分析每个渠道的质量，注册过程的顺畅性和可能出现的问题。注册后，您应该注意用户的保留率，注意保留率，用户回访次数以及核心功能所花费的时间。
未转换的用户不是好用户。付费用户的数量，付费用户的比例，增长率和注册到付转换率都是我们可能需要注意的。支付金额，回购频率，客户单价等。同时，我们需要注意始终有效但未转换的用户行为。
活动管理问题指标
对于每个活动，我们都可以将他作为新产品来运营。活动是短期业务手段，促进产品各项指标的突然增加。要判断活动是否成功，有必要考虑目标指标的增加。以电子商务活动为例，目标指标的增加可能是新用户的转换。 ，新用户单价，旧用户单价等。我们还需要分析每个频道的成本，频道数，每个频道的转换次数，最后计算每个频道的ROi，以确定哪个频道有对活动排水和转换有更好的效果。
内容运营问题的指标
内容操作需要考虑内容可以带来的流量和实现流量的能力。
内容本身能够吸引一定量的流量，并且当用户传播内容时，流量将显示裂变增加。最后，我们必须将流量转换为现金。我认为内容操作需要注意内容的点击次数，内容页面的页面时间，内容页面的丢失率以及喜欢的次数。上述四个指标可以有效地判断文章标题是否具有吸引力，内容是否对用户有价值，以及内容是否属于标题方内容。有价值的内容不一定是用户愿意传播的内容，我们还需要注意内容转发的数量。
当我们积累足够的流量时，我们还需要考虑内容的转换数据。内容的转换数据根据产品形式而变化，这可以反映为付费链接的点击次数，页面广告的点击次数，促销产品或促销期间品牌的销售额增加。
不同的产品将有不同的指标系统，这里不能列出。核心思想是关注用户在产品中的转换路径，并扩展要从核心转换路径考虑的数据指标。
协助构建BI系统
BI系统主要用于操作和产品。并非所有操作都能够查看数据库。具有详细工作分工的大公司将不允许操作学生获得数据库权限。运营商花费太多时间搜索和清理数据是不合适的。
因此，我们需要建立一个数据看板和数据分析系统。数据分析系统是内部产品。用户主要是产品和运营。它们主要由数据产品经理领导，由数据开发工程师开发。主要目的是使操作学生能够轻松，轻松地查看他们最关心的核心数据，并及时做出运营决策。 BI系统可以由公司团队在内部开发，也可以使用第三方工具，如God的策略，Tableau等。
如何提高数据分析能力
查看数据：每天早些时候去办公室，查看数据报告，思考数据波动背后的原因，并随着时间的推移成为数据主。我曾经看到数据分析师提高数据分析能力的方式实际上是后端数据，虽然它有点极端，但这是有道理的。
熟悉业务：数据分析基于面向业务的数据分析。操作和产品需要非常熟悉业务才能发现数据中的问题。这是我们在数据分析过程中优于数据分析师的地方。
不要理会Excel并了解其他工具。除Excel常用功能外，您还需要精通各种图标和数据可视化工具，数据透视表等。数据库语言SQL还需要了解，Python更好，与数据分析师更快速地通信，您还可以查找和数据挖掘一些简单的数据库。
写在最后
操作是一种管理知识。管理能力的提高主要在于实践。本文只能为您提供一些实用的想法和方法。这些例子很简单。每个人都需要结合自己的互联网产品实施想法和方法，并扩展框架，以便更有效地掌握数据分析。一千英里的旅程从一步开始，操作员和产品人员都很尴尬。
