數(shù)據(jù)分析在運(yùn)營工作中無處不在，無論是活動(dòng)復(fù)盤、專題報(bào)告、項(xiàng)目優(yōu)化，還是求職面試，數(shù)據(jù)分析都有一席之地。

對于數(shù)據(jù)分析，我發(fā)現(xiàn)很多運(yùn)營都有這樣一些困惑：

• 不知道從哪里獲取數(shù)據(jù)；
• 不知道用什么樣的工具；
• 不清楚分析的方法論和框架；
• 大部分的數(shù)據(jù)分析流于形式；
• ……

其實(shí)，數(shù)據(jù)分析并沒有大家想象的那么難！接觸了很多數(shù)據(jù)從業(yè)者，總結(jié)了這篇文章，希望對有志于學(xué)習(xí)數(shù)據(jù)分析的運(yùn)營同學(xué)有所幫助。

一、概念：數(shù)據(jù)和數(shù)據(jù)分析

其實(shí)大家一直都在接觸數(shù)據(jù)和數(shù)據(jù)分析，但是對于兩者具體的定義又很難說清楚。我曾經(jīng)做過一個(gè)調(diào)查，問一些運(yùn)營同學(xué)，下面5個(gè)選項(xiàng)哪些屬于“數(shù)據(jù)”概念的范圍。

圖1：哪些屬于“數(shù)據(jù)”概念范圍

大部分人都知道把“4.報(bào)表”選上，但是很難有人會(huì)認(rèn)為上面5個(gè)選項(xiàng)都是。其實(shí)這反映了一個(gè)很普遍的現(xiàn)象：很多人都會(huì)先入為主，認(rèn)為數(shù)據(jù)就是各種表格、各種數(shù)字，例如excel報(bào)表、各種數(shù)據(jù)庫。其實(shí)這是一個(gè)錯(cuò)誤或者說有偏差的認(rèn)識(shí)，它會(huì)使得我們對數(shù)據(jù)的認(rèn)識(shí)變得很狹隘。

（一）什么是數(shù)據(jù)？

數(shù)據(jù)（data）是描述事物的符號(hào)記錄，是構(gòu)成信息或者知識(shí)的原始材料。這種哲學(xué)層次的定義，讓數(shù)據(jù)的范圍極大豐富，也符合目前“大數(shù)據(jù)”發(fā)展的需要。試想一下，現(xiàn)在很多搜索引擎做的 “圖片識(shí)別”、“音頻識(shí)別” 難道不是數(shù)據(jù)分析的一部分嗎？

作為一名互聯(lián)網(wǎng)企業(yè)的運(yùn)營從業(yè)者，我們接觸到的數(shù)據(jù)可能沒有那么復(fù)雜，但是也有很多類別。

圖2：互聯(lián)網(wǎng)企業(yè)運(yùn)營從業(yè)者可能接觸到的數(shù)據(jù)

從數(shù)據(jù)的來源來看，可以分為企業(yè)外部數(shù)據(jù)和內(nèi)部數(shù)據(jù)。外部數(shù)據(jù)主要包括社會(huì)人口、宏觀經(jīng)濟(jì)、新聞輿情和市場調(diào)研數(shù)據(jù)；內(nèi)部數(shù)據(jù)包括用戶行為數(shù)據(jù)、服務(wù)端日志數(shù)據(jù)、CRM與交易數(shù)據(jù)。不同數(shù)據(jù)的獲取途徑、分析方法、分析目的都不盡相同，不同行業(yè)、不同企業(yè)在實(shí)際分析中也都各有偏好。

那么我們常見的“信息”和“數(shù)據(jù)”有何不同？

數(shù)據(jù)是信息的載體和表現(xiàn)形式；信息是數(shù)據(jù)的內(nèi)涵，信息加載于數(shù)據(jù)之上。以書本和知識(shí)為例，書本屬于數(shù)據(jù)概念范疇，知識(shí)屬于信息概念范疇；書本是知識(shí)的一種載體和表現(xiàn)形式，知識(shí)是書本的內(nèi)涵和升華。

（二）什么是數(shù)據(jù)分析？

數(shù)據(jù)分析是指從數(shù)據(jù)中提取有用的信息，并指導(dǎo)實(shí)踐。

這里有兩個(gè)點(diǎn)需要注意：首先，我們需要提取的是有用的信息，而不是自嗨；其次，這些信息需要用來指導(dǎo)實(shí)踐，而不是流于形式。

二、思路：方法論和方法

很多新人入門數(shù)據(jù)分析的時(shí)候，要么胡子眉毛一把抓，要么無從下手。這都是缺少分析思路的表現(xiàn)，需要宏觀的方法論和微觀的方法來指導(dǎo)。

那么方法論和方法有什么區(qū)別？

方法論是從宏觀角度出發(fā)，從管理和業(yè)務(wù)的角度提出的分析框架，指導(dǎo)我們接下來具體分析的方向。方法是微觀的概念，是指我們在具體分析過程中使用的方法。

（一）方法論

數(shù)據(jù)分析的方法論很多，這里我給大家介紹一些常見的框架。

SWOT分析法：從優(yōu)勢（Strength）、劣勢（Weakness）、機(jī)遇（Opportunity）、威脅（Threat）四個(gè)方面分析內(nèi)外環(huán)境，適用于宏觀分析。

5W2H分析法：從Why、When、Where、What、Who、How、How much 7個(gè)常見的維度分析問題。

4P理論：經(jīng)典營銷理論，認(rèn)為產(chǎn)品（Product）、價(jià)格（Price）、渠道（Place）和促銷（Promote）是影響市場的重要因素。

AARRR：增長黑客的海盜法則，精益創(chuàng)業(yè)的重要框架，從獲取（Acquisition）、激活（Activation）、留存（Retention）、變現(xiàn)（Revenue）和推薦（Referral）5個(gè)環(huán)節(jié)增長

數(shù)據(jù)分析的方法論很多，這里不能一一列舉；沒有最好的方法論，只有最合適的。下面我詳細(xì)介紹一下 AARRR 方法論，對于精益化運(yùn)營、業(yè)務(wù)增長的問題，這個(gè)方法論非常契合。

圖3：AARRR方法論

對于互聯(lián)網(wǎng)產(chǎn)品而言，用戶具有明顯的生命周期特征，下面我以一個(gè)O2O行業(yè)的APP為例闡述一下。

首先通過各種線上、線下的渠道獲取新用戶，下載安裝APP。安裝完APP后，通過運(yùn)營手段激活用戶；比如說首單免費(fèi)、代金券、紅包等方式。通過一系列的運(yùn)營使部分用戶留存下來，并且給企業(yè)帶營收。在這個(gè)過程中，如果用戶覺得這個(gè)產(chǎn)品不錯(cuò)，可能推薦給身邊的人；或者通過紅包等激勵(lì)手段鼓勵(lì)分享到朋友圈等等。

需要注意的是，這5個(gè)環(huán)節(jié)并不是完全按照上面順序來的；運(yùn)營可以根據(jù)業(yè)務(wù)需要靈活應(yīng)用。

AARRR的五個(gè)環(huán)節(jié)都可以通過數(shù)據(jù)指標(biāo)來衡量與分析，從而實(shí)現(xiàn)精益化運(yùn)營的目的；每個(gè)環(huán)節(jié)的提升都可以有效增長業(yè)務(wù)。我們下面的分析也是圍繞這個(gè)方法論展開的。

（二）方法

根據(jù)運(yùn)營工作的實(shí)際需要，我整理了7種分析方法。借助常見的網(wǎng)站/APP數(shù)據(jù)分析產(chǎn)品，我們非常快速的完成這7種分析。

1.趨勢分析

趨勢分析是最簡單、最基礎(chǔ)，也是最常見的數(shù)據(jù)監(jiān)測與數(shù)據(jù)分析方法。通常我們在數(shù)據(jù)分析產(chǎn)品中建立一張數(shù)據(jù)指標(biāo)的線圖或者柱狀圖，然后持續(xù)觀察，重點(diǎn)關(guān)注異常值。

在這個(gè)過程中，我們要選定第一關(guān)鍵指標(biāo)（OMTM，One Metric That Matter），而不要被虛榮指標(biāo)（vanity metrics ）所迷惑。

以社交類APP為例，如果我們將下載量作為第一關(guān)鍵指標(biāo)，可能就會(huì)走偏；因?yàn)橛脩粝螺dAPP并不代表他使用了你的產(chǎn)品。在這種情況下，建議將DAU（Daily Active Users，日活躍用戶）作為第一關(guān)鍵指標(biāo)，而且是啟動(dòng)并且執(zhí)行了某個(gè)操作的用戶才能算上去；這樣的指標(biāo)才有實(shí)際意義，運(yùn)營人員要核心關(guān)注這類指標(biāo)。

2.多維分解

多維分解是指從業(yè)務(wù)需求出發(fā)，將指標(biāo)從多個(gè)維度進(jìn)行拆分；這里的維度包括但不限于瀏覽器、訪問來源、操作系統(tǒng)、廣告內(nèi)容等等。

為什么需要進(jìn)行多維拆解？有時(shí)候一個(gè)非常籠統(tǒng)或者最終的指標(biāo)你是看不出什么問題來的，但是進(jìn)行拆分之后，很多細(xì)節(jié)問題就會(huì)浮現(xiàn)出來。

舉個(gè)例子，某網(wǎng)站的跳出率是0.47、平均訪問深度是4.39、平均訪問時(shí)長是0.55分鐘。如果你要提升用戶的參與度，顯然這樣的數(shù)據(jù)會(huì)讓你無從下手；但是你對這些指標(biāo)進(jìn)行拆解之后就會(huì)發(fā)現(xiàn)很多思路。

下面展示的是一個(gè)產(chǎn)品在不同操作系統(tǒng)下的用戶參與度指標(biāo)數(shù)據(jù)。

圖4：不同操作系統(tǒng)用戶的參與程度

仔細(xì)觀察的話，你會(huì)發(fā)現(xiàn)移動(dòng)端平臺(tái)（Android、Windows Phone、IOS）的用戶參與度極差，表現(xiàn)在跳出率極高、訪問深度和平均訪問時(shí)長很低。這樣的話你就會(huì)發(fā)現(xiàn)問題，是不是我們的產(chǎn)品在移動(dòng)端上沒有做優(yōu)化導(dǎo)致用戶體驗(yàn)不好？在這樣一個(gè)移動(dòng)互聯(lián)網(wǎng)時(shí)代，這是非常重要的一個(gè)問題。

3.用戶分群

用戶分群主要有兩種分法：維度和行為組合。第一種根據(jù)用戶的維度進(jìn)行分群，比如從地區(qū)維度分，有北京、上海、廣州、杭州等地的用戶；從用戶登錄平臺(tái)進(jìn)行分群，有PC端、平板端和手機(jī)移動(dòng)端用戶。第二種根據(jù)用戶行為組合進(jìn)行分群，比如說每周在社區(qū)簽到3次的用戶與每周在社區(qū)簽到少于3次的用戶的區(qū)別，這個(gè)具體的我會(huì)在后面的留存分析中介紹。

4.用戶細(xì)查

正如前面所說的，用戶行為數(shù)據(jù)也是數(shù)據(jù)的一種，觀察用戶在你產(chǎn)品內(nèi)的行為路徑是一種非常直觀的分析方法。在用戶分群的基礎(chǔ)上，一般抽取3-5個(gè)用戶進(jìn)行細(xì)查，即可覆蓋分群用戶大部分行為規(guī)律。

我們以一個(gè)產(chǎn)品的注冊流程為例：

圖5：用戶行為軌跡

5.漏斗分析

漏斗是用于衡量轉(zhuǎn)化效率的工具，因?yàn)閺拈_始到結(jié)束的模型類似一個(gè)漏斗，因而得名。漏斗分析要注意的兩個(gè)要點(diǎn)：第一，不但要看總體的轉(zhuǎn)化率，還要關(guān)注轉(zhuǎn)化過程每一步的轉(zhuǎn)化率；第二，漏斗分析也需要進(jìn)行多維度拆解，拆解之后可能會(huì)發(fā)現(xiàn)不同維度下的轉(zhuǎn)化率也有很大差異。

某企業(yè)的注冊流程采用郵箱方式，注冊轉(zhuǎn)化率一直很低，才27%；通過漏斗分析可以發(fā)現(xiàn)原因。

圖6：注冊轉(zhuǎn)化率

經(jīng)過了解發(fā)現(xiàn)，郵箱驗(yàn)證非常容易出現(xiàn)注冊郵箱收不到郵件的情況，原因包括郵件代理商被屏蔽、郵件含有敏感字被歸入垃圾郵箱、郵件送達(dá)時(shí)間過長等等。既然這么多不可控因素影響注冊轉(zhuǎn)化率，那就換一種驗(yàn)證方式。換成短信驗(yàn)證后，總體轉(zhuǎn)化率提升到了43%，這是非常大的一個(gè)增長。

6.留存分析

留存，顧名思義就是新用戶留下來持續(xù)使用產(chǎn)品的含義。衡量留存的常見指標(biāo)有：次日留存率、7日留存率、30日留存率等等。我們可以從兩個(gè)方面去分析留存，一個(gè)是新用戶的留存率，另一個(gè)是產(chǎn)品功能的留存。

圖7：兩種用戶群體的留存差異

7.A/B測試與A/A測試

A/B測試是為了達(dá)到一個(gè)目標(biāo)，采取了兩套方案，一組用戶采用A方案，一組用戶采用B方案。通過實(shí)驗(yàn)觀察兩組方案的數(shù)據(jù)效果，判斷兩組方案的好壞。

在A/B測試方面，谷歌是不遺余力地嘗試；對于搜索結(jié)果的顯示，谷歌會(huì)制定多種不同的方案（包括文案標(biāo)題，字體大小，顏色等等），不斷來優(yōu)化搜索結(jié)果中廣告的點(diǎn)擊率。

這里需要注意的一點(diǎn)，A/B測試之前最好有A/A測試或者類似準(zhǔn)備。什么是A/A測試？A/A測試是評(píng)估兩個(gè)實(shí)驗(yàn)組是否是處于相同的水平，這樣A/B測試才有意義。其實(shí)這和學(xué)校里面的控制變量法、實(shí)驗(yàn)組與對照組、雙盲試驗(yàn)本質(zhì)一樣的。

三、流程：宏觀、中觀和微觀

有了具體的分析方法還不夠，運(yùn)營要做好數(shù)據(jù)分析還需要一個(gè)清晰的流程。在這里我從宏觀、中觀和微觀三個(gè)層次給大家介紹一下。

（一）宏觀

1.中國古代樸素的分析哲學(xué)

其實(shí)數(shù)據(jù)分析自古有之，中國古代很多名人從事的其實(shí)就是數(shù)據(jù)分析的工作；他們的名稱可能不是數(shù)據(jù)分析師，更多的是“丞相”、“軍師”。

他們通過 “歷史統(tǒng)計(jì)”-“經(jīng)驗(yàn)總結(jié)”-“預(yù)測未來” 為自己的組織創(chuàng)造了極大的價(jià)值，這是中國古代樸素的分析哲學(xué)的重要內(nèi)容。

2.精益創(chuàng)業(yè)的MVP理念

風(fēng)靡硅谷的精益創(chuàng)業(yè)，它推崇MVP（最簡化可行產(chǎn)品）的理念，通過小步快跑的方式來不斷優(yōu)化產(chǎn)品、增長用戶。

圖9：構(gòu)建-衡量-優(yōu)化

在運(yùn)營工作中，我們要大膽嘗試，將想法轉(zhuǎn)化成產(chǎn)品和運(yùn)營方法。然后分析其中的數(shù)據(jù)，衡量產(chǎn)品或者運(yùn)營的效果。如果好的話保持并大力推廣，如果不好的話總結(jié)問題及時(shí)改進(jìn)。在“構(gòu)建-“衡量”-“學(xué)習(xí)”的不斷循環(huán)中逐漸優(yōu)化，這個(gè)流程是非常適合運(yùn)營工作的。

（二）中觀

《誰說菜鳥不會(huì)數(shù)據(jù)分析》書中介紹了更為具體的分析流程：1.明確分析目的和思路 →2.數(shù)據(jù)收集 →3.數(shù)據(jù)處理 →4.數(shù)據(jù)分析 →5.數(shù)據(jù)展現(xiàn) →6.報(bào)告撰寫。

這個(gè)流程只是從“數(shù)據(jù)”的角度闡述了前后的流程，并未結(jié)合業(yè)務(wù)實(shí)際；而且它將數(shù)據(jù)分析的落腳點(diǎn)定位于“報(bào)告撰寫”是具有誤導(dǎo)性的，因?yàn)閿?shù)據(jù)分析的最終目的是為了指導(dǎo)實(shí)踐，而不是寫一份報(bào)告。

但是這個(gè)流程仍具有參考價(jià)值，尤其是 “明確分析目的和思路” 對于新手入門具有一定的指導(dǎo)意義。

（三）微觀

下面介紹的是一個(gè)非常詳細(xì)的分析流程，借助于一定的分析工具，我們可以按照這個(gè)思路對您的網(wǎng)站/APP進(jìn)行細(xì)致入微的分析。

它的前提是用數(shù)據(jù)分析工具做好數(shù)據(jù)采集和監(jiān)控工作，把精力集中在業(yè)務(wù)分析上。這個(gè)流程的核心是“MVP”的理念，“發(fā)現(xiàn)問題”-“設(shè)計(jì)實(shí)驗(yàn)”-“分析結(jié)果”，通過數(shù)據(jù)來不斷優(yōu)化產(chǎn)品和運(yùn)營。

四、應(yīng)用：體系和分析

（一）案例1：搭建數(shù)據(jù)分析體系

新媒體人都有閱讀量不高的時(shí)候吧，我總結(jié)了一下都是如下的問題：

• 不清楚自己需要關(guān)注哪些核心指標(biāo)；
• 不清楚目標(biāo)用戶的特征（用戶屬性、用戶畫像等）；
• 對自己過往工作缺乏系統(tǒng)分析（數(shù)據(jù)采集、監(jiān)測和分析）。

從業(yè)務(wù)增長的角度出發(fā)，我給小張量身定做了一套數(shù)據(jù)分析體系，配合其內(nèi)容工作的開展。

第一點(diǎn)，內(nèi)容定位。

運(yùn)營需要明確知道自己的目標(biāo)或者KPI，然后選擇一個(gè)核心關(guān)鍵指標(biāo)（OMTM）進(jìn)行監(jiān)測。如果是創(chuàng)業(yè)公司，初期可能需要拉新，那么核心指標(biāo)是注冊用戶數(shù)或者新訪問用戶數(shù)。如果是資訊媒體，注重影響力和覆蓋面，那么核心指標(biāo)應(yīng)該是閱讀數(shù)或者網(wǎng)頁P(yáng)V。

第二點(diǎn)，用戶畫像。

無論是哪一種運(yùn)營崗位，都需要明確知道自己的（目標(biāo)）用戶是哪些人？這些人都有哪些特征，他們的關(guān)注點(diǎn)和痛點(diǎn)是什么？

如果你的用戶是產(chǎn)品經(jīng)理，那么可以嘗試爬蟲抓取產(chǎn)品經(jīng)理網(wǎng)站上有關(guān)的問題，然后做文本分析：這是定量層面的分析。同時(shí)，通過調(diào)查訪問和問卷調(diào)研，獲取更加深入的用戶特征信息：這是從定性層面的分析。

第三點(diǎn)，持續(xù)監(jiān)測。

借助數(shù)據(jù)分析工具如FineBI，對核心關(guān)鍵指標(biāo)（OMTM）進(jìn)行持續(xù)監(jiān)測。對于指標(biāo)異常情況，我們需要及時(shí)分析和改進(jìn)。

第四點(diǎn)，數(shù)據(jù)分析。

統(tǒng)計(jì)和分析過往內(nèi)容的數(shù)據(jù)，找出哪些內(nèi)容、哪些標(biāo)題、哪些形式、哪些渠道的效果更好，然后朝這方面不斷優(yōu)化。

五、學(xué)習(xí)：業(yè)務(wù)、工具和資源

（一）業(yè)務(wù)層面

數(shù)據(jù)分析并沒有想象中的高不可及，掌握好相應(yīng)的概念、思路、流程，運(yùn)營都可以做好數(shù)據(jù)分析。這里要著重強(qiáng)調(diào)一點(diǎn)，數(shù)據(jù)分析的目的是指導(dǎo)業(yè)務(wù)實(shí)踐；脫離實(shí)踐的數(shù)據(jù)分析、為分析而分析的數(shù)據(jù)分析都是在耍流氓。

不同于職業(yè)的數(shù)據(jù)分析師和數(shù)據(jù)科學(xué)家，運(yùn)營人員做好數(shù)據(jù)分析的前提是嫻熟的業(yè)務(wù)理解。從業(yè)務(wù)的角度來說，數(shù)據(jù)不是數(shù)字，它是用戶的心聲。運(yùn)營人員要從數(shù)據(jù)中發(fā)現(xiàn)問題，不斷優(yōu)化，提升用戶體驗(yàn)、為用戶創(chuàng)造更多的價(jià)值。

（二）工具層面

磨刀不誤砍柴工，做好數(shù)據(jù)分析工具必不可少。我匯總了下面幾種工具，運(yùn)營可以結(jié)合自己的實(shí)際需要采用。

Excel 是最常見、最基礎(chǔ)的數(shù)據(jù)分析工具，Excel 里面的圖表、函數(shù)、透視表能滿足大家基本的需求。但遇到大數(shù)據(jù)量就不行了，慎用！

Python是一種高級(jí)的編程語言，近年來發(fā)展很快，它可以用來做數(shù)據(jù)分析、編程或爬蟲；R語言是一種數(shù)據(jù)分析工具，在統(tǒng)計(jì)學(xué)中廣泛使用。目前，Python被廣泛用來編寫爬蟲程序，獲取網(wǎng)上的信息，這是對運(yùn)營人員非常有幫助的。

BI工具如FineBI都是可以值得一試的，這也是數(shù)據(jù)分析工具的未來發(fā)展方向。

?

總結(jié)

以上是生活随笔為你收集整理的互联网运营遇到瓶颈？这套数据运营体系，高手和小白都必看的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。