运营新手的福利:建立数据思维3个有效的方法

0 评论 3690 浏览 7 收藏 10 分钟

编辑导语:数据分析是运营的有效手段之一,通过数据分析,运营人员可以更清晰地观测指标影响因素与用户数据等多个方面。本篇文章里,作者总结、分享了几个常见的数据分析方法和一个增长方案思路,一起来看一下。

在企业内部有很多沟通的问题,运营和产品沟通,产品和技术沟通,但是都没有一个共同的“语言”去解决这些问题。

但随着大数据时代的带来,我们发现,通过数据进行部门间的沟通就可以保证大家在同一个维度去看事情,而抛弃岗位和身份,只用客观数据说明问题。

今天诸葛君分享3个常用的数据分析方法和1个增长方案,帮助新手运营同学快速构建数据思维,提高日常工作中的沟通效率。

一、数据趋势分析

趋势分析一般而言,适用于产品核心指标的长期跟踪,比如,点击率、GMV、活跃用户数等。做出简单的数据趋势图,并不算是趋势分析,趋势分析更多的是需要明确数据的变化,以及对变化原因进行分析。

趋势分析,最好的产出是比值。在趋势分析的时候需要明确几个概念:环比、同比、定基比。

环比、同比大家都比较了解,定基比就是和某个基点进行比较,比如2019年1月作为基点,定基比则为2010年2月和2019年1月进行比较。

趋势分析另一个核心目的则是对趋势做出解释,对于趋势线中明显的拐点,发生了什么事情要给出合理的解释,无论是外部原因还是内部原因。

在数据分析的过程中,有很多因素影响到指标,那么我们可以不同维度来逐一考察,比如:渠道、产品版本、来源、关键词、网络、地域、IP、系统浏览器及版本等。

二、数据对比分析

数据的趋势变化独立的看,其实很多情况下并不能说明问题,比如如果一个企业盈利增长10%,我们并无法判断这个企业的好坏,如果这个企业所处行业的其他企业普遍为负增长,则5%很多,如果行业其他企业增长平均为50%,则这是一个很差的数据。对比分析,就是给孤立的数据一个合理的参考系,因为,孤立的数据毫无意义。

以A/B测试为例,最关键的是A/B两组只保持单一变量,其他条件保持一致。

比如:测试首页改版的效果,就需要保持A/B两组用户质量保持相同,上线时间保持相同,来源渠道相同等。只有这样才能得到比较有说服力的数据。

三、 数据细分分析

在得到一些初步结论的时候,需要进一步地细拆,因为在一些综合指标的使用过程中,会抹杀一些关键的数据细节,而指标本身的变化,也需要分析变化产生的原因。

这里的细分一定要进行多维度的细拆。常见的拆分方法包括:

  • 分时:不同时间段数据是否有变化。
  • 分渠道:不同来源的流量或者产品是否有变化。
  • 分用户:新注册用户和老用户相比是否有差异,忠诚用户和小白用户相比是否有差异。
  • 分地区:不同地区的数据是否有变化。
  • 构成拆分:比如搜索由搜索词组成,可以拆分不同搜索词。

细分分析是一个非常重要的手段,多问一些为什么,才是得到结论的关键,而一步一步拆分,就是在不断问为什么的过程。

四、业务场景举例

有一个场景是围绕用户关键行为历程加快用户决策周期。

以电商产品为例,这个关键行为历程包括:领券促活跃、潜客促注册、注册促下单、洞察习惯促复购,加快用户决策周期也就是帮助用户认可价值、打消顾虑、支付购买。

1. 整体路径:在核心流程上加快决策

当我们被某个产品的卖点吸引后,我们的潜意识将“凭感觉”快速替我们做出决策,没有立刻执行决策,不过是因为我们还在寻找理由说服自己,让这个决策看起来合理罢了。

人的欲望是无限的,很多时候,人的欲求会超过一贯的自我认知和行为准则。同时,人又是一个会极度自洽的动物,当我们的某个决策意向明显不符合自我认知与行为准则时,我们潜意识里就会去寻找更多的理由,让我们的决策“看起来”是合理的。

比如你看中一支口红,很让你心动,这时你有了购买冲动,只不过你已经有很多支口红了,再囤一支并不符合你“不过度浪费”的自我认知,所以你开始寻找商品详情页。当你看到:“星你色不流行啦”、“安迪同款精致丝滑”、“平价版Tom Ford”等信息时,你的购买决策可以被这些理由合理地解释,你最终选择了购买。

我们需要给用户足够的理由来完成合理化过程,可以是产品特性,可以是价格优势,甚至可以只是一句心理层面的合理解释,这些理由也许并不需要格外突出,因为这并不是为了吸引用户产生购买冲动而存在的,有欲望的用户为了说服安慰自己,自会寻找到“使TA下单合理化”的信息。

以某电商类产品为例,凡注册成功后24小时内没有创建订单的用户都会收到一条短信,短信内容大概是:你有价值128元的新手红包待领取,下载APP立享优惠,一个小小的红包,便终止了一部分用户“犹豫不决”成功下单。

2. 业务偏好:不同需求用户精准营销

当我们获取了用户之后,就会对用户的相关数据做分析,得知用户行为习惯,为产品运营所用。通过对用户行为监测获得的数据进行分析,可以让我们更加详细、清楚地了解用户的行为习惯,从而找出运营中存在的问题,有助于APP发掘高转化率页面,让营销更加精准、有效,提高用户的转化率。

例如在什么时间段用户活跃度最高,在这个时间段推送活动,参与度会更加积极,用户接受程度更大。

比如分析出在22:00~24:00之间,20-30岁之间的女性最为活跃,那么在这个时候可以选择对女性用户更有价值的活动来做定向推送,设置好推送的活动、时间点和用户群体,以此来增强用户生命力,延长用户生命周期。

3. 沉默激活:围绕活跃特点贴心提醒

沉默用户大部分是低介入用户,是否能够再细分出各自的需求,再做用户触达和用户运营,满足其某一次需求。如果用户只是使用基本功能,就不要骚扰他,如一个月做运营触达而用户无反应,持续几次皆如此,则不要再骚扰了,否则产品都不会使用,这类长时间的沉默用户要谨慎处理。

总之,趋势、对比、细分是数据分析中最基础的思维。无论是数据核实,还是数据分析,都需要不断地找趋势、做对比、做细分,才能得到最终有效的结论。

 

作者:诸葛io,微信公众号:诸葛io

本文由 @诸葛io 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!