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

對(duì)于數(shù)據(jù)分析，我發(fā)現(xiàn)很多運(yùn)營(yíng)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(méi)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(duì)有志于學(xué)習(xí)數(shù)據(jù)分析的運(yùn)營(yíng)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(duì)于兩者具體的定義又很難說(shuō)清楚。我曾經(jīng)做過(guò)一個(gè)調(diào)查，問(wèn)一些運(yùn)營(yíng)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(kù)。其實(shí)這是一個(gè)錯(cuò)誤或者說(shuō)有偏差的認(rèn)識(shí)，它會(huì)使得我們對(duì)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(yíng)從業(yè)者，我們接觸到的數(shù)據(jù)可能沒(méi)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(yíng)從業(yè)者可能接觸到的數(shù)據(jù)

從數(shù)據(jù)的來(lái)源來(lái)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?shì)浨楹褪袌?chǎng)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、分析目的都不經(jīng)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(jiàn)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(lái)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(wú)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(lái)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(lái)具體分析的方向。方法是微觀的概念，是指我們?cè)诰唧w分析過(guò)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(jiàn)的框架。

• PEST分析法：從政治（Politics）、經(jīng)濟(jì)（Economy）、社會(huì)（Society）、技術(shù)（Technology）四個(gè)方面分析內(nèi)外環(huán)境，適用于宏觀分析。
• SWOT分析法：從優(yōu)勢(shì)（Strength）、劣勢(shì)（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(jiàn)的維度分析問(wèn)題。
• 4P理論：經(jīng)典營(yíng)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(chǎng)的重要因素。
• AARRR：增長(zhǎng)黑客的海盜法則，精益創(chuàng)業(yè)的重要框架，從獲?。ˋcquisition）、激活（Activation）、留存（Retention）、變現(xiàn)（Revenue）和推薦（Referral）5個(gè)環(huán)節(jié)增長(zhǎng)。

數(shù)據(jù)分析的方法論很多，這里不能一一列舉；沒(méi)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(duì)于精益化運(yùn)營(yíng)、業(yè)務(wù)增長(zhǎng)的問(wèn)題，這個(gè)方法論非常契合。

圖3：AARRR方法論

對(duì)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(guò)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(guò)運(yùn)營(yíng)手段激活用戶；比如說(shuō)首單免費(fèi)、代金券、紅包等方式。通過(guò)一系列的運(yùn)營(yíng)使部分用戶留存下來(lái)，并且給企業(yè)帶營(yíng)收。在這個(gè)過(guò)程中，如果用戶覺(jué)得這個(gè)產(chǎn)品不錯(cuò)，可能推薦給身邊的人；或者通過(guò)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(lái)的；運(yùn)營(yíng)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(guò)數(shù)據(jù)指標(biāo)來(lái)衡量與分析，從而實(shí)現(xiàn)精益化運(yùn)營(yíng)的目的；每個(gè)環(huán)節(jié)的提升都可以有效增長(zhǎng)業(yè)務(wù)。我們下面的分析也是圍繞這個(gè)方法論展開(kāi)的。

（二）方法

根據(jù)運(yùn)營(yíng)工作的實(shí)際需要，在參考了 GrowingIO 陳明的文章《一名優(yōu)秀的數(shù)據(jù)分析師是怎樣煉成的》基礎(chǔ)上，我整理了7種分析方法。借助常見(jiàn)的網(wǎng)站/APP數(shù)據(jù)分析產(chǎn)品，我們非?？焖俚耐瓿蛇@7種分析。

1.趨勢(shì)分析

趨勢(shì)分析是最簡(jiǎn)單、最基礎(chǔ)，也是最常見(jiàn)的數(shù)據(jù)監(jiān)測(cè)與數(shù)據(jù)分析方法。通常我們?cè)跀?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(guò)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(yíng)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(wèn)來(lái)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(wèn)題來(lái)的，但是進(jìn)行拆分之后，很多細(xì)節(jié)問(wèn)題就會(huì)浮現(xiàn)出來(lái)。

舉個(gè)例子，某網(wǎng)站的跳出率是0.47、平均訪問(wèn)深度是4.39、平均訪問(wèn)時(shí)長(zhǎng)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(wú)從下手；但是你對(duì)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(wèn)深度和平均訪問(wèn)時(shí)長(zhǎng)很低。這樣的話你就會(huì)發(fā)現(xiàn)問(wèn)題，是不是我們的產(chǎn)品在移動(dòng)端上沒(méi)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(wèn)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(shuō)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(shuō)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(cè)流程為例：

圖5：用戶行為軌跡

用戶經(jīng)歷了如下的操作流程：【訪問(wèn)官網(wǎng)】-【點(diǎn)擊注冊(cè)】-【輸入號(hào)碼】-【獲取驗(yàn)證碼】。本來(lái)是非常流暢的一個(gè)環(huán)節(jié)，但是卻發(fā)現(xiàn)一個(gè)用戶連續(xù)點(diǎn)擊了3次【獲取驗(yàn)證碼】然后放棄提交。這就奇怪了，用戶為什么會(huì)多次點(diǎn)擊驗(yàn)證碼呢？

這個(gè)時(shí)候我建議您去親自體驗(yàn)一下您的產(chǎn)品，走一遍注冊(cè)流程。你會(huì)發(fā)現(xiàn)，點(diǎn)擊【獲取驗(yàn)證碼】后，經(jīng)常遲遲收不到驗(yàn)證碼；然后你又會(huì)不斷點(diǎn)擊【獲取驗(yàn)證碼】，所以就出現(xiàn)了上面的情況。絕大多數(shù)產(chǎn)品都或多或少存在一些反人類的設(shè)計(jì)或者BUG，通過(guò)用戶細(xì)查可以很好地發(fā)現(xiàn)產(chǎn)品中存在的問(wèn)題并且及時(shí)解決。

5.漏斗分析

漏斗是用于衡量轉(zhuǎn)化效率的工具，因?yàn)閺拈_(kāi)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(guò)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(cè)流程采用郵箱方式，注冊(cè)轉(zhuǎn)化率一直很低，才27%；通過(guò)漏斗分析發(fā)現(xiàn)，主要流失在【提交驗(yàn)證碼】的環(huán)節(jié)。

圖6：注冊(cè)轉(zhuǎn)化率

經(jīng)過(guò)了解發(fā)現(xiàn)，郵箱驗(yàn)證非常容易出現(xiàn)注冊(cè)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(guò)長(zhǎng)等等。既然這么多不可控因素影響注冊(cè)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(zhǎng)。

6.留存分析

留存，顧名思義就是新用戶留下來(lái)持續(xù)使用產(chǎn)品的含義。衡量留存的常見(jiàn)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

第一個(gè)案例：以社區(qū)網(wǎng)站為例，“每周簽到3次”的用戶留存率明顯高于“每周簽到少于3次”的用戶。簽到這一功能在無(wú)形中提升了社區(qū)的用戶的粘性和留存率，這也是很多社群或者社區(qū)主推這個(gè)功能的原因。

圖8：留存魔法數(shù)字

第二個(gè)案例：首次注冊(cè)微博，微博會(huì)向你推薦關(guān)注10個(gè)大V；首次注冊(cè)LinkedIn，LinkedIn會(huì)向你推薦5個(gè)同事；申請(qǐng)信用卡時(shí)，發(fā)卡方會(huì)說(shuō)信用卡消費(fèi)滿4筆即可抽取【無(wú)人機(jī)】大獎(jiǎng)；很多社交產(chǎn)品規(guī)定，每周簽到5次，用戶可以獲得雙重積分或者虛擬貨幣。

在這里面“關(guān)注10個(gè)大V”、“關(guān)注5個(gè)同事”、“消費(fèi)4筆”、“簽到5次”就是我想說(shuō)的Magic Number，這些數(shù)字都是通過(guò)長(zhǎng)期的數(shù)據(jù)分析或者機(jī)器學(xué)習(xí)的方式發(fā)現(xiàn)的。實(shí)踐證明，符合這些特征的用戶留存度是最高的；運(yùn)營(yíng)人員需要不斷去push，激勵(lì)用戶達(dá)到這個(gè)標(biāo)準(zhǔn)，從而提升留存率。

7.A/B測(cè)試與A/A測(cè)試

A/B測(cè)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(guò)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(cè)試方面，谷歌是不遺余力地嘗試；對(duì)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(lái)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(cè)試之前最好有A/A測(cè)試或者類似準(zhǔn)備。什么是A/A測(cè)試？A/A測(cè)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(cè)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(duì)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(yíng)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(guó)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(guó)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”、“謀士”，如張良、管仲、蕭何、孫斌、鬼谷子、諸葛亮。

他們通過(guò) “歷史統(tǒng)計(jì)”-“經(jīng)驗(yàn)總結(jié)”-“預(yù)測(cè)未來(lái)” 為自己的組織創(chuàng)造了極大的價(jià)值，這是中國(guó)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(jiǎn)化可行產(chǎn)品）的理念，通過(guò)小步快跑的方式來(lái)不斷優(yōu)化產(chǎn)品、增長(zhǎng)用戶。

圖9：構(gòu)建-衡量-優(yōu)化

在運(yùn)營(yíng)工作中，我們要大膽嘗試，將想法轉(zhuǎn)化成產(chǎn)品和運(yùn)營(yíng)方法。然后分析其中的數(shù)據(jù)，衡量產(chǎn)品或者運(yùn)營(yíng)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(wèn)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(yíng)工作的。

（二）中觀

《誰(shuí)說(shuō)菜鳥(niǎo)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(duì)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(duì)您的網(wǎng)站/APP進(jìn)行細(xì)致入微的分析。

圖10：微觀數(shù)據(jù)分析流程

這是GrowingIO商務(wù)分析師檀潤(rùn)洋在《提高用戶留存，產(chǎn)品、市場(chǎng)和運(yùn)營(yíng)都有哪些方法》中介紹的流程，我認(rèn)為適用于大部分的運(yùn)營(yíng)數(shù)據(jù)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(wèn)題”-“設(shè)計(jì)實(shí)驗(yàn)”-“分析結(jié)果”，通過(guò)數(shù)據(jù)來(lái)不斷優(yōu)化產(chǎn)品和運(yùn)營(yíng)。

四、應(yīng)用：體系和分析

（一）案例1：搭建數(shù)據(jù)分析體系

小張今年剛畢業(yè)，在某公司從事新媒體工作，負(fù)責(zé)微信的日常運(yùn)營(yíng)。小張并不清楚微信運(yùn)營(yíng)的核心目的，嘗試了很多方法，原創(chuàng)、翻譯、改寫了很多文章發(fā)布在微信上，但是閱讀量時(shí)高時(shí)低，總體一般。

經(jīng)理讓小張想辦法改進(jìn)一下微信運(yùn)營(yíng)，提高微信的粉絲數(shù)和閱讀數(shù)；但是張三毫無(wú)頭緒，無(wú)從下手。這是很多運(yùn)營(yíng)真實(shí)的寫照，瑣碎的工作容易讓人忘記思考，這很可能就發(fā)生在你我的身邊。

我們從數(shù)據(jù)分析的角度對(duì)這個(gè)案例進(jìn)行了診斷，總結(jié)了小張存在的這些問(wèn)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(duì)自己過(guò)往工作缺乏系統(tǒng)分析（數(shù)據(jù)采集、監(jiān)測(cè)和分析）。

從業(yè)務(wù)增長(zhǎng)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(kāi)展。

第一點(diǎn)，內(nèi)容定位。

運(yùn)營(yíng)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(cè)。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(cè)用戶數(shù)或者新訪問(wèn)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)該是微信閱讀數(shù)或者網(wǎng)頁(yè)P(yáng)V。

第二點(diǎn)，用戶畫像。

無(wú)論是哪一種運(yùn)營(yíng)崗位，都需要明確知道自己的（目標(biāo)）用戶是那些人？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(chóng)抓取產(chǎn)品經(jīng)理網(wǎng)站上有關(guān)的問(wèn)題，然后做文本分析：這是定量層面的分析。同時(shí)，通過(guò)調(diào)查訪問(wèn)和問(wèn)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(cè)。

借助數(shù)據(jù)分析工具，對(duì)核心關(guān)鍵指標(biāo)（OMTM）進(jìn)行持續(xù)監(jiān)測(cè)。對(duì)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(guò)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。

（二）案例2：分析業(yè)務(wù)核心指標(biāo)

電子郵件營(yíng)銷是現(xiàn)在很多企業(yè)仍在采用的營(yíng)銷和運(yùn)營(yíng)方式，某互聯(lián)網(wǎng)金融企業(yè)通過(guò)EDM給新用戶（有郵件地址但是未注冊(cè)用戶）發(fā)送激活郵件。一直以來(lái)注冊(cè)轉(zhuǎn)化率維持在20%-30%之間，8月18日注冊(cè)轉(zhuǎn)化率暴跌，之后一直維持在10%左右。

圖11：EDM渠道注冊(cè)轉(zhuǎn)化率暴跌

這是一個(gè)非常嚴(yán)重的衰退，需要立即排查原因。EDM渠道注冊(cè)轉(zhuǎn)化率涉及到太多的因素，需要一個(gè)一個(gè)排查，數(shù)據(jù)分析師幫運(yùn)營(yíng)羅列了可能的原因：

• 技術(shù)原因：ETL（數(shù)據(jù)抽取、轉(zhuǎn)化、載入）出現(xiàn)問(wèn)題，導(dǎo)致后端數(shù)據(jù)沒(méi)有及時(shí)呈現(xiàn)在BI報(bào)表中；
• 宏觀原因：季節(jié)性因素（節(jié)假日等），其余郵件沖擊（其余部門也給用戶發(fā)郵件稀釋了用戶的注意力）；
• 微觀原因：郵件的標(biāo)題、文案、排版設(shè)計(jì)，CTA設(shè)計(jì)，注冊(cè)流程設(shè)計(jì)。

一個(gè)簡(jiǎn)單的業(yè)務(wù)指標(biāo)，會(huì)影響到它的因素可能是多種多樣的，所以我們需要對(duì)可能涉及到的因素進(jìn)行精細(xì)化衡量才能不斷優(yōu)化。最后發(fā)現(xiàn)，產(chǎn)品經(jīng)理在注冊(cè)環(huán)節(jié)添加了『綁定信用卡』，導(dǎo)致注冊(cè)轉(zhuǎn)化率大幅度下降。

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(méi)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(yíng)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(yíng)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(lái)說(shuō)，數(shù)據(jù)不是數(shù)字，它是用戶的心聲。運(yùn)營(yíng)人員要從數(shù)據(jù)中發(fā)現(xiàn)問(wèn)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(yíng)可以結(jié)合自己的實(shí)際需要采用。

• Excel 是最常見(jiàn)、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。Access 是微軟 office 系列套裝的一部分，是一種小型的關(guān)系數(shù)據(jù)庫(kù)；當(dāng)excel數(shù)據(jù)量很大、表格之間各種關(guān)聯(lián)、查詢、更新頻繁的時(shí)候，Access就是一種非常不錯(cuò)的選擇。
• Python是一種高級(jí)的編程語(yǔ)言，近年來(lái)發(fā)展很快，它可以用來(lái)做數(shù)據(jù)分析、編程或爬蟲(chóng)；R語(yǔ)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(lái)編寫爬蟲(chóng)程序，獲取網(wǎng)上的信息，這是對(duì)運(yùn)營(yíng)人員非常有幫助的。
• Google Analytics、百度統(tǒng)計(jì)、友盟是常見(jiàn)的網(wǎng)站流量分析工具，Mixpanel、Heap、GrowingIO屬于用戶行為數(shù)據(jù)分析工具，較前者功能更加豐富、分析更細(xì)致。

（三）資源層面

運(yùn)營(yíng)入門數(shù)據(jù)分析，并不需要學(xué)習(xí)多么復(fù)雜的數(shù)學(xué)知識(shí)理論，更多的是將業(yè)務(wù)操作和數(shù)據(jù)分析結(jié)合起來(lái)。我這里推薦兩個(gè)網(wǎng)站和兩本書，希望有幫助。

1. 數(shù)據(jù)分析網(wǎng)（http://www.afenxi.com/ ）：覆蓋統(tǒng)計(jì)理論、數(shù)據(jù)分析方法、業(yè)務(wù)分析等內(nèi)容。
2. GrowingIO博客（https://blog.growingio.com/ ）：GrowingIO數(shù)據(jù)分析、增長(zhǎng)實(shí)踐等內(nèi)容。
3. 《誰(shuí)說(shuō)菜鳥(niǎo)不會(huì)數(shù)據(jù)分析》：數(shù)據(jù)分析入門知識(shí)匯總。
4. 《精益數(shù)據(jù)分析》：從精益創(chuàng)業(yè)的角度，詮釋業(yè)務(wù)增長(zhǎng)的分析方法和前言案例。

作者：官世強(qiáng)，關(guān)注內(nèi)容營(yíng)銷和數(shù)據(jù)分析。個(gè)人公眾號(hào)：內(nèi)容運(yùn)營(yíng)那些事。

本文由 @官世強(qiáng)?原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。