縱使我們拿到了很多有用的數(shù)據(jù)，但如果不會(huì)使用的話，一樣發(fā)揮不出數(shù)據(jù)的作用。如何把數(shù)據(jù)在有效的場(chǎng)景中使用好，并且用合理的分析方法進(jìn)行有效分析，就是一件非常重要的事情了。

在上一篇中，我們已經(jīng)把我們要的數(shù)據(jù)指標(biāo)給搭建出來(lái)，也就是把第一步數(shù)據(jù)規(guī)劃的工作完成了。大家可回顧我們上一篇中說(shuō)的，我們說(shuō)過(guò)在我們的運(yùn)營(yíng)過(guò)程中首選必須要知道：

1. 我們要收集哪些數(shù)據(jù)；
2. 每個(gè)數(shù)據(jù)背后意味著運(yùn)營(yíng)的什么情況。

現(xiàn)在數(shù)據(jù)指標(biāo)已經(jīng)有了，那么這一篇我們就要重點(diǎn)說(shuō)一說(shuō)，它們都代表著一些什么問(wèn)題，它們的使用場(chǎng)景都有哪些，我們應(yīng)該如何去分析并且使用了。

雖然數(shù)據(jù)看上去極其的繁多，大家在工作中使用起來(lái)貌似也非常的繁瑣，其實(shí)，在我們的數(shù)據(jù)運(yùn)營(yíng)中，數(shù)據(jù)的使用場(chǎng)景也無(wú)非就是三大類，那就是：監(jiān)測(cè)、預(yù)測(cè)、檢測(cè)。這也是數(shù)據(jù)使用的三測(cè)。

我們來(lái)分別說(shuō)一下這三測(cè)。

當(dāng)使用數(shù)據(jù)之前，也有一個(gè)必要的一步，就是“獲取數(shù)據(jù)“。這個(gè)在上一篇中也有介紹，獲取數(shù)據(jù)主要就通過(guò)埋點(diǎn)的技術(shù)來(lái)獲取。一般我們有兩種方法：自己開發(fā)和第三方工具。

如果是自己開發(fā)的話，就需要我們把規(guī)劃好的數(shù)據(jù)，提供給產(chǎn)品或技術(shù)人員，看過(guò)我們前一篇的同學(xué)知道，應(yīng)該盡可能的提供給他們原始數(shù)據(jù)。讓他們?cè)谙鄳?yīng)的頁(yè)面中加入統(tǒng)計(jì)代碼，并在后臺(tái)管理系統(tǒng)中加入我們需要的一些功能并最終獲取我們希望得到的加工數(shù)據(jù)。我們提供的原始數(shù)據(jù)越精準(zhǔn)，那么產(chǎn)品和技術(shù)的工作效率也會(huì)越高。

如果是第三方的工具（如百度統(tǒng)計(jì)、谷歌統(tǒng)計(jì)、友盟等），只需要把第三方提供的代碼放入我們的頁(yè)面代碼中，即可直接使用工具提供的后臺(tái)，不需要自行開發(fā)。目前市場(chǎng)上還有一些無(wú)需埋點(diǎn)的分析工具，大家也可以去嘗試使用一下。

不過(guò)，大家需要明白的是，工具只是工具，它只是讓我們的數(shù)據(jù)運(yùn)營(yíng)工作變的更有效率而已。我們首先要知道的是數(shù)據(jù)運(yùn)營(yíng)背后的邏輯，邏輯清楚了，哪怕只有一張紙一支筆，一樣可以發(fā)揮很大的作用。

我們繼續(xù)說(shuō)我們的三測(cè)：

1. 監(jiān)測(cè)是什么，監(jiān)測(cè)是長(zhǎng)時(shí)間的對(duì)某一個(gè)數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控，以時(shí)刻知道它的變化。
2. 預(yù)測(cè)是什么，預(yù)測(cè)是利用好當(dāng)前的數(shù)據(jù)并使用好合理的方法，來(lái)預(yù)測(cè)它的未來(lái)。
3. 檢測(cè)是什么，檢測(cè)是利用合理的手段，去針對(duì)某人某個(gè)產(chǎn)品或某個(gè)事件，判斷它的好壞。

所以，監(jiān)測(cè)是看過(guò)去、看現(xiàn)在；預(yù)測(cè)是看未來(lái)；檢測(cè)是看好壞。

一、監(jiān)測(cè)

當(dāng)我們把前期的數(shù)據(jù)規(guī)劃工作做完之后，那么監(jiān)測(cè)的工作就很容易了。首選我們選定好我們要監(jiān)測(cè)的數(shù)據(jù)，這里以用戶量做例子：

我們可以實(shí)時(shí)的看即時(shí)數(shù)據(jù)：

我們還可以以時(shí)間維度最對(duì)比，來(lái)看一段時(shí)間內(nèi)的數(shù)據(jù)：

我們還可以看用戶的分布情況：

一般不管是自己開發(fā)的后臺(tái)或者第三方的分析工具，都有各種各樣展現(xiàn)數(shù)據(jù)的圖標(biāo)方式。其實(shí)用哪種圖標(biāo)展示方式看不重要，要知道為什么要看，并且可以解讀，才是最重要的。

在我們實(shí)際工作中，經(jīng)常會(huì)用來(lái)監(jiān)測(cè)的數(shù)據(jù)，大多是一些直觀的數(shù)據(jù)，比如：用戶量，日活量，訂單數(shù)、交易金額等等，把這些數(shù)據(jù)用圖表的方式全部整在一個(gè)頁(yè)面里 ，即形成了我們的DashBoard（數(shù)據(jù)看板），這也是老板最喜歡看的：）。類似下圖：

二、預(yù)測(cè)

預(yù)測(cè)在我們的運(yùn)營(yíng)工作中也是非常重要。比如說(shuō)要做工作計(jì)劃了、做一個(gè)活動(dòng)的可行性分析、制定業(yè)績(jī)指標(biāo)、會(huì)見投資人啊等等。預(yù)測(cè)最簡(jiǎn)單的辦法，就是根據(jù)時(shí)間把一個(gè)數(shù)據(jù)的趨勢(shì)圖列出來(lái)，如下：

然后根據(jù)我們希望預(yù)測(cè)的那個(gè)時(shí)間點(diǎn)，去估計(jì)一下即可。

當(dāng)然，有條件的話，我們還可以再精準(zhǔn)一點(diǎn)，我們可以通過(guò)維度拆分->取樣->估測(cè)->疊加這四步去實(shí)現(xiàn)，舉個(gè)例子，我們想預(yù)測(cè)一些下個(gè)月的用戶增長(zhǎng)量：

1. 把用戶增長(zhǎng)量進(jìn)行維度拆分，分成自然增長(zhǎng)量和事件增長(zhǎng)量。所謂事件增長(zhǎng)量就是我們通過(guò)一些臨時(shí)的活動(dòng)之類獲取的額外的用戶量。
2. 然后我們對(duì)自然增長(zhǎng)量進(jìn)行取樣，取出過(guò)去幾個(gè)月或者同月份的自然增長(zhǎng)量進(jìn)行樣本分析，然后我們可以取平均值，或者去掉最高最低的兩個(gè)數(shù)據(jù)后再取平均值。
3. 同時(shí)我們?cè)賹?duì)事件增長(zhǎng)量進(jìn)行取樣，取出過(guò)去做的一些活動(dòng)的數(shù)據(jù)進(jìn)行樣本分析，得到一個(gè)事件增長(zhǎng)量的數(shù)值，再結(jié)合我們計(jì)劃下個(gè)月要做的活動(dòng)，估算出下個(gè)月的事件增長(zhǎng)量。
4. 最后把兩個(gè)維度相加，得到我們預(yù)測(cè)的下個(gè)月的用戶增長(zhǎng)量了。

以上這個(gè)簡(jiǎn)單的預(yù)測(cè)四步法，在我們的工作中也是經(jīng)常會(huì)使用到，這個(gè)是作為運(yùn)營(yíng)必須要掌握的一個(gè)技能了，當(dāng)然如果需要一些更精準(zhǔn)的大數(shù)據(jù)挖掘和大數(shù)據(jù)預(yù)測(cè)，就要依賴人工智能和機(jī)器學(xué)習(xí)等更高科技的技術(shù)了。

上面說(shuō)的是如何用過(guò)去和現(xiàn)在的數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)的數(shù)據(jù)，不過(guò)，預(yù)測(cè)還有一個(gè)非常重要的使用場(chǎng)景，就是：“如何用過(guò)去和現(xiàn)在的數(shù)據(jù)，來(lái)預(yù)測(cè)未來(lái)的用戶行為”這也是我們常說(shuō)的用戶行為分析，我們可以通過(guò)以下辦法：

（1）找出經(jīng)常做出此用戶行為的用戶屬性。比如我們要預(yù)測(cè)某用戶是否會(huì)買我們的產(chǎn)品A，那么我們會(huì)先把以前所有買過(guò)我們的用戶數(shù)據(jù)梳理一下，如性別、年齡、地區(qū)、職業(yè)等。

（2）找出這個(gè)用戶行為的前置行為。比如在淘寶上用戶購(gòu)買產(chǎn)品A的這個(gè)行為，會(huì)存在幾個(gè)前置行為：如產(chǎn)品頁(yè)面停留時(shí)間、是否加入購(gòu)物車、是否收藏、是否咨詢等。

（3）找出這個(gè)用戶行為的關(guān)聯(lián)行為。比如A是茶葉、B是茶具，比如購(gòu)買產(chǎn)品A這個(gè)行為，會(huì)關(guān)聯(lián)購(gòu)買B這個(gè)行為。那么是否購(gòu)買過(guò)B這個(gè)數(shù)據(jù)也是我們用來(lái)預(yù)測(cè)的數(shù)據(jù)。

（4）然后把上面的用戶屬性、是否行為、行為的次數(shù)等都設(shè)置成一個(gè)個(gè)變量，并記錄好這些變量的數(shù)據(jù)。通過(guò)用戶的實(shí)際數(shù)據(jù)和那些變量的數(shù)據(jù)，來(lái)預(yù)測(cè)用戶會(huì)購(gòu)買我們產(chǎn)品A的概率。

這個(gè)其實(shí)在我們的生活中已經(jīng)很常見了，比如根據(jù)我們的一些搜索行為，瀏覽行為，咨詢行為等，百度就會(huì)定向的進(jìn)行精準(zhǔn)廣告推送，今日頭條會(huì)推給你喜歡的新聞話題，天貓?zhí)詫殨?huì)推給你感興趣的物品。相信隨著科技的進(jìn)步，數(shù)據(jù)對(duì)用戶行為的預(yù)測(cè)也會(huì)越來(lái)越精準(zhǔn)。

那大家可能會(huì)有疑惑，如果我們實(shí)際工作中，特別是在一些傳統(tǒng)企業(yè)里，沒有這樣的技術(shù)能夠支撐，那怎么辦呢？其實(shí)也沒什么，我們把上面說(shuō)的那些變量設(shè)置的少一點(diǎn)，抓住幾個(gè)核心的就行了。雖然精度沒有那么準(zhǔn)，但是效果還是有的。

以上是從微觀數(shù)據(jù)的角度來(lái)說(shuō)的，那如果從宏觀層面來(lái)說(shuō)說(shuō)如何預(yù)測(cè)用戶的行為呢，其實(shí)世間萬(wàn)物都講究平衡、此消彼長(zhǎng)，同時(shí)也是相互滋生、相互制約的。我們網(wǎng)購(gòu)的時(shí)間多了，逛街的行為就少了；我們開車的時(shí)間多了，走路的行為就少了；我們工作的時(shí)間少了，娛樂(lè)的行為就多了；我們玩PC的時(shí)間少了，玩手機(jī)的行為就多了。……在宏觀層面的行為增多，在我們互聯(lián)網(wǎng)行業(yè)里，一般稱之為“風(fēng)口”。

同樣，在我們的運(yùn)營(yíng)過(guò)程中，只要我們把拉新的數(shù)據(jù)做好了，留存的行為就會(huì)越來(lái)越多；留存的數(shù)據(jù)做好了，活躍的行為就會(huì)越來(lái)越多；活躍的數(shù)據(jù)做好了，轉(zhuǎn)化的行為就會(huì)越來(lái)越多；轉(zhuǎn)化的數(shù)據(jù)做好了有錢了，提升產(chǎn)品質(zhì)量的行為就會(huì)越來(lái)越多；產(chǎn)品的質(zhì)量做好了，拉新的行為就會(huì)越來(lái)越多；這大體也是周易中常說(shuō)的，“陰陽(yáng)”和“五行”吧。

三、檢測(cè)

檢測(cè)，應(yīng)該是我們?cè)谶\(yùn)營(yíng)過(guò)程中運(yùn)用最多的一個(gè)使用場(chǎng)景了。就像上面說(shuō)的，檢測(cè)就是告訴我們什么是好，什么是壞？

那在運(yùn)營(yíng)過(guò)程中，我們到底應(yīng)該檢測(cè)一些什么東西呢？大家還記得我們結(jié)構(gòu)篇說(shuō)的么，運(yùn)營(yíng)的基礎(chǔ)結(jié)構(gòu)只有三樣?xùn)|西：人（用戶）、貨（產(chǎn)品）、場(chǎng)景（展現(xiàn)或交易的方式），這就是我們要檢測(cè)的東西。（請(qǐng)查閱《結(jié)構(gòu)篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（一）：運(yùn)營(yíng)的基礎(chǔ)結(jié)構(gòu)》）

大家都知道，我們所有人都生活在一個(gè)三維的世界里，加上時(shí)間維度就是四維空間。

同樣，在我們的運(yùn)營(yíng)世界里，用戶、產(chǎn)品、展現(xiàn)或交易的場(chǎng)景組成的就是一個(gè)三維空間；

如果我們只看其中的一項(xiàng)，那就是一個(gè)二維空間；

如果把其中的一項(xiàng)再繼續(xù)拆分，只看其中的某個(gè)點(diǎn)，那就是一維空間；

把所有的東西加上時(shí)間，那就是四維空間。

要檢測(cè)一個(gè)數(shù)據(jù)的好壞，最好的辦法有兩個(gè)：同維度的比較和向下維度的拆解。

1、同維度的比較

同維度比較就是指在我們要對(duì)一個(gè)事物進(jìn)行檢測(cè)的時(shí)候，盡可能的把其他事物保持在同一水平，僅通過(guò)這一事物的不同而最后產(chǎn)生的結(jié)果的不同，進(jìn)行判斷。

比如：我們?cè)趯?shí)際工作中，經(jīng)常會(huì)碰到以下情況：

• 做了A、B兩次內(nèi)容，我們想知道哪次內(nèi)容的效果更好一點(diǎn)？
• 做了A、B兩場(chǎng)活動(dòng)，我們想知道哪次活動(dòng)的用戶反應(yīng)更強(qiáng)烈一點(diǎn)？
• 找了A、B兩個(gè)渠道，我們想知道哪個(gè)渠道帶來(lái)的用戶質(zhì)量更高一點(diǎn)？
• 有A這個(gè)競(jìng)品，我們想知道這個(gè)競(jìng)品對(duì)比我們的優(yōu)劣勢(shì)分別是什么？
• ……

針對(duì)以上這種對(duì)比，一般我們采用趨勢(shì)線對(duì)比法和左右條形對(duì)比法，我們舉一個(gè)渠道檢測(cè)的例子：

1）首選我們拿到了A、B兩個(gè)渠道在同一時(shí)間內(nèi)的留存數(shù)量。

2）我們根據(jù)以上的數(shù)據(jù)，做出下面的趨勢(shì)線對(duì)比圖。

3）從上述趨勢(shì)圖中我們可以看出，在這段時(shí)間中渠道B的的質(zhì)量要略優(yōu)于A。

我們?cè)倥e一個(gè)競(jìng)品分析的例子：

做競(jìng)品分析的難度不在于分析本身，而在于競(jìng)品數(shù)據(jù)的獲取，特別是一些內(nèi)部運(yùn)營(yíng)數(shù)據(jù)，基本上是不大可能拿得到了。通常我們可以搜集競(jìng)品在市場(chǎng)上能采集到的外部數(shù)據(jù)，做成左右條形對(duì)比圖來(lái)進(jìn)行分析。

比如，通過(guò)數(shù)據(jù)采集，我們得到了競(jìng)品A在過(guò)去三個(gè)月內(nèi)的以下數(shù)據(jù)：在20個(gè)渠道做過(guò)廣告，收費(fèi)渠道有5個(gè)，發(fā)出過(guò)50次微信圖文，瀏覽量共計(jì)約8萬(wàn)，新聞發(fā)布過(guò)4條，活動(dòng)做過(guò)3場(chǎng)，推出了2款新付費(fèi)產(chǎn)品，下架了1款老產(chǎn)品，App產(chǎn)品迭代過(guò)7次，新增了4個(gè)功能，等等 ……

以上這些信息市場(chǎng)類的數(shù)據(jù)一般可以通過(guò)輿情監(jiān)控的第三方工具去獲取，而產(chǎn)品類的就需要我們?cè)诠ぷ髦腥チ粢饬恕Ｈ缓笪覀兏鶕?jù)我們的數(shù)據(jù)做出了以下圖：

而通過(guò)這張左右條形對(duì)比圖，我們一眼就可以發(fā)現(xiàn)我們和競(jìng)品之間的一些差距和優(yōu)劣勢(shì)了。

2、向下維度的拆解

這種分析方法，一般用于我們沒有什么東西可以去對(duì)比的情況下，我們只知道某樣?xùn)|西好或是不好，但不清楚其具體造成的原因。這時(shí)，我們就需要用不斷往下進(jìn)行維度拆解的方式，直至找到其真正的原因。這種時(shí)候一般我們可以采用漏斗分析圖法。

舉個(gè)例子：我們做了一場(chǎng)拉新活動(dòng)A，這次活動(dòng)的目的是拉新用戶下載App并進(jìn)行用戶注冊(cè)，但在渠道很穩(wěn)定的情況下，這次活動(dòng)的拉新效果并沒有想象中好，我們現(xiàn)在要想辦法檢測(cè)其原因。

看過(guò)我們前面結(jié)構(gòu)篇的同學(xué)，應(yīng)該還記得活動(dòng)的流程結(jié)構(gòu)，然后我們根據(jù)活動(dòng)的流程結(jié)構(gòu)和落地的產(chǎn)品頁(yè)，選出了以下幾個(gè)數(shù)據(jù)節(jié)點(diǎn)：

• 活動(dòng)：活動(dòng)前、預(yù)熱、正式活動(dòng)、余熱、活動(dòng)后
• 產(chǎn)品：引導(dǎo)頁(yè)、注冊(cè)頁(yè)、注冊(cè)成功頁(yè)

我們采集數(shù)據(jù)之后，得到了以下漏斗分析圖：

我們發(fā)現(xiàn)在活動(dòng)的時(shí)候，在前期表現(xiàn)非常不錯(cuò)，但在余熱期間出現(xiàn)了明顯的滑坡，只有15%的下載轉(zhuǎn)化；而在注冊(cè)的時(shí)候，引導(dǎo)頁(yè)的轉(zhuǎn)化也不是非常理想，只有50%。所以通過(guò)這兩張漏斗圖，我們可以發(fā)現(xiàn)，很有可能是我們活動(dòng)的預(yù)熱部分以及用戶注冊(cè)的引導(dǎo)頁(yè)上面出現(xiàn)了問(wèn)題。

以上的例子都相對(duì)比較簡(jiǎn)單，在實(shí)際工作中可能會(huì)繁瑣的多，但只要我們掌握了使用的場(chǎng)景和分析的方法，那么只是做的更精細(xì)化一點(diǎn)，本質(zhì)上是一樣的。

到這里，我們關(guān)于數(shù)據(jù)使用的檢測(cè)也說(shuō)完了，通過(guò)數(shù)據(jù)運(yùn)營(yíng)檢測(cè)的四維空間，我們可以發(fā)現(xiàn)以下結(jié)論：

（1）維度越低、檢測(cè)越容易

這就好比老板和你說(shuō)，“檢測(cè)一下今年為什么沒賺錢？”（四維空間）和“檢測(cè)一下這個(gè)按鈕怎么沒人點(diǎn)？”（一維空間），這兩件事情的難度是完全不一樣的，但同時(shí)也說(shuō)明了，數(shù)據(jù)規(guī)劃的時(shí)候，把維度拆分的越低，對(duì)日后工作的幫助也越大。

（2）高維度的檢測(cè)就要向低維度去拆分

如果找不到一個(gè)同維度的比較的話，就只能往低維度去拆分。

（3）檢測(cè)的方法就是先往下拆分，再左右比較

當(dāng)你拆分到一個(gè)有一個(gè)同一維度的對(duì)標(biāo)對(duì)象可以用比較法去比較的時(shí)候，或者明顯發(fā)現(xiàn)其好壞的時(shí)候，你就不需要去拆分了。

（4）要判斷檢測(cè)結(jié)果的正確性，需要從低維度再回到高維度

我們最終的評(píng)判標(biāo)準(zhǔn)，還是要從低維度回到高維度上，并去查看高維度那些數(shù)據(jù)指標(biāo)。

大家是不是對(duì)這個(gè)過(guò)程非常的熟悉，其實(shí)它的核心思維就是我們本系列文章的思維篇第一篇：《如何成為一個(gè)運(yùn)營(yíng)大牛-思維篇（一）：從上至下思考，從下至上執(zhí)行》。

好了，到這里，我們把數(shù)據(jù)篇也已經(jīng)說(shuō)完了，我們?cè)谇懊嬉黄蔡徇^(guò)，數(shù)據(jù)是一個(gè)向下無(wú)極限的東西，所以我們這兩篇只是把一些頂層的數(shù)據(jù)以及常見使用的場(chǎng)景和分析方法描述了一下。而數(shù)據(jù)中更多精細(xì)化的內(nèi)容也有待大家在工作中去挖掘了。

小結(jié)

數(shù)據(jù)驅(qū)動(dòng)了運(yùn)營(yíng)，掌握了數(shù)據(jù)就是掌握了運(yùn)營(yíng)的策略方向。但在實(shí)施運(yùn)營(yíng)策略的過(guò)程中，有沒有什么事半功倍的方法呢？這些方法又會(huì)在什么樣的階段，起到什么樣的作用呢？所以接下來(lái)就會(huì)進(jìn)入我們的《方法篇》。大家都清楚，運(yùn)營(yíng)的一切都是圍繞著用戶的，所以關(guān)于用戶方面的一些方法是最重要的，敬請(qǐng)關(guān)注方法篇的第一篇，如何成為一個(gè)運(yùn)營(yíng)大牛 —— 方法篇（一）：用戶分層。

相關(guān)閱讀

數(shù)據(jù)篇｜如何成為一個(gè)運(yùn)營(yíng)大牛（一）：運(yùn)營(yíng)中的那些數(shù)據(jù)

作者：致遠(yuǎn)，連續(xù)創(chuàng)業(yè)者，曾為多家上市公司提供過(guò)運(yùn)營(yíng)整案服務(wù)，曾任 Mr&Mrs 連鎖健身互聯(lián)網(wǎng)中心總經(jīng)理，現(xiàn)任 Muma 兒童藝術(shù)聯(lián)合創(chuàng)始人兼運(yùn)營(yíng)顧問(wèn)，膚智 COO 兼聯(lián)合創(chuàng)始人。

本文由 @致遠(yuǎn) 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。

題圖來(lái)自 unsplash，基于 CC0 協(xié)議