每日干货分享

運營新手,快速建立數據思維的3個方法和1個案例


諸葛君說:在公司內部有很多溝通的問題,運營和產品溝通,產品和技術溝通,但是都沒有一個共同的「語言」去解決這些問題,但隨著大數據時代的帶來,我們發現,通過數據進行部門間的溝通就可以保證大家在同一個維度去看事情,而拋棄崗位和身份,只用客觀數據說明問題。今天諸葛君分享3個常用的數據分析方法和1個增長方案,幫助新手運營同學快速構建數據思維,提高日常工作中的溝通效率。

一、數據趨勢分析

趨勢分析一般而言,適用於產品核心指標的長期跟蹤,比如,點擊率,GMV,活躍用戶數等。做出簡單的數據趨勢圖,並不算是趨勢分析,趨勢分析更多的是需要明確數據的變化,以及對變化原因進行分析。

趨勢分析,最好的產出是比值。在趨勢分析的時候需要明確幾個概念:環比,同比,定基比。環比、同比大家都比較了解,定基比就是和某個基點進行比較,比如2016年1月作為基點,定基比則為2017年2月和2016年1月進行比較。趨勢分析另一個核心目的則是對趨勢做出解釋,對於趨勢線中明顯的拐點,發生了什麼事情要給出合理的解釋,無論是外部原因還是內部原因。

運營新手,快速建立數據思維的3個方法和1個案例

在數據分析的過程中,有很多因素影響到指標,那麼我們可以不同維度來逐一考察,比如:渠道,產品版本,來源,關鍵詞,網路,地域,IP,系統瀏覽器及版本等。

二、數據對比分析

數據的趨勢變化獨立的看,其實很多情況下並不能說明問題,比如如果一個企業盈利增長10%,我們並無法判斷這個企業的好壞,如果這個企業所處行業的其他企業普遍為負增長,則5%很多,如果行業其他企業增長平均為50%,則這是一個很差的數據。對比分析,就是給孤立的數據一個合理的參考系,因為,孤立的數據毫無意義。

以A/B測試為例,最關鍵的是A/B兩組只保持單一變數,其他條件保持一致。比如:測試首頁改版的效果,就需要保持A/B兩組用戶質量保持相同,上線時間保持相同,來源渠道相同等。只有這樣才能得到比較有說服力的數據。

三、 數據細分分析

在得到一些初步結論的時候,需要進一步地細拆,因為在一些綜合指標的使用過程中,會抹殺一些關鍵的數據細節,而指標本身的變化,也需要分析變化產生的原因。這裡的細分一定要進行多維度的細拆。常見的拆分方法包括:

分時:不同時間段數據是否有變化。

分渠道:不同來源的流量或者產品是否有變化。

分用戶:新註冊用戶和老用戶相比是否有差異,忠誠用戶和小白用戶相比是否有差異。

分地區:不同地區的數據是否有變化。

構成拆分:比如搜索由搜索片語成,可以拆分不同搜索詞

細分分析是一個非常重要的手段,多問一些為什麼,才是得到結論的關鍵,而一步一步拆分,就是在不斷問為什麼的過程。

四、業務場景舉例

運營新手,快速建立數據思維的3個方法和1個案例

有一個場景是圍繞用戶關鍵行為歷程加快用戶決策周期,以電商產品為例,這個關鍵行為歷程包括:領券促活躍、潛客促註冊、註冊促下單、洞察習慣促復購,加快用戶決策周期也就是幫助用戶認可價值、打消顧慮、支付購買。

1、整體路徑:在核心流程上加快決策

當我們被某個產品的賣點吸引后,我們的潛意識將「憑感覺」快速替我們做出決策,沒有立刻執行決策,不過是因為我們還在尋找理由說服自己,讓這個決策看起來合理罷了。

人的慾望是無限的,很多時候,人的欲求會超過一貫的自我認知和行為準則,同時,人又是一個會極度自洽的動物,當我們的某個決策意向明顯不符合自我認知與行為準則時,我們潛意識裡就會去尋找更多的理由,讓我們的決策「看起來」是合理的。

比如你看中一支口紅,很讓你心動,這時你有了購買衝動,只不過你已經有很多支口紅了,再囤一支並不符合你「不過度浪費」的自我認知,所以你開始尋找商品詳情頁,當你看到:「星你色不流行啦」、「安迪同款精緻絲滑」、「平價版Tom Ford」等信息時,你的購買決策可以被這些理由合理的解釋,你最終選擇了購買。

我們需要給用戶足夠的理由來完成合理化過程,可以是產品特性,可以是價格優勢,甚至可以只是一句心理層面的合理解釋,這些理由也許並不需要格外突出,因為這並不是為了吸引用戶產生購買衝動而存在的,有慾望的用戶為了說服安慰自己,自會尋找到「使TA下單合理化」的信息。

運營新手,快速建立數據思維的3個方法和1個案例

以某電商類產品為例,凡註冊成功后24小時內沒有創建訂單的用戶都會收到一條簡訊,簡訊內容大概是:你有價值128元的新手紅包待領取,下載APP立享優惠,一個小小的紅包,便終止了一部分用戶「猶豫不決」成功下單。PS:上圖中的數據來自我們的客戶,基於諸葛io的精準觸達,有68人成功完成了支付,即,這一條簡訊帶來了核心業務的轉化(變現)。

2、業務偏好:不同需求用戶精準營銷

當我們獲取了用戶之後,就會對用戶的相關數據做分析,得知用戶行為習慣,為產品運營所用。通過對用戶行為監測獲得的數據進行分析,可以讓我們更加詳細、清楚地了解用戶的行為習慣,從而找出運營中存在的問題,有助於APP發掘高轉化率頁面,讓營銷更加精準、有效,提高用戶的轉化率。

例如在什麼時間段用戶活躍度最高,在這個時間段推送活動,參與度會更加積極,用戶接受程度更大。比如分析出在22:00~24:00之間,20-30歲之間的女性最為活躍,那麼在這個時候可以選擇對女性用戶更有價值的活動來做定向推送,設置好推送的活動、時間點和用戶群體,以此來增強用戶生命力,延長用戶生命周期。

3、沉默激活:圍繞活躍特點貼心提醒

沉默用戶大部分是低介入用戶,是否能夠再細分出各自的需求,再做用戶觸達和用戶運營,滿足其某一次需求。如果用戶只是使用基本功能,就不要騷擾他,如一個月做運營觸達而用戶無反應,持續幾次皆如此,則不要再騷擾了,否則產品都不會使用,這類長時間的沉默用戶要謹慎處理。

總之,趨勢,對比,細分是數據分析中最基礎的思維。無論是數據核實,還是數據分析,都需要不斷地找趨勢,做對比,做細分,才能得到最終有效的結論。

本文首發微信公眾號 諸葛io(ID:zhugeio1)

諸葛io,你身邊的數據驅動教練

歡迎添加微信:zhugeio2016一起探討交流