数据运营的6个步骤,从方法论到案例带你入门.pdfVIP

数据运营的 6 个步骤，从方法论到案例带你入门 通过对运营数据进行分析，帮助我们进一步对用户进行差分运营。 一、数据运营 1 、目的 通过对运营数据进行分析，帮助我们进一步对用户进行差分运营。 2 、核心 分析问题包含哪些方面，在占比高并且自己可以发力的点上去优化。 二、数据分析流程 1 、拆分工作项 运营是一个包含了诸多琐碎事项的工作，运营人员要会拆分自己的工作项，并根据不同工作项的特 点有针对地对特定的运营数据进行分析，才能事半功倍。 那么怎么拆分工作项呢？可以按照面对的用户群体分解，通常与用户分级联系在一起，将工作拆分 成面向所有普通用户、面向活跃用户、面向付费用户等等。也可以按照项目将自己的工作进行拆分 。还可以按照时间顺序确定不同阶段的目标，根据自己的目标来拆分工作项。 2 、建立指标体系 拆分完工作项后，针对每一个工作项有不同的指标，我们要根据工作项的特点进一步拆分和细化运 营数据指标，然后通过对每一个指标的分析来判断运营问题并不断优化运营方案。 拆分的维度可以按照数据的包含结构，也可以按照每一个工作项包含的子项进行拆分。 以用户运营为例，用户运营包含了用户的拉新、促活、留存、付费转化等方面。而就拉新来说，关 键的指标有注册用户的规模、增长速度；渠道质量 —— 注册渠道有哪些，渠道的注册转化率如何； 注册流程质量 —— 完成注册的用户数、注册流程中用户蹦失节点统计；注册用户行为追踪 —— 完成 注册后用户的行为统计。 3 、细化分析目标 细化分析目标是指根据运营目标，确定能够进行优化的数据点。这一步是为接下来的数据提取处理 分析奠基的。 举个简单的例子，假如现在做完一场活动，想知道下一次举办相同或相似活动时有哪些地方可以 优化，需要关心的点除了最终参与效果还有：活动推广的渠道有哪些，每一个渠道的参与路径是怎 样的，路径中的每一步参与人数有多少，转化率达到多少，等等。明确了分析目标后，就可以确定 要提取的数据点有哪些。 4 、提取处理数据 在提取数据这里涉及一个数据埋点的问题，在产品设计的早期，运营人员就要规划好运营关键点， 列出埋点清单提交给开发人员，以免后期运营过程中想要查看某一个数据但却没有数据记录信息。 此外，提取出来的数据要经过一系列的处理后方可进入分析阶段。 那么常见的数据处理包含哪些内容呢？ 首先，对拿到的数据，我们要进行数据清洗 —— 对数据里的重复项、缺失项、矛盾项以及异常的波 峰或者波谷进行处理的过程。对于重复项去重的方法有很多，在此就不做赘述。缺失数据最常见的 处理方法是用平均数值填补，这个平均可以是所有数据的算术平均值，也可以是一段时间内的平均 值等。而矛盾项指的是错误的数据，如原本应该都是 1位的数字，提取到的数据中却出现了不是一位 的数字、姓名的字段里出现了邮箱等等，这个时候要检查是数据提取时出现的错误还是数据录入时 的错误，如果是提取时的错误并且错误对结果分析的影响较大时，应该及时反馈给相关负责人。 采集到的数据要尤其注意波峰和波谷，因为这往往是问题分析的关键所在。一般来说数据产生波峰 或波谷的原因有获得了额外的推广机会、系统出现了故障、统计有 bug 等等。 其次要对数据做进一步的加工。因为提取出来的数据可能不是适合直接拿来分析的，这个时候往往 就会用到一些函数和工具，比方 VLOOKUP 函数和数据透视表等。 经过上述的清洗、加工步骤，得到了可以用以进行初步分析的数据。针对这些数据做进一步的处理 ，以期进行深入的分析。 5 、数据分析总结 （1 ）数据分析方法 常见的数据分析方法有对比分析法、结构分析法、平均分析法、权重分析法、杜邦分析法等等。 1）对比分析法 指按照不同的维度进行对比，以探寻数据的变化，发现其中蕴含的规律或启示。 对比的维度包含了：与预期目标对比、不同时间段的对比、与同行对比、与运营前的效果对比、不 同用户间的对比、不同操作间的对比，等等。 接下来用一个 例子讲解如何通过对不同时间段数据的对比来进行用户画像并根据用户画像做出运营 策略的调整。 上边这张折线图反应的是某产品的日活跃用户数变化规律。 2016 年4 月初到 7月初其基本是成周期 变化，且周期为一个星期，数据较大的点主要是在周末，因此我们可以推测这个产品的主要用户是 学生。而且在 6