项目六 互联网产品数据运营.pptx

;项目六

数据运营精准产品走得更久

——数据运营;;;;;;数

据

分

析

的

目

的;从数据到信息的这个过程，就是数据分析。

数据本身并没有什么价值，有价值的是我们从数据中提取出来的信息。;;1，数据分析的目的是什么？

2，数据分析的思路？

答：目的是解决我们现实中的某个问题或者满足现实中的某个需求。

答：在这个从数据到信息的过程中，肯定是有一些固定的思路，或者称之为思维方式。下面介绍数据分析的五大思维方式。;第一大思维【对照】;图b经过跟昨天的成交量对比，就会发现，今天跟昨天实则差了一大截。;从字面上来理解，就是拆分和解析。

我们回到第一个思维【对比】上面来，当某个维度可以对比的时候，我们选择对比。

在对比后发现问题需要找出原因的时候，或者根本就没有办法对比。这个时候【拆分】就闪亮登场了。;运营小美，经过对比店铺的数据，

发现今天的销售额只有昨天的50%，

这个时候，我们再怎么对比销售额这个维度，已经没有意义了。

这时需要对销售额这个维度做分解，拆分指标。

销售额=成交用户数*客单价，成交用户数又等于访客数*转化率。;图c是一个指标公式的拆解;图D是对流量的组成成分做的简单分解;当数据维度太多的时候，可以从中筛选出代表的维度即可。;如果当前的维度不能很好地解释问题时，就需要对数据做一个运算，增加多一个指标。如下图;当拿不准未来的时候，或者说是迷茫的时候。可以应用【假说】

假说是统计学的专业名词吧，俗称假设。

当我们不知道结果，或有几种选择的时候，那么我们就使用【假说】

我们先假设有了结果，然后运用逆向思维。

我们回到数据分析的目的，我们就会知道只有明确了问题和需求，我们才能选择分析的方法。;;领域;;;1.明确数据分析场景，正确定义业务问题

2.合理分解问题

3.抓住关键问题;;（一）数据采集方法;（二）数据采集工具;2、内部工具

（1）生意参谋（2）京东商智（3）百度统计;（三）数据清洗

1.缺失值清洗

2.格式内容清洗

3.逻辑错误清洗

4.重复数据清洗;;（一）AARRR模型

AARRR模型因其掠夺式的增长方式也被称为海盗模型，依序分别是Acquisition(获取用户)、Activation(激发活跃)、Retention(提高留存)、Revenue(增加收益)、Refer(推荐传播)这5个单词的首字母简称，对应用户生命周期中5个重要的环节。在增长黑客的“海盗法则”AARRR模型中，用户获取就是流量入口，激活就是惊喜时刻，留存就是产品的价值，变现涉及单位价值的问题，推荐就是放大效应。;（二）漏斗分析模型

漏斗分析模型适用于业务流程比较规范、周期长、环节多的流程分析，通过对漏斗各环节业务数据比较，能够直观地发现问题所在。在网站分析中，漏斗分析模型通常用于转化率比较，它不仅能展示访客从进入网站到实现购买的最终转化率，还可以展示每个步骤的转化率。通过前后对比或是不同业务、不同客户群的数据对比，能够发现网站中存在的问题，并寻找到最佳的优化空间。;电子商务网站和App;（三）用户行为模型;;数据可视化的图表类型;2.折线图;适合场景：简单的占比图，一般用于不要求数据精度的情况。劣势：一般情况下避免使用，因为视觉不明显。;;;6.漏斗图;数据可视化制作需要注意事项;;1.标题页

2.目录

3.前言

4.正文

5.结论与建议;;;（一）对比什么数据

（二）和谁对比

常见的对比对象有三种：历史对比、横向对比、外部对比。

(三)怎么对比

常见的统计方法，可以分为三类：

第一类，用来描述数据的集中趋势，包括平均数、中位数、众数。

第二类，用来描述数据的离散程度，包括极差、标准差、方差。

第三类，用来描述数据的比值，也就是比率或者比例。;;要素拆解，就是针对存在问题的某项指标，找出其影响因素，例如日销售额的影响因素是各商品的销售额，找到影响因素后，需要对影响因素进行拆解，从而将大问题拆分成一个个子问题。

（一）加法要素拆解

（二）矩阵法要素拆解

（三）乘法要素拆解;;市场情况总是随时间的推移不断发生变化，这一过程受到社会、经济、人文等诸多因素的影响。反映市场变化的经济指标不可能停留在同一水平，但它们都遵循事物发展变化的连续性原理。

趋势分析法就是运用数学方法，从历史统计数据中找出市场发展趋势或变化规律，并使其向外延伸，从而对市场前景作出推测和估计。;（一）趋势外推法;（二）移动平均法

移动平均法是利用若干期实际值的平均值(移动平均数)来预测变动趋势。具体做法是：将时间序列的数据由远而近按一定跨越期求跨越期(3、4、5)内观察期数据平均数；然后，随着观察期的推移，按一定跨越期的观察期数据也相应向前移动，每向前移动一步，去掉最前面一个数据，增添原来观察期之后期的一个新数据，并逐