五一啟示|面對突發熱點資料飆升，如何有效分析並借勢運營？
這就要求運營人需要結合自己的業務現狀，實時洞察資料異常，選擇適合的資料分析方法，真正做到資料驅動產品，精細化運營
2019年3月22日，原本只是個平平常常的週五，但自國務院在10點發出 「好訊息！#五一放假4天#」 這條公告通知後，一切都變得不再尋常。
文章發出後2分鐘迅速達到98萬閱讀量，僅10分鐘已超過150萬閱讀量，熱心民眾擴散周知，朋友圈更是一片沸騰。
作為一名網際網路產品運營人，面對如此巨大流量，心裡是樂開花的，但是這種突發狀況，更應該 準確定位問題， 快速給出新的應對方案。
這就要求運營人需要結合自己的業務現狀，實時洞察資料異常，選擇適合的資料分析方法， 真正做到資料驅動產品，精細化運營。
一、回顧
我們先來看一下，當天國務院通知發出後，各大產品都做了什麼。
1.「訊息push不約而至」
-
官宣！五一假期延長至4天啦！
-
好訊息！今年五一放假四天
-
休4天！你想要的五一小長假回來了
-
喜大普本！今年勞動節放4天假
視訊、地圖、旅遊、社交…各家媒體的訊息push接踵而至，真真兒是感受到了新媒體運營人的靈敏嗅覺及強執行力。
2.「網易新聞熱門跟帖」
-
還不是隻休了一天 。
-
就是放兩天，只是把前一週後一週的休息挪了一天放在五一 。
-
還是一天。現在單位放假就讓值班！你這麼一弄，原本…
-
不調休，放四天才是最好的訊息。
文案創意緊密貼合#五一放假4天#訊息，廣告模板結構化配置，緊追熱點一鍵生成，靈活多變賺夠流量。
3.「馬蜂窩旅遊消費指南」
-
根據國務院最新通知，及時同步更新最新版2019放假安排 。
-
盤點了國內外最適合出行的24個旅行目的地 。
-
High玩春遊季大促活動更是蹭的一波熱點，730元新客優惠券禮包及時送上，門票、酒店、機票、自由行全覆蓋，還有688.8元紅包挑戰吸引使用者 。
對普羅大眾而言，短長假出門旅行已是一種習慣，更是一種生活方式，#五一放假4天#訊息一出，旅遊愛好者瞬間進入旅遊籌備程序。
4.「飛豬公關資料」
-
“放假訊息公佈以後，10點到12點，國內機票的預定量，比上週同時段增長超過50%；國際機票的增長更加驚人，超過了150%。
-
國內上海，重慶，北京，西安，成都，五個目的地的熱度最高；國際城市分別是首爾，中國香港，曼谷，大阪和東京。
從飛豬平臺看到，價格紛紛在中午之後開始有所上漲。”
...
就這樣，一條「好訊息！#五一放假4天#」出乎意料的放假訊息，頓時成了全網熱點，媒體追捧營銷，大眾欣喜買單，瀏覽訪問資料瞬間飆升。
二、用資料分析問題
回過頭來看，做到上面這些動作已經反應速度非常快了，而且和自家的產品調性結合的非常棒，實屬優秀。
面臨海量資料飛速上漲，下一步該怎麼辦？
這些熟悉的場景你一定都還記得：
-
比如，某段時間公司做了一波網紅大V推廣，老闆想看看推廣效果，你需要來個覆盤分析；
-
比如，某一時段資料異常漲跌，老闆要個準確說法，你一臉懵逼；
-
比如，某天你負責的M站瀏覽量狂漲，亟需找準原因好借勢再漲一波流量；
所有這些場景都需要基本的資料分析能力。
資料分析的價值所在就是 將一連串的問題現象與業務資料建立對應關係，通過一定的分析套路，快速分析並解決問題。
而我接下來將重點分享三種常見的資料分析方法，再通過一個 【某款社交APP在國慶期間資料猛漲原因分析】的案例 來輔助理解和說明。
三、三種資料分析方法
首先，常見的資料分析方法有9種： 對比分析，多維度拆解分析，漏斗觀察 ，分佈分析，使用者留存分析，使用者畫像，歸因查詢，路徑挖掘，行為序列分析。
這裡將重點展開分享前三種資料分析方法： 對比分析，多維度拆解分析，漏斗觀察。
1、對比分析
對比分析是 最基礎最常見 的資料分析方法，能 直觀的看出事物某階段的變化，並且可以準確、量化地表達出這種變化/差距是多少 ，重點從「比什麼」「怎麼比」「跟誰比」三個維度進行分析。
（1）比什麼
比什麼，分為絕對值（#）和比例值（%）的比較。
絕對值本身已是具備“價值”的資料，比如銷售金額2000元，閱讀數10000萬，單看數字不易得知問題的嚴重程度；
比例值只有在具體環境中看比例才具備對比價值，比如活躍佔比，註冊轉化率， 單看比例值容易受到極端值的影響。
（2）怎麼比
怎麼比，分為環比和同比。
常見的環比有日環比，月環比，是指 與當前時間範圍相鄰的上一個時間範圍對比 ，主要用於對短期內具備連續性的資料進行分析，如指標設定；
常見的同比有周同比，年同比，是指 與當前時間範圍上層時間範圍的前一範圍中同樣位置進行資料對比分析 ，主要用於觀察更長期的資料集，消除短期資料的干擾。
（3）和誰比
和誰比，分為和自己比、和行業比。
和自己比，可以從不同的時間維度，不同的業務線，過往經驗估計，跟自己比較；
和行業比，可以觀察分析得出是自身因素，還是行業趨勢，比如都跌的時候，能否比同行跌的少？都漲的時候，能都比同行漲的快？
現在回到上面這條「飛豬公關資料」“放假訊息公佈以後，10點到12點，國內機票的預定量，比上週同時段增長超過50%；國際機票的增長更加驚人，超過了150%。”
很顯然，
“50%，150%”都是比例值；
“比上週同時段增長...”由於是#五一放假4天#訊息導致的資料短期內連續上漲，所以選擇的是周同比；
“國內機票的預定…國際機票...”飛豬是在跟自己比，若有行業資料公佈作為依據，可以判斷飛豬是比同行漲的快/慢。
2、多維度拆解
多維度拆解，是最重要的一種思維方式， 一個單一指標是不具備分析價值的，我們需要從多個維度進行拆解分析才有意義，最終以獲得更加全面的資料洞察。
資料分析的本質是用不同的視角去拆分，觀察同一資料指標。多維度拆解的本質多維度拆分指標/業務流程，來觀察資料變動。
多維度拆解的適用場景：
（1） 分析單一指標的構成、比例時 ，比如分欄目的播放量、新老使用者比例；
（2） 針對流程進行拆解 ，比如不同渠道的瀏覽、購買轉化率，不同省份的活動參與漏斗；
（3） 還原行為發生時的場景 ，比如打賞主播的使用者的等級、性別、關注頻道，是否在WiFi或4G環境下。
現在回到第一個場景：“比如，某段時間公司做了一波網紅大V推廣，老闆想看看推廣效果，你需要來個覆盤分析…”
這時就需要用到多維度拆解分析方法，大致的分析思路這樣這樣：
（1）從APP啟動事件來分析
-
按照 裝置型別 檢視，比如Android、iPhone…不同機型的啟動情況；
-
按照 啟動來源 來看，比如是從桌面、簡訊、PUSH…不同來源的啟動情況；
-
按照 城市等級 觀察，比如一線、二線、三線及以下…不同城市的啟動情況；
-
按照 新老使用者 細分，比如總體、新使用者、老使用者...不同使用者群體的啟動情況。
（2）從業務流程拆解
比如對於簡單的“註冊——>下單——>支付”流程而言：
-
支付漏斗按照 渠道 檢視，渠道可能分為百度、頭條、微信公眾號…
-
支付漏斗按照 城市 來看，城市可能分為一線、二線、三線及以下…
-
支付漏斗按照 裝置 來看，裝置可能分為Android、iPhone…
3、漏斗觀察
漏斗觀察的分析方法我們常見且熟悉，它的運作原理是 通過一連串向後影響的使用者行為來觀察目標。
適用於有明確的業務流程和業務目標的業務，不適用於沒有明確的業務流程、跳轉關係紛繁複雜的業務。
通過漏斗觀察核心業務流程的健康程度。
盤點一下在建立漏斗時容易掉的坑：
（1）首先漏斗觀察需要有一定的時間視窗，具體需要根據業務實際情況，選擇對應的時間視窗。
-
按天觀察，適用於對使用者心智的影響只在短期內有效的情況，比如一些短期活動（當前有效，倒計時設定等）；
-
按周觀察，適用於業務本身複雜，使用者決策成本高，需要跨日才能完成的情況，比如投資理財，開戶注資；
-
按月觀察，適用於使用者決策週期更長的情況，比如裝修買房。
（2）其次漏斗觀察是有嚴格順序的，不可以用ABCDE（僅搜尋途徑的資料）的漏斗，看ACE（包含分類、搜尋、推薦位三條途徑的資料）的資料 。
（3）漏斗的計算單位可以基於使用者，也可以基於時間。
-
觀察使用者，是關心整個業務流程的推動；
-
觀察事件，是關心某一步具體的轉化率，但無法獲知事件流轉的真實情況。
（4）結果指標的資料不符合預期時，需要自查是否只有一個漏斗能夠觸達最終目標，也就是檢查下，是否出現第二個坑的情況。
四、案例分享——某款社交APP在國慶期間資料猛漲原因分析
場景是這樣，現在有一款匿名社交APP，類似於探探，資料範圍在 2018 年 9 月 1 日 - 10 月 14 日之間，其中在國慶期間資料猛漲，試分析其原因。
（1）首先定義“資料猛漲”
作為一款匿名社交產品，可以選擇觀察「註冊成功」事件。
由於產生行為資料的時間較短，所以最後選擇關注“註冊使用者數的日環比是否有比較大的增漲”，並按照「註冊成功」事件的「觸發使用者數」進行檢視：
（2）發現異常定位問題
從上面這張註冊成功的觸發使用者數折線圖可以看出，國慶期間的註冊使用者日環比存在較高的資料增長差，就是折線右側出現的一段高峰。
由此判斷，國慶期間由於某種原因造成了註冊使用者數的大幅增長，具體原因，待進一步拆解分析。
（3）多維度拆解分析
按照作業系統區分觀察，可以發現Android的漲幅明顯高於iOS，iOS稍有漲幅，但漲幅不明顯。
這一步仍無法直接定位問題，需進一步拆解分析。
上圖 按照註冊方式觀察 ，微信、微博、手機號這三種註冊方式，在國慶期間均有漲幅且漲幅相似，可初步判斷註冊方式與此次資料異常無關。
上圖 按照性別觀察 ，男生和女生在國慶期間均有漲幅，男生略高於女生，但仍無法直接定位問題，需進一步拆解分析；
上圖 按照年齡觀察 ，不同年齡層的使用者在國慶期間均有漲幅且漲幅相似，可初步判斷年齡與此次資料異常無關。
問題來了！按照省份觀察，上圖明顯看到有一根折現異常升高！
其實是海南省的日環比漲幅增高，除此之外，雲南省的環比漲幅相較其他省份也明顯升高。
綜上觀察分析基本可以判斷，國慶期間資料猛漲，跟海南省、雲南省的註冊使用者數大幅增長有關，具體原因待進一步拆解分析。
繼續 按照城市觀察 ，篩選條件設定為省份等於海南省，雲南省，直觀看到麗江市、大理市、三亞市、海口市國慶期間資料猛漲。
綜合以上多維度分析發現，國慶期間資料猛漲，主要是由於 麗江市、大理市、三亞市、海口市 四個城市有明顯漲幅。
而這四個城市都屬於旅遊城市，且資料增長時期伴隨國慶假期。
於是猜測可能是，該款匿名社交產品在國慶期間，面向這四個熱門旅遊目的地，做了推廣活動，關於資料猛漲真實的具體原因，還需要與市場、運營、或負責增長相關的同事溝通確認。
最後
再回到開篇說到的 「好訊息！#五一放假4天#」 ，這條公告通知在10點發出後，就有這樣一個牛逼的團隊，他們不到11點已經開啟了一系列應對措施：
（1）首先，實時監測到10點放假新聞公佈後的資料激漲，深深感受到了五一長假新聞立竿見影的影響力；
（2）ASO已經提前把“機票預訂”做到了第二，同時特價機票也開始優化；
（3）資訊流渠道投放，廣告創意新增機票素材;
…
如此，東風一吹，萬事俱備，巧妙適宜的獲得一大波流量紅利。
以上樁樁件件的案例分析背後都透漏出了資料分析能力的重要性，而我們也真的需要具備這樣讀懂資料，洞察業務的核心技能。
不論是產品還是運營，我們每天所做的事情都與實際業務息息相關，業務與資料又是密不可分，想要在各自的崗位做好業務支援工作，都需具備一定的資料分析能力。
不懂資料分析的產品運營，將註定過不好這一生，你的老闆嫌棄你不夠全棧，你的同事鄙視你不懂資料，最後連你也要懷疑自己是否OK。
既入行產品運營，就得設法過好這一生，資料分析必要不在話下。