運營必備的資料分析思維模式
你是否也曾被資料分析搞的腦殼疼？
A——“我是文科生，幹嘛讓我來做資料分析？”
B——“Just Do It 就是了，分析不就是浪費時間嗎？”
圖片發自簡書App
很多人比較排斥分析資料，覺得自己的資料樣本太小不值得分析，或者覺得這次專案做失敗了沒必要分析，這其實都是對資料分析的偏見。
其實資料分析並沒有我們想象中的那麼高深莫測外加高大上，它不是華麗的表格，也不是黑客電腦一樣滿屏密密麻麻自動傳輸的資料，更不是火箭工程師的資料模型，它對於運營來說，更多的是一種思考邏輯、一種思維能力，掌握它是為了更好地幫我們做決策。
圖片發自簡書App
通過分析人們交通出行的資料，你能輕鬆買到低價機票；通過分析樓下生鮮店的客流量，你可以選擇一個無需擁擠的時間買到低價新鮮肉；通過分析你心動女孩的面部表情資料，你可以找到最佳時機獻殷勤或者表白，我們在生活中做的這些決策，其實都是經過大腦資料篩查分析後作出的判斷。
關於資料分析的文章很多，各種方法論、各種分析模型，今天想說的是先建立起初步的資料分析意識，讓你的資料分析思維流程化，逐漸轉化成日常思維習慣，這比單一的知道某種資料分析模型要有用的多。就像練功一樣，你先修煉好內功，再練習各種招式就事半功倍了。
圖片發自簡書App
一、熟悉你涉及領域的資料名詞/指標
資料指標能幫住我們更容易理解使用者行為，每一個指標都是使用者動作的關聯，通過了解這些資料指標從而推測你對使用者的影響力。
比如公眾號運營：閱讀數、點贊數、留言數、轉發數、新增粉絲、取關粉絲等
APP運營：使用者總量、新增使用者量、下載量、UGC、UV/PV、DAU/MAU、TAD、ARPU、LTV、付費使用者量、留存率、使用者使用時長等
電商運營：訪客數、GMV、客單價、訂單量、轉化率、毛利率等
SEO：收錄數、關鍵詞排名、UV/PV、IP、跳出率、平均訪問頁數、平均訪問時長等
圖片發自簡書App
二、瞭解改變哪些指標更有利於你達到目標
無論是做APP推廣還是做活動，我們最終關心的還是效果、但是在統計效果的過程中，往往需要我們關注很多資料指標，有些指標的提升帶動了其他指標的增長，所以我們決定做某一動作之前，先確定我們最終要優化的是哪個指標。
如果我們APP使用者基數很大，但是活躍使用者數不高，領導就可能讓你做個提高使用者活躍的活動。結合統計週期，活躍使用者數又可以分為日活(DAU)、周活(WAU)、月活(MAU)，雖然它們之間相互影響，但是提高單個指標的方式還是略有差別的。
比如為了提高日活，“開心詞場”將一本詞彙書分成很多關卡，使用者通過每日遊戲闖關的方式，完成單詞背誦。比如一個視訊平臺的新使用者都是奔著某個節目來的，節目一結束，一些使用者就不活躍了，為了提高月活，通過分析使用者，如果使用者是為了看《羋月傳》來的，就給使用者推送孫儷演的其他節目或者相關歷史劇，慢慢拓寬使用者觀看節目的寬度。
其次，如果我們最終確定以提高日活為目標，我們就要了解自己產品的日活水平，以及行業優秀水平，然後定一個合理的目標。用百分比來表示，通常認為日活在20%以上的APP算是不錯的，超過50%那就是世界級水準了。
三、瞭解提高指標的關鍵動作
要想提高某一指標，不是直接拍腦門就能想出解決方案的。我們需要利用流程化思維和資料分析漏斗來判斷影響使用者的關鍵動作。流程化思維就是我們拿到一個問題之後，迴歸到整條流程鏈條上去，從流程中尋找答案。
比如我們想通過一個沙龍活動為公眾號增粉，新增粉絲數是最終評估效果的指標，我們梳理活動的流程大概是這樣的：
我們可以把每一步進行細分，尋找可以引導使用者關注公眾號的著陸點，比如活動宣傳期，在推送渠道的選擇上選擇微信圖文推廣，就要比選擇視訊宣傳更有利於增粉轉化；在使用者報名階段，設定使用者關注公眾號就可以免費報名；
等待活動開始過程中，讓使用者分享推文，通過完成指定動作比如點贊即可以在現場獲得伴手禮一份；在活動進行期間，設定一些促進傳播的現場趣味小互動，比如現場拍照發朋友圈，轉發文寫上前往公眾號獲得免費課程等；活動結束後，用現場使用者互動的圖片做後宣H5，引導使用者傳播。
通過流程化思維方式，我們可以清晰地看出哪些過程的哪些動作可以促成你完成指標。同時通過漏斗模型分析，我們又可以找到刺激轉化的關鍵節點。
從這個漏斗發現，從活動宣傳頁面到使用者報名這個過程流失了大多數的使用者，從整體增粉的角度考慮，要著重圍繞這一步增加轉化，宣傳頁面要從形式、文案、圖片、激勵、轉發語等方面提高轉化，形式例如圖文音訊視訊H5等，要選擇最適合傳播和關注轉化的形式；
文案如標題、文風、排版等要做到整體風格統一，層層遞進。通過資料漏斗分析，我們可以把握到著重發力點，傾斜核心資源注入。後期我們還可以通過漏斗轉化來進行效果驗證，通過交叉對比，找出資料差異，追蹤異常資料，做後續的漏斗改進尋找。
四、A/B測試找出最優解決方案
在我們解決方案的過程中，可能想到不只一種方式，A/B測試就是用來對比不同產品設計/演算法對結果的影響，運營可以用A/B測試進行不同渠道、內容、動作的效果評估。
比如，我們要推一條活動push，要評測哪個更能吸引使用者點選，通過比較實驗組（A組）和對照組（B組）的抵達率和點選率兩個衡量指標，來評估哪個push效果更佳。
在目標管理原則SMART裡，有個原則是Measurable（可衡量的），我們經常說，不能衡量就無法增長，資料分析對運營工作的提升有著至關重要的作用，但是掌握單純的理論還遠遠不夠，實踐出真知。我們只有在日常工作中，逐步培養資料分析思維，提升轉化，才能更好地運用資料驅動運營。