運(yùn)營(yíng)數(shù)據(jù)分析三板斧

0.前言

一款產(chǎn)品做出來(lái)之后,如何改進(jìn)、優(yōu)化她?當(dāng)然各方面的反饋、吐槽是一個(gè)重要因素,但帶有主觀情緒的“覺得、感覺”來(lái)改進(jìn)一款產(chǎn)品是不可持續(xù)且有失嚴(yán)謹(jǐn)?shù)?。作為一個(gè)產(chǎn)品經(jīng)理,如果想優(yōu)化一款產(chǎn)品,最主要的工作是先了解、分析這款產(chǎn)品(可以從不同的維度來(lái)分析一款產(chǎn)品),再去衡量產(chǎn)品。那拿什么去衡量一款產(chǎn)品?數(shù)據(jù)!

李彥宏說(shuō)“數(shù)據(jù)可比算法重要”,雖然有失偏頗,但是也道出了數(shù)據(jù)的重要性。數(shù)據(jù)說(shuō)到底其實(shí)就是一種工具,通過(guò)數(shù)據(jù),我們可以衡量產(chǎn)品,了解產(chǎn)品,可以在數(shù)據(jù)驅(qū)動(dòng)下改進(jìn)產(chǎn)品。數(shù)據(jù)分析和數(shù)據(jù)處理本身是一個(gè)比較專業(yè)和復(fù)雜的領(lǐng)域,在這里我簡(jiǎn)要闡明一些比較基礎(chǔ)、在日常工作中發(fā)揮比較大作用的數(shù)據(jù)分析方法,我稱之為“數(shù)據(jù)分析三板斧”:

趨勢(shì)分析(Trend Analysis)

對(duì)比分析(Comparative Analysis)

細(xì)分分析(Segmentation Analysis)

1.趨勢(shì)分析

產(chǎn)品方、運(yùn)營(yíng)方以及決策層希望看到一些關(guān)鍵的匯總數(shù)據(jù),他們很少會(huì)按天去查數(shù)據(jù),他們更關(guān)心的是關(guān)鍵指標(biāo)在月度、季度中的表現(xiàn)情況,同時(shí)必須掌握這些關(guān)鍵指標(biāo)的變化趨勢(shì),從而對(duì)公司整體層面業(yè)績(jī)有直觀的體現(xiàn)。單純的給出GMV、UV、轉(zhuǎn)化率、活躍用戶數(shù)等指標(biāo)是毫無(wú)意義的,必須數(shù)據(jù)的趨勢(shì)進(jìn)行分析和量化,才顯得直觀。這里引入統(tǒng)計(jì)學(xué)中的幾個(gè)概念:同比、環(huán)比和定基比。

同比:同比是為了消除數(shù)據(jù)周期性波動(dòng)的影響,將本周內(nèi)數(shù)據(jù)與上一周期中相同時(shí)間點(diǎn)的數(shù)據(jù)進(jìn)行比較。比如:拿2017年2月份的訂單額和2016年2月份的訂單額相比較,得出同比增長(zhǎng)率。

同比增長(zhǎng)率=(本期數(shù)值—上一周期同期數(shù)值)/上一周期同期數(shù)值 ?*100%

環(huán)比:環(huán)比增長(zhǎng)率反應(yīng)的是數(shù)據(jù)連續(xù)變化趨勢(shì),將本期的數(shù)據(jù)與上一期的數(shù)據(jù)進(jìn)行對(duì)比。最常見的是這個(gè)月的數(shù)據(jù)與上個(gè)月的數(shù)據(jù)進(jìn)行比較,比如拿2017年2月的支付訂單數(shù)和2017年1月的支付訂單數(shù)進(jìn)行對(duì)比,得出環(huán)比增長(zhǎng)率。

環(huán)比增長(zhǎng)率=(本期數(shù)值-上一期數(shù)值)/上一期數(shù)值 ? *100%

定基比:定基比增長(zhǎng)率將所有的數(shù)據(jù)與某個(gè)基準(zhǔn)線數(shù)據(jù)進(jìn)行對(duì)比。通常這個(gè)基準(zhǔn)線是公司或者產(chǎn)品發(fā)展的一個(gè)里程碑或者重要數(shù)據(jù)點(diǎn),將之后的數(shù)據(jù)與這個(gè)基準(zhǔn)線進(jìn)行比較,從而反映公司在跨越這個(gè)重要的基點(diǎn)后的發(fā)展?fàn)顩r。

定基比增長(zhǎng)率=(本期數(shù)值—基期數(shù)值)/基期數(shù)值 ?*100%

趨勢(shì)分析另一個(gè)核心目的則是對(duì)趨勢(shì)做出解釋,對(duì)于趨勢(shì)線中明顯的拐點(diǎn),發(fā)生了什么事情要給出合理的解釋,無(wú)論是外部原因還是內(nèi)部原因。

2.對(duì)比分析

我們無(wú)法通過(guò)一個(gè)孤立的數(shù)據(jù)分析得到可靠的結(jié)論,趨勢(shì)分析讓我們洞察數(shù)據(jù)的變化,而對(duì)比分析可以讓我們明確好壞優(yōu)劣,進(jìn)而揚(yáng)長(zhǎng)避短。趨勢(shì)分析比較的是自身在時(shí)間序列上的變化,對(duì)比分析是給一組數(shù)據(jù)設(shè)定一些合理的比較環(huán)境,即給數(shù)據(jù)設(shè)定一個(gè)“參照物”,從而得出一組數(shù)據(jù)內(nèi)不同數(shù)據(jù)的優(yōu)劣。再?gòu)?qiáng)調(diào)一遍:我們無(wú)法通過(guò)一組孤立的數(shù)據(jù)來(lái)得到什么!

舉個(gè)例子,某個(gè)電商網(wǎng)站的購(gòu)買轉(zhuǎn)化率為3%,我們無(wú)法判斷這個(gè)轉(zhuǎn)化率的高低,但是當(dāng)我們給出一個(gè)參照物——全行業(yè)的平均購(gòu)買轉(zhuǎn)化率為1.5%,經(jīng)過(guò)這兩者一對(duì)比,就立刻可以判斷該電商網(wǎng)站的購(gòu)買轉(zhuǎn)化率超出平均水準(zhǔn)很多了。有時(shí)一些數(shù)據(jù)的對(duì)比并不能反映出數(shù)據(jù)的優(yōu)劣,需要簡(jiǎn)單的合并。比如:在一個(gè)電商APP內(nèi),有A、B兩件商品,A的訪問(wèn)量是100,B的訪問(wèn)量是1000,如果直接比較A、B兩件商品的訂單數(shù),顯然是不合理的,正確的做法是利用訂單數(shù)/訪客數(shù),通過(guò)訂單轉(zhuǎn)化率來(lái)比較,這樣進(jìn)行數(shù)據(jù)的合并來(lái)對(duì)比A、B兩件商品會(huì)更加合理。這里訂單轉(zhuǎn)化率就是一個(gè)簡(jiǎn)單的合并指標(biāo)了。

一般而言,對(duì)比的數(shù)據(jù)是數(shù)據(jù)的基本面,比如行業(yè)的情況,全站的情況等。就某個(gè)數(shù)據(jù)指標(biāo)從不同的環(huán)境進(jìn)行橫向?qū)Ρ?,找出得出指?biāo)的好壞。有些時(shí)候,在產(chǎn)品迭代測(cè)試的時(shí)候,為了增加說(shuō)服力,會(huì)人為設(shè)置對(duì)比的基準(zhǔn),如經(jīng)典的“A/B test”。

需要指出的是,數(shù)據(jù)的對(duì)比分析最關(guān)鍵的是對(duì)比某一個(gè)單一變量,其他條件(變量)保持一致。比如測(cè)試首頁(yè)改版的效果,就需要保持A/B 兩組用戶質(zhì)量保持相同,上線時(shí)間保持相同,來(lái)源渠道相同等,只有這樣才能得到比較有說(shuō)服力的數(shù)據(jù)。

3.細(xì)分分析

在數(shù)據(jù)分析的三板斧中,最后一種分析方法是細(xì)分分析。細(xì)分需要借助一定的專業(yè)工具進(jìn)行分析。她最大價(jià)值是可以讓我們看清楚問(wèn)題的所在。通常我們獲得的運(yùn)營(yíng)數(shù)據(jù)都是綜合數(shù)據(jù),如APP的訪問(wèn)量、下載量、總銷售額、總停留時(shí)間。這些綜合的數(shù)據(jù)會(huì)讓顯示出APP運(yùn)營(yíng)的整體狀況,但也會(huì)隱藏一些問(wèn)題和機(jī)會(huì)。

細(xì)分簡(jiǎn)單來(lái)說(shuō)是指標(biāo)和維度的結(jié)合。介紹指標(biāo)和維度的概念,指標(biāo):用來(lái)記錄訪問(wèn)者行為的數(shù)字。最常見的指標(biāo)包括訪問(wèn)次數(shù)、綜合瀏覽量、訪問(wèn)深度、轉(zhuǎn)化率、流失率等。維度:是觀察訪問(wèn)者行為的角度。比較常見的維度包括訪問(wèn)者屬性維度、時(shí)間維度、流量來(lái)源維度、地理維度、內(nèi)容維度和系統(tǒng)維度等等。

同一指標(biāo)在不同的維度下會(huì)顯示出不同的屬性。例如,某個(gè)網(wǎng)站的訪問(wèn)次數(shù)是1000,當(dāng)這個(gè)指標(biāo)與訪問(wèn)者維度組合時(shí),會(huì)顯示出新訪問(wèn)用戶是600,回訪用戶是400;同理,這個(gè)訪問(wèn)指標(biāo)與時(shí)間維度,地理維度結(jié)合來(lái)看,也會(huì)拆分出不同的數(shù)據(jù)。這就是一次簡(jiǎn)單的細(xì)分。

4.小結(jié)

趨勢(shì)分析最常用的是同比、環(huán)比,趨勢(shì)分析也是數(shù)據(jù)監(jiān)控的最基礎(chǔ)的方法;對(duì)比分析讓我們明確優(yōu)劣好壞,從而做出最有效決策,跟目標(biāo)的對(duì)比能夠有效地考核網(wǎng)站的績(jī)效;細(xì)分是分析的最基礎(chǔ)體現(xiàn),是排查問(wèn)題的利器,使用細(xì)分能夠幫助我們將問(wèn)題從整體一步步定位到細(xì)節(jié),進(jìn)而找到針對(duì)性的解決辦法。

當(dāng)然,我們?cè)谧鲞\(yùn)營(yíng)數(shù)據(jù)分析的時(shí)候,數(shù)據(jù)從何而來(lái)?如何獲?。恳残枰獙I(yè)的獲取數(shù)據(jù)的辦法。至于如何獲取數(shù)據(jù)再進(jìn)行專業(yè)分析,下次分解。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,565評(píng)論 6 539
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 99,115評(píng)論 3 423
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人,你說(shuō)我怎么就攤上這事?!?“怎么了?”我有些...
    開封第一講書人閱讀 177,577評(píng)論 0 382
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我,道長(zhǎng),這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,514評(píng)論 1 316
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 72,234評(píng)論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 55,621評(píng)論 1 326
  • 那天,我揣著相機(jī)與錄音,去河邊找鬼。 笑死,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,641評(píng)論 3 444
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 42,822評(píng)論 0 289
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 49,380評(píng)論 1 335
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 41,128評(píng)論 3 356
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 43,319評(píng)論 1 371
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,879評(píng)論 5 362
  • 正文 年R本政府宣布,位于F島的核電站,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 44,548評(píng)論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,970評(píng)論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,229評(píng)論 1 291
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 52,048評(píng)論 3 397
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 48,285評(píng)論 2 376

推薦閱讀更多精彩內(nèi)容