运营如何数据分析

看您看到各种数据，而为不知道如何下手分析而烦恼吗？ 本导图对运营数据的分析比对进行了系统梳理，明确梳理方法、梳理思路，希望数据的分析能给您带来新的增长点！

运营如何数据分析

• 数据分析的 思路
  • 1 数据分析的基本步骤
    • 第一步，要先挖掘业务含义，理解数据分析的背景、前提以及想要关联的业务场景结果是什么。
    • 第二步，需要制定分析计划，如何对场景拆分，如何推断。
    • 第三步，从分析计划中拆分出需要的数据，真正落地分析本身。
    • 第四步，从数据结果中，判断提炼出商务洞察。
    • 第五步，根据数据结果洞察，最终产出商业决策。
  • 2 内外因素分解法
    • 内部可控因素：产品近期上线更新、市场投放渠道变化、产品粘性、新老用户留存问题、核心目标的转化。
    • 外部可控因素：市场竞争对手近期行为、用户使用习惯的变化、招聘需求随时间的变化。
    • 内部不可控因素：产品策略（移动端/PC端）、公司整体战略、公司客户群定位（比如只做医疗行业招聘）。
    • 外部不可控因素：互联网招聘行业趋势、整体经济形势、季节性变化。
    • 全面地分析数据指标，避免可能遗失的影响因素并且对症下药。
  • 3 DOSS 思路
    • 具体问题
    • 整体影响
    • 单一回答
    • 规模化方案
• 数据分析的 8 种方法
  • 1 数字和趋势
    • 看数字、看趋势是最基础展示数据信息的方式
  • 2 维度分解
    • 当单一的数字或趋势过于宏观时，我们需要通过不同的维度对于数据进行分解，以获取更加精细的数据洞察。在选择维度时，需要仔细思考其对于分析结果的影响。
  • 3 用户分群
    • 针对符合某种特定行为或背景信息的用户，进行归类处理
  • 4 转化漏斗
    • 第一，从开始到结尾，整体的转化效率是多少？
    • 第二，每一步的转化率是多少？
    • 第三，哪一步流失最多，原因在什么地方？流失的用户符合哪些特征？
    • 通过漏斗分析可以从先到后还原用户转化的路径，分析每一个转化节点的效率。
  • 5 行为轨迹
    • 关注行为轨迹，是为了真实了解用户行为。数据指标本身往往只是真实情况的抽象
      • 通过大数据手段，还原用户的行为轨迹，有助于增长团队关注用户的实际体验、发现具体问题，根据用户使用习惯设计产品、投放内容。
  • 6 留存分析
  • 7 A/B 测试
    • A/B 测试用来对比不同产品设计／算法对结果的影响。
      • 第一，有足够的时间进行测试
      • 第一，有足够的时间进行测试
      • 必要因素
  • 8.数学建模
    • 当一个商业目标与多种行为、画像等信息有关联性时，我们通常会使用数学建模、数据挖掘的手段进行建模，预测该商业结果的产生。