导图社区 数据分析基础知识
什么是数据运营?数据是反映产品和用户状态最真实的一种方式,通过数据指导运营决策、驱动业务增长,最后总结就是数据我们要做好数据规划、数据采集、数据分析,欢迎交流
编辑于2023-02-24 10:58:00 广东如果你要运营抖音短视频,先搞懂这些个专业名词,这里整理了所有的基础定义,建议收藏阅读。
着这写步骤,你会渐渐懂得抖音的算法,增加你账号的权重,提高你视频被平台推荐的概率。总而言之,孵化一个成熟的抖音账号,就得先有前期的准备。就算是一个粉丝量很多的账号,违规了也需要再养号。我就是希望大家不要忽略养号的重要性,也不要疏忽后期的培养,要学会运用平台的规则,而不是被规则束缚手脚。
看了很多抖音运营知识,但自己作为新手真正操作时会遇到各种各样的问题,这里整理了所有抖音新手常遇到的问题答疑,都给出答案,不做无头苍蝇。
社区模板帮助中心,点此进入>>
如果你要运营抖音短视频,先搞懂这些个专业名词,这里整理了所有的基础定义,建议收藏阅读。
着这写步骤,你会渐渐懂得抖音的算法,增加你账号的权重,提高你视频被平台推荐的概率。总而言之,孵化一个成熟的抖音账号,就得先有前期的准备。就算是一个粉丝量很多的账号,违规了也需要再养号。我就是希望大家不要忽略养号的重要性,也不要疏忽后期的培养,要学会运用平台的规则,而不是被规则束缚手脚。
看了很多抖音运营知识,但自己作为新手真正操作时会遇到各种各样的问题,这里整理了所有抖音新手常遇到的问题答疑,都给出答案,不做无头苍蝇。
数据分析基础知识
适合人群
数据分析0基础同学
应届毕业生或者毕业1-2年初入职场,期望进入数据分析行业的同学,本课程将会帮助大家打好数据分析的基础
2年以下的产品、运营同学
有一定的产品和运营经验,需要更多的学习数据分析体系,帮助大家在实际的工作中运用数据分析解决实际的问题
传统行业转型的同学
传统行业同学有一定的行业和工作经验积累,但是对于数据分析没有全面的成体系的理论知识
一、数据分析是什么?
数据分析的定义
是指根据分析目的 ,用适当的分析方法及工具,对数据进行分析,提取有价值的信息,形成 有效结论 的过程
案例
背景:为了提升单个点位的产出(毛利额),对部分点位调整了商品结构和优惠策略:增加高单价商品占比,回收部分低价的商品,降低补贴。现需要复盘这些点位的运营结果,总结经验教训
总结:
降低补贴,增加高价商品会影响下单的用户数,拦截了部分价格敏感用户
调整商品结构,能够提高价格不敏感用户的客单价和毛利率
通过上述措施,基本达到了提升单点毛利额的目的,但是需要对价格敏感和价格不敏感的用户进行更加精细化的运营,以便达到毛利额的再提升
数据分析的作用及场景
运营
活动运营,内容运营,商品运营,用户运营:用户分类、用户生命周期
产品
产品功能,产品体验、产品调研、用户需求调研
市场
商务合作效果、渠道推广效果、投入产出比
案例:产品功能分析
背景:新发版的APP增加了主页商品增加按照销量、价格排序功能,需要评估这个功能的效果
结论:增加的排序功能能够提高转化率,但是目前的使用率太低,需要加强用户教育,提高使用率
数据分析师的能力要求及不同等级数据分析师的能力要求
能力要求
数据敏感性
对业务的深入理解
逻辑思维能力
统计分析能力
熟练使用分析工具
数据解读能力
数据应用能力
不同等级
入门(能解决基础问题)
深度理解各个数据指标代表的含义,并且能够及时的发现数据中的问题和机会
能够熟练运营各种数据分析工具,分析数据中的问题,提出有价值的意见和建议
进阶(分析深度)
快速,准确,深度理解数据代表的含义,并且能够快速找到问题的根源
能够根据不同的数据分析需求,选择不同的分析维度和方法,对数据进行挖掘,发现其中存在的规律性,为业务提供前瞻性的数据建议
专业(分析深度和广度)
能够根据不同的业务形态,参与到业务的规划中,根据业务特点建立一整套的数据分析体系
能够从不同的角度对整个行业形式和竞争对手进行分析,并且结合自身的业务特点,给出影响管理决策层的意见和建议
二、数据分析的流程
流程
需求分析
数据提取
数据清洗
数据分析
报告撰写
报告分享
投入应用,收集反馈
案例
背景:外包配送业务的未接单的比例上升,需要找到原因,并且给出解决问题的建议
需求分析
提出可能影响未接单率的因素
结论
订单从18年6月开始快速增长,且远距离订单(5km以上)占比增明显,但是完成订单的骑士开始下降,导致了未接单率一直上涨
骑士单均补贴下降,但是骑士的单均收入没有太大变化,对未接单率上升影响不大
远距离订单未接单率高于近距离订单的主要原因:(线下调研:大部分骑士反馈所用载具为电瓶车,无法接远距离订单)
拓展使用其他交通工具的骑士数量,增加能够完成远距离订单的运力
考虑挑选部分城市,测试提高远距离订单的补贴和定价,增加运力
习题
某家公司的产品近期的新用户注册数呈下降趋势,这时候,作为数据分析的你应该怎么做?
分析相关的数据,找出原因
做活动、写软文属于运营的需要去做的,找产品理论,需要数据证明,所以应该先分析相关的数据,找出为什么新用户注册数呈下降趋势的原因
下列哪些场景中,是数据分析的运用场景?
电商平台,通过分析哪款商品适合上架,商品适合放在什么位置上
通过数据展示哪块商品的销售状况好,并且在哪个位置展示的效果是好的,是数据分析的运用场景
新上线的产品功能,通过分析判断功能效果
新上线的产品功能,通过数据分析,展现功能的效果
在某个平台投放广告,通过分析判断广告效果好不好
广告投放出去,需要通过数据分析判断广告效果的好坏,是否有作用,从而后面进行优化
以下场景中,哪些选项可以体现数据分析的作用?
某个店铺新上架了某款产品,过去了一个月,数据显示这款产品的售卖情况很好
体现了数据的是什么的作用
某公众号平台,近一周的涨粉数量比上周高两边,通过各指标拆解,知道了为什么涨粉速度快
体现了数据的为什么的作用
某K12教育平台的老用户邀请新用户通过数据反馈,邀请成功率高,但是路径少,接下来要增加老用户邀请新用户路径
体现了数据的为什么和怎么做的作用
某大型电商平台需要做双11的推广活动,由于推广的经费有限,只能针对部分高价值用户做推广,通过数据对用户进行精细化细分,针对精准用户做推广
体现了数据的预测作用
当你需要进行数据分析的时候,下列数据分析的流程正确的是?
进行需求分析-数据提取-数据清洗-数据分析-报告撰写-报告分享-投入应用收集反馈
作为一名数据分析师,需要具备哪些能力要求,以下选项正确的是?
数据的敏感性;对业务的深入理解;逻辑思维能力;统计分析能力
数据分析的能力要求是数据敏感度、对业务深入理解、逻辑思维能力、统计分析能力、熟悉使用分析工具、数据解读能力和数据应用能力
三、如何做数据分析
数据类型及数据收集和整理方法
基础数据类型和特点
定性数据
一般通过问卷调查获取
分类数据:男女、天气等
不能区分大小、不能加减、不能乘除
顺序数据:满意度评分、幼儿园、小学、中学、大学等
可以区分大小
定量数据
一般通过日志获取
数值型数据离散型:用户数、消费次数
可以加减
数值型数据连续型:成绩、消费金额等
可以乘除
案例:学生成绩(统计方法差异)
连续型变量:能做频数分析、集中趋势分析(均值、众数、中位数)、离散程度分析(标准差、方差、最大值、最小值、范围)
非连续型变量:主要能做频数分析
数据收集
数据埋点
如UV/PV、用户数、用户停留时间、浏览页面等用户行为数据
第三方数据平台
如Growing lO、SimilarWeb、Google Analytics、国家统计局网站
问卷调查
线上问卷调查,制作问卷工具:如问卷星
线下问卷调查
电话回访等
数据整理
异常数据表现
空值
波动太大
不同数据源获取的数据矛盾
异常数据原因
系统故障
人为因素
异常数据处理方式
删除异常值
平均值填充
通过统计计算值填充
不同数据源的数据交叉验证
如何构建全面的数据分析体系
常用数据分析指标
网站分析指标
UV、PV、点击率、转化率、网页停留时间、网站停留时间、跳出率、退出率等
渠道效果分析指标
新增用户数、用户转化率、渠道ROl、渠道流量、渠道流量占比
收入分析指标
付费人数、转化率、订单数、客单价、GMV、复购频次、毛利率、毛利额
活动效果分析指标
活动点击率、活动参与人数、活动转化率、活动ROl
用户类型指标
新增用户、活跃用户、留存用户、回流用户、流失用户等
用户价值指标
用户最近一次下单时间、用户下单频次、用户消费总金额
如何构建数据分析指标体系
案例分析
背景:为了更好的对不同点位进行精细化的运营,根据点位产出,将点位分为了不同的层级,现在需要对不同层级的点位进行分析,找到影响产出的决定因素,以便找到提升点位产出的措施
GMV=点位数*单个点位下单人数*平均每人订单量*客单件*平均每件商品价格
结论
不同层级的点位的主要差异是平均单个点位的下单人数不同。
影响下单人数的主要因素是公司人数,公司人数超过300人的点位,在第A/S等级的点位数占到30%以上,但是也并不是人数越多,点位的下单人数就一定越多
从数据看出,点位的产出与补贴率的关联度不大
之后拓展的点位应该提高人数的限制,拓展人数更多的点位。
通过用户类型拆解指标
活跃用户数
今日新增用户数
新用户UV数
A渠道新用户UV数
B渠道新用户UV数
新用户转化率
A渠道新用户转化率
B渠道新用户转化率
次日留存用户数
前一日活跃用户数
用户次日留存率
今日回流用户数
召回措施触达用户数
用户召回转化率
通过用户渠道拆解指标
横向拆解数据指标体系原则: 应遵循MECE原则,相互独立,完全穷尽; 同一类型的数据在同一层级;
活跃用户数
SEM活跃用户数
新增用户数
次日留存用户数
回流用户数
SEO活跃用户数
Ref活跃用户数
新媒体渠道活跃用户数
其他渠道活跃用户数
通过流量漏斗拆解指标
通过收入关联指标拆解数据指标
GMV
点位数
运营中点位数
新增点位数
下线点位数
有订单点位数
不同层级点位数
用户
UV
转化率
用户数
首购用户数
复购用户数
流失用户数
订单量
订单数
客单价
单个点位订单数
单个用户订单数
商品
商品种类与商品动销率
商品毛利率
商品均价
新品数量与销量
滞销品数量与销量
畅销品数量与销量
纵向拆解数据原则: 拆解的时候最多选择一条主流程; 主流程应该选择大多数用户的操作流程;
通过漏斗拆解可以明显发现转化率较低的是注册第二步以及完成关键行为的动作,需要优化这两步的流程
不同产品关注的数据指标不同
电商类产品
GMV=流量*转化率*客单价
毛利额=流量*转化率*客单价*毛利率
工具类/社区类产品
活跃用户数
=新增活跃用户数+已有活跃用户数
=新访客流量*新用户激活率+已有用户数*老用户留存率
游戏类产品
付费收入
=活跃用户数*付费率*ARPU
=(新活跃用户数+留存用户数)*付费率*ARPU
=(渠道流量*转化率+老用户数*次日留存率)*付费率*ARPU
O2O类产品
订单完成率
=已完成订单数/需求订单数
=(新用户订单数+老用户订单数)/(新用户需求数+老用户需求数)