导图社区 运营数据分析
关于运营数据分析的思维导图，分享了指标建模、常用数据分析方法、用户画像的内容。
社区模板帮助中心，点此进入>>
电影院包场服务流程
暮尚正常运转导图
培训计划思维导图
车队管理
七夕活动策划
供应链类型
供应链管理平台
品牌设计分析思维导图
品牌定位思维导图
华东区项目
运营数据分析
指标建模
数据指标定义
对当前业务有参考价值的统计数据
常用的数据指标
用户数据
存量（DAU/MAU）
存量定义
用户执行某关键时间=该用户活跃
判断标签
认人
用户唯一ID
认设备
设备标识符
增量（新增）
增量定义
点击渠道页面
参与活动
支付金额
判断新增
存量账号对比
健康程度（留存率）
留存意义
了解渠道质量
日留存：以日为单位，衡量这个渠道来的用户
观察整体大盘
以周/月为单位，衡量产品的健康，观察用户在平台的粘性
渠道来源
用户访问来源分辨
行为数据
次数/频率（PV/UV/访问深度）
PV
pageviews页面浏览量（次数）
pv转化率
表示页面引发某行为的能力
UV
unique visitors独立访问客数
uv转化率
表示用户某行为倾向
访问深度
用户对产品的了解程度
算法一：用户某些关键行为的访问次数
算法二：将网站内容/功能分层，以用户本次访问最深一级计算
访问时长
通过统计特殊事件，支持业务需求（列：统计视频被消费程度，评价内容质量）
路径走通次数（转化率）
质量（弹出率）
所有用户在完整的网站中，只访问一个页面的占比/单个用户弹出率
业务数据
总量（GMV/访问时长）
直接付费
使用场景
总量
解决的问题
交易的金额总规模
非直接付费
目标的完成数（报名、点击、分享）
人均(ARPU/ARPPU 人均访问时长)
人均
单个用户的贡献程度/单个付费用户的贡献程度
人均访问时长
人数（付费人数/播放人数）
人数
描述愿意服务付费的人数总规模
完成人数
健康程度（付费率、付费频次、观看率）
健康程度
完成率
被消费对象（SKU视觉、被消费内容视觉）
被消费对象
需要分析消费品本身的运营情况
被消费内容视角
如何选择数据指标
从业务的最终目的的出发梳理业务模块
判断业务模块所属类型（工具类模块、交易类模块、内容浏览类模块、社区类模块）
工具类模块关系的指标
交易类模块关心的指标
内容浏览类模块关心的指标
社区社交类模块关心的指标
根据业务模块所属的类型选择指标（还原业务全貌、是否能用指标描述公司业务进展）
常用数据分析方法
对比分析
原理
事出反常必有妖
比较值
绝对值
本身具备价值的数字
销售金额或订单量（不易的值问题的严重性）
比例值
在具体环境中看比例才具有对比价值
活跃占比或订单转化率（易收到极端影响）
比较方法
环比
与当前时间范围相邻的上一个时间范围对比，对短期具备连续性的数据进行分析，需要根据相邻的时间范围的数字对当前时间范围的指标进行设定
同比
与当前时间范围上层时间范围的同样位置的数据进行对比，观察更为长期的数据集，观察的时间周期又较多干扰，希望某程度消除这些干扰
比较对象
和自己比
时间维度
不同业务线
过往经验
和同行比
自身原因还是行业趋势
都跌
能否跌的少
都涨
能否涨的多
拆解分析
指标/业务流程需要按照多维度拆分，来观察变动
拆解分析方法
分析单一指标的构成
订单数量
订单面额
针对流程进行拆解分析
不同渠道的用户新增、购买转化
不同区域用户新增数
还原行为发生场景
用户登录场景
商户地址、活动发生时段、用户购买时间
需要分析单一指标的构成、比例时
需要针对流程进行拆解分析
需要还原发生时的场景
案例：数据涨跌异动处理
处理步骤
发生异常-确定问题-确定原因-针对性解决问题-执行
原则
数据只是验证支撑工具 首先需要假设
活动影响
查对应活动页面及对应动作的数据波动，关注活动是否具有地域属性
版本发布
将版本号作为维度，区分查看
渠道投放
查看渠道来源变化
策略调整
策略上线时间节点，区分前后关键指标波动
服务故障
明确故障时间，按时间为维度进行小时或分钟级别的拆分
漏斗观察
漏斗定义
一连串向后影响的用户行为
新用户订单转化率
广告位-点击跳转-活动页面-选择活动-点击产品-下单-支付
建漏斗时容易掉的坑
1、漏斗一定有时间窗口
根据业务实际情况，选择对应的时间窗口
按天
对用户心智影响仅在短期有效
按周
业务本身复杂/决策成本高/多日才能完成
按月
决策周期更长
2、漏斗一定有严格的顺序
3、计数单位可以基于用户，也可以基于时间
往往基于用户
关心整个业务流程的流动
基于时间
关系某一布具体的转化率无法获得事件流转的真实情况
4、结果指标的数据不合符预期
自查，是否只有一个漏斗能达到最终目标
运作原理
通过一连串后的影响行为来观察目标
适用场景
适用：有明确的业务流程和业务目标
不适应：没有明确的流程，跳转关系复杂的业务
案例：如何评估渠道质量，确定投放优先级
渠道划分
来源
流量平台
媒介
广告承载的方式
其他参数
活动名称、广告关键词
渠道质量跟踪
1、选择关键事件
选取反映产品目标人群会做的行为数据
用户收藏，点击，加购
查看产生关键事件的用户来源是哪
分布情况
定义
一个事件不仅有累计数量这一个指标可以观察，还可以从该事件在不同维度中的分布来观察
常见的群体划分
事件频率
时间分布
消费金额区间
从事件在不同维度中的分布来观察，一遍理解该事件除了累计数量和频次外，更多维度的信息
已知用户群完成了指定事件，但需要对用户群体向下细分，按不同维度和价值将他们划分为不用群体，分别进行后续的维护或分析
已知单个事件的完成次数，希望知道这些次数拆分到不同维度上之后的分布情况，以便更清晰地了解该事件的完成情况
用户留存分析
一般的计算方式
将某一时间段的用户ID与另一时间段的用户ID做交叉去重
产品、运营、技术、市场每个环节都会对留存造成影响
大盘留存
将某时间段与另一时间段的用户ID交叉去重
精准留存
过滤进行过指定行为的用户ID，再计算
将用户分为不同的群体后，观察其之间留存的区别
评估产品粘性
验证产品长期价值
案例：功能/内容上线后，评估其短期效果/长期价值/未来潜力
上线后的目标与价值清晰明确
借助漏斗分析对比（转化关系明确时）
借助用户人群对比（转化关系复杂时）
上线后关注其对产品价值的提升
借助精准留存对比
上线以探索更长期的产品潜力
借助分布情况分析后，对比其是否优化了
产品核心功能使用频次的分布
使用场景的分布
用户画像
用户档案
来自用户产生的真实数据、行为特征、主动填写的资料
来自用户访谈、研究、感性认识用户是什么样的人
用途
通过对用户各特征进行标识、给用户贴身各类标签，通过这些标签将用户分为不同的群体，以便对不同群体进行产品/运营动作
市场营销/个性化运营/业务研究/用户研究
标签类型
基础属性
年龄、性别、星座、教育、身高、收入、职业...
社会关系
婚姻、家庭结构、性取向
行为特征
基本行为
注册时间、来源渠道、购买行为、购买次数、金额...
业务行为
参加活动次数、获得活动称号/奖品...
业务相关
用户职业、出入场所...
标签来源
直接填写
间接填写
用户已有特征的推导
活动、简单的个性化运营、业务分析、用户研究
用户环境推测
距离相近
用户周围人群具备属性，用户大概率同样具备
行为相似
通过协同过滤，找到行为相似的目标客户
案例：如何高质量拉新
步骤
从现有用户中找到我们真正的用户--找到真正的用户特征--按此类特征找到类似用户
定义真正的用户
高留存/核心行为频次/高完成率
找到真正的用户特征
从哪儿来
分析、链接、口头传播、投放渠道
通过购买的产品特征分析用户的受教育程度、职业、消费能力
找到类似用户
高校/人口密集区域/年龄层次
点对点传播、投放渠道人群精确化
