数据运营

数据运营需要学习哪些知识？需要分析哪些？如何进行数据分析？让我们一起来学习

数据运营

• 需要学习知识
  • 1、明确数据分析目的
    • 明确数据分析目的，才能更好确定收集哪些指标数据
  • 2、收集数据方法
    • 数据埋点
      • 自己开发。开发统计代码，搭建数据查询系统
      • 第三方统计工具
        • 移动应用分析工具：Google Analytics、友盟、TalkingData、Crashlytics
        • 网站分析工具：Alexa、Google Analytics、百度统计
  • 3、产品的基本数据指标
    • 新增
      • 新用户增加的数量和速度
    • 活跃
      • 多少用户正使用产品。日活（DAU）、月活（MAU）
    • 留存率
      • 用户会在多场时间内使用产品。次日留存率、周留存率
    • 传播
      • 平均每位老用户会带来极为新用户
    • 流失率
      • 一段时间内流失的用户，占这段时间内活跃用户数的笔记
  • 4、常见的数据分析法和模型
    • 漏斗分析法
      • 实现：用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势
      • 目的：根据趋势寻找最佳优化空间，此法被普遍用于产品各个关键流程分析中
    • AARRR模型
      • 获取用户（Acquisition）即拉新吸引新用户
      • 提高活跃度（Activation）即提高用户使用产品时间和频率
      • 提高留存率（Retention）即用户开始使用产品并一段时间后仍然使用
      • 获取收入（Revenue）即盈利
      • 自传播（Refer）即基于网络社交的病毒式营销传播
• 需要分析什么
  • 1、拉新阶段
    • 关注用户来源类型
      • 纯新用户（第一次注册）or老用户（再注册）
      • 贴片广告、弹窗广告来源
      • 不同渠道用户来源
  • 2、转化阶段
    • 关注转化率
      • 注册转化率
      • 付费转化率
      • ……
  • 3、活跃阶段
    • 关注用户在产品内的活跃量
  • 4、留存阶段
    • 关注留存或流失的用户量
  • 网站运营
    • 流量方面关注
      • PV
      • UV
      • VV
      • IP
    • 访问方面关注
      • 跳出率
      • 二跳率
      • 转化率
    • 活跃方面关注
      • DAU
      • MAU
    • 转化方面关注
  • APP运营
    • 新增
    • 活跃
    • 留存
    • 转化
• 如何进行数据分析
  • 1、数据采集
    • 基本原则：全
      • 获取多种数据源
        • 客户端数据源
        • 服务端数据源
        • 数据库数据源
        • 大数据即全量而非抽样
    • 基本原则：细
      • 多维度
        • 采集数据维度 where、who、how
        • 分析数据根据所选维度分析，一旦缺少某一维度，后期分析又需要采集新数据，项目迭代周期变长、效率差
  • 2、数据建模
    • 因：获得的数据因本身杂乱、没有很好的逻辑抽象，业务分析员看不懂，需要数据建模
    • 模型关键概念
      • 维度
      • 指标
  • 3、数据分析方法
    • 多维度事件分析
    • 漏斗分析
    • 回访分析
    • 交叉分析
  • 4、如何验证产品新功能的效果
    • 新功能是否受欢迎
      • 衡量指标：活跃比例
      • 说明：即新功能的活跃用户数/同期活跃用户数
    • 用户是否会重复使用
      • 衡量指标：重复使用比例
      • 说明：即第N天回访的技术使用新功能的用户数/第一天使用新功能用户数
    • 对流程转化率优化效果如何
      • 衡量指标：转化率和完成率
      • 说明：转化率即走到下一步的用户数/上一步用户数。 完成率即完成该功能的用户数/走第一步的用户数
    • 对留存的影响
      • 衡量指标：留存率
      • 说明：用户在初识时间后第N天的回访比例，即N日留存率
      • 常用指标：次日留存率、7日、21日、30日留存率
    • 用户怎样使用新功能
      • 通过监测数据反映用户行为轨迹做出优化决策