「重大通知」7000字深度总结运营必备的15种数据分析方法

本文由GrowingIO联合创始人兼运营副总裁撰写。陈明撰。全文概述了您运营所需的15种基本数据分析方法。无论您是刚入行的车手，还是拥有多年行业经验的老司机，这篇深入的总结都值得重温。

当我们谈论数据分析时，人们通常会想到密集的数字表格、先进的数据建模技术或奇特的数据报告。事实上，“分析”本身是每个人都会有的，比如根据股的来决定买入/卖出，根据一天中的时间和过去的经验来选择行驶路线，以及在购买时比较多家公司的价格.这是一种能力。机、酒店预订然后做出您的最终选择。

这些小决定实际上是我们根据头脑中的数据点做出的简单分析过程。业务决策者必须熟悉一套系统的、科学的、适合业务的数据分析知识。

1.数据分析的策略思考

无论是产品、市场、运营还是管理，你需要思考的是数据的内在价值是什么？您和您的团队可以从这些数据中学到什么？

1数据分析的目标

对于企业而言，数据分析可以帮助公司优化流程、降低成本并增加收入。我们通常将这种类型的数据分析定义为业务数据分析。业务数据分析的目标是利用大数据做出快速、高质量、高效的决策，并为工作场所的所有成员提供可扩展的解决方案。商业数据分析的本质是创造商业价值、驱动业务增长。

2数据分析的作用

我们经常谈论的企业增长模式往往以特定的业务为核心。其中，数据和数据分析是不可或缺的环节。

公司或向目标用户群提供产品或服务，用户使用该产品或服务时发生的交互和交易可能会被收集为数据。基于这些数据洞察，我们通过分析得出客户需求，创造出更多满足需求的增值产品和服务，并重新投入到用户使用中，形成完整的业务闭环。这种完整的业务逻辑可以推动真正的业务增长。

3数据分析的进化论

我们经常以业务回报来定位数据分析的不同阶段，因此我们将其分为四个阶段

第1步观察数据发生了什么？

首先，基本数据显示让你知道发生了什么。例如，您的公司上周推出了新的搜索引擎A广告，您希望在一周内将新渠道A与现有渠道B进行比较。A和B各自带来了多少流量，转化效果如何？另一个例子是有多少用户喜欢新发布的产品以及有多少人了新的流程。这一切都需要数据来展示结果，一切都基于数据本身提供的“发生了什么”。

第二步你明白为什么会这样吗？

一旦知道为什么渠道A带来的流量比渠道B多，您就应该结合您的业务来进一步了解是什么导致了这种现象。这个时候就可以利用数据信息进行更深层次的细分，可能是通过特定的关键词产生了流量，也可能是渠道获得了更多的移动用户。这种深入的数据分析和判断已经成为商业分析的第二次进步，并可能提供更多对商业价值的反思。

第三步预测未来会发生什么？

通过了解渠道A和B带来的流量水平，您可以利用过去的知识来预测未来会发生什么。当您启动通道C和D时，您假设通道C比通道D更好。随着新的流程和新的优化开始，我们可以看到哪些节点更有可能出现题。这也是数据分析的第三个进步，它利用数据挖掘来自动预测和预测C和D渠道之间的差异以及未来的结果。

第4步业务决策

最有意义的工作是业务决策，它决定如何处理数据。业务数据分析的目的是业务结果。如果数据分析的结果直接转化为决策，或者数据可以直接用于决策，这就能直接体现数据分析的价值。

4EOI数据分析框架

EOI结构是包括LinkedIn和Google在内的许多公司定义分析项目目标的基本方式，也是首席增长官考虑业务数据分析项目的基本和必要手段。

首先我们看一下公司的业务项目，将其分为三类核心任务、战略任务、风险任务。以谷歌为例，谷歌的核心业务是搜索、SEM和广告，这些都是经过验证的商业模式，并持续通过它们产生可观的利润。谷歌的战略使命是Android，它必须投入时间和精力来阻止苹果和其他制造商接管，但商业模式可能行不通。高风险工作对于谷歌眼镜和自动驾驶汽车等创新至关重要。

这三个任务的数据分析项目的目标也不同，对于核心任务来说，数据分析是帮助公司创收、提高盈利效率的力量，而对于战略任务来说，是支持优化、战略工作的方法。为了找到方向和利润，我们努力通过风险项目的共同创业来确认创新项目的重要性。首席增长官必须清楚了解公司的业务和发展趋势，合理分配数据分析资源，建立数据分析目标方向。

2.数据分析的三大思路

面对海量的数据，很多人不知道如何准备、如何执行、如何得出结论。下面介绍了做数据分析时的三个经典思想，希望对数据分析的实际应用有所帮助。

1数据分析的基本步骤

我上面提到，数据分析和业务结果的关联性很重要，所有业务数据分析都应该从业务场景开始，这是思维的起点，以业务决策为终点。数据分析中你应该先做什么、后做什么？基于此，我们提出了业务数据分析过程的五个基本步骤。

首先，你需要深入挖掘业务含义，了解数据分析的背景和前提以及你想要与之关联的业务场景的结果。

需要建立分析方案、场景分割方法、推理方法等。

将您需要的数据与分析计划分开，并实际实施分析本身。

从数据结果中确定并提取业务洞察。

最终，业务决策是根据从数据结果中获得的见解做出的。

例如

以国内互联网理财网站为例，营销部门持续在百度、hao123上投放广告，以带动网页流量。最近，我们内部同事建议我们尝试推出神马移动搜索频道来增加流量，同时我们也应该评估是否加入金山网络联盟进行深度广告。

在这种多渠道交付场景中，您如何做出深度决策？让我们按照上面业务数据分析过程的五个基本步骤来分析这个题。

第1步了解业务影响。

首先，您需要了解您的营销部门正在尝试优化什么，并使用它作为您的北极星指标来衡量它。评估渠道有效性最重要的是业务转化。对于P2P网站来说，是否开始投资和管理财务比访的用户数量重要得多。因此，无论是神马移动搜索还是金山渠道，我们都在关注如何通过数据手段衡量转化效果，也可以根据转化效果进一步优化各个渠道的运营策略。

第二步是制定分析计划。

以“投资理财”为关键转折点，分配一定的预算进行流量测试，观察对比数量和最终的转化效果。通过关注这两项，你可以关注这些人重复购买金融产品的次数，进一步判断你的渠道质量。

第三步，对查询数据进行分区。

由于您的分析计划需要比较渠道流量，因此深入分析和实施需要多个渠道来跟踪流量、着陆页停留时间、着陆页跳出率、网站访深度、订单和其他类型的数据。

第四步是提高你的商业头脑。

基于数据结果，我们比较了神马移动搜索和金山网络联盟推出以来的结果，观察结果并根据两个关键KPI（流量和转化）推断业务影响。如果森马的移动搜索结果不好，请检查该产品是否适合移动客户，或者仔细观察着陆页的表现以寻找业务洞察，例如是否有可以优化的内容。

第五步是做出商业决策。

根据数据洞察指导渠道决策。例如，停止推出神马频道并继续对金山网络联盟进行评估、优化移动登陆页面、改变用户运营策略等。

这些是解构业务数据分析并完成推理的基本步骤。下面我们都会有这样的分析思路。

2内外部因素分解法

数据分析过程中影响北极星指标的因素有很多，如何找到这些因素呢？这里我向大家推荐内因和外因分解的方法。内外因素分解法是将题分为内部因素、外部因素、可控因素和不可控因素四部分，并逐步解决每个题。

例如

社交招聘网站分为求职端和公司端。收入模式通常是向企业收取费用，其中一种方法是购买某个位置的广告空间。公司官员注意到，过去六个月中“职位空缺”的数量一直在缓慢下降。如何分析特定数据指标下降的题？

根据内外部因素分解方法，可以从四个角度分析潜在的影响因素。

内部可控因素近期产品发布更新、上市渠道变化、产品粘性、新用户和现有用户保留题以及关键目标转变。

外部可控因素市场竞争对手的近期行为、用户习惯的变化、招聘需求随时间的变化。

内部无法控制的因素产品策略、公司整体策略、公司客户群定位。

我们无法控制的外部因素互联网招聘行业趋势、总体经济状况、季节变化。

通过内外部因素分解方法，可以更全面地分析数据指标，避免遗漏影响因素，对症下药。

3DOSS想法

DOSS的理念是将具体题分解为整体影响，并从单一解决方案中找到大规模解决方案。首席增长官(CEO)需要快速扩展的有效增长解决方案，而DOSS是实现这一目标的有效方法。

例如

在线教育提供免费课程视频并出售付费会员资格，为付费会员提供更高级的课程内容。如果你想向一群持续观看你的免费C++课程的用户推送一系列付费计算机技能课程，你如何支持数据分析？

根据DOSS思想的四个阶段，可分为以下几类

具体题预测特定客户群是否会从购买您的课程中受益。

总体影响我们首先根据该群体对免费课程的使用情况进行数据分析和数据挖掘预测，然后扩展总体影响等，重点关注计算机课程之外的其他类型课程。

单一案对这组用户进行建模并监控模型对最终转化的影响。

扩展解决方案针对特定的行为轨迹和特征，推出模型行为的扩展解决方案，并将课程推荐模型产品化。

3.8种数据分析方法

上面我们介绍了三个经典的分析思想，可以帮助您构建清晰的数据分析思想框架。那么针对您的具体业务场景题应该怎么办呢？我们以某电商网站为例，利用数据分析产品GrowingIO快速采集网站数据，并清晰直观地展示出来，然后分享这八种常见的数据分析方法。

1数据与趋势

查看数字和趋势是呈现数据信息的最基本方式。在数据分析中，您可以通过直观的数字或趋势图，快速了解市场、订单数量、业绩完成情况，直观地吸收数据信息，有助于决策的准确性和实时性。使.

流量对于电子商务网站来说是一个非常重要的指标。在上图中，访网站的用户数量和页面浏览量等指标被收集到一个集成的数据仪表板中并实时更新。这些数据仪表板让您的首席增长官(CRO)对关键数据和趋势一目了然。

二维分解

如果单个数字或趋势过于宏观，则应跨多个维度进行分析。

一、如何分析产品运营中的数据？

8种常用数据分析方法

1数据与趋势

使用数字和趋势图来展示数据信息是最直观的，并且可以从具体的数字和趋势中得到更好的数据信息，有助于提高决策的准确性和实时性。

二维分解

如果单个数字或趋势过于宏观，您可以将数据分解为不同的维度，以获得更精细的数据洞察。选择维度时，您应该考虑该维度将如何影响分析结果。

二、服装销售行业分析的数据都有哪些？

销售数据分析通常包括

1、营运资金周转周期分析及销售收入结构分析

2、销量对比分析

3、成本及成本分析

4、盈利分析

5、净资产收益率分析

销售数据分析主要用于衡量和评估管理者设定的计划销售目标与实际销售之间的关系，可以采用两种方法销售差距分析和微观销售分析。

附加信息

分析不同品牌产品在同一市场内的销售差异，主要是为企业的销售策略提供建议和参考。

分析同一品牌产品在不同市场的销售差异主要是为公司的市场策略提供建议和参考。

微观销售分析主要对未能实现销售的具体产品、地区等进行分析和判断。

销售分析法的缺点是不能反映公司与竞争对手相比的状况，不能消除一般环境因素对公司经营状况的影响。

销售分析可以让您确定您的企业或企业的生产方向。

三、快消品行业在日常业务运营过程中需要运用到哪些数据来评价分析当前业务状况？

分析目前快消品行业的经营状况，需要了解市场概况和企业自身情况。

比较市场规模、品牌占有率、畅销车型、消费者需求等，了解企业现状并优化运营。