一斧蜕、數據與運營
1.1 數據分析的基本概念
使用適當的統(tǒng)計分析方法對收集來的大量數據進行分析悼泌，將他們加以匯總和理解并消化垛耳，以求最大化地開發(fā)數據的功能瓶珊，發(fā)揮數據的作用啸箫。數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。
采集到的數據要用于指導實踐伞芹，不要純粹的追求形式化忘苛，否則做數據分析的意義不大蝉娜。
1.2 數據驅動運營的基本概念
數據驅動可以幫助運營更好的了解用戶群體，利于分析用戶行為扎唾；便于后續(xù)開展拉新召川、留存、促活以及轉化等利于運營效果的行為胸遇。
過去以流量為中心的野蠻運營時代已結束荧呐，用數據說話，圍繞用戶行為分析的精細化運營是現今眾多運營人員認為較靠譜的方式狐榔。
二坛增、數據分析的基本流程
2.1 明確分析思路和分析目的
很多菜鳥在數據分析時，分析目的不明確薄腻，導致分析過程非常盲目收捣。只有明確數據分析的目的，才不會偏離方向庵楷，否則得出的數據分析結果不僅沒有指導意義罢艾，甚至可能將決策者引入歧途，后果嚴重尽纽。
明確數據分析的目的和思路是確保數據分析過程有效進行的先決條件咐蚯，它可以為數據收集、處理以及分析提供清晰的指引方向弄贿。因此春锋，明確數據分析的目的和思路尤為重要。
2.2 數據處理
數據處理前首先要收集好數據差凹，那么收集數據的要點在于按照確定的數據分析內容期奔，收集相關數據，并為數據分析提供素材和依據危尿。一般來說數據包括第一手數據與第二手數據呐萌，第一手數據主要指可直接獲取的數據，第二手數據主要指經過加工整理后得到的數據谊娇。
數據收集的來源有數據庫肺孤、公開出版物、互聯網以及市場調查等济欢，我最經常用到的首先是公司本身的數據庫數據赠堵，并結合互聯網查閱可靠數據網站的數據，必要時再以市場調查輔助法褥。
另外顾腊，對于互聯網企業(yè)，提取數據需要運營人員留心在產品設計的早期就規(guī)劃好運營關鍵點挖胃，并列出埋點清單提交給開發(fā)人員，免得日后出現想要查看某些關鍵數據卻無數據的尷尬境地。
當原始數據收集好后酱鸭，開始對數據進行處理的第一步：數據清洗吗垮，主要是對數據里的重復項、缺失項凹髓、矛盾項以及異常的峰值（最高烁登、最低）進行處理。
重復項處理：1）使用COUNTIF函數蔚舀；2）“數據”→“排序與篩選”→ 高級
3）使用條件格式 “開始”→“條件格式”→“突出顯示單元格規(guī)格”→“重復值”
缺失項處理：平均數值填補（所有數據的算術平均值or一段時間內的平均值）
矛盾項處理：主要指錯誤的數據饵沧，檢查是數據提取時出現的錯誤還是數據錄入時的錯誤。
異常峰值處理：一般來說數據產生異常峰值的原因可能是活動刺激赌躺、推廣渠道和力度加大狼牺、系統(tǒng)出現了故障、統(tǒng)計有bug等礼患。
數據處理的第二步：數據加工是钥，很多時候提取出來的數據可能并不適合直接拿來分析，這時候需要用到一些函數和工具來處理數據缅叠，比如COUNTIF函數和數據透視表等悄泥。經過數據處理（清洗、加工）后的數據就可以用來做初步分析了肤粱。
2.3數據分析
數據分析主要是根據數據分析方法論弹囚，采用數據分析方法和數據分析工具對處理后的數據進行分析的過程。
1）數據分析方法論
主要用來指導數據分析師進行一個完整的數據分析领曼，它更多的是指數據分析思路鸥鹉。
2）數據分析方法
常見的數據分析方法有對比分析法、結構分析法悯森、平均分析法宋舷、AB測試分析法、杜邦分析法等瓢姻。
3）數據分析工具
常見的數據分析工具有Excel祝蝠、SPSS、SAS幻碱、Access绎狭、Xcelsius、PPT褥傍、Xmind等軟件儡嘶。
2.4數據展現與報告撰寫
1）數據展現
數據展現最常見的方式是采用圖表，采用圖表很重要的一點是讓看數據的人能夠一眼就讀懂你的數據恍风。
不同類型圖表用于展現數據的側重點不同蹦狂，如下
在選擇使用何種類型的圖表時誓篱，首先要確定你想要表達的目的，再確定哪種圖表適合你的目的凯楔，做到真實有效的展示你的數據窜骄。此外，不要為了制作所謂“高大上”的數據圖表而把數據生搬硬套上去摆屯，反而適得其反邻遏。
當你的數據圖表制作完后，要給圖表“添磚加瓦”（如圖表標題虐骑，圖示等）讓其更完整的表達你的數據准验，當然最完美的是再把圖表美化下更好了，不過圖表美化是讓圖表看起來簡約廷没、整潔和突出對比糊饱，而不是花里胡哨的。
2）報告撰寫
經過上述一系列的數據收集腕柜、處理济似、加工、分析以及展現后盏缤，就要開始進行數據報告的撰寫了砰蠢。
數據分析報告是根據數據分析原理和方法，運用數據來反映唉铜、研究和分析某項事物的現狀台舱、問題、原因潭流、本質和規(guī)律竞惋，并得出結論，提出解決問題辦法的一種分析應用文體灰嫉。
根據不同數據報告的目的和需求作用拆宛，可以采用不同的數據報告類型。
一個完整的數據報告讼撒，一般會包含以下五個部分的內容：
1）報告背景和報告目的
2）數據來源浑厚、數據情況等
3）數據展現圖表、報表等
4）每個部分的分析和小結
5）總結以及趨勢預測
三根盒、數據分析方法論
3.1 PEST模型
從政治（Politics）钳幅、經濟（Economy）、社會（Society）炎滞、技術（Technology）四個方面分析內外環(huán)境敢艰，適用于宏觀分析。
PEST模型便于企業(yè)利用不同的角度册赛，從變動的因素上探求某個行業(yè)可能的發(fā)展?jié)撃苣频迹瑢ζ髽I(yè)自身的發(fā)展前景有個整體方向的把握震嫉，并根據變動在戰(zhàn)略上做出調整。但是辈双，企業(yè)決策往往需要眾多因素決定责掏，只依靠宏觀分析會太片面，這也是PEST模型的劣勢所在湃望。
PEST模型常見于世界500強企業(yè)在分析宏觀國內外環(huán)境時使用，因此覆蓋面不是特別廣痰驱，此處不再贅述证芭。
3.2 AARRR模型（增長黑客的海盜法則）
從獲取（Acquisition）担映、活躍（Activation）废士、留存（Retention）、收益（Revenue）和傳播（Refer）5個環(huán)節(jié)分析蝇完，適用于精益化運營分析官硝。
AARRR模型通常用于互聯網中一款移動產品的生命應用周期分析，接下來據此深入探討短蜕。
1）獲取
獲取通常是指用戶的獲取氢架，也就是應用的下載量。但運營的目的并不在于僅讓用戶下載朋魔，而是要啟動使用這個產品岖研，往往激活量成了運營人員關注的重點。
2）活躍度
查看用戶活躍度的主要目的之一是了解推廣渠道質量的好壞警检，很多差的渠道帶來大量的僵尸粉（一次啟動就不用）孙援，另一方面，產品本身的高質量也是吸引客戶的重要原因扇雕，如果用戶使用產品經常發(fā)現bug拓售，閃退等，那么用戶體驗也不會好到哪里去镶奉，更不用談論活躍度了础淤。
運營人員一般關注移動應用的數據指標有：DAU(日活躍用戶)、MAU(月活躍用戶)腮鞍、每次啟動平均使用時長和每個用戶每日平均啟動次數等值骇，綜合分析評價用戶的活躍度。
3）留存
檢驗渠道質量的另一個方面是看用戶的留存率移国，有些產品從次日留存就可以看出這個渠道的質量好壞吱瘩。
留住老用戶往往比獲取新用戶的成本要高得多，在不斷拉新用戶的同時迹缀，也要兼顧用戶的留存使碾，不要賠了夫人又折兵蜜徽。提高留存率的關鍵之一是通過日留存率、周留存率票摇、月留存率等指標監(jiān)控應用的用戶流失情況拘鞋，并在用戶流失之前采取相應的手段，激勵這些用戶繼續(xù)使用產品矢门。
4）收益
幾乎所有產品做出來都是為了獲取收入盆色，因此收益成為運營核心的一部分。一般移動應用的收益方式主要有付費應用祟剔，應用內付費以及廣告付費隔躲。當然這些費用都會間接或直接從用戶身上獲取，提高用戶量物延、活躍度以及留存率都是為了能夠讓用戶盡可能的使用并付費宣旱，從而增加收入。
運營人員關注收益最重要的數據指標是：ARPU(平均每用戶每月收入)叛薯。
5）傳播
一款好的應用應該是口碑很好的浑吟，用戶樂于去分享的，因此傳播可以為應用帶來很多高質量的使用用戶耗溜，且這種用戶獲取方式是低成本的∽榱Γ現在社交網絡如此發(fā)達，好的產品得到傳播的機會也大大增加强霎，因此全身心做好一款口碑好的產品尤為關鍵忿项。
3.3? 5W2H模型
從What（用戶要什么？）Why（為什么要城舞？）Where（從哪兒得到轩触？）When（我們什么時候做？）Who（對誰做家夺？）How much（給多少脱柱？）How（怎么做？）這七個方面分析的模型拉馋，適用于用戶行為榨为、業(yè)務專題等分析，使用范圍較廣煌茴，運營人員可根據需求使用随闺。
四、數據分析方法
4.1 AB測試分析法
A/B測試是運營人員為了達到一個目標蔓腐，采取了兩套方案矩乐，一組用戶采用A方案，一組用戶采用B方案。通過實驗觀察兩組方案的數據效果散罕，判斷兩組方案的好壞分歇。
當運營人員發(fā)現某個功能對用戶的活躍度有著很大的關系，但又不是完全確定欧漱，這個時候采用A/B測試职抡，將用戶分成兩組，一組可以體驗這個功能误甚，另一組則沒有這個功能缚甩，最后來驗證這個功能是否要留下來。
現在的互聯網窑邦，流量紅利時代的結束蹄胰，對于產品快速迭代的要求也越來越高，因此必要時采用A/B測試還是很實用的一個方法奕翔。
4.2杜邦分析法
杜邦分析法是由美國杜邦公司創(chuàng)造并最先采用的一種綜合分析方法。利用各個指標間的內在聯系浩蓉，可以對自己的運營狀況及效益進行綜合分析評價派继。
如圖所示，假設微信公眾號2月的閱讀量大幅上升了捻艳，運營人員需要分析下原因何在驾窟，以后可以往哪方面發(fā)力持續(xù)增加文章閱讀量。那么第一方面看看是不是粉絲數量增加了认轨，如果是绅络，繼續(xù)往下拆分看看是不是最近活動帶來大量新用戶，接著往下看是哪個渠道帶來的用戶多嘁字，如果以上都不是恩急，可以探討微信公眾號的文章質量是不是有所上升，是文章內容上去了還是文章排版改善了纪蜒，逐級拆分找到最終閱讀量上升的原因衷恭，并在未來加大這方面的調整，促進閱讀量的持續(xù)增加纯续。
4.3 漏斗分析法
漏斗分析是用于衡量轉化效率的工具随珠，因為從開始到結束的模型類似一個漏斗，因此命名漏斗分析法猬错。
漏斗分析要注意兩個數據：第一窗看，不僅要看總體的轉化率，還要關注轉化過程每一步的轉化率倦炒；第二显沈，漏斗分析也需要進行多維度拆解，拆解之后可能會發(fā)現不同維度下的轉化率也有很大差異析校。
從上圖可以看出在輸入郵箱之后构罗，發(fā)送驗證碼的轉化率大大下降铜涉。實際生活中，郵箱驗證很容易因為郵件代理商被屏蔽遂唧、郵件含有敏感字被歸入垃圾郵箱芙代，因此導致用戶收不到驗證碼，于是將郵箱驗證改成短信驗證盖彭，總體轉化率可以提升十幾個百分點纹烹，這是很大的一個增長。
4.4 高級數據分析法
數據分析中專業(yè)的工具除了Google Analytics召边，Web trends和百度統(tǒng)計等铺呵，常用的就是數據處理工具就數Excel了，我這邊講到的高級數據分析法也是Excel的數據分析功能隧熙。
高級的數據分析會涉及回歸分析片挂、方差分析和T檢驗等方法，因為我還沒有研讀到這個高級數據分析的方法贞盯，此處不作描述音念，只是想讓大家知道，除了SPSS躏敢、SAS這類專業(yè)的工具外闷愤，還可以使用Excel的高級數據分析法對數據進行分析。
未完待續(xù).........
