數據分析與運營過程中，有什麼令人蛋疼的槽點和問題？

01-08

最近涉及分析數據倒是沒遇上啥新坑，但是數據的取用方面一路火花帶閃電。

1.先投跨平台數據聯通一票

感覺想要的東西稍微複雜一點，尤其是和現有的某些數據產生關聯，就變得不得不走需求設計、調用研發做定製化開發和部署。

最近市場大大們對來源質量的評判標準提高了，想要更細分的渠道效果，我們的渠道效果過去一直用註冊衡量，現在感覺應該從更深的角度來控制質量了，比如活躍用戶。於是希望把用戶在網站上的註冊來源和產品內的AARRR行為關聯起來。我們的AARRR有些特別，尤其在活躍和支付方面存在很多站外甚至線下轉化，再加上要和線上來源和站內行為關聯起來，那叫一個酸爽。合併後的需求其實是原來標準產品都不具備的，也就是除了部署關聯，連後續的查詢也得想辦法對應。

還有產品內最近新做的AB測試複雜了些，一些轉化成功標準不會直接在頁面上體現，而是在資料庫中發生變化，甚至很大可能不在一個session內完成，活脫脫沒法關聯，結果是自己開發採集代碼沿途扒實驗ID，轉化結果也自己監測，AB測試工具相當於只負責調配流量和版本，原生報告完全沒法用上。自己做報告做起來煩而且查詢極不靈活，而且這還不是高潮，問題是直到現在都還木，有，做，完……

此外，最近財務姐姐表示要對賬，表示線上用paypal和信用卡完成的支付結果和線下籤單在salesforce里的登記要和CRM系統里的情況核對流水。CEO趁火打劫要把財務增長統計也自動化掉。我還木有要到工程師去研究介面。

2.數據分散問題

這個算是數據聯通無法實現的衍生問題，上面說的情況偏向數據需要用某些唯一標識關聯後才能看的，還有一些相對好一點，不關聯也能用，但是為做一張報告結論要翻太多地方。

比如做個邀請活動，活動頁面本身的受訪覆蓋率基本用WA工具算，不同活動Call-to-action效果的數據在AB測試工具里，活動參與比和實際的用戶導入量與質量情況在CRM里，然後優化的時候，再加上去調研工具里拿反饋，去WA工具里查熱圖。每次調查都有一種「漂洋過海來看你」的感覺。

市場一哥是這麼做周報的，先從CRM里把大的用戶導入分類倒騰出來，包括官網、合作、代理、用戶自發協作與邀請、插件等等。然後官網類的跑到WA裡面導來源、代理的去affiliate平台上刷報告、插件的去應用商店看下載……每次想想他我心裡的波瀾不自覺地就平靜下來了。

3.溝通問題，情報共享不足不及時

——————

先馬克一下，太晚寫不動了，回頭填坑

謝邀。鯉熒提到的幾點我也表示贊同。這裡我從agency的角度另提幾點個人體會：

1. 數據分析的結果與建議，客戶接納了，但遲遲沒有落實相應的改進動作。這樣到了下個月，我們面對的又是一樣糟糕的數據表現。這種情況下很尷尬，因為寫出來的分析報告和上個月沒啥區別。

2. 媒體購買已經確定了大半年的計劃，卻要我們做媒體的流量質量分析。即使分析出來的結果表明某些媒體或者點位的效果不好，也無濟於事，因為客戶媒體購買部門的人已經把媒介購買計劃都提前定了，沒有調整的空間。

3. 媒體或網站「前線部門」的Tagging沒有統一規範，導致後期進行數據分析時，數據非常混亂。

然而，我個人覺得這份工作的槽點並不算太多。整體看好處還是大於坏處非常多的。但無關主題，在此不多贅述。

數據問題一直是很多運營人員頭疼的問題。之前的回答說了一些，但都沒有展開說，我也不知道進階篇能說到啥程度，但先說著吧。

1 數據的定義

數據，其實就是一堆數值。

但這些數值，是從用戶的行為統計而來。用來便於需要使用數據的同學進行研究和分析之用的基礎素材。

2 有哪些數據

我們在入門篇的最後，列出了一些核心數據，我用一張腦圖來簡單的歸納一下，並進入我們這一節的內容：

這張腦圖，僅僅簡單的展示了可能是通用的部分運營數據，但如果我們仔細去看，會發現三個數據類型，是所有運營都需要具備的：

渠道、成本、收益。

如果要我簡化上面這張腦圖，我會告訴你，做運營，需要獲取的數據，就是這三大類數據：

渠道數據、成本數據、收益數據。

渠道數據，是用來衡量渠道質量、渠道作用的，它由產品本身的定位的客群和產品的特性所決定。我們其實很容易可以推倒，一個理財產品如果投放遊戲社區這種渠道，其運營效果可能並不會太好，可如果換成彩票、博彩，可能效果就很好；同理，傳奇這一類的遊戲的宣傳與活動如果投放到女性社區平台，其效果幾乎也可以無視，而如果換成一款Q版小遊戲，或許效果就很好。

成本數據和收益數據，則會從不同層面反映出運營的效果。

在這裡插一句，千萬不要相信網上流傳的各種《XX高管教你不花錢做運營》這種雞湯文，運營一定有成本，必然有成本，如果認為運營高手可以不花錢辦成事兒，那不如去相信男人可以懷孕生孩子。運營的效率可以通過經驗、熟練度、創意等各種手段來提升，但運營的成本是必然存在的，並且和運營效果一般來說是成正比關係的。很簡單的一個道理：

兩個活動，一個活動送100台iPhone6，一個活動送1台iPhone6，哪個效果會好？

做運營的同學，請一定要認真的去評估每一個運營動作背後的成本。

而所謂「收益」，並不等價於「收入」，獲得金錢是收益，獲得用戶也是

收益，獲得口碑同樣是收益。

如果我們了解了渠道、成本、收益這三類數據，是指導運營的核心數據，我們就可以根據自身的產品特性去設定需要獲取哪些數據。

我們拿最近很火的那個App——足記來舉個例子吧。

「足記」因為一個非核心功能火了，但作為這樣的應用，它會關注哪些數據呢？
從產品的層面，它會去關註：
1）App每日的打開數
2）各種功能的使用次數和使用頻次
3）各種Tab的點擊次數和對應頁面的打開頻次
從運營的層面，它可能會去關註：
1）App每日的活躍用戶數

2）每日產生的UGC數量（區分新老用戶）
3）每日分享到社會化媒體的UGC數量（同時考慮單位用戶的產生內容數）
4）分享出去的UGC帶來的迴流新裝機、新激活用戶數

等等。

而我們需要注意的是，這些關注的數據點，並不是一成不變的，它會因為產品的不同階段而調整，如果我們假設未來足記有盈利模式，那麼它關注的核心數據，就會從內容轉向收入，這時候，轉化率相關數據就會變的重要了。

同樣，我們在本篇的第二章舉過這樣一個例子：

某個旅遊網站，發起了老用戶邀請新用戶加入，老用戶和新用戶都可以獲得100元的代金券，如果活動期間，新用戶完成了一筆旅遊訂單，不論金額大小，作為邀請人的老用戶還可以獲得100元的代金券。

我們當時分析了活動流程，並針對活動流程做了關鍵點梳理，這些關鍵點就是需要獲取的數據：

[圖片]

我們需要的數據，根據實際的需求來進行設計，並沒有一個完全通用的標準，當然，如果你做的越多，你會發現，你的數據感覺在不知不覺中獲得了提升，這一點，非常重要。

3 如何獲取數據

獲取數據的渠道有很多，而方式基本就是自己做和使用外部工具兩種方式。

自己做的話，App可以選擇「埋點」、log等方式，而Web可以通過log、日誌與按鈕埋點等方式去做記錄。

外部工具，則有很多第三方會提供服務。

獲取數據的方式其實各種各樣，而關鍵在於，作為運營人員要了解什麼樣的數據是重要的，對於這些數據的前後關聯，是怎樣的，這是一個聯動的過程，不是一個單一的行為。

4 如何分析數據

對於數據的解讀，每個人都有不同的方式。如果我們要簡單的總結，數據分析的方法，無非是：

1）確定數據的準確性

這裡包含了選擇數據維度的合理性、數據統計的準確性。如果數據維度選擇不合理、數據統計結果不精確，我們可能是無法得出正確的分析結果的。這是基礎。

2）明確影響數據的因素

一個數據，會收到多種因素的影響，這些因素有內部的，有外部的，運營人員應當儘可能多的了解所有層面的影響因素，以利於我們對於數據的解讀是在一個相對正確的範圍內。

3）重視長期的數據監測

在運營數據分析中，經常會使用環比和同比方式來對比數據。簡單的說，環比是本日與前一日的對比、本月與上月的對比、本季度與上季度的對比；同比是今年當日與去年當日的對比、今年當月與去年當月的對比、今年當季度與去年當季度的對比。環比幫我們看短期的數據波動，而同比幫我們了解大環境下的數據波動。

4）保持客觀的視角

數據分析的過程中，客觀非常重要，不以物喜不以己悲，做了錯誤的操作，帶來了不利的影響要承認，獲得了超出意料的成果要心平氣和，切忌挑選有利於自身的結論。這是職業道德的問題，也是職業發展中非常常見的問題。

5）注意剔除干擾項

實際的工作中，我們會碰到很多問題，這些問題是干擾項，例如，在一個相對平穩的曲線中，突然出現了一個點上的強烈波動，這時候我們需要全面的了解個波動產生的原因，如果無法確認原因，就剔除這個波動，否則我們很難去獲得一個正確的結論。

關於數據的內容，我個人其實說不出更多有價值的東西，抱著負責任的態度，寫到這裡，希望對此感興趣的同學通過專業渠道去認真學習，並在實操中提高水準。

數據分析過程最典型的問題：

不同行業，不同公司，不同部門，不同小組，乃至同組不同人，理解數據的口徑經常不一致的問題。

而這樣的問題，往往是導致一系列問題的根源，是最讓人頭痛的地方，較勁了半天，談的東西竟然不一樣(～～苦笑)。

目前各大企業宏偉戰略中，數據指標統一化依然非常重要。

想到一個段子：寫完報告，想吃點葡萄，經過周密分析，發現洗葡萄的時候，每次隨機挑一個洗，只要洗knln(n)次，就可以讓所有葡萄都被洗過的概率至少是1-1/k。後經家人指點，發現可以用兩個碗，一個放洗過的，一個放沒洗過的。。。

數據在不同職能的人的手中從來表現形式都是不同的。因為大家所站的角度不同。

這個時候需要把業務線整理清楚。

渠道（用戶來源）就像女人的大姨媽一樣，要涉及流量大小，質量好壞。流量大，不痛經，這女人的氣血才算不錯。用戶質量也一樣：流量大，跳出率低，訪問時長夠，至於他中途跳到其他頁面和渠道沒有多少關係，最多讓你去看看哪個渠道帶來的最終轉化較高。畢竟你帶來了他，他產生了興趣。只不過他若直接跳出的話，只是被其他的環節磨滅了興趣而已。

而站在前端PM的角度就會去考慮，TMD用戶到了著陸頁怎麼就走了呢。他也不想想要不要先排除一下渠道質量的問題，當你渠道帶來的用戶在頁面上都停留了差不多半分鐘以上時，你再去看看他推的著陸頁是否能讓用戶繼續待上半分鐘，那麼你再去找自己產品交互上的問題，這樣才比較靠譜。再結合一下你通過某個入口到下一個頁面的轉化率。妥妥地排查出某個交互問題。

跳出率跳出用戶停留時長佔比按照停留時長從低到高最能說明：

1、是否是渠道質量問題；TMD停留時間都沒夠看完第一屏就走了，這沒問題才怪。

2、是否是著陸頁推廣的不精準；時間差不多剛好看完第一屏就走了，證明他對你的這個主體內容完全沒興趣不然至少去下一個頁面瞧瞧再走。

3、排除上面兩個，如果他在著陸頁停留了比較久然後才走，那麼你就要想著陸頁的內容問題不能滿足他的需求了

完成上面3個步驟，才會對應去想他要跳轉到哪兒去，需要前往到哪一個位置，去做對應位置的流量轉化。這個時候才會對交互產生參考價值。

如果你不劃分到那麼細，那麼你會發現一個蛋疼而富有槽點的地方：

市場經常會說自己渠道好流量大帶來了用戶只是頁面內容有問題

內容就會說是市場的流量有問題。

或者歸錯於產品經理說是交互有問題讓用戶沒興趣去點擊。

然後各方爭執不休，最後沒有任何卵用。

實質上對數據的某個區間數值進行準確定義是非常重要的。

1）和npc（某種程度上叫它外掛比較好）打交道。。。。。

在npc是對手的情況下，能被發現的npc還是好的。

2）充滿求知慾的時候自己利用爬蟲原理去挖點點數據的時候，發現對面有牆，似乎把我這個辦公室的ip段封了一會兒。然後明白自己不是攻城獅大嬸，無法擼加殼的網頁和不同維度的數據。

3）寫了一篇爬蟲的生存基礎相當惡劣的報告，發給boss。

4）會有無奈的感覺我歲數大了入錯行了

就醬

最怕是沒有蛋，而要做蛋湯

然後是有蛋湯，而湯里有毒