課程篇（16）：產品運營-數據運營

作為一名准產品新汪，雖然沒有十足乾貨，但希望記下苦海行舟之點滴，以求共勉！

目標：

選擇合適的數據，做出直擊核心問題的分析，並得到解決問題的鑰匙。

一、數據統計

1.基礎數據來自哪裡？

2.如何篩選需要的數據指標？

業務維度

用戶產品： 流量 x 流量轉化率 x 留存率 = 活躍用戶

電商類產品： 流量 x 轉化率 x 客單價 = 收入

遊戲類產品： 流量 x 流量轉化率 x 付費比 x 客單價 = 收入

• （指標類型：篩選指標）
• 渠道相關：渠道標識，PV，UV，下載
• 用戶相關：新增用戶，註冊用戶，活躍用戶，用戶活躍度，客單價
• 收入相關：收入，毛利，凈利，成本
• 效率相關：流量轉化，活躍轉化，留存率，付費率

行為流維度

3.如何篩選需要的數據類型？

絕對數讓我們清楚現狀，相對數讓我們知道現狀的好壞

• 數量（絕對數）
• 銷售收入
• 用戶數
• 瀏覽量
• 人口數
• 渠道數
• 質量（相對數）
• 留存率、流失率
• 轉換率
• 滲透率
• 覆蓋率
• 參與率

4.如何篩選需要的數據維度？

• 時間也分 累計時間 和 當前時間
• 時間也分 秒、分、時、日、周、月

以上為數據統計流程

清晰了解數據統計的流程，清晰了解如何篩選數據，是做好數據統計的基礎。

6.數據統計會說謊

準備靠譜的數據，時做好數據分析的基礎

• 防止在不同等條件下，做數據分析
• 「倖存者偏差」。防止在數據樣本不足的情況下，做數據分析

讓數據靠譜

• 數據用最小顆粒度搜索
• 數據真實，避免盲區
• 數據統計的樣子覆蓋足夠大
• 數據抽樣的方法科學
• 數據會進行標準化的處理
• 業務指標綜合多種數據來看

二、數據分析

1.數據分析時什麼

所有分析要從結果出發，沒有結論的數字羅列並不是分析。

以結果出發，分析需要結論。（結果=發現問題/解決問題）

2.數據分析的作用——發現問題，規劃目標

3.數據分析應用在了哪裡

• 產品設計——啤酒+尿不濕案例、每日新聞礦泉水
• 精準營銷
• 渠道運營——視渠道轉化率調整渠道帶量，也要考慮渠道邊界

4.如何進行有效的數據分析

問有效的問題

檢驗1-複雜性檢驗——問題是否直接並相關

檢驗2-有用性檢驗——這個問題的答案是否對分析有幫助

檢驗3-可行性檢驗——我收集的數據是否真的能幫助我解答問題

建立一些假設

假設為什麼重要？

• 複雜的問題通常有很多潛在的答案
• 沒有強有力的假設，會浪費很多時間並沒有證明任何東西
• 正確的假設決定收集怎樣的數據並如何看待他們

尋找正確的數據

• 一致性
• 渠道銷售數據在2015年6月變更了統計方式，AF渠道銷量提升了200%~500%
• Analysis was a flop - MMs did not use the same standards
• 精確性
• 數據不能準確量化：例如銷售人員的銷售技巧
• 數據的取得很困難：例如客戶的數據，如成交
• 時效性
• 聯合國關於各國經濟和中小企業數據基本時2年前的

清楚各項數據的最合適來源。

明白各項數據的局限性和可能潛在的錯誤。

分解手中數據的關係

• 為何要分解原因？
• 一個問題往往有潛在的多個答案，如果不將各種因素分解，單獨分析，無法了解哪個才是真正的直接相關因素。
• 分解的原則：直接不交集
• 直接因素：因素和結果之間沒有其他可能的間接關係
• 分解原因的一些建議
• 問一問：每個原因是否已經互不相交？
• 問一問：每個原因是否是直接的，是否是其他原因的衍生產物？
• 如何分析被分解的原因（KISS原則）
• 孤立一個因素，將有無此因素的兩個結果進行比較
• 例如：將某段到期中供（一種業務）中，按其是否在該段期間內有無購買廣告分群，再按這兩群人的續簽率進行對比，可大致了解廣告對中供續簽率的影響。

KISS

• 分析被分解的原因的兩個KISS工具
• 「開關」工具
• 影響前vs影響後
• 有影響vs無影響
• 「XY」工具
• X - 影響因素
• Y- 產生結果

驗證假設和結果的關係

反覆問自己幾個問題：

• 分析結果在邏輯商是否合理？
• 是否有明顯的邏輯錯誤？
• 徵詢前線同事的直接感受是否與分析結果相符？
• 一些違背直覺的結果往往代表一定有什麼東西沒有考慮到。
• 什麼東西是老闆肯定會問的？
• 假設他的問題
• 並準備好答案
• 這就是有些人與眾不同的奧秘

P.S.