运营部门一向是数据分析需求大户,而做过运营分析的同学,经常会觉得细节多,琐碎,很多问题相互纠缠在一起很难理清。那运营分析到底该怎么做才能系统,高效?本文就此问题进行详细的内容分享。

数据和经验_大数据优质经验介绍_数据经验分析

从运营的工作特点说起

运营工作,和销售、供应有明显区别。比如销售工作,核心关注收入、利润、转化率,能赚钱就行。比如供应,核心关注商品供应、库存周转、成本控制,不缺货,少积压就行。这些工作的目标聚焦,流程清晰。

而运营工作目标多,形式灵活。比如做活动运营,可能是直接促进销售转化,也有可能是拉拉用户活跃,保持平台人气。比如做社群运营,可能是纯粹为了把公域用户先捞回来,也能基于社群做服务或者销售转化。

更有可能,比如做1次大型活动,要先做引流推广,再转化,再做售后支持,一场活动下来,各个类型工作都有关联。这种工作特点,使得做运营数据分析的时候,得特别注意以下四点:

第一:清晰目标

运营工作目标多,因此事前清晰目标很重要。清晰目标才能选择合适的方案,配置恰当的资源,事后分析也才有方向。

运营常见的目标设定方式有三种:

达成绝对值目标,比如:在5月内,实现总用户100万。达成比例/比例类目标,比如:5月份全月,交易转化率从10%提升到15%。达成增量目标,比如:在5月份内,较自然增长额外拉动交易3000万。

这里目标1、2都可以直接用数据观察,但目标3涉及“自然增长”的定义,必须事前谈清楚。不然事后很可能无法分析。常见的自然增长定义有3种(如下图所示)每一种都各有利弊,并没有一个完美方案,因此事前一定要和老板、各部门达成共识。

大数据优质经验介绍_数据经验分析_数据和经验

这里经常有人偷懒,在事前不设量化目标,只是笼统说一句:“为提升业绩”、“为拉升用户活跃”……企图在事后,通过数据分析的手段来区分哪些是自然增长,哪些是活动效果。结果经常区分不出来,搬石头砸自己的脚,大家要引以为戒。

第二:梳理指标

运营工作形式灵活,因此经常需要根据实际工作流程,来设定数据指标。一来方便监控执行进度,二来在复盘的时候,好观察哪个环节出了问题,便于追查原因,寻找机会。

比如,运营部门上一个“签到领福利”的活动,每月打卡7/14/21次可以得奖励,奖励包含优惠券,希望同时刺激用户活跃+转化。此时要把下面这些过程指标都梳理出来,方便后续追踪数据,复盘效果(如下图所示):

数据经验分析_数据和经验_大数据优质经验介绍

注意,如果有连续开展的运营活动,需要持续追踪用户参与情况。比如上边说的打卡签到,在持续n个月以后,会有相当数据积累,可以观察:

不同的数据走势,可以得出不同结论(如下图),结合数据走势,可以更好地判断:一个运营手段应持续做下去,还是做出调整。

大数据优质经验介绍_数据经验分析_数据和经验

第三:打好标签

影响运营效果的因素很多,推广渠道、推广文案、活动形式、操作步骤、转化商品、优惠力度等等,都会影响到效果好坏。因此需要在开始干活之前,先对推广文案、推荐商品、操作流程等关键因素,打好标签,才好在事后进行分析(如下图)。

大数据优质经验介绍_数据和经验_数据经验分析

除了单个标签外,还可以对运营措施整体打标签,对整体情况进行判断。比如提升用户活跃,领红包、签到、大转盘、积分榜等等好几种手段都可以用,每种手段都可以配置奖励,此时就可以利用标签,把各种手段分组对比,从而了解每一种手段的效果范围,为后续运营提供经验积累(如下图)。

数据和经验_数据经验分析_大数据优质经验介绍

第四:按图索骥

如果做好了前三步,在做运营数据分析的时候,难度就非常小了。

这样就能输出结论了。

在工作中,经常看到运营分析没结论,是因为:

做好准备,才有好的分析结果,切记切记。

小结

综上可见,想要做好运营分析,需要掌握数据指标体系梳理、标签制作、分析思路等综合能力,才能适应各种场景的要求。

专栏作家

接地气的陈老师,微信公众号:接地气的陈老师,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。


本文由转载于互联网,如有侵权请联系删除!