什么叫对数据敏感?怎么样做数据分析?
本文摘要:今天讲一下我对数据的了解。一、从数据维度做拆分,让方针更加落地我做过近两年的电商运营,其间感触很深的一个点就是从数据的维度对方针做拆分。天猫的双11刚刚以前,马云又发明了新的成果,912亿。从上一年的571亿到本年的912亿,马云怎么就敢说本年可以做9

今天讲一下我对数据的了解。

一、从数据维度做拆分,让方针更加落地

我做过近两年的电商运营,其间感触很深的一个点就是从数据的维度对方针做拆分。

天猫的双11刚刚以前,马云又发明了新的成果,912亿。从上一年的571亿到本年的912亿,马云怎么就敢说本年可以做900亿呢?在设定这个方针之前就少不了对方针的拆分。

900亿的成交,首要依照过往的类目占比,拆分到各个类目,每一个类目承当多少出售指标,类目再依照过往的卖家成交额占比拆分到各个卖家,每一个卖家承当多少出售指标。卖家再依据各自的日常店肆转化率反推需要多少流量,各类目再结合平台能提供的流量,就能够得到流量的缺口。接下来再依照各渠道获取流量的本钱来核算,就能够得出双11平台需投入的营销经费数值。整个900亿的方针,通过这样的拆分,就变得明确可执行了。

无论做什么事情,想做成,都离不开对方针的拆解,任何笼统的事物都可以通过数学的方法来解决,把事情数据化会让事情更简略可执行,也更容易查核效果。

二、很多事务其实就是一个公式

我刚开始触摸电商承受事务培训,第一节课就只讲了一个公式。

成交额=买家数x客单价

假如你想提高成交额,要么提高买家数,要么提高客单价。我们可以盘点一下,我们见过这么多的促销手法,有哪一个不是为了提高这两个数值的。满减、满送、买二送一,这是为了提高客单价的手法;秒杀,团购,这是为了提高买家数的手法(秒杀的核心在于集聚很多流量做关联出售)。

不只仅如此,这个公式依据不同的事务场景还可以拆分红多种形式。

买家数 = 商详uv x 下单率 x 付款率

商详uv = 广告展示 x 广告转化率 = 查找展示x查找转化率 = 活动展示x活动点击率

于是,抉择成交额的因素就变成了各个渠道的转化率、图片的点击率、产品的下单率、付款率,这样多的细节一同抉择了终究的成交额。接下来针对这些细节分别去做优化,这个过程就叫依据数据做精密化运营。

细心想一想,你自己的事务又何曾不是一个公式呢?试着找到自己的公式,去拆分它,你也许会不少改善的方法。

三、运营说究竟就是一个漏斗

互联网的模式下,无论做什么产品,底子意图都是为了变现,只需是变现,就触及到了转化。而转化其实就是一个漏斗模型。

漏斗模型是运营数据里提到的最多的词了,在事务的链条里,每一个环节的用户数是呈不断衰减的,运营要做的事,就是想尽一切的方法来提高漏斗中各环节的转化率。

比如一个电商的活动页,它的漏斗模型应该是这样的:

有了这么个漏斗,我就能够分析每一个环节代表了什么,我怎样去改善:

pv/uv:页面拜访深度,直接体现了这个页面是否吸引人,用户在这个页面是否发生点击的爱好。 活动页— 概况页uv:页面上的内容是否吸引人,商品是否是用户喜欢的,需依据页面点击状况及时替换点击效果差的商品。 概况页uv— 下单人数:商品的转化率怎么,是否是爆款,此处转化过低需替换高转化的商品。 下单人数— 付款人数:商品的付款率,假如低于正常值,需要卖家催单。

需要留意的是,漏斗模型是需要比照的,假如仅仅只有一个漏斗模型,那么就只是数据的摆设,假如要做分析的话,就一定要有比照,比如和往期的漏斗作比照,比如与平台的均值作比照,只有在比照过程当中才会发现问题。

我们作为产品运营的同学,有必要要熟悉我们产品中每个要害数据,日均的uv是多少、转化率是多少,下载量是多少,这样在数据呈现异常的时分才可以第一时间发现,熟悉产品数据,是对数据敏感的条件。

四、一篇完好的数据分析陈述应该包括哪些内容?

前面讲了一些理论层面的,终究给一个数据分析模板给我们,供参考。

1、首要你需要依据活动方针确定你的方针达到率,完成百分比,提高百分比。

这是这次活动取得的成果,在一开始就写。如:

本次活动 uv 24w(20w,↑ 20%),uv价值 3.6(3,↑ 20%)

2、假如是发周报、月报之类的数据,接下来就应该是核心数据走势图

在这张图里,要对每一个数据的拐点做分析,比如图中11月7日、8日两天的uv价值有显着提高,这个的原因,要找到并写在陈述里。

3、接下来流量分析,主要为流量来历散布,各渠道流量转化率分析。

流量涨了,要找到是哪一个渠道带来的流量涨了,为何涨了,分析这里的原因。流量的质量怎么,哪一个渠道的流量转化率高。这里需要两个饼图,一个是流量渠道占比,一个是渠道带来的转化占比。

从上面的两个饼图里,我们看到显着站内流量的转化率更高,而广点通带来的流量转化率偏低。另外,通过与往期的渠道来历占比作比较,我们可以看到其时流量构成上的变化。

3、转化率分析,也就是漏斗模型分析。

前文提到了,漏斗模型需要比照的数据,所以在此处的分析,我们需要列两个漏斗模型。

对漏斗模型各环节转化的分析,这里主要和往期数据做比照,结合活动页面、流量、产品功用等多方面因素,尝试分析这里各环节转化率提高或者下降的原因。

4、模块点击分析

我们设计的产品页面,或者活动页面,我们需要知道这个页面的结构是否合理,用户的点击散布,这有助于我们改善。当我们尝试新的页面样式的时分,更应该对这里的模块点击做分析,可以验证我们的结构是否对数据带来了改善。

模块点击分析主要是从点击饼图,及其各模块转化率的角度来分析,点击饼图可以看到用户的需求,模块转化率则反响了各个模块内容是否满足用户的需求,假如模块转化率较低,则需要考虑这个模块的内容是否优质,乃至这个模块是否需要改变样式。

5、改善及优化

每次的活动总是有做的好的当地和做的欠好的当地,我们数据分析的意图就是为了堆集经历,沉淀方法论,在每一篇数据陈述的结束,我们需要对这一次活动做一个总结,比如尝试了一个新的玩法,效果怎么,尝试了一个新的页面样式,点击率是否有提高,等等。把经历应用于之后的活动策划傍边。

五、数据不是全能的

写在终究,想说一点,数据不是全能的。

我们常做的数据分析,是建立在海量数据的状况下,但往往在草创公司,数据体系还不完善,数据量不行的状况下,数据只能作为参考,过火相信数据往往会导致做犯错误的判断。

数据有很多指标,统计维度又有很多种,假如深挖下去,会消耗很多的精力,但却不一定会有成效,所以找出最要害的几个数据指标,对其最合理地分析,这点很重要。

今天就说这么多啦。做数据分析,重点不在数据,而在分析,对数据敏感,就是能清楚数据异常背后的原因,这需要经历,也需要你的考虑和执行力。期望你可以成为一个对数据敏感的互联网人。

End.

 

作者@酥酥 ? ? 来历@微信大众号:酥酥说

版权声明:若