閱讀96
標籤：
資料思維產品運營一、資料趨勢分析
趨勢分析一般而言， 適用於產品核心指標的長期跟蹤， 比如， 點擊率， GMV， 活躍用戶數等。 做出簡單的資料趨勢圖， 並不算是趨勢分析， 趨勢分析更多的是需要明確資料的變化， 以及對變化原因進行分析。
趨勢分析， 最好的產出是比值。 在趨勢分析的時候需要明確幾個概念：環比， 同比， 定基比。 環比、同比大家都比較瞭解， 定基比就是和某個基點進行比較， 比如2016年1月作為基點， 定基比則為2017年2月和2016年1月進行比較。 趨勢分析另一個核心目的則是對趨勢做出解釋，
在資料分析的過程中， 有很多因素影響到指標， 那麼我們可以不同維度來逐一考察， 比如：管道， 產品版本， 來源， 關鍵字， 網路， 地域， IP， 系統流覽器及版本等。
二、資料對比分析
資料的趨勢變化獨立的看， 其實很多情況下並不能說明問題， 比如如果一個企業盈利增長10%， 我們並無法判斷這個企業的好壞， 如果這個企業所處行業的其他企業普遍為負增長， 則5%很多， 如果行業其他企業增長平均為50%， 則這是一個很差的資料。 對比分析， 就是給孤立的資料一個合理的參考系， 因為， 孤立的資料毫無意義。
以A/B測試為例，
三、 資料細分分析
在得到一些初步結論的時候， 需要進一步地細拆， 因為在一些綜合指標的使用過程中， 會抹殺一些關鍵的資料細節， 而指標本身的變化， 也需要分析變化產生的原因。 這裡的細分一定要進行多維度的細拆。 常見的拆分方法包括：
分時：不同時間段資料是否有變化。
分管道：不同來源的流量或者產品是否有變化。
分用戶：新註冊用戶和老用戶相比是否有差異， 忠誠用戶和小白用戶相比是否有差異。
分地區：不同地區的資料是否有變化。
構成拆分：比如搜索由搜索片語成， 可以拆分不同搜索詞
細分分析是一個非常重要的手段， 多問一些為什麼， 才是得到結論的關鍵， 而一步一步拆分， 就是在不斷問為什麼的過程。
四、業務場景舉例
1、整體路徑：在核心流程上加快決策
當我們被某個產品的賣點吸引後， 我們的潛意識將“憑感覺”快速替我們做出決策， 沒有立刻執行決策， 不過是因為我們還在尋找理由說服自己， 讓這個決策看起來合理罷了。
人的欲望是無限的， 很多時候， 人的欲求會超過一貫的自我認知和行為準則， 同時， 人又是一個會極度自洽的動物， 當我們的某個決策意向明顯不符合自我認知與行為準則時， 我們潛意識裡就會去尋找更多的理由，
以某電商類產品為例， 凡註冊成功後24小時內沒有創建訂單的使用者都會收到一條短信， 短信內容大概是：你有價值128元的新手紅包待領取， 下載APP立享優惠， 一個小小的紅包， 便終止了一部分用戶“猶豫不決”成功下單。 PS：上圖中的資料來自我們的客戶， 基於諸葛io的精准觸達， 有68人成功完成了支付， 即， 這一條短信帶來了核心業務的轉化（變現）。
2、業務偏好：不同需求用戶精准行銷
當我們獲取了用戶之後， 就會對使用者的相關資料做分析， 得知使用者行為習慣， 為產品運營所用。 通過對使用者行為監測獲得的資料進行分析， 可以讓我們更加詳細、清楚地瞭解用戶的行為習慣，
例如在什麼時間段用戶活躍度最高， 在這個時間段推送活動， 參與度會更加積極， 用戶接受程度更大。 比如分析出在22:00~24:00之間， 20-30歲之間的女性最為活躍， 那麼在這個時候可以選擇對女性用戶更有價值的活動來做定向推送， 設置好推送的活動、時間點和用戶群體， 以此來增強用戶生命力， 延長用戶生命週期。
3、沉默啟動：圍繞活躍特點貼心提醒
沉默用戶大部分是低介入用戶， 是否能夠再細分出各自的需求， 再做用戶觸達和用戶運營， 滿足其某一次需求。 如果用戶只是使用基本功能， 就不要騷擾他， 如一個月做運營觸達而用戶無反應， 持續幾次皆如此，則不要再騷擾了，否則產品都不會使用，這類長時間的沉默用戶要謹慎處理。
總之，趨勢，對比，細分是資料分析中最基礎的思維。無論是資料核實，還是資料分析，都需要不斷地找趨勢，做對比，做細分，才能得到最終有效的結論。
微信公眾號：諸葛io（ID:zhugeio1）
持續幾次皆如此，則不要再騷擾了，否則產品都不會使用，這類長時間的沉默用戶要謹慎處理。總之，趨勢，對比，細分是資料分析中最基礎的思維。無論是資料核實，還是資料分析，都需要不斷地找趨勢，做對比，做細分，才能得到最終有效的結論。
微信公眾號：諸葛io（ID:zhugeio1）