数据分析对于产品运营来说,是一面可以反映业绩情况、检验运营效果的镜子,更是一种工作能力和处事思维。数据分析者的不同职业阶段,也对应着数据分析的不同业务流程。

什么是数据分析?

数据分析是目标,是工具,是思维。正如水仙临水自照,其实数据分析对于产品运营来说更像是一面镜子,可反映业绩情况,可激励工作目标,可检验运营效果,但最重要的是,它是一种工作能力,一种处事思维。

如果说数据分析也有生命周期的话,那便是“相信数据——怀疑数据——重塑数据——反省数据”。这是数据分析的业务流程,是数据分析者的心态历程,也对应着数据分析者的职业阶段,即菜鸟、初阶、中阶、高阶。

在分享之前,先自我介绍一下,我是青岛艺形艺意文化传媒有限公司联合创始人、首席新媒体商学院创始人,资深新媒体运营人,腾讯网、百度网、今日头条、搜狐网、网易新闻、凤凰新闻等网站知名专栏作者胡耀文。

一、菜鸟的起步期:相信数据

做数据分析,首先要相信数据。作为一名合格的产品运营菜鸟,自然要首先奉其为圭臬,尊其为标杆,方能进一步深入挖掘数据。具体而言,可从日常的日报、周报、月报入手,熟悉KPI的数据指标情况,以其关键数据为圆心,向关联数据辐射。

比如,如果KPI的关键数据指标是分享数据,那么以其为圆心,可关注分享人数、分享次数、分享回流UV等细分数据维度,又因活跃数据与分享数据密切相关,还可关注诸如活跃、拉新这样的关联数据。

但“相信数据”是很多人的工作误区,即以数据为数据,看数据是数据,为数据做数据。这样的数据解读是肤浅的,只停留在事物的表面,而未深及核心本质。

见的此类情形是:围绕工作目标KPI数据去做工作,被数据驱动,就像是数据的负债人,在漫漫的KPI之路负重而行。

稍微高阶一点的呢,则是将工作KPI进行分解,大而化小,小而化微,通过更加细化的数据维度开展工作,从而达到完成KPI的目标。

比如说微信群的“好友数”这个数据,又可以细拆分为开营好友数、结营好友数、1V1触达好友数、付费好友数等细分指标。就像爬山,一步一步慢慢来,总会成功登顶的,虽然这过程有点慢,但蜗牛也能到达金字塔。

二、初阶的蜕变期:怀疑数据

从相信到怀疑,这是一个非常艰难的过程,其难度不下于重塑世界观。但这又是初阶人员迈向中阶人员的必经蜕变期,如同羽化成蝶,虽过程艰辛,但其前景曼妙。经过这个时期的产品运营,油然而生一种柳暗花明的豁然开朗之感。

怀疑数据,主要是怀疑数据的真实性与有效性。数据来源与统计结果是真实情况吗?最终结果全部有效吗?有效样本是多少?为什么会出现这种情况?

拿APP来说,由于产品的历史遗留问题,注册用户需要填写的字段有所变化,所统计的用户明细表格中有很多数据是缺失的,这些缺失的字段就是无效数据。

像我们去办信用卡,“个人年收入”那一栏未必填写得完全准确,一部分是因为填写者的收入不固定,除了基本工资,可能又有季度奖、绩效奖、年终奖等奖金和各种补贴;

另一方面是因为填写者的本人薪资是浮动的,随着工龄的增长或跳槽等情况,工资是会产生变化的;此外,另有一些用户由于虚荣心理或者自私心理将原本的工资往高了填,为了取得较高的信用额度。

上面的这些情况说的就是数据的真实性,海绵吸足喝饱了水之后,当然有所“增重”。

那么什么是数据的有效性呢?与有效相对应的是无效,容易产生无效数据的情形主要有:数据样本容量过小,不够全面,比如说用100个大学生的调查数据去概括千万个大学生的学习现状,这无异于管中窥豹了;数据样本不符合预设条件,比如要调查白领阶层的薪资情况却让蓝领阶层填写问卷调查;还有调研方法不恰当、分析方法有误等复杂因素。

除了怀疑数据的真实性与有效性,还要不放过任何一个疑点,通过对疑点的寻根究底来锚准目标、反哺业务。

诸如:“这样的数据分析有必要做吗?”、“数据分析的结果好像不太对?”而此类的数据疑问往往需要我们跨部门沟通协作,找出答案所在,通过这样的“数据追究”,去发现数据背后的真相,来为业务增长做服务。

三、中阶的跃升期:重塑数据

柳暗花明之后,需要圈地自营。注意的是,圈地自营不是圈地自萌,不是自嗨,而是自省。通过自省提高数据分析的运营境界,重构自己的数据思维逻辑,建立自己的数据分析方法论。

到达这个阶段的产品运营,能够根据自己的需求或者目的来筛选数据、呈现数据,并且对影响某项数据的主要因素了然于心。

就拿筛选数据来说,可以选择不同颗粒度的数据(比如日粒度、周累、月累等),还可以选择数据的关键项(比如性别、地域、从业年限等)。

那么如何呈现数据呢?比较常用的是绝对数VS相对数。打个比方,如果做工作汇报的时候发现,绝对值其实并不突出,但是相对数很突出(环比、同比等),这个时候就可以选择相对数(比例、比率等)作为呈现的数据。

数据呈现结果,而如何分析结果背后的原因则是关键所在。从业务场景中找真相,从常识与逻辑中找答案,深入挖掘数据结果背后的成因。

比如说整体分享次数,由业务基础来看,它由各部分的分享次数累计而得,可以初步归纳为“整体=部分A+部分B+部分C+…”这样的计算公式;此外,根据逻辑常识,活跃、拉新以及线下的业务场景都对分享数据有一定的影响,则可通盘考虑、整体归纳。

四、高阶的巅峰期:反省数据

进入高阶的数据分析,达到了职业生涯的巅峰期。这个阶段的产品运营主要反省数据,换言之,则是以一种较为通盘的思想进行经验总结,将以往的数据分析案例变成可复用、可迁移的知识财富。

回溯以往,哪些数据是可以更好地归类整理与交叉分析的?哪些数据是可以反哺产品、促进产品的迭代优化的?哪些数据是可以做成自动化的数据报表的?

哪些数据可以做成数据看板的?有哪些数据反映了真实的业务情况且对业务有推动作用?……

通过对诸如此类的数据问题进行深刻的反省,产品运营将数据经验条理化,整理出一套属于自己的数据分析方法体系,包括撰写数据需求文档、促进BI工具优化、使用数据分析工具、梳理数据维度、收集并筛选数据、拆解细分数据、分析数据成因、归纳数据结论等方面。

反省数据的过程其实包罗万象,业务、活动、运营、品牌、市场等因素皆是其中的关键项,对数据的反思可以说是对工作的回溯、归纳、复用,将以往的数据经验内化为宝贵的个人经验储蓄。

相信数据、怀疑数据、重塑数据、反省数据,对于产品运营来说,这是做数据分析工作的自然历程,也是从菜鸟、初阶、中阶到高阶的职业成长之路。掌握数据分析的精髓,实现蜕变式的成长,这需要“厚积薄发”的经验沉淀,也需要一以贯之的坚韧态度。

本文为基于多年经验和观察得出的个人观点,如果内容对你有帮助,记得分享给你的朋友。如果大家有什么看法,欢迎大家在下边评论区留言,最后非常感谢大家的阅读。

新媒体运营胡耀文教程:产品运营视阈下的数据分析相关推荐

  1. 新媒体运营胡耀文教程:活动推广怎么做好活动复盘?

    从去年开始我开始学着做复盘,总结一下自己活动中的收获,还有活动遇到的一些问题,这样可以让自己以及其他的小伙伴避坑,也能总结好的点应用到后面的活动中. 在这先自我介绍一下,我是青岛艺形艺意文化传媒有限公 ...

  2. 新媒体运营胡耀文教程:浅谈ToB市场精细化运营

    一.ToB市场的价值:获客.促进转化.品牌 对于ToB市场的价值,我认为主要在三个方面: 1.一是众所周知的获客,为产品和服务源源不断的带来潜在购买者. 2.二个是促进转化,通过销售工具箱.市场活动. ...

  3. 首席新媒体运营胡耀文教程:关于抖音代运营的简单介绍

    抖音是怎么火起来的呢?小编分析,抖音火起来的关键最主要在于用户参感和音乐的结合,我们在这里就不详细地说了,我就给大家说点大家最关心的话题吧. 在这里我先自我介绍一下,我是青岛艺形艺意文化传媒有限公司创 ...

  4. 新媒体运营胡耀文教程:引爆流量池社群运营套路解析

    最近很多小伙伴苦恼流量引进来了不知道怎么变现,看着费着千辛万苦,求爷爷告奶奶引来的流量一点点的流逝,一口老血抑制不住的喷涌而出- 看人家社群做得好,学人家社群引流变现,结果人家的社群异常活跃,你的社群 ...

  5. 新媒体运营胡耀文教程:如何提高产品转化率?

    当我们开始推广一款产品时,首先肯定需要考虑产品的转化率.如果产品的转化率很差,那么在推广的过程中就会遇到很多问题. 在分享之前,先自我介绍一下,我是青岛艺形艺意文化传媒有限公司联合创始人.首席新媒体商 ...

  6. 新媒体运营胡耀文教程:活动运营推广数据分析公式

    如何通过数据分析判断一场运营活动好坏,以及通过数据洞见活动的问题和机会点,为下一次活动提供避坑指南和增长方向. 在这里先自我介绍一下,我是青岛艺形艺意文化传媒有限公司联合创始人.首席新媒体商学院创始人 ...

  7. 新媒体运营胡耀文教程:策划一个完整活动的6大基本要素

    同样做活动运营,在一个很成熟.稳定的大厂,和在一个发展中.业务还不算特别稳定的公司,可能会存在很显著的差异.但同时我们发现,无论是简单还是复杂的活动,有些事项是活动方案设计和策划时都要充分考虑的.下面 ...

  8. 新媒体运营胡耀文教程:如何通过增长实验发现用户增长点?

    现在流量红利已消失,需要精细化运营实现用户持续有效增长.增长实验是非常重要的驱动增长的方式.它的作用是验证产品.运营动作与增长数据之间的因果性.常用A/B测试的方法来验证方案是否能够真的驱动用户增长. ...

  9. 新媒体运营胡耀文教程:10万+软文标题的6个高质量细节

    对于软文来说,第一印象就是标题,无论软文的内容是什么,最终目的还是吸引用户去阅读.评论.转载.转化,撰写出一个具有吸引力的标题是很有必要的. 在分享软文标题怎么写之前,我先自我介绍一下,我是青岛艺形艺 ...

最新文章

  1. mysql的条件替换_MySQLwhere条件替换疑问?
  2. 判断一个图是否为树(有向图以及无向图)
  3. Message,MessageQueue,Looper,Handler详解+实例
  4. Unix下的crontab简介
  5. nginx虚拟主机(基于域名虚拟主机、基于IP地址虚拟主机、基于端口虚拟主机设置)
  6. XCTF-MISC-新手区-功夫再高也怕菜刀
  7. 数字IC验证学习(一)
  8. 忘记番石榴:5个Google库Java开发人员应该知道的
  9. 前端学习(505):垂直居中的第一种方式的优点和缺点
  10. 基于深度学习模型WideDeep的推荐
  11. TokenInsight:反映区块链行业整体表现的TI指数较昨日同期上涨2.66%
  12. 赣南师范学院数学竞赛培训第10套模拟试卷参考解答
  13. 应用宝apk_我花3天对比了8个手机应用商店 发现了这个你从未留意过的细节
  14. Maven镜像仓库配置地址
  15. 使用宏将xlsx格式文件批量转为xls格式文件
  16. Nginx 配置子域名
  17. R语言散点图+趋势线+标注
  18. 如何清除DNS缓存(Mac,Windows,Chrome)
  19. Linux——boot lodaer:grub2核心载入工具
  20. 若依前后端分离框架——初始化参数功能源码学习

热门文章

  1. 【Python】新华字典(bushi
  2. 服务器资源下载简单实现
  3. 极案例 | 守护地铁运营“生命线”,极视角与深圳地铁运管办共建“AI智能巡检系统”
  4. [基础库Numpy] 技能树总结:一篇文章学会Numpy库
  5. 入门力扣自学笔记118 C++ (题目编号1413)
  6. FreeRTOS中多种信号量
  7. ADS7830 FPGA实现
  8. 均匀化退火时间_热处理加工均匀化退火要点
  9. win7电脑怎么连接wifi,win7系统如何连接wifi
  10. 蓝色巨人IBM(International Business Machines)