什么叫对数据敏感?怎样做数据分析?
今天讲一下我对数据的理解。
我做过近两年的电商运营,其中感触很深的一个点就是从数据的维度对目标做拆分。
天猫的双11刚刚过去,马云又创造了新的成绩,912亿。从去年的571亿到今年的912亿,马云怎么就敢说今年可以做900亿呢?在设定这个目标之前就少不了对目标的拆分。
900亿的成交,首先按照过往的类目占比,拆分到各个类目,每个类目承担多少销售指标,类目再按照过往的卖家成交额占比拆分到各个卖家,每个卖家承担多少销售指标。卖家再根据各自的日常店铺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,就可以得到流量的缺口。接下来再按照各渠道获取流量的成本来计算,就可以得出双11平台需投入的营销经费数值。整个900亿的目标,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,都离不开对目标的拆解,任何抽象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单可执行,也更容易考核效果。
我刚开始接触电商接受业务培训,第一节课就只讲了一个公式。
成交额=买家数x客单价
如果你想提升成交额,要么提升买家数,要么提升客单价。我们可以盘点一下,我们见过这么多的促销手段,有哪个不是为了提升这两个数值的。满减、满送、买二送一,这是为了提升客单价的手段;秒杀,团购,这是为了提升买家数的手段(秒杀的核心在于集聚大量流量做关联销售)。
不仅仅如此,这个公式依据不同的业务场景还可以拆分成多种形式。
买家数 = 商详uv x 下单率 x 付款率
商详uv = 广告展现 x 广告转化率 = 搜索展现x搜索转化率 = 活动展现x活动点击率
于是,决定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,这样多的细节共同决定了最后的成交额。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细化运营。
仔细想想,你自己的业务又何尝不是一个公式呢?试着找到自己的公式,去拆分它,你也许会不少改进的方法。
互联网的模式下,无论做什么产品,根本目的都是为了变现,只要是变现,就涉及到了转化。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,在业务的链条里,每个环节的用户数是呈不断衰减的,运营要做的事,就是想尽一切的办法来提升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,我就可以分析每个环节代表了什么,我怎样去改善:
需要注意的是,漏斗模型是需要对比的,如果仅仅只有一个漏斗模型,那么就只是数据的陈列,如果要做分析的话,就一定要有对比,比如和往期的漏斗作对比,比如与平台的均值作对比,只有在对比过程中才会发现问题。
我们作为产品运营的同学,必须要熟悉我们产品中每一个关键数据,日均的uv是多少、转化率是多少,下载量是多少,这样在数据出现异常的时候才可以第一时间发现,熟悉产品数据,是对数据敏感的前提。
前面讲了一些理论层面的,最后给一个数据分析模板给大家,供参考。
1、首先你需要根据活动目标确定你的目标达成率,完成百分比,提升百分比。
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、如果是发周报、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价值有明显提升,这个的原因,要找到并写在报告里。
3、接下来流量分析,主要为流量来源分布,各渠道流量转化率分析。
流量涨了,要找到是哪个渠道带来的流量涨了,为什么涨了,分析这里的原因。流量的质量如何,哪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,我们看到明显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源占比作比较,我们可以看到当前流量构成上的变化。
3、转化率分析,也就是漏斗模型分析。
前文提到了,漏斗模型需要对比的数据,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对比,结合活动页面、流量、产品功能等多方面因素,尝试分析这里各环节转化率提升或者降低的原因。
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,用户的点击分布,这有助于我们改善。当我们尝试新的页面样式的时候,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,模块转化率则反应了各个模块内容是否满足用户的需求,如果模块转化率较低,则需要考虑这个模块的内容是否优质,甚至这个模块是否需要改变样式。
5、改进及优化
每次的活动总是有做的好的地方和做的不好的地方,我们数据分析的目的就是为了积累经验,沉淀方法论,在每一篇数据报告的结尾,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,效果如何,尝试了一个新的页面样式,点击率是否有提升,等等。把经验应用于之后的活动策划当中。
写在最后,想说一点,数据不是万能的。
我们常做的数据分析,是建立在海量数据的情况下,但往往在初创公司,数据系统还不完善,数据量不够的情况下,数据只能作为参考,过分相信数据往往会导致做出错误的判断。
数据有很多指标,统计维度又有很多种,如果深挖下去,会耗费大量的精力,但却不一定会有成效,所以找出最关键的几个数据指标,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,这需要经验,也需要你的思考和执行力。希望你可以成为一个对数据敏感的互联网人。
数据分析咨询请扫描二维码
数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21