2017 年馬雲在某次年會演講中提到一件讓他驚訝的事情。

在西湖邊上他曾看到乞丐在用支付寶收款碼進行乞討，從界面操作上看該乞丐還能熟練應用支付寶提供的「生意通」功能，研究本周的乞討收入趨勢以及單位小時的乞討金額，從而為自己制定更加高效的的乞討策略。

圖片來源於網路

乞丐都在用數據分析來武裝自己了，身為互聯網從業者，你還敢落後？為了讓你感知到數據分析對工作效率提升價值，我們來看一個真實的運營案例。

你為什麼要學習數據分析

運營研究社在 2018 年以前，公眾號圖文的推送時間是不固定的，在早上、中午、下班時間、深夜都有過推送，所以相應的閱讀量的波動也非常大。

在今年年初我提出了一個假設「如果把推送時間固定的話，會不會對圖文打開率（閱讀量）的提升有促進作用」。

為了檢驗這一設想，當時我需要解決的第一個問題是：

「運營研究社的公眾號黃金推送時間在哪？」

我導出了運營研究社過去 1 年裡的圖文數據，並拿推送時間、打開率、標題 3 個數據欄位來構建散點圖。

運營研究社過去半年圖文數據

從過去 1 年的推送時間和打開率的散點分布圖來看，高打開率的圖文主要集中在中午 12 點、13 點兩個個時間段，於是我把將這兩個時間點定義成運營研究社圖文推送的黃金時間。

在實踐中也證明了「在固定時間推送內容有利用提升打開率」假設是正確的，從閱讀數據上的反饋就是我們的閱讀量在 3 個月時間裡提升了 200%。

無論是在生活還是工作，數據分析已是一項必備技能。

我在招聘網站上研究了近 100 個運營崗位的職責要求，用戶運營、內容運營、產品運營、社群運營、渠道運營，它們幾乎都會在靠前的位置寫上這樣一行文字：

「通過有效的數據分析（點擊率，訪問，轉化率等），研究分析用戶的需求制定運營策略」。

為了讓你能夠掌握最實用的數據分析技能，本篇文章將帶你了解數據分析欄位與產品指標、熟知數據驅動運營的底層方法。

「竟巧婦難為無米之炊」，為了讓小夥伴們贏在起跑線，下面將開始系統講解數據分析里的底層元素——數據欄位。

你的基礎數據欄位足夠全嘛？

2015 年我在百度貼吧在內容運營，當時的我們核心 KPI 是將次日留存率提升至 45%，於是我就想研究用戶首次登入的內容消費量與次日留存的關係，以期通過優化內容推薦系統來提升次日留存。

想法很好，現實卻很悲劇，我在給技術同學提數據分析需求時，他們很佛性的回了句：

「抱歉，我們沒有統計用戶的內容消費數據」。

由於缺乏用戶的內容消費數據，我當時只能擱置這套數據分析方案了（在補充統計用戶消費欄位的 1 個月後才最終落地執行）。

跟大家分享這個案例，主要是希望大家能夠理解，數據分析的底層關鍵支撐是基礎數據欄位，沒有基礎數據欄位你的任何數據分析方案都執行不了，沒有基礎數據欄位，你再老司機也無法用數據驅動運營。

所以，為了能夠做好數據分析，你需要儘可能全面的提出你的數據欄位需求，具體來說包括如下 2 類基礎數據欄位：

1）用戶信息數據欄位

它指的是用戶的社會信息數據，比如姓名、性別、出生年月、籍貫、婚姻、學歷，手機、郵箱等欄位

對於電商和母嬰類產品來說，還需要基於「用戶行為數據」推導家庭類型、家庭人數、家庭小孩標籤、工作崗位、所處行業等高級用戶信息數據欄位。

2）用戶行為數據欄位

用戶行為數據欄位在記錄時的格式通常是User id（哪個用戶）+Active（哪種操作）+Time（何時產生）。

比如今天上午，我在貼吧客戶端首頁看了一篇與 China Joy 有關的的貼子，並且還對妹子們的顏值留進行了評輪。那麼貼吧官方會將我的看貼行為數據，以如下格式被統計下來。

用戶行為數據欄位是每一位用戶在產品上操作行為的數據記錄，不同產品類型需要的需要記錄的用戶行為是不一樣的。

閱讀內容、點贊、評論、分享是社區產品的關鍵用戶行為欄位，點擊產品、添加購物車、下單、付費、評價是電商產品的關鍵用戶行為欄位……

相比於用戶信息數據而言，用戶行為數據是數據分析的重中之重，可以基於用戶行為數據的處理加工，分析出每天產品的登入用戶總量（DAU）、新用戶留存以及評論用戶總量等產品數據指標。

促進數據增長指標都有那些?

有兩位內容運營的同學，有一天領導問他們最近的產品情況怎麼樣。

其中一位運營說產品表現很不錯，每天都有很多人互動和稱讚，另外一位運營回答說產品有問題，用戶都不怎麼會將內容分享出去。

如果你作為老闆，你應該相信誰？

我想這兩位同學你應該都不會相信，甚至還會很生氣，因為你的員工沒有一點點的數據分析意識。

現代管理學之父彼得·德魯克說過一句很經典的話：

如果你不能衡量它，那麼你就不能有效增長它。

為了能夠讓數據驅動業務增長，我們需要制定業務的衡量標準，用統一的衡量標準來定義和評價業務，這個統一的標準在數據分析中叫做指標。

案例中的兩位內容運營如果能夠以互動率和點贊率、分享率這 3 個產品數據指標來向領導彙報自己的運營工作的話，或許就能夠在領導心中留個好印象了。

了解和使用指標是數據分析思維的第二步，我們需要基於具體的業務需求設定能夠驅動產品增長的指標。（Ps：數據指標是由用戶基礎數據欄位處理加工而成）

按照比較受大家認可的 AARRR 產品增長模型，我們可以將指標分為五大類：拉新指標、活躍指標、留存指標、轉化指標、傳播指標。

5個產品的拉新指標

運營通過渠道投放讓「用戶」接觸到產品，當「用戶」覺得產品不錯就會去下載它，打開產品發現裡邊的內容蠻適合自己，「用戶」就會註冊產品，最終成為產品真正的用戶。

以上是絕大部分運營都會經歷的拉新過程，如果你想監控整個過程，並且評估拉新的執行效果，那麼你就需要設置如下數據指標。

1）瀏覽量

俗稱曝光量，指的是產品的推廣信息在朋友圈、搜索引擎、應用商店等渠道渠道中被多少用戶看到。與瀏覽量相對應的是點擊量，它們倆的比例在業內有一個專業辭彙 CTR（CRT=點擊量/瀏覽量），很多廣告平台會用 CTR 來評估廣告質量。

2）下載量

指的是 App 的安裝次數，是衡量拉新效果的結果指標。不過，App 下載其實是一個中間態，為了讓產品從曝光到下載有一個高轉化，你需要注意應用大小、介紹文案的打磨。

比如遊戲類 App，為了避免怕漫長的下載時間造成玩家流失，會選擇讓用戶下載後以補丁形式完成全部素材的載入。

3）新增用戶

下載並不是意味著就是用戶，如果某個「用戶」只下載了並沒有註冊，那它就是一個無效的用戶。對於用戶的界定，每個產品是不一樣的，大部分的產品是用戶註冊了 App，就被定義為用戶了，比如知乎、微博、小紅書、百度貼吧。

4）獲取成本

用戶獲取必然涉及成本，而這是運營新手最容易忽略的。目前常見的成本的計算方式有 CPM（千次曝光成本）、CPC（單次點擊成本）、CPA（單次獲客成本）。

5個產品的活躍指標

相比於下載量和用戶量而言，在人口紅利消失後，大家開始更關注實實在在的東西了——你到底有多少活躍用戶。

用戶活躍作為運營的核心工作，不論移動端、網頁端或者微信端，都有相關指標可以衡量。

1）活躍用戶數

DAU 指的是日活躍用戶數量，指的是在 24 小時內活躍用戶的總量。把時間周期拉長的還有周活躍 WAU 和月活躍 MAU。（MAU 指的是一個月時間周期里去重後的活躍用戶總和）

Ps：與活躍用戶相對應的還有流失用戶、忠實用戶、迴流用戶，其中流失用戶是長期不活躍，忠誠用戶是長期活躍，迴流用戶是曾經不活躍或流失，後來又再次打開產品的活躍用戶。

2）活躍率

活躍用戶數衡量的是產品的市場體量，活躍率看的則是產品的健康。

比如說某款產品的 DAU 是 100 萬，可能你覺得還不錯，但是我跟你說它的總註冊用戶是 1 億，活躍率僅為 1%，你的感受可能就是這款產品很不錯了。

3）在線時長

現在數據分析也越來越注重用戶行為了，為了深入研究一款 App 的活躍健康度就需要去研究在線時長（它是視頻類網站的核心數據指標）。

不同產品類型的訪問時長不同，社交肯定長於工具類產品，內容平台肯定長於金融理財，如果你是做內容的產品的，發現大部分用戶訪問時長只有幾十秒，那麼最好分析一下原因。

4）啟動次數

它體現的是用戶的使用頻率，用戶的日均啟動次數越多，說明用戶對產品的依賴性越高，活躍度也就越好。

社交產品的人均啟動次數會在 3-5 次之間，是通互聯網中在啟動次數指標中數值最高的。

5）頁面瀏覽量

PV（PageView）是頁面瀏覽量，UV（Unique Visitor）是一定時間內訪問網頁的人數，用戶在網頁的一次訪問請求可以看作一個 PV，用戶看了十個網頁，則 PV 為 10。

PV 是互聯網早期 Web 站點時代的活躍指標，也可以理解為網頁版活躍。

5個產品的留存指標

如果說活躍數和活躍率是產品的市場大小和健康程度的話，那麼用戶留存衡量產品是否產品能夠可持續發展，如果你是早期產品就更應該關注是留存指標了。

1）用戶留存率

留存率 = 留存用戶 / 當初的總用戶量

用戶在某段時間使用產品，過了一段時間後，仍舊繼續使用的用戶，被稱為留存用戶。

假設產品某天在某渠道新增了用戶 1000 個，第二天仍舊登入產品的用戶有 350 個，第 7 天仍舊登入產品的有 100 人，那麼這個渠道獲取來的用戶次日留存率有 35%，那麼稱七日留存率為 10%。

Facebook 有一個著名的 40-20-10 法則，即新用戶次日留存率為 40%，七日留存率為 20%，三十日留存率為 10%，有此表現的產品屬於數據比較好的。

2）用戶流失率

用戶流失率和留存率恰好相反，如果某產品新用戶的次日留存為 30%，那麼反過來說明有 70% 的用戶流失了。

流失率在一定程度能預測產品的發展，如果產品某階段有用戶 10 萬，月流失率為 20%，簡單推測，5 個月後產品將失去所有的用戶。

Ps：這裡可以引出一個公式，生命周期 = （1 / 流失率）*流失率的時間維度。比如產品的周流失率為 50%，那麼平均用戶生命周期為 14 天。

15個產品的轉化指標

運營而言，拉新和活躍、留存都只是手段，最終衡量你工作業績的是你手上掌握了多少有價值的用戶。

運營就像用戶成長路上的指引者，指引者產品里的用戶成為能夠產生價值的超級用戶，即回歸商業的本質。

交易類產品轉化指標

1）GMV

它是一個虛榮指標，只要用戶下單，生成訂單號，便可以算在 GMV 里，不管用戶是否真的購買了，京東在雙十一對外發布的戰報是 GMV。

2）成交額

成交金額指的是用戶付款的實際流水，是用戶購買後的消費金額，天貓在雙十一對外發布的戰報是成交額。

3）銷售收入

它指的是成交金額減去退款後剩餘的金額，屬於內部機密數據了。

如果把上述的三個指標看作用戶支付的動態環節，則能再產生兩個新指標。

成交金額與 GMV 的比率，實際能換算成訂單支付率，它體現的支付的流暢度；銷售收入和成交金額，也涉及到了退款率，它體現的是產品質量。

4）付費用戶量

在產品裡邊產生過交易行為的用戶總量，同活躍用戶一樣，交易用戶也可以區分為首單用戶（第一次消費），忠誠消費用戶（持續購買的用戶），流失消費用戶（流失後又回來的用戶）等。

同時，為了研究用戶的付費潛力，你還可以研究下產品的付費用戶比例：

付費用戶比例 = 付費用戶 ÷ 總註冊用戶

5）ARPU

在單個促銷活動中，它指的是每一筆用戶訂單的收入，總收入/訂單數。而在整個產品生命周期中，我們更關注用戶平均付費，總收入/用戶數。

ARPU 可以再一步細分，當普通用戶佔比太多，往往還會採用每付費用戶平均收入： ARPPU = 總收入÷ 收費用戶數

6）復購率

和新增用戶一樣，獲得一個新付費用戶的成本已經高於維護熟客的成本。復購率更多用在整體的重複購買次數統計：單位時間內，消費兩次以上的用戶數占購買總用戶數。

比如運營研究社的技能訓練營在第一季度有 1789 個付費用戶，購買次數在兩次以上的有 657 人，那麼我們季度復購率是 36%。

社區型產品轉化指標

社區型產品的首要目的是將用戶聚集在一起，並且引入用戶生成內容，它的核心關鍵在於培養一個能夠生成內容的活躍用戶社區。

1）內容生成者

參與內容生存的用戶總量，其中我們以內容生產比例（內容生產者/用戶總量）來衡量一個社區的內容生成健康度。

最近很多大廠都在模仿小紅書做社區，其實它們想超越小紅書還是蠻有難度的，因為小紅書的最大壁壘在於內容生產者數量。

2）內容互動者

指的是在產品裡邊有生成內容、閱讀內容、評論內容、分享內容、收藏內容、投票（任一）行為的用戶總量.

其中我們以內容互動比例（內容互動者/總用戶量）來衡量整個產品的用戶參與度。

3）內容價值

指的是通過內容產生的實際收入，具體包含廣告收入、分成收入、訂閱付費等。

比如你在社區裡邊發布了一個賣貨廣告圖文，該圖文閱讀量為 4000，產生的分成收入是 2000 元，那麼內容價值就是 2000 元，內容單個閱讀量收入是 0.5 元。

企業型產品轉化指標

目前大部分企業型產品會通過免費試用來吸引用戶，通過後續的運營來將試用用戶轉化為付費用戶。

對於設置了分級收費模式的企業型產品，運營還需要引導用戶購買更高級更好的服務。

所以，針對企業型產品的運營來說，你需要重點關注如下轉化指標。

1）體驗用戶量

申請體驗企業服務的的用戶總量，運營需要以體驗率（體驗用戶量/用戶量）來衡量產品的包裝吸引力。

2）付費用戶量

對於企業服務類產品來說，最需要非常關注的是有多少免費用戶最終成為了付費客戶，運營需要以轉化率（付費用戶總量/體驗用戶總量）來衡量產品的市場匹配度。

3）追加銷售量

有多少人升級到了更貴的服務級別，運營需要以追加銷售比例（總加銷售用戶/總付費用戶）來衡量產品的售後服務能力。

4）平均客戶營收

單位時間裡平均每位客戶帶來的營收（銷售額/付費用戶），相應的還有客戶終身價值，它指的是客戶使用產品過程中的付費總額。

3個產品的傳播指標

現在產品都會內嵌分享功能，對內容型平台或者依賴傳播做增長的產品，對病毒式增長的衡量就會變的至關重要。

1）病毒 K 因子

它是在國外用得廣泛的概念，它指的是現有用戶能夠成為獲取的新用戶數。

欲計算病毒 K 因子，首先需要計算出邀請率，即發出的邀請數除以現有用戶數，然後計算出邀請的接受率，即用新註冊數或新用戶數除以總邀請數；最後將兩者相乘。

當 K 因子大於 1 時，每位用戶能至少能帶來一個新用戶，用戶量會像滾雪球般變大，最終達成自傳播。當 K 因子足夠大時，就是快口相傳的病毒營銷。

2）傳播周期

傳播周期指的是用戶完成從傳播到轉化新用戶所需要的時間，通常傳播周期越短，意味著用戶裂變傳播的效果越好。

假設 1000 位種子用戶在 10 天邀請了 1500 位用戶，那麼傳播周期為 10 天，K 因子為 1.5，這 1500 位用戶在未來的 10 天內將再邀請 2250 位用戶。

實操案例：計算病毒式傳播係數的量化例子

在下圖給出的社群裂變活動例子中，有 2000 名用戶對外發出了 500 次邀請，其中有 1000 進了社群。

通過計算我們可以算出這次社區裂變活動的病毒 K 因子為 0.5，從理論上這就意味著每兩位現有用戶就可以成功邀請 1 個新用戶，而每兩位新用戶又可以成功要求 1 個新客戶。

如果想要提升 K 因子，就需要重點提升邀請率，增強邀請發出的刺激。

你該如何選擇數據指標？

以上是你在運營過程中可能會用的數據指標，為了讓你輕鬆的掌握它們，這裡我們做一個匯總吧。

這麼多指標到底選擇哪個指標進行運營效果衡量，是需要具體結合你的運營場景的。場景不同，會用到的指標也不同。

以運營研究社組織組織的創作大賽為例，分析一下它的指標選擇過程：

1）明確目的

每一次運營行為都伴隨著具體的運營目的，對於電商大促來說它目的通常是提昇平台 GMV，對於社區產品來說它的目的通常是提升產品 DAU。

對於運營研究社的創作大賽來說，本次活動的主要目的是提升公眾號的關注量，那麼它的首要指標就是新增關注量。

2）梳理流程

運營目的指標只是一個結果，它的達成是需要一系列的運營事件。運營研究社創造大賽漲粉目的的達成，包含報名參數、提交選題、文章寫作、排名拉票等。

3）對應指標

針對運營流程中的事件，找出相應的指標。分析完運營研究社創造大賽的流程後，不難得出指標公式：

漲粉量 = 報名用戶量 * 選題轉化率 * 寫作轉化率 * 人均拉票量

通過上述對運營研究社創作大賽的分析，得出公眾號漲粉數量是本次活動的第一指標，同時包括報名用戶量、選題轉化率、寫作轉化率、人均拉票量4個可操作指標。

1個運營必會數據分析操作方法

關於數據分析從業者們有一個共識——「數據是發現問題的神器！」

可在真實的工作環境中，你就會發現數據並不能幫助你發現問題。比如下面這組數據，看完後你能夠看出什麼問題嘛？

其實，很難看出問題的！

因為真正的數據分析並不是事後才進行數據工作，而是應該在運營事件開始前就有數據分析意識，並且在運營執行過程就不斷的觀察數據和調整方案。

完整的數據分析，具體來說包含如下 5 個步驟。

第一步，梳理業務流程，對於已有數據的業務，可先做分析了解業務。

第二步，根據流程拆解核心數據指標，形成數據分析指標報表。

第三步，對數據分析指標進行預測，並且給出應對措施。

第四步，每日統計數據報表，觀察業務指標數據狀態。

第五步，根據數據指標結果，最終產出運營決策。

同樣為了讓大家充分理解這個數據分析流程，下面舉個例子：

實操案例：某社區上線了一個內容推薦新功能，在灰度期間需要通過小範圍內測來判斷該功能與用戶需求的匹配情況，以便後續做出是否全量推廣該內容推薦功能的決策。

在這樣的一個業務背景下，我們按照上面 5 個步驟來進行數據分析

第一步：梳理業務流程，並且製作分析報表

該功能的推廣主要為站內推廣，通過 Banner 和 App 推廣讓用戶看到這個內容推薦功能後，有需要的用戶會進行點擊該功能並且閱讀內容。

如果覺得它好的話，用戶隔一段時間還會過來繼續使用該功能。對於該內容功能是否符合用戶需求的評估，最重要的是指標每天是留存用戶以及留存率。

第二步：根據流程拆解核心數據指標，形成指標報表

留存用戶量與留存率作為本次功能灰度測試的核心指標，將它進行細化拆解可包含次日留存、2 日留存、3 日留存….等數據指標。

並且為了方面觀察每天新增的用戶留存情況，這裡以日期為單位進行分組製作成報表。

第三步：對數據指標預測，並且給出解決應對措施

「留存用戶」 是內容推薦功能在灰度測試階段的核心指標，考慮到灰度測試覆蓋到的用戶是產品裡邊已有的活躍用戶，我們將次日留存率預測值設定為 60%。

作為內容推薦功能而言，它的留存率主要受推薦的內容質量的影響，當次日留存低於 60% 時，運營需要對內容點擊情況進行深入分析，同時推薦更多優質和熱點內容，以吸引用戶再次點擊該功能。

第四步：每日統計數據指標，觀察業務指標狀態

在灰度測試期間每日觀察指標數據情況，發現數據異常及時做出調整。在案例中，內容推薦功能上線的第一日新增的用戶次日留存僅為40%。

此時運營針對推薦的內容情況，發現今日推薦的內容類型太過單一，需要在豐富度上做出調整優化，同時運營需要持續關注優化後的數據情況。

第五步：根據數據指標結果，最終產出運營決策

根據數據洞察，指引運營的決策制定。比如加大該內容推薦功能的內容投入，將每日推薦更新的內容條數控制在 30 條以上，同時全量推廣該內容推薦功能，讓它的功能使用率佔比提升至 60%+。

本文圖文有點長，你看的可能會很慌，最後我們來做一個總結吧。

1）運營需要會數據分析是一種趨勢，它是決定你能否拿高薪的關鍵。

2）數據欄位是數據分析的底層元素，用戶的信息欄位和行為欄位要儘可能的多。

3）數字指標是運營狀態的衡量方法，比例指標相比於絕對值指標更能指導你的工作

4）確定你的核心運營指標後，需要按照業務流程將它拆解成更多可執行的指標。

5）梳理業務流程-制定指標報表-做出指標預測-觀察指標狀態-做出運營決策，是運營必須掌握的數據分析流程。

更多互聯網運營學習資料敬請查閱」運營的小事「（www.yunying166.com)

互聯網運營外包，產品開發，產品策劃，敬請關注」運營top"(www.yunying166.top)

weixin.qq.com/r/KjqlvSD (二維碼自動識別)


推薦閱讀：
相关文章