零基础搭建运营数据分析知识体系

2017年02月01日 来源：36大数据 作者：佚名

关键字：运营数据数据分析

大家一直在说收集数据和数据分析，但是对于两者具体的定义又很难说清楚。

对于互联网产品而言，用户具有明显的生命周期特征，下面我以一个O2O行业的APP为例阐述一下。

通过各种线上、线下的渠道获取新用户，下载安装APP。

安装完APP后，通过运营手段激活用户；比如说首单免费、代金券、红包等方式。

通过一系列的运营使部分用户留存下来，给企业带营收。

如果用户觉得这个产品不错，可能推荐给身边的人；或者通过红包等激励手段鼓励分享到朋友圈等等。

需要注意的是以上环节并非完全按照上面顺序来的；运营可以根据业务需要灵活应用。 AARRR的五个环节都可以通过数据指标来衡量与分析，从而实现精益化运营的目的；每个环节的提升都可以有效增长业务。

2.方法

借助常见的网站/APP数据分析产品，我们非常快速的完成这7种分析。

趋势分析

趋势分析是最简单、最基础，也是最常见的数据监测与数据分析方法。通常我们在数据分析产品中建立一张数据指标的线图或者柱状图，然后持续观察，重点关注异常值。

在这个过程中，我们要选定第一关键指标(OMTM，One Metric That Matter)，而不要被虚荣指标(vanity metrics )所迷惑。

以社交类APP为例，如果我们将下载量作为第一关键指标，可能就会走偏；因为用户下载APP并不代表他使用了你的产品。在这种情况下，建议将DAU(Daily Active Users，日活跃用户)作为第一关键指标，而且是启动并且执行了某个操作的用户才能算上去；这样的指标才有实际意义，运营人员要核心关注这类指标。

多维分解

多维分解是指从业务需求出发，将指标从多个维度进行拆分；这里的维度包括但不限于浏览器、访问来源、操作系统、广告内容等等。

有时候一个非常笼统或者最终的指标你是看不出什么问题来的，但是进行拆分之后，很多细节问题就会浮现出来。

举个例子，某网站的跳出率是0.47、平均访问深度是4.39、平均访问时长是0.55分钟。如果你要提升用户的参与度，显然这样的数据会让你无从下手；但是你对这些指标进行拆解之后就会发现很多思路。

下面展示的是一个产品在不同操作系统下的用户参与度指标数据。