七周数据分析视频集--（业务）
数据分析和业务
(数据🐸引用了秦路的视频)
- 为什么业务很重要
- 市场营销指标
- 产品运营指标
- 用户行为指标
- 电子商务指标
- 流量指标
- 如何生成指标
- 业务的分析框架
- 市场营销模型
- AARRR模型
- 用户行为模型
1 为什么业务很重要
模型未动，指标先行。如果你不能衡量它，你就无法增长它。
指标
- 核心指标
- 好的指标是比率。 即有比较的指标。
- 好的指标能带来显著效果（变化）。 我的理解，好的指标可以比较准确的监测到公司运营的变化。
- 好的指标不应该虚荣。 比如某个指标大幅增长，其实背后是烧钱。
- 好的指标不应该复杂。指标是为了分析公司状况，指导未来而设立的，过于复杂，不利于使用这个指标。
2 市场营销指标
用户生命周期
不同业务划分的阶段不同：传统营销：潜在用户，兴趣用户，新老客户，流失客户。
用户价值
比如指数法，也得根据实际业务分析。
RFM模型：
- recent ,最近一次消费时间
- m，总消费金额
- F ，消费频率
- ⚠️时间周期。通过RFM就可以划分用户为多个类型。
用户分群：营销矩阵，根据价值，流失分类。
3 产品运营指标
AARRR（经典框架）
- 用户获取（最基础）
- 日应用下载量
- 日新增用户数（注册）
- 获客成本
- 一次会话用户数占比。
- 提高活跃：活跃用户占比（总用户数）。用户访问时间长度，用户平均访问次数（一天内/一段时间内）。
- 提高留存：用户在某个时间段使用产品，过了一段时间仍旧使用的用户，用户留存。
- 盈利获利
- 付费用户数量/占比（收入健康成都，占活跃用户比）
- ARPU：某段时间内每位用户平均收入，卖道具的游戏。
- 客单价
- LTV = ARPU*1/流失率 --经验公式
- 自传播
- k因子: 老带新的数量。用户数*平均邀请人数*邀请转化率。
- 用户分享率。
- 活动/邀请曝光量。
4 用户行为指标
不同行业，有不同的用户/客户，因此行为分析不同。
功能使用
功能使用率/渗透率： 使用某个功能的用户占占比。
用户session会话：
网站/app一次访问的整个过程。用户的行为轨迹（用户路径图），通过用户行为轨迹可以找到关键路径转化率。
5 电子商务指标
购物篮的分析
笔单价，一次订单的支出
件单价。
成交率--交易用户占笔
购物篮系数：连带率，比如买了婴儿奶粉顺带买了婴儿尿布。
复购率：一段时间内，多次消费的用户，占所有消费用户的比率。--衡量消费欲望
回购率：一段时间内（1月）消费过的用户x人，在下一段时间（2月）这些用户又进行了消费，那么回购率就是x除以1月总消费用户人数。--忠诚度。
6 流量指标
PV:浏览次数。一次访问请求。互联网早期的统计指标。
UV：一定时间内访问网页的人数。独立访客数。早期技术上通过cookie或IP。（微信上ip,cookie都是动态的，所以不准确）
访客行为
新老访客比
访客时间
访客平均访问页数。
访客来源：sem, seo, 外链。用手机还是PC机等等。
首页访客占比--引导是否好。
退出率：从该页退出的数量/进入该页的访问数。偏向产品页面设计。
跳出率：衡量各个落地页，营销页的页面。
如何根据需求生成指标
各个行业不同。遇到一个需求，思考如何去生成指标？方法就是：组合。
例子：
UV + 访客浏览网页的时长，可以组合成： 重度访问用户占比。（浏览app软件在5分钟以上的用户在所有访客中的占比）
通过"重度访问用户占比"这个指标，可以纵向（时间）上比较，用于app/网站的内容吸引力的变化分析。
建立业务分析框架
使用核心思维和指标+7个思维技巧+业务和指标。 用知识和技能来建立业务分析框架。
- 从指标的角度出发
- 从业务
- 从流程
市场营销模型
- 画出模型图
- 引入不同阶段的业务分析指标：
-
潜在客户转化率
新课付费转化率。
不同渠道注册转化率。
不同渠道新客转化率。
-
- 对每个指标，使用分析思维技巧。
- 比如不同渠道转化率的对比。就是对比法。
在1，2，3中都会用到思考方法：反向思维，发散思维，深度思维。
整个过程，就是结构化思维（模型图/流程图等等）-> 转化为可以用数据分析（带入业务指标） ->贴合业务（带入业务数据/非数据资料）
AARRR模型
二次激活环节，引入业务指标：
- 有效推送成功率
- 有效推送到达率
- 用户打开率
- 不同渠道/方式的推送激活的转化率。
根据后台得到的推送业务数据，制作图形用于分析，比如条形图（漏洞图）：
还可以细分：
- 不同时间段的推送转化率比较。
- 根据比较结果，在转化率高的时间段进行推送。
- 逆向思维：有客户指定接受手机推送信息的时间段。
用户行为模型（内容平台）
比如 点赞/评论/收藏环节：
- 不同行为的用户活跃度占比
- 设计：内容指数
购物平台
比如进入了购物车：
- 不同商品类别的比较
- 不同价格档次的比较（象限法）
- 不同商品的下单支付率（漏洞法）
流量模型
如何应当各类业务场景
- 熟悉业务
- 应用3种核心思维：结构化，（数据公式化），业务化
- 画出业务流程框架，并逐步增加完善。
- 从局部开始
- 从小问题开始，然后组合。
- 归纳整理出对应业务环节的分析指标 。 （3，4项同步完成。）
- 检查，应用，修正
- 应用和迭代
数据管理
工作中30%是数据统计，70%是数据管理。
以下内容摘录自：<从零开始做运营入门篇（互联网公式）>
互联网产品的运营
1.流量建设：持续的大流量，有效的用户转化。
2用户维系：从用户到会员。
- 内容运营，不同互联网产品的内容不同，侧重点就不同。提高内容价值，制造用户粘性，活跃度。
- 用户运营，对不同类型用户，制定不同策略。
- 清楚用户构成/结构：性别，年龄层次，教育水平等等
- 了解用户规模，增长/衰退情况
- 用户的兴趣方向（尤其是社交平台）
- 掌握用户行为的数据。
- ⚠️开源，节流，维持，刺激---针对用户
- 向产品方提出建议，和产品方紧密合作。
- 活动运营：通过活动，短期内提升多个指标
运营入门3要素：
1 心态。和产品紧密合作，嘴要甜。
2.技能：执行力和沟通力是最基础的，口头表达和文字表达->想象和创造力是高层的，数据敏感度需要慢慢积累。
3.思维。发散，逆向，结构的，附身的。--多听多问，多想多做。
内容运营
初级：
- 网站/产品有哪些内容--定位
- 内容从哪来---------来源
- 给谁看------------受众
- 内容要如何呈现-----展现机制
- 内容如何挑选------ 内容标准化
首要，网站定位+受众定位+运营目标
次要，内容来源
最次，内容的展现和质量标准。
活动运营，用户运营。
数据分析
核心的观点：
- 数据分析本身不在数据，在于分析
- 培养分析能力和数据敏感度，需要经验积累
- 数据表达出的含义和多种因素相关。要抛开预设立场，注意不同阶段不同类别的数据的重要程度是变化的。
数据的使用方法
- 掌握历史数据
- 从历史中找规律
- 通过规律预测未来
- 学会对数据进行拆解。
数据分析的误区
- 不要用单一数据评价全局
- 不要夸大偶然事件，认为会带来必然的结果
- 避免用结论推导原因： 发现数据的变化，希望找到原因，需要⚠️其中的逻辑关系和陷阱
运营数据作弊手法：
- 修改坐标轴数据单位
- 故意选择有利样本
- 不同的样本比较时，规模不相近，有太大差异。
跳出数据看数据
看数据其实是看产生这个数据的来源，互联网运营，数据来源都是人的行为，所以要跳出数据，看产生数据的人。
如何读懂人？
- 抛开预设立场
- 深挖用户行为（单位时间内的用户的持续行为）和系统事件（版本升级/服务器错误），然后去找出可能造成影响的动作和事件
- 换位思考
- 整合关键数据，对比历史数据，寻找结论
运行核心数据：
内容运营核心数据：
- 内容的展示数据：点击次数，页面蹦失率， 内容页面停留时间。。。
- 内容的转化数据：付费链接点击次数，付费成功次数，广告点击次数，二次转化成功率。。。
- 内容的粘性数据：RFM模型
- 扩散数据： 分享次数的数据
活动运营的核心数据：
例如一次分享邀请的活动：
- 分享渠道的质量（用来判断哪个渠道好）
- 受到邀请用户的注册成功率（判断活动质量和吸引力）
- 进行分享活动的老用户参与度（老用户分级，为不同级别的用户提供不同的增值服务）
用户运营核心数据：
（动态变化的，这里只是简单介绍一些有代表性的数据）
- 注册相关数据
- 用户留存数据--用户登陆的时间，频率
- 用户活跃数据
- 付费数据
- 用户流失数据
以上是《从0开始学互联网运营初级篇》，整体粗粗看了一遍，
- 了解了什么是互联网运营，3个运营板块：内容，活动，用户。
- 了解了数据分析，其实分析的是产生这些数据的人的行为。
- 了解了产品和运营其实是密不可分的兄弟。需要紧密合作。
下一篇是进阶篇，暂时略过不看。
浙公网安备 33010602011771号