今天讲⼀下我对数据的理解。
⼀、从数据维度做拆分，让⽬标更加落地。
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。
⼆、很多业务其实就是⼀个公式。
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
怎么做数据分析于是，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？试着到⾃⼰的公式，去拆分它，你也许会不少改进的⽅法。
三、运营说到底就是⼀个漏⽃。
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：
1）pv/uv：页⾯访问深度，直接体现了这个页⾯是否吸引⼈，⽤户在这个页⾯是否产⽣点击的兴趣。
2）活动页—>详情页uv：页⾯上的内容是否吸引⼈，商品是否是⽤户喜欢的，需根据页⾯点击情况及时替换点击效果差的商品。
3）详情页uv—>下单⼈数：商品的转化率如何，是不是爆款，此处转化过低需替换⾼转化的商品。
4）下单⼈数—>付款⼈数：商品的付款率，如果低于正常值，需要卖家催单。
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。
四、⼀篇完整的数据分析报告应该包含哪些内容？
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：
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。
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，要到并写在报告⾥。
3、接下来流量分析
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。
4、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。
4、转化率分析，
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。
5、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。
6、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。
五、数据不是万能的
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。
本⽂为作者 酥酥 投稿PMCAFF产品经理社区，未经允许，禁⽌转载。
发布评论