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