HOME 首頁
SERVICE 服務產品
XINMEITI 新媒體代運營
CASE 服務案例
NEWS 熱點資訊
ABOUT 關于我們
CONTACT 聯(lián)系我們
創(chuàng)意嶺
讓品牌有溫度、有情感
專注品牌策劃15年

    數(shù)據(jù)運營與數(shù)據(jù)分析(數(shù)據(jù)運營與數(shù)據(jù)分析師)

    發(fā)布時間:2023-04-22 04:50:28     稿源: 創(chuàng)意嶺    閱讀: 125        

    大家好!今天讓創(chuàng)意嶺的小編來大家介紹下關于數(shù)據(jù)運營與數(shù)據(jù)分析的問題,以下是小編對此問題的歸納整理,讓我們一起來看看吧。

    開始之前先推薦一個非常厲害的Ai人工智能工具,一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

    只需要輸入關鍵詞,就能返回你想要的內容,越精準,寫出的就越詳細,有微信小程序端、在線網(wǎng)頁版、PC客戶端

    官網(wǎng):https://ai.de1919.com

    創(chuàng)意嶺作為行業(yè)內優(yōu)秀的企業(yè),服務客戶遍布全球各地,如需了解SEO相關業(yè)務請撥打電話175-8598-2043,或添加微信:1454722008

    本文目錄:

    數(shù)據(jù)運營與數(shù)據(jù)分析(數(shù)據(jù)運營與數(shù)據(jù)分析師)

    一、運營數(shù)據(jù)分析方法有哪些?

    1、數(shù)字和趨勢

    看數(shù)字、看趨勢是最基礎展示數(shù)據(jù)信息的方式。在數(shù)據(jù)分析中,我們可以通過直觀的數(shù)字或趨勢圖表,迅速了解例如市場的走勢、訂單的數(shù)量、業(yè)績完成的情況等等,從而直觀地吸收數(shù)據(jù)信息,有助于決策的準確性和實時性。

    2、維度分解

    當單一的數(shù)字或趨勢過于宏觀時,我們需要通過不同的維度對于數(shù)據(jù)進行分解,以獲取更加精細的數(shù)據(jù)洞察。在選擇維度時,需要仔細思考其對于分析結果的影響。

    3、用戶分群

    針對符合某種特定行為或背景信息的用戶,進行歸類處理,是我們常常講到的用戶分群(segmentation )的手段。我們也可以通過提煉某一群用戶的特定信息,創(chuàng)建該群體用戶的畫像。

    4、轉化漏斗

    絕大部分商業(yè)變現(xiàn)的流程,都可以歸納為漏斗。漏斗分析是我們最常見的數(shù)據(jù)分析手段之一,無論是注冊轉化漏斗,還是電商下單的漏斗。通過漏斗分析可以從先到后還原用戶轉化的路徑,分析每一個轉化節(jié)點的效率。

    二、【干貨】數(shù)據(jù)化運營中的數(shù)據(jù)分析方法(2.1)-方差分析

    推斷分析---通過分析少量數(shù)據(jù)的特征,推斷整體數(shù)據(jù)特征。

    方差分析

    樣本檢驗

    趨勢預測

    1.方差分析----通過數(shù)據(jù)復盤衡量運營策略在產品運營中,我們會遇到各種需要評估運營效果的場景,包括促活的活動是否起到作用、A/B 測試的策略有無成效等等。

    具體例如,產品升級前的平均 DAU 是 155 萬,產品升級后的平均 DAU 是 157 萬,那么如何判斷 DAU 提升的 2 萬是正常的波動,還是升級帶來的效果呢?

    本質都是在對比不同分組數(shù)據(jù)間的數(shù)據(jù)變化,或是對比同一組數(shù)據(jù)在實施某些策略前后的數(shù)據(jù)變化,及其變化背后的原因。也就說,判斷數(shù)據(jù)波動是否是某一因素(活動/策略)導致的,便是方差分析。

    我們把分組叫作樣本,把變化叫作差異,差異的大小程度叫作顯著性。

    對比不同分組數(shù)據(jù)間的數(shù)據(jù)變化,叫分析不同樣本間的差異顯著性;

    對比同一組數(shù)據(jù)實施某些策略前后的數(shù)據(jù)變化,叫分析同一樣本在策略前后的差異顯著性。

    而分析以上差異顯著性是否明顯的方法,就叫作方差分析。

    應用:

    某用戶運營工作重點之一,就是搞清楚在優(yōu)惠金額對用戶的購買轉化率是否能起到有效作用。

    抽取了過去半年產品上投放的所有促銷活動,并把活動中的優(yōu)惠金額分成了以下三個組,最后按照不同區(qū)間分組去分別計算用戶的購買率。

    用戶行為是隨機的,不管有沒有促銷活動,用戶的購買轉化率本身就會發(fā)生一定的波動,可能某天某組的某個用戶心情大好,或者發(fā)了年終獎了就會在產品上剁手。而這些隨機因素都與優(yōu)惠金額無關,所以我們不能說某組的轉化率高,是這個區(qū)間的優(yōu)惠金額效果好導致的。那么應該如何正確認識用戶數(shù)量與購買率之間的關系呢?這就需要用到正態(tài)分布圖了。

    (1)正態(tài)分布圖

    絕大部分用戶的購買率都集中在某個值附近,這個值我們叫作整體購買率的平均值。如果每個客群分組自身的購買率均值與這個整體購買率平均值不一致,就會出現(xiàn)以下兩種情況。

    第一種情況

    藍色分組的購買率平均值(藍色線)比整體平均值(黑色線)要高,有可能是最右邊那個很高的購買率把分組的均值抬升的,同時藍色分組的數(shù)據(jù)分布很散(方差大),此時不能有十足把握說明該組用戶的購買轉化率很高。

    第二種情況

    綠色分組購買率平均值(綠色線)比整體平均值(黑色線)高,但是綠色分組的數(shù)據(jù)非常集中,都集中在分組的平均值(綠色線)附近,此時我們可以認為該組的轉化率平均值與整體有明顯區(qū)別。

    “組內方差”,即描述每個分組內部數(shù)據(jù)分布的離散情況。

    對于上面藍色和綠色分組的“組內方差”,顯然藍色的組內方差更大,綠色的組內方差更小。

    所以,如果上面三個分組的用戶購買率平均值不在中線(整體購買率)左右,而是有明顯的偏高或偏低,且該組內的每個轉化率都緊緊圍繞在該組購買率平均值的附近(即組內方差很?。?。那么我們就可以斷定:該組購買率與整體不一致,是該組對應優(yōu)惠金額的影響造成的。

    (2)方差分析之定性、定量分析

    將上表中三個組的轉化率放進了這個圖中,嘗試通過分析工具在轉化率數(shù)據(jù)中得到結論。

    定性分析

    這三組的購買率數(shù)據(jù)的分布都很相似,即雖然各組的均值不盡相同,但各組的數(shù)據(jù)分布的都比較散(方差大),總有很大或很小的購買率來提升或降低了組內的平均值,所以不能僅從各組的購買率均值本身來斷言該組的購買率與眾不同。

    因此,可以看到,這三組數(shù)據(jù)并無區(qū)別,用戶的購買率與優(yōu)惠金額之間沒有明顯的關系,當然這是一個定性的分析過程。

    定量分析

    F 檢驗值用來精確表達這幾組差異大小的,F(xiàn) crit臨界值是一個判斷基線

    當 F > F crit,這幾組之間的差異超過判斷基準了,認為不同優(yōu)惠金額的分組間的購買率是不一樣的,優(yōu)惠金額這個因素會對購買率產生影響,也就是說通過運營優(yōu)惠金額這個抓手,是可以提升用戶購買轉化率的;

    反之,當 F < F crit,則認為不同優(yōu)惠金額的分組間的購買率是一樣的,優(yōu)惠金額這個因素不會對購買率產生影響,也就是說需要繼續(xù)尋找其他與購買轉化率有關的抓手。

    A、B、C 三組的方差分析結果。如圖所示 F (1.5555556) &amp;lt; F crit (3.8852938),所以從定量分析角度,我們也能判定優(yōu)惠金額不會對購買率產生影響。

    方差分析也叫 Analysis of Variance,簡稱 ANOVA,也叫“F 檢驗”,用于兩個及兩個以上分組樣本的差異性檢驗。

    方差分析標準路徑

    第一步,判斷樣本是否滿足“方差分析”的前提條件

    (1)第一個條件:每個分組中的每個值都必須來自同一個總體樣本

    比如,同一家店鋪中男性顧客和女性顧客(即樣本),都來自這個店鋪的成交客戶(即總體),所以是同一個總體,可以用方差分析來分析不同性別客單價的差異;但如果想分析這個店鋪中口紅品類的用戶購買率和其他店鋪口紅品類的用戶購買率的差異,就不能用方差分析,因為這兩個用戶群體不是來自同一個總體。

    判斷樣本是不是都來自同一個總體,其實就是看這些樣本是不是同一個功能的用戶、是不是同一種類型的用戶、是不是同一個業(yè)務流程的用戶。

    以下就是來自同一總體的用戶:

    高留存的注冊用戶和低留存的注冊用戶;

    DAU 里面的新增用戶和喚醒用戶;

    從同一個入口進來的成功購買用戶和流失用戶。

    以下這些就不是來自同一總體的用戶,不能用方差分析來分析他們之間是否有差異:

    產品的注冊用戶和游客,因為不是同一類型用戶;

    沉默用戶和活躍用戶,因為不是同一類型用戶;

    使用過功能 A 和未使用功能 A 的用戶,因為不是同一功能的用戶;

    從活動落地頁進來然后完成購買的用戶,和從首頁 Banner 進來完成購買的用戶,因為不是同一業(yè)務流程的用戶。

    (2)第二個條件:方差分析只能分析滿足正態(tài)分布的指標

    在產品運營中大部分指標都是正態(tài)分布。

    幾乎所有轉化率都滿足正態(tài)分布:購買率、點擊率、轉化率、活躍率、留存率、復購率等。

    幾乎所有的業(yè)務量都滿足正態(tài)分布:客單價、每日新增用戶數(shù)、渠道引流的流量等。

    幾乎所有的用戶畫像指標都滿足正態(tài)分布:年齡、城市、登錄次數(shù)、使用時長等。

    但是,以下這些就不是正態(tài)分布的指標,不能用方差分析。

    注冊用戶中男性和女性的數(shù)量,它們并不會集中在某個區(qū)間,所以不能用方差分析去分析不同客群的男性數(shù)量和女性數(shù)量的差異;但男女的比例是正態(tài)分布的指標,根據(jù)產品客群不同始終集中在某個占比區(qū)間。??

    不同客群的累計消費金額,不是正態(tài)分布指標,因為累計類指標只會增長,并不會集中在某個區(qū)間;但是每日消費金額是正態(tài)分布的指標,因為每日的消費金額雖然有波動,但產品的客群是穩(wěn)定的,消費金額也是集中在某個區(qū)間。

    (3)第三個條件:分析的樣本必須是隨機抽樣

    每個用戶的購買率就是隨機抽樣來的。最簡單的隨機抽樣就是均勻抽樣,例如 10 萬用戶,我就按照順序,每隔 5000 人抽一個出來,就能隨機抽樣出來 20 人。

    第二步,計算 F 檢驗值和 F crit 臨界值

    若 F > F crit,則各個分組的指標值有顯著差異;

    若 F < F crit,則各個分組的指標值無顯著差異;

    第三步,如果有差異,需要評估差異大小

    當 F > F crit,則各個分組的指標值有差異,但是差異有多大呢?用一個新的指標來表示:

    R2=SSA/SST,其中 R2 表示差異大小,SSA 是組間誤差平方和,SST 是總誤差平方和。

    可把 R2 看成相關系數(shù),所以可以用相關系數(shù)的判斷標準來給出差異的大?。?/p>

    當 R2>0.5,認為各個分組間的差異非常顯著;

    當 R2 在 [0.1,0.5] 之間時,認為各個分組間的差異一般顯著;

    當 R2<0.1 時,認為各個分組間的差異微弱顯著。

    應用:

    1.產品升級前后,使用時長有了一定提升,可以說升級有效果嗎?

    升級后的平均使用時長為 1分 34 秒,升級前為 1 分 26 秒。升級后使用時長提升了不到 10 秒鐘,能說產品升級有效果嗎?

    1)判斷樣本是否滿足“方差分析”的前提條件

    使用時長來自同一群用戶,就是產品的使用用戶,是同一總體;并且使用時長滿足正態(tài)分布,所以要分析升級前和升級后有無效果,就是分析升級前的使用時長和升級后的使用時長是否有差異,也就是可以用方差分析來判斷。

    2)計算 F 檢驗值和 F crit 臨界值

    F 檢驗值是 5.97,F(xiàn) crit 臨界值是 4.1959,所以 F &amp;gt; F crit,所以這兩組數(shù)據(jù)有差異,也就是說升級后使用時長的提升是有效的。

    3)評估差異大小

    結果是 0.1757,屬于一般顯著。

    結論:此次產品升級對使用時長是有效果的,平均使用時長提升了 8 秒,但提升效果一般。

    2.最近做了一次活動,活動后的 DAU 有所提升,可以說活動有效果嗎?

    為了提升 DAU,做了一個促活的活動,把活動前后的 DAU 抽樣 15 天的數(shù)據(jù)對比,發(fā)現(xiàn)活動后 DAU 均值是 55567,比活動前的 DAU 均值 54198 有所提升,可以說活動有效果嗎?

    我們不能單純地看 DAU 均值提升就認為有效果,也有可能是正常的波動,所以我們需要準確對比這兩個分組間的差異。

    1)判斷樣本是否滿足“方差分析”的前提條件

    因為兩組的 DAU 都來自產品的 DAU,所以認為是來自同一總體,同時 DAU 滿足正態(tài)分布,所以可以用方差分析來進行分析。

    2)計算 F 檢驗值和 F crit 臨界值

    因為 F(0.022) &amp;lt; F crit(4.1959),所以這兩組數(shù)據(jù)無差異,也就是說這兩組 DAU 沒有任何區(qū)別,均值的變化是正常波動,促活活動并沒有帶來效果,所以不需要進行第三步,不需要評估差異大小。

    上面的案例都是針對一種策略來分析效果。我們把這種形式的方差分析叫作單因素方差分析,因為只評估一種策略在不同客群、或不同渠道、或不同場景中的效果。下面我們看看一個更復雜的場景——多因素方差分析。

    3.如何分析注冊率是拉新活動帶來的?還是渠道本身特性帶來的?

    渠道運營,涉及的渠道很多,同時在每個渠道上也會投放大量的運營活動,目的都是盡可能地將渠道的流量引導到產品上完成注冊,才能進行后續(xù)更為深入的運營。

    (1)渠道

    剛開始我們對接渠道,由于資源有限,運營活動還是全渠道投放。想分析針對單一一個運營活動,各個渠道間的用戶注冊率是否有差別。

    F(1.96) &amp;lt; F crit(3.55),所以各個渠道的注冊率沒有差異。

    面對這樣的問題,你自然會說可能是拉新活動的沒有做出差異化的原因,所以你把拉新活動精細化,拆為權益類活動、品牌類活動和通用類活動。通過這三類細分活動再次投放到各個渠道上,再次評估各個渠道的注冊轉化率。

    (2)活動

    于是,除了渠道,還有活動來影響注冊率。此時有兩個因素來影響注冊率,分別是渠道因素(有三組)和活動類型因素(有三組),所以我們用無重復雙因素方差分析來做,

    這里是兩個因素,所以要從行和列分別去分析:

    行的 F(8.46) > F crit(6.94),所以注冊率在不同行(不同活動)上差異顯著,并且 R2 為 0.796,屬于非常顯著;

    列的 F(0.16) < F crit(6.94),所以注冊率在不同列(不同渠道)上無差異。

    所以,當我們給各個渠道投放多種類型的活動時,我們發(fā)現(xiàn)注冊率和活動類型強關聯(lián)。

    (3)客群

    把活動細分為三類只是精細化運營的開始,接下來你自然會想把這三類活動投放給每個渠道的不同客群,再看看對注冊率的影響。

    于是,除了渠道和活動,還增加了渠道中的客群(這里僅按照性別這個維度來分析)。此時每種類型的活動又針對男性客群和女性客群分別進行了投放,我們把這種情況叫作有重復因素。

    有重復因素,即每個因素(活動類型)中都有兩個重復值(男性和女性)。

    樣本是每個行中的男性客群和女性客群;

    列是渠道;

    交互是男性客群或女性客群,是否與渠道一起共同對注冊率產生了影響。

    從結果中我們可以看到:

    樣本的 F(10.57) > F crit (4.25) ,所以不同性別的客群和注冊率差異顯著,再考察樣本的 R2 為 0.64,為很強的顯著關系;

    列的 F(0.47) < F crit (4.25),所以不同渠道的客群和注冊率差異不顯著;

    交互的 F (0.49) > F crit (3.63),所以不同性別的客群與渠道共同對注冊率差異不顯著。

    此時我們可以下結論:不同渠道本身對注冊率影響不大,可以排除渠道自身特征的影響;但是不同性別客群的拉新活動對注冊率的影響非常大,后續(xù)可以針對渠道中的不同性別投入更多的拉新資源以提升注冊率。

    提醒:在本文的講解過程中,對方差分析的原理和要求做了很多業(yè)務上的適應性的假設。而實際業(yè)務的情況非常復雜,在使用方差分析前應查閱統(tǒng)計學的資料后,確認業(yè)務情況符合方差分析的幾個條件才能使用。如果硬套方差分析的方法來分析只會產生嚴重誤導和偏差。

    總結

    方差分析適用場景:

    第一類:同一客群在實施某個策略前后的指標對比,以評估策略效果。

    第二類:兩個或多個客群對比同一指標,以評估不同客群在這個指標上的差異,以評估不同客群的指標運營效果。

    三、運營怎么做分析數(shù)據(jù) 運營如何做分析數(shù)據(jù)

    1、不同運營方向的內容雖然千差萬別,但想要把運營做到極致,必須持續(xù)運用數(shù)據(jù)分析思維改善自己的方法、提升自己的經(jīng)驗。

    2、歸根結底來說,運營工作的核心在于兩項:流量建設與用戶維系,而用戶維系又可以分為用戶運營、活動運營與內容運營。

    3、想要評判及提升上述幾項能力優(yōu)劣的方法即在于數(shù)據(jù)分析。通過不同渠道間的效果對比以選擇更好的渠道,是流量運營的重要工作。

    4、對比分析各渠道的留存指標、流失指標、收入指標等,通過圖表數(shù)據(jù)篩選出最適應產品的渠道源,從而調整資源投入傾向,提高投入產出比。

    四、數(shù)據(jù)運營主要是做什么的呢

    ‍‍數(shù)據(jù)運營,就是利用數(shù)據(jù)分析,得到隱藏在數(shù)據(jù)背后的業(yè)務規(guī)律,利用這些規(guī)則來給運營提供方向、方案、策略,并收集數(shù)據(jù)結果,進行不斷優(yōu)化,從而提升運營的效率與效果。

    數(shù)據(jù)運營與數(shù)據(jù)分析(數(shù)據(jù)運營與數(shù)據(jù)分析師)

    數(shù)據(jù)充斥在運營的各個環(huán)節(jié),所以成功的運營一定是基于數(shù)據(jù)的。在運營的各個環(huán)節(jié),都需要以數(shù)據(jù)為基礎。當我們養(yǎng)成以數(shù)據(jù)為導向的習慣之后,做運營就有了依據(jù),不再是憑經(jīng)驗盲目運作,而是有的放矢。

    其過程概括起來主要包括:明確分析目的與框架、數(shù)據(jù)收集、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)展現(xiàn)和撰寫報告等6個階段。

     1、明確分析目的與框架

    一個分析項目,你的數(shù)據(jù)對象是誰?商業(yè)目的是什么?要解決什么業(yè)務問題?

    基于商業(yè)的理解,整理分析框架和分析思路。例如,減少新客戶的流失、優(yōu)化活動效果、提高客戶響應率等等。不同的項目對數(shù)據(jù)的要求,使用的分析手段也是不一樣的。

    2、數(shù)據(jù)收集

    數(shù)據(jù)收集是按照確定的數(shù)據(jù)分析和框架內容,有目的的收集、整合相關數(shù)據(jù)的一個過程,它是數(shù)據(jù)分析的一個基礎。

    3、數(shù)據(jù)處理

    數(shù)據(jù)處理是指對收集到的數(shù)據(jù)進行加工、整理,以便開展數(shù)據(jù)分析,它是數(shù)據(jù)分析前必不可少的階段。這個過程是數(shù)據(jù)分析整個過程中最占據(jù)時間的,也在一定程度上取決于數(shù)據(jù)倉庫的搭建和數(shù)據(jù)質量的保證。

    數(shù)據(jù)處理主要包括數(shù)據(jù)清洗、數(shù)據(jù)轉化等處理方法。 數(shù)據(jù)運營與數(shù)據(jù)分析(數(shù)據(jù)運營與數(shù)據(jù)分析師)

    4、數(shù)據(jù)分析

    數(shù)據(jù)分析是指通過分析手段、方法和技巧對準備好的數(shù)據(jù)進行探索、分析,從中發(fā)現(xiàn)因果關系、內部聯(lián)系和業(yè)務規(guī)律,為商業(yè)目提供決策參考。

    到了這個階段,要能駕馭數(shù)據(jù)、開展數(shù)據(jù)分析,就要涉及到工具和方法的使用。其一要熟悉常規(guī)數(shù)據(jù)分析方法,最基本的要了解例如方差、回歸、因子、聚類、分類、時間序列等多元和數(shù)據(jù)分析方法的原理、使用范圍、優(yōu)缺點和結果的解釋;其二是熟悉1+1種數(shù)據(jù)分析工具,Excel是最常見,一般的數(shù)據(jù)分析我們可以通過Excel完成,后而要熟悉一個專業(yè)的分析軟件,如數(shù)據(jù)分析工具SPSS/SAS/R/Matlab等,便于進行一些專業(yè)的統(tǒng)計分析、數(shù)據(jù)建模等。

     5、數(shù)據(jù)展現(xiàn)

    一般情況下,數(shù)據(jù)分析的結果都是通過圖、表的方式來呈現(xiàn),俗話說:字不如表,表不如圖。借助數(shù)據(jù)展現(xiàn)手段,能更直觀的讓數(shù)據(jù)分析師表述想要呈現(xiàn)的信息、觀點和建議。

    常用的圖表包括餅圖、折線圖、柱形圖/條形圖、散點圖、雷達圖等、金字塔圖、矩陣圖、漏斗圖、帕雷托圖等。

    數(shù)據(jù)運營與數(shù)據(jù)分析(數(shù)據(jù)運營與數(shù)據(jù)分析師)

    6、撰寫報告

    最后階段,就是撰寫數(shù)據(jù)分析報告,這是對整個數(shù)據(jù)分析成果的一個呈現(xiàn)。通過分析報告,把數(shù)據(jù)分析的目的、過程、結果及方案完整呈現(xiàn)出來,以供商業(yè)目的提供參考。‍‍

    以上就是關于數(shù)據(jù)運營與數(shù)據(jù)分析相關問題的回答。希望能幫到你,如有更多相關問題,您也可以聯(lián)系我們的客服進行咨詢,客服也會為您講解更多精彩的知識和內容。


    推薦閱讀:

    抖音櫥窗數(shù)據(jù)看板是自己的嗎(抖音櫥窗數(shù)據(jù)看板是自己的嗎怎么看)

    大數(shù)據(jù)精準營銷(大數(shù)據(jù)精準營銷平臺)

    第三方廣告投放數(shù)據(jù)監(jiān)測平臺(第三方廣告投放數(shù)據(jù)監(jiān)測平臺有哪些)

    yy直播收入排行榜2016(yy直播年收入)

    中國最年輕的總設計師(中國最年輕的總設計師)