產品、運營要多懂數據分析？我們給出了以下答案技术頭條網

對於數據分析，產品、運營需要懂多少才算懂？

數據分析能力對於產品和運營人員都是重要的，有多重要？我們直接上數據。

我們用Python爬取了前程無憂網上500條關於活動運營、內容運營、用戶運營的職位要求，把他們進行詞頻分析，得出了以下的圖表。

我們得出以下結論：用人需求方普遍認為，數據分析能力對於運營人是非常重要的（當然，更加重要的核運營核心競爭力是產品思維和營銷策劃能力）。然而有趣的是，很多的運營人員過分地專注於自己的營銷能力上（如文案能力、活動策劃能力）卻忽略了數據分析能力的提升，我所帶的團隊也有這個弊病，故寫下這篇文章，供大家參考。

數據分析在運營中的作用

運營人是與業務最貼近的人群。擁有高效的數據分析能力，有助於我們快速制定與業務增長高度相關的運營決策。優秀的運營人做出來的數據分析，對業務更加有實際的指導意義，不會流於形式，不會淪為單純的 “取數”、“做表”、“寫報告”。

對於互聯網時代的銷售——運營而言，數據分析主要有三個作用。

具體化地描述當前產品的狀態、用戶的狀態，發現問題，幫助作出運營決策；
驗證所做的運營策略，是否有效；
探索與預測未來的可能性，實現產品與運營的優化；

這三個作用也是逐級遞進的，從現有行為挖掘數據，通過數據反推行為，再通過數據預測未來。數據分析不可能脫離產品，所有分析的數據源自產品與用戶行為，分析的結論又服務於產品和激活用戶行為。

應有的分析思維

增長公式思維

要改變物體的運動狀態，必須要有力或場的存在，產品規模增長和用戶增長，必然有其增長引擎。

企業的增長=係數1*因素1+係數2*因素2+….+係數n*因素n

通過對業務的理解，找到驅動業務的因素，這是經驗之談，基於我們對業務的熟悉，用戶之敏感，對營銷的理解來確定，通過快速迭代與實驗來驗證我們所選定的各種因素是否合理。

先談談因素，舉個極度簡單的例子：

收入-費用=利潤

企業利潤下降了，是什麼原因？核心驅動力就是收入減少了或者費用提升了。

可不要忘記了在因素前，還有一個係數，因為影響核心業務的因素實在是太多了，我們應該找到關鍵因素，這個係數就是描述因素對於核心業務的影響程度的。

再舉一個極度簡單的例子：

商場營業額=商場負1樓收入+商場1樓收入+商場2樓收入,負一層是商場停車場、一樓是男女時尚服裝、二樓是美食廣場。我們按照個人經驗，加上了係數，商場營業額=1*商場負1樓收入+30*商場1樓收入+5*商場2樓收入。具體理由是服裝商場毛利高，人們過來也是衝著商場的核心業務的。所以，商場1樓收入就成為了最關鍵的因素，當我們要考慮的因素太多的時候，係數大的因素就成為了我們需要首先考慮的關鍵因素了。這裡說的並不是數學公式，增長公式裡面的加號是指增長因素的有機疊加，而不是數學上的簡單相加。

金字塔思維

金字塔原理有一個核心法則：相互獨立，完全窮盡。它是優秀的思維方式與表達方式。相互獨立，說的是每個分論點彼此應該沒有衝突和耦合，都屬於獨立的模塊。完全窮盡，則是所有的分論點都被提出，不會有遺漏。在初期，我們很難做到完全窮盡，但是我們必須帶著這個思維去思考。

有一天，我的下屬找我彙報，跟我說：

豪哥，這次活動參與用戶只有30000多人，報名轉化率只有30%。最近產品轉化也不佳，服務器經常宕機，渠道引導註冊乏力，貌似用戶的需求也下降了，競爭對手的動作也讓一些用戶跑到了他們那裡了。

聽完之後，我是一臉萌逼的，孩子你在說啥？

我們的大腦很難同時記住多個獨立的論點，如果我們把它們用一定的邏輯串聯起來，聽你說話的人才會理解你的觀點。

按照相互獨立，完全窮盡的思想，我們可以把他彙報的點先列出來：

活動參與人數30000人（這到底是多還是少？需要對比過往數據進行分析）
報名轉化率30%（這到底是多還是少？需要對比過往數據進行分析）
產品轉化不佳
服務器宕機
渠道乏力
用戶需求下降
競爭對手行為

我們在用金字塔方法整理之，其實彙報人的核心思想應該是最近產品的銷售額下降了，其它都是支持這個銷售額下降結論的表象可一些可能的原因，我們運營銷售額=新客銷售額+老客銷售額和新客銷售額=新客流量*新客轉化*新客客單價兩條增長公式，找出增長關鍵因素為流量、流量轉化、老客復購整理出以下金字塔。

分類思維

用戶分群、市場細分、產品細分，在進行運營決策時，我們處處用到分類思維。事物之間均存在共性與差異性，分類思維的基本思路是，核心指標差距甚遠的事物，我們可以把他們分開。如上文提到的企業增長因素，我們就可以把相關的關鍵因素加以分類。

通過銷售增長率與市場佔有率兩個相互制約的因素，波士頓矩陣把企業產品分類成明星、現金牛產品、問題產品、瘦狗產品，進而分析和規劃企業產品組合，以達到企業的盈利目的。

漏斗思維

漏斗模型是產品運營分析的萬金油，用戶從進入到最終轉化，每個環節都會有流失，每個環節都會有轉化率，每個環節的人數都在依次遞減，用戶的每一條路徑就形成了一個漏斗。

漏斗思維有兩個要點，第一，要關注漏斗的每一步的流失情況，分析每一步流失背後的原因，逐步減少用戶流失。第二，不僅要考慮流失原因，我們還需要考慮上下層的關係。舉個例子，某產品為了拉新，進行有誘導性文案“註冊送iPhone”，勾引用戶進入，雖然在第一階段，可以帶來大流量，但是用戶進來後若發現貨不對板，則很有可能導致後續轉化率很低，並且讓用戶感受很差，對產品產生負面評價。

應該懂得分析工具

始終要記住，我們是運營或者產品，我們不是數據分析師，在精力有限的情況下，你需要精通兩個工具，一個是Excel，一個是PPT。Excel主要是進行數據處理、數據清洗、數據可視化的，而PPT則主要是用來展現數據分結果、撰寫報告以指導運營的。

對於產品和運營而言，數據分析的最終目的就是解決問題。不要一味追求圖表的好看與高級的數據分析方法，掌握20%的數據分析方法和工具就能夠解決80%的數據分析的問題。

數據分析的流程

對於數據分析，我們可以定義為：用適當的統計方法，對收集回來的大量數據，加以彙總和開發，以達到提取信息、形成結論、指導工作等目的。

我認為，數據分析應該有以下流程：

1.明確目的與思路：這次數據分析是為了解決什麼問題

這是數據分析的第一步，我們必須帶著問題去找答案，數據的量是巨大的，而且數據之間又相互關聯，不帶著問題上路就會迷失在數據的海洋中。

不僅要帶著問題，我們還需要帶著正確的問題去上路，下面舉一個例子。

不好的問題：為什麼新用戶下單量一直沒提升？怎麼樣才能提升新客轉化？
合理的問題：最近下線了用戶註冊後自動送新手大禮包，是否導致了新客轉化下降？

明確目的之後，要確定自己的分析思路，分析思路主要是各種商業分析模型和營銷分析模型，這些商業模型是我們運營的核心競爭力，相比起數據分析師，我們更加了解營銷，更加了解產品，這裡不展開敘述。

《誰說菜鳥不會數據分析》裡面提到了一下常用的營銷管理方法論。

PEST分析法：用於對宏觀環境的分析，包括政治（political）、經濟（economic）、社會（social）和技術（technological）四方面。
5W2H分析法：何因（Why）、何事（What）、何人（Who）、何時（When）、何地（Where）、如何就（How）、何價（How much）。
4P營銷理論：分析公司的整體營運情況，包括產品（product）、價格（price）、渠道（place）、促銷（promotion）四大要素。
用戶行為理論：主要用於網站流量分析，如回訪者、新訪者、流失率等，在眾多指標中選擇一些適用的。

2.收集收據：從站內數據庫或外部找到與問題相關的數據

人類每一天的行為，產生了海量的數據，當你睜開雙眼，你的體重、身高、心率、血壓，統統都是數據，外面的溫度、溼度、PM2.5也是數據。

那麼，我們去哪裡尋找我們需要的數據呢？按照從宏觀到微觀，我們把數據來源分成了一下五個階段：宏觀數據、對應行業用戶數據、互聯網用戶數據、同類產品數據、自有產品數據。其中，產品和運營的同志，需要著重關注關注對應互聯網行業數據、同類產品數據、自身產品數據。

3.數據處理與清洗

數據清洗是指發現並糾正數據文件中可識別的錯誤的最後一道程序，包括檢查數據一致性，處理無效值和缺失值等。

這裡用幾個例子來說明，首先是數據一致性：根據每個變量的合理取值範圍和相互關係，檢查數據是否合乎要求，發現超出正常範圍、邏輯上不合理或者相互矛盾的數據。例如，性別為男卻有婦科的治療記錄。對於這類型數據，我們可以拿出數據源重新核實，有時需要直接刪除掉。無效值：用戶的身高為負數，兩條完全重複的數據，這些都可以視為無效值。而缺失值就如字面意思，缺失的值，對於無效值或缺失值，我們可以對其進行估算或刪除。

使用刪除重複項來清洗數據

4.建立數據模型，數據分析

終於開始真正的數據分析了。是的，我並沒有坑你，數據分析師每天要花80%以上的時間在收集和清洗出符合數據分析，數據分析過程主要是這樣的。

觀察數據，看看當前產品狀態是怎麼樣的？
為什麼會這樣子？大環境發生了什麼變化？我們做了什麼動作？
判斷接下來可能發生什麼？

數據分析有以一些基礎的分析方法，熟練使用這些數據分析方法，我們就能夠通過研究數據，回答上面的問題了。

對比分析法

將兩個或兩個以上的數據進行比較，分析出他們的差異，從人揭示了這些數據所代表的事物發展規律。我們經常會聽說橫向對比和縱向對比，在同一挑時間條件下不同指標的比較，就是橫向對比，如對比中美俄日各國的GDP。縱向比較則是對比同一條件下不同時期的數值，如我國每年的GDP對比。

在進行數據分析的時候，選擇恰當的對比系尤為重要。

與目標對比、不同時間對比（環比、同比）
不同主體對比（如對比不同引流渠道的轉化率）
業內對比（對比統一渠道不同產品的引流轉化率）
運營動作前後對比（發放優惠券用戶與未發放優惠券用戶對比）
與平均水平或中位數進行對比（小學生最喜歡拿自己成績和班裡平均分比較了）

通過對比，我們才能判斷指標背後反映的情況，判定產品當前的狀態。

增長公式與加權分析法

前文我們提到，核心指標會有其對應的增長公式，而每一個對應的增長驅動力所佔的權重又是不同的。此處介紹一下，如何確定權重的簡單方法——目標矩陣法。目標優化矩陣的工作原理是把人腦的模糊思維，簡化為計算機的0/1思維，最後得出量化結果。

目標矩陣主要是把決策因素放在一個矩陣內，讓團隊內經驗較為豐富的同事來判定各因素的重要性。

接下來，我們舉個例子，假設你的擇偶標準有如下因素：有房有車、帥、高學歷、人品好、時間長。我們建立以下矩陣：

用有房有車跟帥對比，有房有車更重要，輸入1
用有房有車跟人品好對比，有房有車更重要，輸入1
用有房有車跟人品好對比，有房有車沒那麼重要，輸入0

有房有車對比完成後，依次對比其他項，填入合計:

對0分項進項修正，如給它加個0.5分。並計算權重：

最後，計算合計/所有指標的總計*100%，計算出來的就是該項權重值。

矩陣分析法

矩陣關聯分析法是一個形象生動又好用的分析方法，矩陣分析法把兩個重要或以上的指標進行關聯。矩陣分析法主要能夠解決如何分配資源的決策問題，有針對性地確定公司在管理方面需要提升的重點。

矩陣分析法主要通過建立平面直角座標系，兩條座標軸分別對應事物的兩個屬性的表現。

舉個例子，我們運營經常使用到的幾個與用戶溝通的渠道為：短信、APPpush推送、電子郵件EDM、站內信、首頁彈窗。假如目前由於開發資源有限，我們只能夠先選擇兩個渠道進行對接，我們該怎麼選呢？消息溝通有兩個關鍵的要素，分別是成本和信息的觸達率，用這兩個參數建立座標系。得到如下圖座標系，四個象限分別對應如下屬性：

根據我們的分析，按照幾個渠道的表現將它們放在上述象限表裡面。

對上圖的各個點，我們進行綜合分析，可以看到短信的信息觸達率遙遙領先，但是成本很高，所以，短信應該適用於挽回流失客戶，因為他們可能已經卸載了APP，其它低觸達率的渠道可能無法觸達這批用戶，我們不得不利用更高的成本來接觸他們。APP推送和站內信成本較低，但是對於非活躍用戶的觸達效果較差，所以我們可以利用這兩個渠道對活躍用戶進行溝通。而首頁彈窗，則數據較為優質的渠道，適合在全量用戶推廣時使用。

5.下結論、定決策

在我國，決策時一個特別的過程，一般是集體決策，但決策權主要集中在上層少數管理者手中，基層管理人員很少有制定決策的權力，一旦決策制定後，下級就必須嚴格執行。而閱讀本文的產品或運營朋友，則多數都是中下層管理人員，甚至只是執行者。

所以，我們下結論時，必須是上級能夠快速看懂和理解的結論，在彙報時，把冗長的數據分析過程歸納為數個相互獨立的、具有實質性意義的結論。

6.報告撰寫

當你完成了以上各個階段的數據分析，恭喜你來到了最後一步，報告撰寫。報告撰寫是展現你數據分析思路和結論的唯一手段。

有點像高考語文三段式作文，報告應該有以下幾個部分：

這裡還有幾個分析報告的要點分享給大家：

結論先行。
不寫多餘的數據，每一個呈現的圖標必須要給出相應的結論。
一眼就看得出的結論無須寫出來，如柱狀圖的兩條柱子明顯差異，不需要另外加文字解釋增長明顯。
必須要有落地點：對於數據所呈現出來的產品問題或不足，必須要有響應的解決措施。

永遠記住，我們是產品、運營，我們不是數據分析師，我們要著眼在結論、行動與措施上。

運營需要關注與瞭解的業務指標

基礎流量指標

流量指標是互聯網運營當中的基礎指標，流量包含了好幾個指標，以下為最基礎的業務指標：

PV（page view）訪問頁面產生的數據。一個用戶訪問了5個頁面，那麼就產生了5個 PV。
UV（user view）某個特定頁面的訪客數。一個頁面一個賬號無論點進去幾次，UV都是1，因為只有一個訪客。
IP：針對於全站的網絡IP數。你在家用電腦登錄了這個網站，之後你表哥也用同一臺電腦登陸了他的賬號，訪問了同一個網站，但這個時候IP還是隻有1，因為你和表哥用的同一臺電腦，網絡的IP地址也是一個。
頁面停留時間：停留時間指用戶在網站或頁面的停留時間的長短。
跳出率：跳出指用戶在到達落地頁之後沒有點擊第二個頁面即離開網站的情況，跳出率指將落地頁作為第一個進入頁面的訪問中直接跳出的訪問比例。計算公式為：跳出率 = 跳出的訪問 / 落地頁訪問
各流程轉化率：如註冊轉化率、產品詳情頁轉化率、購物車轉化率、支付轉化率等等一些列

商業指標

訂單量、訂單金額
每訂單金額=訂單金額/訂單量

件單價=商品銷售總金額/商品銷售量
客單價=時間段內商品銷售總金額/時間段內下單用戶數
GMV：平臺類電商業務都會關注GMV（Gross Merchandise Volume）即成交總額。

用戶運營關注之指標

用戶運營的主要套路是用戶生命週期分析，就是用戶從流入、註冊、留存、轉化、活躍、流失的整個生命週期過程中的數據分析。

用戶註冊時，需要考慮的主要數據是各引流渠道的成效與用戶註冊單價，以及用戶在註冊各流程當中的跳出率和頁面停留時間。主要是為了分析各渠道的好壞、註冊流程的順暢程度以及可能存在的各種問題。註冊後要關注用戶的留存，關注留存率、用戶回訪頻率、核心功能使用時間等。

不轉化的用戶不是好用戶，

付費用戶人數、付費用戶人數佔比、增長速度和註冊到付費轉化率都是我們可能需要關注的，付費的金額、復購的頻率、客單價等我們都需要關注，同時還需要關注一直活躍卻不轉化的用戶行為。

活動運營關注之指標

對於每一次活動，我們都可以把他當成一個新產品來運營。活動是短期內促進產品各項指標的突然增加的運營手段，判斷活動是否成功，就要看目標指標的提升量，以電商活動為例這個目標指標的提升量，可能是新用戶下單轉化，新用戶客單價、老用戶客單價等。

我們還需要通過分析各渠道投放成本、各渠道引流數、各渠道轉化數，最後計算出各渠道的ROi，從而判斷哪個渠道對於活動引流和轉化有較好的效果。

內容運營關注之指標

內容運營需要考慮的是內容能夠帶來的流量以及流量的變現能力。

內容本身是能夠吸引一定流量的，而隨著用戶對於內容的傳播，流量就會呈現裂變式遞增，最後，我們還要把流量轉化變現。我認為，內容運營需要關注內容的點擊次數、內容頁面的頁面停留時間、內容頁面的蹦失率、點贊次數。上述四個指標能夠有效地評判一片文章的標題是否吸引，內容對於用戶是否有價值，內容是不是屬於標題黨內容。有價值的內容未必是用戶樂於傳播的內容，我們還需要去關注內容轉發量。

當我們積累了足夠多的流量後，我們還要考慮內容的轉化變現數據，內容的轉化數據因產品形式而異，可以體現為付費鏈接的點擊次數、頁面廣告的點擊次數、所推廣之產品或品牌在推廣期內的銷售額提升等。

不同的產品會有不同的指標體系，此處不能盡列，核心思路是關注用戶在產品的轉化路徑，從核心轉化路徑去拓寬所需考慮的數據指標。

協助建立BI系統

BI系統主要是給運營與產品看的。不是所有運營都擁有查看數據庫的能力，分工明細的大公司更加不會讓運營同學獲得數據庫權限，運營同學花過多的時間在查找和清洗數據也是不應該的。

於是，我們需要建立數據看板和數據分析系統。數據分析系統是一個內部產品，用戶主要是產品和運營，主要由數據產品經理主導，由數據開發工程師開發完成。目的主要是讓運營同學可以簡單方便地看到自己最關心的核心數據，及時做出運營決策。BI系統可以由公司團隊內部開發，也可以使用第三方工具，如神策、Tableau等等。

如何提高數據分析能力

多看數據：每天提早到辦公室，看看數據報表，思考數據波動背後的原因，久而久之就會成為數據大師。曾經在知乎上看到，數據分析師提高數據分析能力的辦法竟然是背數據，雖然有點偏激，也是很有道理。
熟悉業務：數據分析是基於業務的數據分析，運營與產品要非常熟悉業務才能通數據中找到存在的問題。這也是我們在數據分析過程中，比起數據分析師佔據優勢的地方。
既精鑽Excel，又要懂其它工具。除了Excel常用函數，還需要精通各種圖標和數據可視化工具、數據透視表等。數據庫語言SQL也要了解，懂Python就更好了，與數據分析師溝通起來更加迅速，自己也可以對一些簡單的數據庫進行查找和數據挖掘。