数据分析体系搭建指南

做1次大型活动，要先做引流推广，再转化，再做售后支持，一场活动下来，各个类型工作都有关联。

这种工作特点，使得做运营数据分析的时候，得特别注意以下四点：

第一：清晰目标

运营工作目标多，因此事前清晰目标很重要。清晰目标才能选择合适的方案，配置恰当的资源，事后分析也才有方向。

运营常见的目标设定方式有三种：

1、达成绝对值目标，比如：在5月内，实现总用户100万

2、达成比例/比例类目标，比如：5月份全月，交易转化率从10%提升到15%

3、达成增量目标，比如：在5月份内，较自然增长额外拉动交易3000万

这里目标1、2都可以直接用数据观察，但目标3涉及“自然增长”的定义，必须事前谈清楚。不然事后很可能无法分析。常见的自然增长定义有3种（如下图所示）每一种都各有利弊，并没有一个完美方案，因此事前一定要和老板、各部门达成共识。

这里经常有人偷懒，在事前不设量化目标，只是笼统说一句：“为提升业绩”、“为拉升用户活跃”……企图在事后，通过数据分析的手段来区分哪些是自然增长，哪些是活动效果。结果经常区分不出来，搬石头砸自己的脚，大家要引以为戒。

第二：梳理指标

运营工作形式灵活，因此经常需要根据实际工作流程，来设定数据指标。一来方便监控执行进度，二来在复盘的时候，好观察哪个环节出了问题，便于追查原因，寻找机会。

比如，运营部门上一个“签到领福利”的活动，每月打卡7/14/21次可以得奖励，奖励包含优惠券，希望同时刺激用户活跃+转化。此时要把下面这些过程指标都梳理出来，方便后续追踪数据，复盘效果（如下图所示）：

1、从什么渠道输出信息

2、一共吸引多少用户参与

3、 每个阶段有多少人完成

4、领取奖励后多少人消费

注意，如果有连续开展的运营活动，需要持续追踪用户参与情况。比如上边说的打卡签到，在持续n个月以后，会有相当数据积累，可以观察：

1、 整体影响到用户是否增加

2、有多少用户重复参与

3、有多少用户从不参与

不同的数据走势，可以得出不同结论（如下图），结合数据走势，可以更好地判断：一个运营手段应持续做下去，还是做出调整。

第三：打好标签

影响运营效果的因素很多，推广渠道、推广文案、活动形式、操作步骤、转化商品、优惠力度等等，都会影响到效果好坏。因此需要在开始干活之前，先对推广文案、推荐商品、操作流程等关键因素，打好标签，才好在事后进行分析（如下图）

除了单个标签外，还可以对运营措施整体打标签，对整体情况进行判断。比如提升用户活跃，领红包、签到、大转盘、积分榜等等好几种手段都可以用，每种手段都可以配置奖励，此时就可以利用标签，把各种手段分组对比，从而了解每一种手段的效果范围，为后续运营提供经验积累（如下图）。

第四：按图索骥

如果做好了前三步，在做运营数据分析的时候，难度就非常小了。

1、对比目标，看完成了多少，看投入是否超支，先下个判断：本次做得好/不好

2、对比同样目标下，历次运营活动的效果，看本次属于：上、中、下什么水平

3、检查过程指标，看看引流→承接→转化，哪个环节有问题

4、对比不同标签下转化效果差异，看哪种手段好用/不好用

这样就能输出结论了。

在工作中，经常看到运营分析没结论，是因为：

1、目标不清晰，或者干脆没目标，光有一堆数据，没结论

2、过程指标收集少，只知道最后转化不行，不知道为啥不行

3、缺少标签，无法把运营手法量化，无法评价好坏

做好准备，才有好的分析结果，切记切记。