什么叫對數據敏感?怎樣做數據分析?

今天講一下我對數據的理解。

一、從數據維度做拆分，讓目標更加落地

我做過近兩年的電商運營，其中感觸很深的一個點就是從數據的維度對目標做拆分。

天貓的雙11剛剛過去，馬云又創造了新的成績，912億。從去年的571億到今年的912億，馬云怎么就敢說今年可以做900億呢？在設定這個目標之前就少不了對目標的拆分。

900億的成交，首先按照過往的類目占比，拆分到各個類目，每個類目承擔多少銷售指標，類目再按照過往的賣家成交額占比拆分到各個賣家，每個賣家承擔多少銷售指標。賣家再根據各自的日常店鋪轉化率反推需要多少流量，各類目再結合平臺能提供的流量，就可以得到流量的缺口。接下來再按照各渠道獲取流量的成本來計算，就可以得出雙11平臺需投入的營銷經費數值。整個900億的目標，通過這樣的拆分，就變得明確可執行了。

無論做什么事情，想做成，都離不開對目標的拆解，任何抽象的事物都可以通過數學的方法來解決，把事情數據化會讓事情更簡單可執行，也更容易考核效果。

二、很多業務其實就是一個公式

我剛開始接觸電商接受業務培訓，第一節課就只講了一個公式。

成交額=買家數x客單價

如果你想提升成交額，要么提升買家數，要么提升客單價。我們可以盤點一下，我們見過這么多的促銷手段，有哪個不是為了提升這兩個數值的。滿減、滿送、買二送一，這是為了提升客單價的手段；秒殺，團購，這是為了提升買家數的手段（秒殺的核心在于集聚大量流量做關聯銷售）。

不僅僅如此，這個公式依據不同的業務場景還可以拆分成多種形式。

買家數 = 商詳uv x 下單率 x 付款率

商詳uv = 廣告展現 x 廣告轉化率 = 搜索展現x搜索轉化率 = 活動展現x活動點擊率

于是，決定成交額的因素就變成了各個渠道的轉化率、圖片的點擊率、產品的下單率、付款率，這樣多的細節共同決定了最后的成交額。接下來針對這些細節分別去做優化，這個過程就叫依據數據做精細化運營。

仔細想想，你自己的業務又何嘗不是一個公式呢？試著找到自己的公式，去拆分它，你也許會不少改進的方法。

三、運營說到底就是一個漏斗

互聯網的模式下，無論做什么產品，根本目的都是為了變現，只要是變現，就涉及到了轉化。而轉化其實就是一個漏斗模型。

漏斗模型是運營數據里提到的最多的詞了，在業務的鏈條里，每個環節的用戶數是呈不斷衰減的，運營要做的事，就是想盡一切的辦法來提升漏斗中各環節的轉化率。

比如一個電商的活動頁，它的漏斗模型應該是這樣的：

有了這么個漏斗，我就可以分析每個環節代表了什么，我怎樣去改善：

1. pv/uv：頁面訪問深度，直接體現了這個頁面是否吸引人，用戶在這個頁面是否產生點擊的興趣。
2. 活動頁—>詳情頁uv：頁面上的內容是否吸引人，商品是否是用戶喜歡的，需根據頁面點擊情況及時替換點擊效果差的商品。
3. 詳情頁uv—>下單人數：商品的轉化率如何，是不是爆款，此處轉化過低需替換高轉化的商品。
4. 下單人數—>付款人數：商品的付款率，如果低于正常值，需要賣家催單。

需要注意的是，漏斗模型是需要對比的，如果僅僅只有一個漏斗模型，那么就只是數據的陳列，如果要做分析的話，就一定要有對比，比如和往期的漏斗作對比，比如與平臺的均值作對比，只有在對比過程中才會發現問題。

我們作為產品運營的同學，必須要熟悉我們產品中每一個關鍵數據，日均的uv是多少、轉化率是多少，下載量是多少，這樣在數據出現異常的時候才可以第一時間發現，熟悉產品數據，是對數據敏感的前提。

四、一篇完整的數據分析報告應該包含哪些內容？

前面講了一些理論層面的，最后給一個數據分析模板給大家，供參考。

1、首先你需要根據活動目標確定你的目標達成率，完成百分比，提升百分比。

這是這次活動取得的成果，在一開始就寫。如：

本次活動 uv 24w（20w，↑ 20%），uv價值 3.6（3，↑ 20%）

2、如果是發周報、月報之類的數據，接下來就應該是核心數據走勢圖

在這張圖里，要對每個數據的拐點做分析，比如圖中11月7日、8日兩天的uv價值有明顯提升，這個的原因，要找到并寫在報告里。

3、接下來流量分析，主要為流量來源分布，各渠道流量轉化率分析。

流量漲了，要找到是哪個渠道帶來的流量漲了，為什么漲了，分析這里的原因。流量的質量如何，哪個渠道的流量轉化率高。這里需要兩個餅圖，一個是流量渠道占比，一個是渠道帶來的轉化占比。

從上面的兩個餅圖里，我們看到明顯站內流量的轉化率更高，而廣點通帶來的流量轉化率偏低。另外，通過與往期的渠道來源占比作比較，我們可以看到當前流量構成上的變化。

3、轉化率分析，也就是漏斗模型分析。

前文提到了，漏斗模型需要對比的數據，所以在此處的分析，我們需要列兩個漏斗模型。

對漏斗模型各環節轉化的分析，這里主要和往期數據做對比，結合活動頁面、流量、產品功能等多方面因素，嘗試分析這里各環節轉化率提升或者降低的原因。

4、模塊點擊分析

我們設計的產品頁面，或者活動頁面，我們需要知道這個頁面的結構是否合理，用戶的點擊分布，這有助于我們改善。當我們嘗試新的頁面樣式的時候，更應該對這里的模塊點擊做分析，可以驗證我們的結構是否對數據帶來了改善。

模塊點擊分析主要是從點擊餅圖，及其各模塊轉化率的角度來分析，點擊餅圖可以看到用戶的需求，模塊轉化率則反應了各個模塊內容是否滿足用戶的需求，如果模塊轉化率較低，則需要考慮這個模塊的內容是否優質，甚至這個模塊是否需要改變樣式。

5、改進及優化

每次的活動總是有做的好的地方和做的不好的地方，我們數據分析的目的就是為了積累經驗，沉淀方法論，在每一篇數據報告的結尾，我們需要對這一次活動做一個總結，比如嘗試了一個新的玩法，效果如何，嘗試了一個新的頁面樣式，點擊率是否有提升，等等。把經驗應用于之后的活動策劃當中。

五、數據不是萬能的

寫在最后，想說一點，數據不是萬能的。

我們常做的數據分析，是建立在海量數據的情況下，但往往在初創公司，數據系統還不完善，數據量不夠的情況下，數據只能作為參考，過分相信數據往往會導致做出錯誤的判斷。

數據有很多指標，統計維度又有很多種，如果深挖下去，會耗費大量的精力，但卻不一定會有成效，所以找出最關鍵的幾個數據指標，對其最合理地分析，這點很重要。

今天就說這么多啦。做數據分析，重點不在數據，而在分析，對數據敏感，就是能清楚數據異常背后的原因，這需要經驗，也需要你的思考和執行力。希望你可以成為一個對數據敏感的互聯網人。