# 运营必备的数据分析方法和意识
数据对于运营的价值可能包括了如下几方面：
# 通过数据判断状态
数据可以客观反映出一款产品当前的状态好坏和所处阶段。
比如，三节课定位的用户群主要是互联网行业的“产品经理+产品运营”，这群人假如有 300 万人，目前我们已经有了 10 万用户，且依靠口碑形成的自增长还比较迅速，那么我们是不是应该去加大一些推广和营销的力度，把推广做得更好一些呢？ 又或者，假如我们现在才只有 1 万用户，且课程等产品体验还比较一般，那么其实我们当前的核心任务是不是更应该是先节奏慢点儿，踏实把产品体验搞好了再说？
# 通过数据找到问题
假如做完了一件事但效果不好，数据可以告诉你，你的问题出在哪里。
🌰 来看一个真实的例子，某 O2O 课程学习平台，注册用户 5 万，模式为用户通过线上付费报名，线下实地上课，日前上线了一个专题，聚合了 6 堂课程进行打包推广，预期每堂课至少报名 40 人以上，但从结果来看，效果不佳。该专题页相关数据如图所示：
让我们先用之前讲到的『流程化思维』，要先梳理清楚流程，再用流程来反推问题所在。
比如，围绕着一个课程专题的运营，其触达用户的整个流程大体应该如图所示：
我们可以依据这个流程回过去看，到底整个专题的问题出在哪里？比如说，是推广本身不给力？还是推广到专题页的转化率太低？还是专题页的跳出太高，基本没人进入课程？又或者课程页面到报名的转化率太差？还是说报名后的订单确认和支付流程流失掉了太多的人？
如果按照以上的思路来对这个专题的数据进行分析，我们可以发现，该专题的问题可能主要出现在以下几方面：
- 专题页的整体 UV 就很差。累计 1000 出头的 UV 对于一个专题来说实在是太可怜了。而具体的原因，可能包括：
- 专题上线时间太匆忙，可以看到，8 月 3 号就要开课的专题 7 月 31 号才上线；
- 专题推广不是特别给力，具体是铺设的渠道不够，还是在特定渠道内没做好执行；
- 专题页的效率普遍较差。一方面是其跳出率超过 40%，另一方面则是从专题页导到单堂课程的 UV 最多也不过 187，仅相当于专题页流量的 10%左右，这个效率还是低得有些可怕的；
- 从单堂课程的层面来看，课程 3 对用户的吸引力可能比较差（报名和课程页访问都很少），课程 4 的课程详情页或定价等可能有可以优化的空间（访问很多，报名很少），课程 6 则报名转化率还不错，但目测整体在站内得到曝光的机会比较少；
从这个例子来看，数据可以帮助我们把问题界定得无比精细，让我们言之有物、目标确凿。
# 通过数据寻找最佳路径
假如你想要实现某个目标，数据可以帮助你找到达成目标的最佳路径。
这个问题，其实跟上一节里提到的“指标拆解”一脉相承。
🌰 假如三节课当前的日均报名上课人数是 2000，希望接下来一个月的目标是把日均报名上课人次指标提升到 20000，在投入预算成本最低的情况下，我们可以怎么做？
还是先用上一节的目标拆解方法对我们的目标进行拆解，于是可得：课程报名人次 = 网站流量 × 课程转化率 × 人均报名课程数。
既然是要把目标指标提升 10 倍，我们要分别评估一下提升 3 个因子的可能性：
- 网站流量：
- 假定三节课的目标用户主要是 3 岁以内的互联网产品+运营领域的从业者，目标用户共计约 100 万左右，但目前网站日 UV 只有不到 3000；
- 那么以正常逻辑推断，在网站正常日 UV 方面拉升到目标用户的 1/10 左右，也就是 10 万，应该都是可以的；
- 但这个流量如果是需要在短期内拉动，肯定是需要投入一些费用的。
- 课程转化率：
- 假使目前网站整体 UV/课程报名人数的转化率为 2%，同时经过分析又发现，每天访问课程页面的 UV 为 2000 左右，那么依据经验判断，这已经是一个还算不错的转化率数据了。
- 参考其他同类课程学习类网站的数据，3%已经是很上等的网站 UV/报名数转化率。
- 我们在此暂且认为我们经过流程梳理后，可以在站内课程曝光引导、优化课程列表页和详情页等布局及课程文案、优化课程报名流程&体验等环节均做出一定优化，从而实现 3%的转化率，整体提升 1.5 倍。
- 人均报名课程数：
- 假使我们发现目前三节课的平均每用户报名课程数量为 2 堂，而站内每月会同时开出 25 堂课，且这 25 堂课往往都是彼此关联存在逻辑递进关系的；
- 于是我们可以据此判定，人均报名课程数这个因子是存在明显的可以提升的空间的。因为三节课目前有两个主要的课程体系，且每个体系目前已有 12 堂课；
- 所以我们姑且推断，依靠课程打包、相关课程推荐、站内消息告知、一次性报名多堂课程赠送绝密资料等一系列运营手段，应该可以把单用户人均报名课程数提升到 10 堂课左右，整体提升 5 倍；
因为我们的命题要求是“预算最低”，所以我们的思路一定是优先考虑无预算的指标拉升手段，再考虑有预算的指标拉升手段。那么基于以上的推断，我们应该可以在不做预算投入的情况下做到以下状态：
课程报名人次 = 网站流量 ×（课程转化率 ×1.5）×（人均报名课程数 × 5）=（课程报名人次 = 网站流量 × 课程转化率 × 人均报名课程数）× 7.5
此时我们发现，如果按照这个推断，课程报名人次这个指标，已经被我们提升了将近 7.5 倍。也就是说，为了达成 10 倍的目标，理论上我们只需要再投入一些预算，把网站流量提升到原有的 1.33 倍以上即可有望达成预定目标。
# 通过数据了解用户
极度精细的数据分析可以帮助你通过层层拆分，对用户更了解，也对整个站内的生态更有掌控力。
这里要先引入两个数据分析中的基本概念：『维度』和『度量』。
简单来说，维度就是一个事物的各种属性，度量就是具体的数据指标，它通常表现为某个量化过后的数据值。
比如说用户可以分成的『维度』有，用户性别，用户职业，用户所在地区，等。『度量』可以有，用户访问数，用户完成交易数，等。
举例：
网站的 UV（用户访问数）是一个数据指标，而我们去看待它的时候，可以从日期的维度去看，以便评估一周或一个月内哪几天流量偏高或偏低，是否存在规律。还可以从地域的维度去看，了解不同地区的用户使用网站的习惯和情况是否存在差异。
理解了这两个词，最终你会发现，所谓数据分析，无非就是界定清楚了你要评估的度量有哪些，然后需要知道你可能有哪些维度去看待这些度量，偶尔可能还需要在不同维度和度量间交叉做一下分析和比对，最后产出结论，把结果用图表等方式呈现出来就好了。
🌰 拿最简单的课程报名数来举例，我们要评估这个数据的维度可能包括日期、时间、地区、新老用户等。如果要把这个评估做到极致，我们可能需要从每一个维度依次去评估报名数这个指标的变化，从中发现一些线索或结论。
基本上，这种评估的出口有二：
- 判断数据是否有一些需要注意的异常情况（如果出现异常数据，一定要分析原因）；
- 为了给自己的运营工作找到一些方向性的指导，比如说，我现在要把站内课程月报名数提升 10 倍，我是否可以从用户行为和习惯去得到一些具体的启发？
例如，假如我们看到过去 30 天里的报名数据如图所示。
那么我们是否就需要去看一下，在报名数开始激增的那几天里，到底发生了什么？是因为我们有意识地做了一些推广和活动？还是因为上线了新的课程？还是因为发生了什么别的事情？
假如你发现，如果相应数据的激增是因为课程信息偶然间被人分享到了某个社区内（比如知乎）并引发了一轮小小的传播，那么接下来你如果想要从运营端做一些事来提升课程报名数这个指标，你是不是就可以有意识地在知乎去做一些事？比如认真分析一下之前的内容为什么能在知乎引发传播，然后把传播点提炼出来，用更适合知乎的形式去进行一轮包装，并想尽办法在知乎再进行新一轮的扩散。
假如你手边的数据足够充分，且这种从度量 & 维度切入的分析做到了极致，理论上你会对整体站内用户的构成、行为习惯和当前产品的主要问题做到了然于胸，也会对站内的整体用户生态更加具有掌控力。
# 通过数据发现捷径
数据当中可能隐藏着一些潜在的能让你把一件事情变得更好的线索和彩蛋，有待于你去发现和挖掘。
关于这件事，基础的逻辑可能是这样的：
- 你先找出你的产品中，当前可能存在问题的某个关键度量（或称指标）；
- 对于这个度量进行纵览，从它的构成去看，是否所有用户或我们的所有服务在这个度量上的表现都很差，还是说有一部分用户或服务在该度量上的表现是显著好于其他用户或服务的；
- 你可以对于那些表现显著要好的用户和服务在不同维度上进行进一步挖掘，寻找其背后的一些共性用户行为或特征，然后再把这些特征放大到极致。
🌰 比如，上个月三节课站内课程报名量表现不佳，明显走低，按照上面所说的逻辑，我们可以依次来进行如下思考和判定：
- 把上个月的所有课程的报名数都列出来，然后去观察，是否所有课程的报名量都很差，还是有一些课程的报名会好一些。最终我们发现，其中存在 6 堂课程，它们的报名数普遍高于其他课程 2 倍以上。
- 我们把报名量很高的这 6 堂课程归类到一起，然后依照各个维度去看一下，它们之间是否存在一些共性？比如，都在某个时间开课，都是某一个品类的课程，都是某位老师的课程，文案都是按照某个模板来写的，或用户在报名这些课程前都接受了某种特定的引导，等等。
- 最终，假如通过这样的比对，我们可能得出了结论，比如说发现这 6 堂课程使用的都是同一个文案模板，或者用户在报名这 6 堂课程前普遍都看过了我们的某篇文章之类的，那么这时候，我们就已经找到了一个可能帮助我们把事情变得更好的线索了。
于是，接下来，我们最应该做的事情，就是把相应的文案模板复制到其他课程的文案介绍中去，或者引导更多的新用户在报名上课之前都去看一看我们那篇神奇的文章。