指导运营的核心分析方法论_数据分析五步法

当然有些人会说不同意见的数据分析过程是一个过程不可能完成所有的分析根据一个统一的过程尤其在互联网领域。因此数据分析的过程是一个过程只有零星的技能和没有规则或一个过程有明确的步骤可以严格遵守吗?我认为是后者。

现在介绍一个通用数据分析方法:五步方法的数据分析。

不绑定到特定的业务(单个步骤的细节需要结合业务)它是基于决策所需的信息;它是开放的可以集成到个人经验和尖端技术;可以结合大数据技术来消除手动链接和实现自动化;清晰的逻辑容易学习。

1。五步分析方法

这简单的五步数据分析方法可以处理至少80%的在日常工作中常见的数据分析问题。剩下的20% 场景可以扩展这个基本的分析方法我们将讨论以下内容。

1.1五个基本步骤首先让?年代解释5个基本步骤。:

总结细分评估、归因和决策1.1.1总结

在这一步中我们关注的指标也就是说每一个人。道常见的是DNU GMV ROI等等。只要谈到数据分析的内容它肯定会提示数据分析“要有明确的目标。”因此我们不需要重复的重要性。

目标当然是最重要的指标。但只有目标是不够的我们还需要其他辅助指标。例如ROI计算的输入和输出。GMV也可以计算用户的数量乘以每用户平均GMV。通过这种方式我们的计算目标分割成更多相关指标的结合。此外我们可以影响这些指标是更基本的通过一些操作手段这些指标的趋势。

没有很难理解这部分。只是我们必须找出之间的计算关系指标以逐渐找到所有我们需要关心的指标。在当前互联网产品操作从来没有缺少需要的指标它已成为耀眼的。但只有那些指标相关的目标我们需要照顾。

1.1.2细分

这一步相当于添加一个或多个维度的指标。最简单的尺寸应该是时间如:我们看每天紫外线的变化趋势;或者我们看不同的页面带来的GMV GMV多少不同的用户组等等。如果我们明白前面的指标是一个数字添加维度之后它就变成了一个列的数据;添加两个维度之后它变成了一个表等等。

指标的现状一样我们也可以很容易的找到许多方面可用于分离指标。例如上述日期和人以及新更新的来源渠道和活跃的流量来自转换路径等等。通过排列和组合这些维度大量复杂的分维可以生产能够得到太多。

因此重要的是区分维度的重要性。

如何区别?

我们必须区分这些分维度的优先级是否可操作的。例如:我提到带来的GMV浏览不同的页面的应用。然而如果我们没有必要的技术手段或操作工具来分配更多的流量与更高的GMV这些页面并不能减少交通GMV较低的页面那么这个页面分裂的方法并不适用于我们。任何操作空间更不用说优化空间。

另一个例子是用户分组特别是当我们希望获得更多高质量的新用户从外部广告推动增长。