数据分析课程(1):如何理解数据分析？

现在，分析数据似乎成了互联网从业者的口头禅。做产品的，做运营的，做市场的，口口声声说数据是什么样的，但真正知道数据的真正含义并读懂它的人并不多。之前和一个做国内最大的数码商品交易平台的同事聊得很开心，收获很大。

对于数据来说，拥有* * *知识就是看数据，通过合理透彻的分析，推动产品、运营、市场策略的调整。但这些知识依赖于数据的中级阶段，高级阶段可以通过庞大的多维数据分析，预测下一季度、半年甚至一年的业务趋势。当然，预测会有一定的偏差。更重要的是，如果要进入新业务的拓展，可以计算出未来某个时期的资金投入、人员投入、市场和运营资源投入要达到多少，或者反过来说，我要达到这个规模需要多少投入和多长时间。这是最高阶段。一般情况下，这方面可能根本接触不到，基本上是少数人达到中级阶段的极限。

互联网有很多领域，每个领域都有不同的关注点。先说两个大家比较熟悉的领域:社区和电商。说到数据，首先要了解统计数据和分析数据的维度。个人认为，一般有用户维度、运营维度、社区中的内容维度、电商中的运营维度。我把推荐名单作为一个维度。

用户的维度

从用户的维度来看，网站数据其实就是通常所说的web分析级别。这个维度主要看用户是通过什么渠道来到网站的，用户在网站上有哪些行为，主要目的是为营销人员提供推广效果的依据，帮助产品人员分析每个网站上哪些页面、区域、模块最吸引用户，并及时做出策略调整。

Web analytics的第一个数据点用户来源渠道，用户从这些渠道来到我们的网站。直接输入网址，从收藏夹打开收藏夹链接，或者在搜索引擎上搜索(那么前20个搜索关键词是什么)。或者从微博、各种论坛等新媒体，点击我们的网站链接进来。如果网站现阶段也在做营销，最好的是发布的每个链接都要有一个独立的统计标识，这样你就可以清楚的看到不同广告位在不同媒体的流量如何。这样，营销人员就可以利用这些数据找到能给网站带来稳定流程的渠道，同时淘汰效果不好的渠道。上面提到的前20个搜索关键词也是SEM确定关键词的重要来源。

第二个数据点是用户在网页上的行为，即用户通过各种方式来到我们网站后，有哪些常见的登陆页面，这些页面有哪些特征需要分析。关注用户在页面上的点击行为。一般用户会看几个屏幕，哪些按钮或者链接更容易被点击，每个页面停留时间是多少。这些数据产品人员需要多加注意。通过分析用户在各种网页上的行为，可以为我们做产品决策提供很大的依据。

第三点是在用户的访问路径上，用户进入登陆页面后会陆续去哪些页面，最后会在哪些页面注册登录，会在哪些页面跳出。从这些数据中，我们可以清晰地勾勒出典型用户的访问路径图。把用户来源渠道放在一起分析，可以发现那些渠道上的用户来到网站后，访问深度最高，转化率也最高，这样营销人员就可以及时调整策略，加大对这些流量大、效果好的渠道的推广。

第四点是报名流程。一般来说，很多网站的注册流程都不是很短，至少需要两步，有的可以达到三四步。重点说这个是因为注册流程比较繁琐，所以你的推广再好，网站的模块再好用，最后的转化率还是很可怕的。通过对这个过程的监控，我们可以看到愿意注册的用户流失在哪里，是否填写了过多的信息，是否没有发送确认信息等等。

最后总结一下，用户的来源渠道，UV，PV，停留时间，网页点击热图，一跳率，二跳率，访问路径，转化率，营销也要关注你的CPM，CPC，用户转化成本。

第二，操作层面

运营的维度是用户在网站上的跟进行为。在这方面，社区和电商都有各自需要注意的点。

对于电商网站来说，用户维度的分析就是分析用户来源和运营的维度，然后分析收入情况。第一个数据点是日订单数，这取决于电商网站的整体销售情况，也是最重要的数据指标。二是客单价。每笔订单的金额基本都是订单数量和客单价的乘积，差不多就是电商网站的整体销量，和实际情况相差不是很大。接下来就是看订单支付成功率了。很多人都有这种经历。在电商网站上，我们可能会把很多商品放在购物车里，但最后肯会删除购物车里的一些商品，或者很多订单最后没有支付。电商经营者非常关注这个数据。如果有大量未付款的订单，就要分析问题出在哪里。是注册环节出现问题，还是支付环节出现问题导致用户无法支付？

第四个数据点是回报率，非常重要。如果出现大量退货，对于网站来说损失是非常大的，同时也要分析退货的原因。

五是订单交付周期。每个订单的配送周期在不同地区、一线城市、二线城市都不一样，但却考验着电商的整体物流水平。

另一个未被注意的数据点是投诉率。电商的用户体验是一个从线上到线下的全过程，集中在服务的某个环节出错是致命的。用户投诉的往往是某个环节的问题，给用户留下的印象非常差。投诉率是对电商整体服务水平的体验。建立一个品牌很难，但摧毁一个品牌却非常容易。

对于电商来说，最后一个关键数据是用户的重复购买率或者二次购买率，这个数据考验的是用户的忠诚度。一个用户第一次购买体验很好，对商品很满意，那么二次购买行为的概率很大。用户多次购买的时间段也是一个需要关注的数据点。

对于社区来说，需要关注的运营数据和电商有很多区别。以优质内容分享社区为例。新注册用户数、登录老用户数、人均PV数是社区的整体数据。然后，社区每天产生多少内容，具体来说，有多少不同类型的内容，比如文字、图片、视频等。，前一天的增长率是多少，与上周或上月相比的增长率是多少。同时新增关注、评论、转发等。这些数据是整个社区互动氛围的整体表现。当然也要考虑亏损情况。两周未登录、一个月未登录和两个月未登录占社区总注册人口的比率。比例越高，对社区产品和运营者越危险，要引起重视。

当然，对于社区来说，高质量的活跃用户是营造社区氛围的关键。那么对于这些优质用户，就要重点关注了。通过数据分析，每周有多少符合质量标准的用户增加，本周人人发布的内容，各类内容和互动的数量，有多少人处于流失边缘。这些数据将帮助运营商调整策略。比如看到很多用户很活跃但发布的内容并不好，如何引导用户；仍然有用户处于流失的边缘，你需要考虑用什么方法来挽救这些用户。

第三，商品和内容的维度

其实这个维度也应该放在运营维度，但是这一块确实被很多人忽略了，所以这个维度也被单挑出来。

在电子商务中，不仅要关注网站的整体用户和销售数据，还要关注单个品类、单个产品的数据。某个品类的销量，平均购买量，金额，退货率。对单个商品做同样的数据分析，看这个商品在一定时间内的销量、订单号、金额、退货率。通过这种分析，我们可以看到热门品类和热门商品的趋势，后续运营、营销或推广的选择就非常清晰了。

社区也是如此。我们需要看社区的整体数据，但社区中内容的重要性和人的重要性一样重要。对于高质量内容分享的社区尤为重要。除了文字、图片、视频的不同类型，还有内容本身的分类。包括摄影、旅行、美食、时尚、动漫、电影等不同标签。在社区中，内容的标签是由用户自己添加的。那么第一个需要关注的数据点就是这周有多少用户自己添加的标签。这样就能看出社区每周要产出多少新鲜内容。二是每个标签下用户发布的内容量，每天多少，每周多少。这样我们就可以看到哪些标签是最活跃的，后续的相关操作活动可以从中找到方向。第三个数据点是每个标签下的用户交互次数，包括评论、转发、收藏或喜欢等不同行为的次数。这个数据清晰的展现了用户在不同标签内容中的活跃程度，对于社群氛围的运营和活跃至关重要。