拒绝访问 |
| 百度云加速
请打开cookies.
此网站 () 的管理员禁止了您的访问。原因是您的访问包含了非浏览器特征(3bc8c0e6c6424382-ua98).
重新安装浏览器，或使用别的浏览器做秀，金融业面对棋术史无前例的跨界敌视对手，商场格式、饱尝流程将发作无量改动，公司替换兴衰；将来的金融业，饱尝指手画脚IT，IT&指手画脚饱尝；金融业将旅程新一轮盘绕大数据、移动化、云的IT&创造出资。本节首要介绍金融作业大数据的运用事例，期望对读者有必定的启示和学习价值。<>taobao网掘金大数据金融商场跟着国内网购商场的活络旅程，taobao网等棋术网购网站的商场抢夺战也进入白热化状况，网络购物网站也开端推出不断添加的特征商品和效劳。
以余额宝为代表的互联网金融商品在2013&年刮起一股旋风，到做秀，方案超1000亿元，用户近3000&万，如图所示。比照冰炭不洽的钱银基金，余额宝显着的特征当属大数据。以基金的申购、换回猜想为例，依据taobao和围困隔绝宝的数据途径，能够及时把握申购、换回改动信息。别的，运用前史数据的堆集可把握客户的做法规矩。
2．taobao许诺告贷
2013&年11&月，在中信银行与腾讯联合发布“中信银行QQ&彩贝联名许诺卡”典礼上，中信银行许诺卡基地总裁陈劲标明，该行许诺卡发卡量已打破2000&万张，将来将充沛运用互联网基因和大数据技术阿谀客户需要。
做秀，运用Kabbage&告贷效劳的网店店东已达近万家，Kabbage&的效劳方案做秀仅限于美国境内，不过公司张口结舌运用这轮融资将效劳拓宽至别的国家。
事例解析：依据大数据的商业方法立异进程有两个基地环节：一是数据获取；二是数据的剖析运用。在本事例中，Kabbage&与阿里金融的差异在于数据获取方面，前者是从多元化的途径搜集数据，后者则是仰仗旗下途径的数据堆集，其间网上商家可自立供应数据且其数据的多少直接挑选着究竟的告贷额度与本钱，这充沛体现出大数据的资产价值，就好像传统的典当物相同能够交流资金。
<>女神节追女神，小数宝有话说
做秀，不少信息体系公司都在运用大数据信息技术开发猜想体系。例如，2011&年，英国对冲基金Derwent&Capital&Markets&树立了方案为4000&万美金的对冲基金，该基金是首家依据榜首流网络的对冲基金，该基金期望从Twitter&的数据内容来感知商场心境，然后进行出资。无特有偶，美国加州大学辨别分校也发布了一项期望对Twitter&音讯进行剖析然后猜想股市涨跌的研讨陈说。
Kabbage&与“阿里小贷”的运营方法相似，期望惊惶失措网店店东的出售和许诺记载、顾客流量、议论以及商品报价和存货等信息，来究竟断定是不是为他们供应告贷以及贷多少金额，告贷金额上限为4&万美元。店东能够自动在自个的Kabbage&账户中添加新的信息，以添加害草告贷的概率。Kabbage&期望围困隔绝东西PayPal&的围困隔绝API&来为网店店东供应资金告贷，这种告贷资金到账的速度恰当快，最快非常钟就能够搞定。
3．阿里小贷
事例解析：在本事例中，Greenplum&处理方案选用了“无同享”的翻开途径MPP架构，此架构是为BI&和海量数据剖析处理而方案，比照冰炭不洽的数据库体系，该体系供应了更高的可拓宽性。与别的商品比照，Greenplum&处理方案能够给中信银行许诺卡基地供应最高档级的功用。邦邻，该处理方案与银行所运用的硬件、运用程序和数据源微观了有用集成。此外，Greenplum&处理方案期望把数据会集在一个邦邻的途径，极大地削减了体系妖媚的作业量。
天天，海量的生意和数据在阿里的途径上跑着，阿里期望对商户近期100&天的数据剖析，就能知道哪些商户或许存在资金疑问，专心的阿里告贷途径就有或许出马，同潜在的告贷方针进行交流。
曩昔，中信银行许诺卡基地革除在数据存储、体系妖媚等方面，仍是在有用地运用客户数据方面，都面对无量的压力。邦邻，为了应对剧烈的商场敌视，中信银行许诺卡基地东西需要一个可拓宽、高功用的数据库房处理方案，支撑其数据剖析战略，慌脚鸡饱尝的活络性。
taobao许诺告贷是阿里金融旗下专门对于taobao卖家进行金融支撑的告贷商品。taobao途径期望以卖家在taobao网上的网络做法数据做一个归纳的授信评分，卖家纯凭许诺拿告贷，无需典当物，无需担保人。由于其非常称誉中小卖家的资金需要，且注重许诺无担保、典当的门槛，愈加上其央求流程非常便当，仅需要线上央求，几分钟内就能获贷，被不少卖家戏称为“史上最轻松的告贷”，也变成taobao网上棋术卖家进行资金周转的首要地步。
总归，高功用剖析环境让用户能够充沛运用IT&出资，邦邻打败原有架构的景色，从大数据资产中发作高价值的库房。<>Kabbage&用大数据拓荒新途径Kabbage&是一家为网店店东供应营运资金告贷效劳的创业公司，总部坐落美国亚特兰大，到做秀现已成功融资六千多万美元。Kabbage&的首要方针客户是eBay、亚马逊、yahoo、Etsy、Shopify、Magento、PayPal&上的美国网商。
<>运营商开端出售用户数据，变成大数据公司是去电信化的趋势？
事例解析：在当今这个海量数据的晶亮，怎么找到大数据中包含的史无前例的商业价值？笔者以为高功用剖析指手画脚那把“钥匙”。在本事例中，SAS&高功用剖析能够帮忙用户：将有关的大数据改动为真实的商业价值，选用国际尖端的剖析技阿谀求成准确的库房，活络害草答案来改动公司的运营方法，以及安顿一个眼力将来拓宽的剖析架构。
虚拟经济（Fictitious&Economy）是经济虚拟化（西方称之为“金融深化”）的必定商品，是指依据核算机和互联网发作的一种经济形状，其商品和效劳都具有虚拟化的资料，详细包含软件、网络游戏、榜首流网络、查找引擎、门户网站等细分商场范畴。实体经济是指物质的、精力的商品和效劳的出产、凶相毕露等经济活动。跟着新式信息技术的活络旅程，实体经济与虚拟经济正在加速交融，然后衍生了将来的主体经济形状，即交融经济，电子商务、O2O&方法都是交融经济旅程进程的一个商品。<>大数据晶亮许诺卡该怎么玩中信银行许诺卡基地是国内银作业为数不多的几家分行级许诺卡专营安排之一，也是国内最具敌视力的股份制商业银行许诺卡基地之一。这些年，中信银行许诺卡基地的发卡量活络添加。
汇丰银行运用SAS&体系，期望搜集和剖析大数据处理欢声如雷疑问，并害草非常准确的库房，以加速信息获取速度和逾越敌视对手。因而，汇丰银行还将抑止选用SAS&告警处理、例程和部队优先级软件，慌脚鸡运营功率，以便活络主张急切告警。
事例解析：从本事例能够看出，大数据不再只是搅扰在媒体与厂商之间的议论，它犹如一场数据旋风开端席卷全球，从各行各业的IT&主管到政府安分守己都开端注严峻数据及其价值。
taobao网的“阿里小贷”更是得益于大数据，它依托阿里巴巴（B2B）、taobao、围困隔绝宝等途径数据，不只可有用辨认和构成危险，供应更有对于性、多元化的效劳，并且批量化、流水化的作业使得生意本钱大幅降低。
笔者以为，大数据对许诺卡商品的推行具有很大的推动作用。例如，在大数据的环境下，银行能够运用盘绕的互联网、云核算等新式技术，对花费者的刷卡做法进行数据化的分类、核算，期望拾掇数据获撤花费者的花费习气、花费阿谀、花费偏好等非常首要的数据信息。期望客户数据、财务数据来区隔客户，期望花费区域定位、内容定向，知晓他们的花费习气，然后进行陡增地数据剖析阿谀和旅程精准推行。
SAS&被称为“全球500&强欠好的处理大师”，是全球盘绕的商业剖析软件与效劳供货商。SAS&期望三有些效劳（包含软件及处理方案效劳、咨询效劳、刺眼及技术支撑效劳）帮忙客户库房商机，显贵改造，改进作用。
IBM&的“经济方针猜想体系”首要从互联网上的新闻中查找与“新订单”等与经济方针有关的单词，然后联络别的有关经济数据的前史数据剖析与股价的联络，然后得出猜想作用。
依据Greenplum&处理方案在体系妖媚方面的便当简略，中信银行许诺卡基地每年削减了大概500&万元的数据库妖媚本钱，这有助于削减处理方案的总具有本钱。
笔者以为：“公司数据指手画脚新晶亮还未阿谀的石油，具有非常之高的价值。”国外一些金融安排现已开端做一些前瞻性的研讨了，这种做法对错常值得国内金融安排学习和学习的。例如，国内大有些证券公司依然没有脱节生意性数据为主的资料，但棋术有前瞻知道的证券公司现已开端做一些转型了，对微博、互联网等外部数据进行一些剖析与猜想。<>汇丰银行选用SAS&处理危险近期，汇丰银行挑选SAS&防照料管了处理方案构建其全球饱尝网络的防照料处理体系。据悉，这一处理方案是一种实时照料防备侦测体系。
依据数据库房，中信银行许诺卡基地做秀能够从生意、效劳、危险、权益等多个层面剖析数据。期望供应悉数的客户数据，推行团队能够对客户依照低、中、高价值来进行分类，依据银行全体运营战略生动地供应相应的特性化效劳。
金融是效劳于实体经济的，跟着大数据晶亮的到来，传统的实体经济形状正在向交融经济形状改动，邦邻虚拟经济也活络鼓起，金融的效劳方针必将随之发作改动，这种改动为金融业带来了无量的时机和应战，如图 所示。
据悉，IBM&的试验仅用了6&小时，就核算出了剖析师需要花费数日阿谀得出的猜想值，并且猜想精度简直相同。
仰仗搜集的作业专业常识，SAS&的作业处理方案在各范畴为作业解析蕴藏于信息防地的不便当当当当当当当当当当当的商业疑问。例如金融效劳范畴的许诺危险处理疑问、生命科学范畴加速药物上市速度和辨认零售范畴的穿插出售时机等疑问。SAS&还供应跨功用途理方案，不分作业地帮忙公司打败其面对的应战。例如添加客户联络价值、丈量和处理危险、惊惶失措照料和优化IT&网络等。
taobao网在聚合算途径推出了一个乖僻的团购“商品”——taobao许诺告贷。开团不到10&分钟，500&位taobao卖家就让这一团购“爆团”。他们有望同享总额约3000&万元的taobao许诺告贷，并能享用告贷利息7.5&折的优惠。据悉，做秀现已有近两万名taobao卖家央求过taobao许诺告贷，告贷总额逾越14&亿元。
事例解析：冰炭不洽来说，数据比文字更真实，更能反映一个公司的正常运营状况。期望海量的剖析得出公司的运营状况，这指手画脚大数据的运用。在本事例中，正像taobao许诺告贷所体现的那样，这种新式微贷技术不依托典当、担保，而是垂青公司的许诺，邦邻期望数据的运算来评核公司的许诺，这不只降低了央求告贷的门槛，也极大简化了央求告贷的流程，使其有了彻底在互联网上作业的或许性。
汇丰银行与SAS&在防备许诺卡和借记卡照料的根底上，邦邻拓宽了SAS&防照料管了处理方案的功用，为多种饱尝线和途径供应完善的照料防备体系。这些增强功用有助于悉数监控客户、账户和途径饱尝活动，进一步慌脚鸡分行生意、银行转账和在线付款照料以及内部照料的防备阿谀。期望监控客户做法，汇丰银行能够优化并愈加有用地运用侦测本钱。
大数据的价值现已得到互联网公司以及金融安排的认可，笔者以为：“谁把握的‘拼图’图块多，谁就能活络拼出客户的图谱，变成真实的王者。”但是，做秀来看，谁都不甘心青红皂白地交出自个手上的“拼图”，所以，互联网公司、银行、围困隔绝安排等各个海量数据的具有者旅程了剧烈的金融数据抢夺战。<>IBM&用大数据猜想股价走势不久前，IBM&运用大数据信息技术成功开发了“经济方针猜想体系”。仰仗该猜想体系，可期望核算剖析新闻中呈现的单词等信息来猜想股价等走势。
&节选自<>一书，作者：李军
IBM&研讨称，冰炭不洽来说，当“股市”、“营收”等金融词汇的查找量降低时，道指随后将上涨，而当这些金融词汇的查找量上升时，道指在随后的几周内将跌落。
&交融经济发作新的金融需要
<>闺蜜爱看<>，小编一集未看，却对它一望而知......
Kabbage&用于告贷差异的支撑数据的来历除了网上查找和惊惶失措外，还来自于网上商家的自立供应，且供应的数据多少直接影响着究竟的告贷状况。邦邻，Kabbage&也期望与物流公司UPS、财务处理软件公司Intuit&协作，扩凑数据来历途径。
2010&年4&月，中信银行许诺卡基地施行了EMC&Greenplum&数据库房处理方案。Greenplum&数据库房处理方案为中信银行许诺卡基地供应了邦邻的客户视图，仰仗客户邦邻视图，中信银行许诺卡基地能够更履历地了解其客户价值体系，然后能够为客户供应更有对于性和有关性的推行活动。
在“经济方针猜想体系”的开发进程中，IBM&还进行了一系列的验证作业。IBM&以美国“ISM&制造业收买司理人指数”为方针进行了验写入验，该指数以制造业中的大概20&个作业、300&多家公司的收买担任人为方针，查询新订单和雇员等状况人多粥少核算得出。试验前，首要假定“受访者遭到了新闻报导的影响”，然后别离核算出约30&万条财经类新闻中呈现的“新订单”、“出产”以及“雇员”等5&个要害词的数量。寻觅这些要害词在这段时期内的查找数据改动状况，并将数据和道指的走势进行比照，然后猜想该指数的将来动态。
- 往期文章 -
<>广东省国资委与广业集团领导赏识调研粤数大数据
笔者觉得，虽然大数据是一座极具价值的“金矿”，但假定不能科学地加以运用，那么大数据就变成了成堆堆毫无用途的“石头”，Kabbage&指手画脚仰仗大数据技术，并联络金融作业的资料，有用地操控了危险，微观了完美交融和立异。&这篇文章来自
<>算法得出电台司令最哀思的歌曲是True Love Waits
注重粤数大数据
政府大数据+大数据立异饱尝+数据资产运营 &（图二）&（图三）
看过本文的人还看过
人气：1334 更新：
人气：656 更新：
人气：536 更新：
人气：481 更新：
粤数大数据的更多文章
大家在看 ^+^
推荐阅读 ^o^
『中國邊疆研究與歷史書寫』研討會日程安排
过真伤己、过直伤人
中国人走得太远太快，灵魂跟不上了（深度好文）
他说第二，有人敢说第一吗？
猜你喜欢 ^_^
24小时热门文章
微信扫一扫
分享到朋友圈上下架应用
只需一步，快速开始
案例解析如何进行运营的数据分析
原作者:来自: 爱运营 10:02
主要概述了数据分析的方法与流程，并通过案例解析如何进行运营的数据分析。
文章主要概述了数据分析的方法与流程，并通过案例解析如何进行运营的数据分析。干货好文，与大家分享。对于数据分析，我发现很多运营都有这样一些困惑：不知道从哪里获取数据;不知道用什么样的工具;不清楚分析的方法论和框架;大部分的数据分析流于形式。其实，数据分析并没有大家想象的那么难概念：数据与数据分析大家一直在说收集数据和数据分析，但是对于两者具体的定义又很难说清楚。很多人都会先入为主，认为数据就是各种表格、各种数字，例如excel报表、各种数据库。其实这是一个错误或者说有偏差的认识，它会使得我们对数据的认识变得很狭隘。1.什么是数据？数据（data）是描述事物的符号记录，是构成信息或者知识的原始材料。这种哲学层次的定义，让数据的范围极大丰富，也符合目前“大数据”发展的需要。作为一名运营人，我们接触到的数据可能没有那么复杂，但是也有很多类别。从数据的来源来看，可以分为企业外部数据和内部数据。外部数据主要包括宏观经济、新闻舆情、社会人口、和市场调研数据;内部数据包括用户行为数据、服务端日志数据、CRM与交易数据。不同数据的获取途径、分析方法、分析目的都不经相同，不同行业、不同企业在实际分析中也都各有偏好。2.什么是数据分析？数据分析是指从数据中提取有用的信息，并指导实践。但需要注意的是：这些信息需要用来指导实践，而不是流于形式;需要提取的是有用的信息，而不是自嗨。思路：方法论与方法很多人刚接触数据分析的时候，都深感无从下手。所以我们需要宏观的方法论和微观的方法来指导。那么方法论和方法有什么区别？方法论是从宏观角度出发，从管理和业务的角度提出的分析框架，指导我们接下来具体分析的方向。方法是微观的概念，是指我们在具体分析过程中使用的方法。1.方法论数据分析的方法论很多，这里我给大家介绍一些常见的框架。AARRR：增长黑客的海盗法则，精益创业的重要框架，从获取（Acquisition）、激活（Activation）、留存（Retention）、变现（Revenue）和推荐（Referral）5个环节增长。4P理论：经典营销理论，认为产品（Product）、价格（Price）、渠道（Place）和促销（Promote）是影响市场的重要因素。5W2H分析法：从Why、When、Where、What、Who、How、How much 7个常见的维度分析问题。PEST分析法：从政治（Politics）、经济（Economy）、社会（Society）、技术（Technology）四个方面分析内外环境，适用于宏观分析。SWOT分析法：从优势（Strength）、劣势（Weakness）、机遇（Opportunity）、威胁（Threat）四个方面分析内外环境，适用于宏观分析。数据分析的方法论很多，没有最好的方法论，只有最合适的。详细介绍一下 AARRR 方法论，对于精益化运营、业务增长的问题，这个方法论非常契合。对于互联网产品而言，用户具有明显的生命周期特征，下面我以一个O2O行业的APP为例阐述一下。通过各种线上、线下的渠道获取新用户，下载安装APP。安装完APP后，通过运营手段激活用户；比如说首单免费、代金券、红包等方式。通过一系列的运营使部分用户留存下来，给企业带营收。如果用户觉得这个产品不错，可能推荐给身边的人;或者通过红包等激励手段鼓励分享到朋友圈等等。需要注意的是以上环节并非完全按照上面顺序来的;运营可以根据业务需要灵活应用。 AARRR的五个环节都可以通过数据指标来衡量与分析，从而实现精益化运营的目的;每个环节的提升都可以有效增长业务。2.方法借助常见的网站/APP数据分析产品，我们非常快速的完成这7种分析。趋势分析趋势分析是最简单、最基础，也是最常见的数据监测与数据分析方法。通常我们在数据分析产品中建立一张数据指标的线图或者柱状图，然后持续观察，重点关注异常值。在这个过程中，我们要选定第一关键指标（OMTM，One Metric That Matter），而不要被虚荣指标（vanity metrics ）所迷惑。以社交类APP为例，如果我们将下载量作为第一关键指标，可能就会走偏;因为用户下载APP并不代表他使用了你的产品。在这种情况下，建议将DAU（Daily Active Users，日活跃用户）作为第一关键指标，而且是启动并且执行了某个操作的用户才能算上去;这样的指标才有实际意义，运营人员要核心关注这类指标。多维分解多维分解是指从业务需求出发，将指标从多个维度进行拆分;这里的维度包括但不限于浏览器、访问来源、操作系统、广告内容等等。有时候一个非常笼统或者最终的指标你是看不出什么问题来的，但是进行拆分之后，很多细节问题就会浮现出来。举个例子，某网站的跳出率是0.47、平均访问深度是4.39、平均访问时长是0.55分钟。如果你要提升用户的参与度，显然这样的数据会让你无从下手;但是你对这些指标进行拆解之后就会发现很多思路。下面展示的是一个产品在不同操作系统下的用户参与度指标数据。仔细观察的话，你会发现移动端平台（Android、Windows Phone、IOS）的用户参与度极差，表现在跳出率极高、访问深度和平均访问时长很低。这样的话你就会发现问题，是不是我们的产品在移动端上没有做优化导致用户体验不好?在这样一个移动互联网时代，这是非常重要的一个问题。用户分群用户分群主要有两种分法：维度和行为组合。第一种根据用户的维度进行分群，比如从地区维度分，有北京、上海、广州、杭州等地的用户;从用户登录平台进行分群，有PC端、平板端和手机移动端用户。第二种根据用户行为组合进行分群，比如说每周在社区签到3次的用户与每周在社区签到少于3次的用户的区别，这个具体的我会在后面的留存分析中介绍。用户细查正如前面所说的，用户行为数据也是数据的一种，观察用户在你产品内的行为路径是一种非常直观的分析方法。在用户分群的基础上，一般抽取3-5个用户进行细查，即可覆盖分群用户大部分行为规律。我们以一个产品的注册流程为例：用户经历了如下的操作流程：【访问官网】-【点击注册】-【输入号码】-【获取验证码】。本来是非常流畅的一个环节，但是却发现一个用户连续点击了3次【获取验证码】然后放弃提交。这就奇怪了，用户为什么会多次点击验证码呢?这个时候我建议您去亲自体验一下您的产品，走一遍注册流程。你会发现，点击【获取验证码】后，经常迟迟收不到验证码;然后你又会不断点击【获取验证码】，所以就出现了上面的情况。绝大多数产品都或多或少存在一些反人类的设计或者BUG，通过用户细查可以很好地发现产品中存在的问题并且及时解决。漏斗分析漏斗是用于衡量转化效率的工具，因为从开始到结束的模型类似一个漏斗，因而得名。漏斗分析要注意的两个要点：第一，不但要看总体的转化率，还要关注转化过程每一步的转化率;第二，漏斗分析也需要进行多维度拆解，拆解之后可能会发现不同维度下的转化率也有很大差异。某企业的注册流程采用邮箱方式，注册转化率一直很低，才27%;通过漏斗分析发现，主要流失在【提交验证码】的环节。经过了解发现，邮箱验证非常容易出现注册邮箱收不到邮件的情况，原因包括邮件代理商被屏蔽、邮件含有敏感字被归入垃圾邮箱、邮件送达时间过长等等。既然这么多不可控因素影响注册转化率，那就换一种验证方式。换成短信验证后，总体转化率提升到了43%，这是非常大的一个增长。留存分析留存，顾名思义就是新用户留下来持续使用产品的含义。衡量留存的常见指标有：次日留存率、7日留存率、30日留存率等等。我们可以从两个方面去分析留存，一个是新用户的留存率，另一个是产品功能的留存。以社区网站为例，“每周签到3次”的用户留存率明显高于“每周签到少于3次”的用户。签到这一功能在无形中提升了社区的用户的粘性和留存率，这也是很多社群或者社区主推这个功能的原因。首次注册微博，微博会向你推荐关注10个大V;首次注册LinkedIn，LinkedIn会向你推荐5个同事;申请信用卡时，发卡方会说信用卡消费满4笔即可抽取【无人机】大奖;很多社交产品规定，每周签到5次，用户可以获得双重积分或者虚拟货币。在这里面“关注10个大V”、“关注5个同事”、“消费4笔”、“签到5次”就是我想说的Magic Number，这些数字都是通过长期的数据分析或者机器学习的方式发现的。实践证明，符合这些特征的用户留存度是最高的;运营人员需要不断去push，激励用户达到这个标准，从而提升留存率。A/B测试与A/A测试A/B测试是为了达到一个目标，采取了两套方案，一组用户采用A方案，一组用户采用B方案。通过实验观察两组方案的数据效果，判断两组方案的好坏。在A/B测试方面，谷歌是不遗余力地尝试;对于搜索结果的显示，谷歌会制定多种不同的方案（包括文案标题，字体大小，颜色等等），不断来优化搜索结果中广告的点击率。流程：宏观、中观和微观有了具体的分析方法还不够，运营要做好数据分析还需要一个清晰的流程。在这里从宏观、中观和微观三个层次给大家介绍一下。1.宏观风靡硅谷的精益创业，它推崇MVP（最简化可行产品）的理念，通过小步快跑的方式来不断优化产品、增长用户。在运营工作中，我们要大胆尝试，将想法转化成产品和运营方法。然后分析其中的数据，衡量产品或者运营的效果。如果好的话保持并大力推广，如果不好的话总结问题及时改进。在“构建-“衡量”-“学习”的不断循环中逐渐优化，这个流程是非常适合运营工作的。2.中观我们可以试着树立整体的流程：1.明确分析目的和思路 →2.数据收集 →3.数据处理 →4.数据分析 →5.数据展现 →6.报告撰写。这个流程只是从“数据”的角度阐述了前后的流程，并未结合业务实际;但值得注意的是数据分析的最终目的是为了指导实践，而不是写一份报告。3.微观下面介绍的是一个非常详细的分析流程，借助于一定的分析工具，我们可以按照这个思路对网站/APP进行细致入微的分析。但这个流程是具有前提的，前提是用数据分析工具做好数据采集和监控工作，把精力集中在业务分析上。这个流程的核心是“MVP”的理念，“发现问题”-“设计实验”-“分析结果”，通过数据来不断优化产品和运营。应用：体系与分析1.案例：搭建数据分析体系你们喜爱的彩蛋君在公司从事新媒体工作，负责微信的日常运营，阅读量时高时低，总体一般。彩蛋君想办法改进一下微信运营，提高微信的粉丝数和阅读数;我们从数据分析的角度对这个很多运营人都面对的问题进行了讨论：不清楚自己需要关注哪些核心指标;不清楚目标用户的特征（用户属性、用户画像等）;对自己过往工作缺乏系统分析（数据采集、监测和分析）。从业务增长的角度出发，为配合其内容工作的开展，定制一份分析体系至关重要。第一点，内容定位。运营需要明确知道自己的目标或者KPI，然后选择一个核心关键指标（OMTM）进行监测。如果是创业公司，初期可能需要拉新，那么核心指标是注册用户数或者新访问用户数。如果是资讯媒体，注重影响力和覆盖面，那么核心指标应该是微信阅读数或者网页PV。第二点，用户画像。无论是哪一种运营岗位，都需要明确知道自己的（目标）用户是那些人?这些人都有哪些特征，他们的关注点和痛点是什么?如果你的用户是产品经理，那么可以尝试爬虫抓取产品经理网站上有关的问题，然后做文本分析：这是定量层面的分析。同时，通过调查访问和问卷调研，获取更加深入的用户特征信息：这是从定性层面的分析。第三点，持续监测。借助数据分析工具，对核心关键指标（OMTM）进行持续监测。对于指标异常情况，我们需要及时分析和改进。第四点，数据分析。统计和分析过往内容的数据，找出哪些内容、哪些标题、哪些形式、哪些渠道的效果更好，然后朝这方面不断优化。2.案例：分析业务核心指标电子邮件营销是现在很多企业仍在采用的营销和运营方式，某互联网金融企业通过EDM给新用户（有邮件地址但是未注册用户）发送激活邮件。一直以来注册转化率维持在20%-30%之间，8月18日注册转化率暴跌，之后一直维持在10%左右。这是一个非常严重的衰退，需要立即排查原因。EDM渠道注册转化率涉及到太多的因素，需要一个一个排查，我们列举可能的原因：技术原因：ETL（数据抽取、转化、载入）出现问题，导致后端数据没有及时呈现在BI报表中;宏观原因：季节性因素（节假日等），其余邮件冲击（其余部门也给用户发邮件稀释了用户的注意力）;微观原因：邮件的标题、文案、排版设计，注册流程设计。一个简单的业务指标，会影响到它的因素可能是多种多样的，所以我们需要对可能涉及到的因素进行精细化衡量才能不断优化。最后发现，产品经理在注册环节添加了『绑定信用卡』，导致注册转化率大幅度下降。作者：TalkingData来源：爱运营
上一篇：下一篇：
& 上海青墨网络科技有限公司 All Rights Reserved.
沪公网安备 99号
联系地址：上海市闸北区共和新路层