品牌行銷策略，產品行銷與設計，各類型行銷推廣案例分享-品牌行銷點點讚
編輯導語：數據分析是運營的有效手段之一，通過數據分析，運營人員可以更清晰地觀測指標影響因素與用戶數據等多個方面。本篇文章里，作者總結、分享了幾個常見的數據分析方法和一個增長方案思路，一起來看一下。
在企業內部有很多溝通的問題，運營和產品溝通，產品和技術溝通，但是都沒有一個共同的“語言”去解決這些問題。
但隨著大數據時代的帶來，我們發現，通過數據進行部門間的溝通就可以保證大家在同一個維度去看事情，而拋棄崗位和身份，只用客觀數據說明問題。
今天諸葛君分享3個常用的數據分析方法和1個增長方案，幫助新手運營同學快速構建數據思維，提高日常工作中的溝通效率。
一、數據趨勢分析
趨勢分析一般而言，適用于產品核心指標的長期跟蹤，比如，點擊率、GMV、活躍用戶數等。做出簡單的數據趨勢圖，并不算是趨勢分析，趨勢分析更多的是需要明確數據的變化，以及對變化原因進行分析。
趨勢分析，最好的產出是比值。在趨勢分析的時候需要明確幾個概念：環比、同比、定基比。
環比、同比大家都比較了解，定基比就是和某個基點進行比較，比如2019年1月作為基點，定基比則為2010年2月和2019年1月進行比較。
趨勢分析另一個核心目的則是對趨勢做出解釋，對于趨勢線中明顯的拐點，發生了什么事情要給出合理的解釋，無論是外部原因還是內部原因。
在數據分析的過程中，有很多因素影響到指標，那么我們可以不同維度來逐一考察，比如：渠道、產品版本、來源、關鍵詞、網絡、地域、IP、系統瀏覽器及版本等。
二、數據對比分析
數據的趨勢變化獨立的看，其實很多情況下并不能說明問題，比如如果一個企業盈利增長10%，我們并無法判斷這個企業的好壞，如果這個企業所處行業的其他企業普遍為負增長，則5%很多，如果行業其他企業增長平均為50%，則這是一個很差的數據。對比分析，就是給孤立的數據一個合理的參考系，因為，孤立的數據毫無意義。
以A/B測試為例，最關鍵的是A/B兩組只保持單一變量，其他條件保持一致。
比如：測試首頁改版的效果，就需要保持A/B兩組用戶質量保持相同，上線時間保持相同，來源渠道相同等。只有這樣才能得到比較有說服力的數據。
三、 數據細分分析
在得到一些初步結論的時候，需要進一步地細拆，因為在一些綜合指標的使用過程中，會抹殺一些關鍵的數據細節，而指標本身的變化，也需要分析變化產生的原因。
這里的細分一定要進行多維度的細拆。常見的拆分方法包括：
- 分時：不同時間段數據是否有變化。
- 分渠道：不同來源的流量或者產品是否有變化。
- 分用戶：新注冊用戶和老用戶相比是否有差異，忠誠用戶和小白用戶相比是否有差異。
- 分地區：不同地區的數據是否有變化。
- 構成拆分：比如搜索由搜索詞組成，可以拆分不同搜索詞。
細分分析是一個非常重要的手段，多問一些為什么，才是得到結論的關鍵，而一步一步拆分，就是在不斷問為什么的過程。
四、業務場景舉例
有一個場景是圍繞用戶關鍵行為歷程加快用戶決策周期。
以電商產品為例，這個關鍵行為歷程包括：領券促活躍、潛客促注冊、注冊促下單、洞察習慣促復購，加快用戶決策周期也就是幫助用戶認可價值、打消顧慮、支付購買。
1. 整體路徑：在核心流程上加快決策
當我們被某個產品的賣點吸引后，我們的潛意識將“憑感覺”快速替我們做出決策，沒有立刻執行決策，不過是因為我們還在尋找理由說服自己，讓這個決策看起來合理罷了。
人的欲望是無限的，很多時候，人的欲求會超過一貫的自我認知和行為準則。同時，人又是一個會極度自洽的動物，當我們的某個決策意向明顯不符合自我認知與行為準則時，我們潛意識里就會去尋找更多的理由，讓我們的決策“看起來”是合理的。
比如你看中一支口紅，很讓你心動，這時你有了購買沖動，只不過你已經有很多支口紅了，再囤一支并不符合你“不過度浪費”的自我認知，所以你開始尋找商品詳情頁。當你看到：“星你色不流行啦”、“安迪同款精致絲滑”、“平價版Tom Ford”等信息時，你的購買決策可以被這些理由合理地解釋，你最終選擇了購買。
我們需要給用戶足夠的理由來完成合理化過程，可以是產品特性，可以是價格優勢，甚至可以只是一句心理層面的合理解釋，這些理由也許并不需要格外突出，因為這并不是為了吸引用戶產生購買沖動而存在的，有欲望的用戶為了說服安慰自己，自會尋找到“使TA下單合理化”的信息。
以某電商類產品為例，凡注冊成功后24小時內沒有創建訂單的用戶都會收到一條短信，短信內容大概是：你有價值128元的新手紅包待領取，下載APP立享優惠，一個小小的紅包，便終止了一部分用戶“猶豫不決”成功下單。
2. 業務偏好：不同需求用戶精準營銷
當我們獲取了用戶之后，就會對用戶的相關數據做分析，得知用戶行為習慣，為產品運營所用。通過對用戶行為監測獲得的數據進行分析，可以讓我們更加詳細、清楚地了解用戶的行為習慣，從而找出運營中存在的問題，有助于APP發掘高轉化率頁面，讓營銷更加精準、有效，提高用戶的轉化率。
例如在什么時間段用戶活躍度最高，在這個時間段推送活動，參與度會更加積極，用戶接受程度更大。
比如分析出在22:00~24:00之間，20-30歲之間的女性最為活躍，那么在這個時候可以選擇對女性用戶更有價值的活動來做定向推送，設置好推送的活動、時間點和用戶群體，以此來增強用戶生命力，延長用戶生命周期。
3. 沉默激活：圍繞活躍特點貼心提醒
沉默用戶大部分是低介入用戶，是否能夠再細分出各自的需求，再做用戶觸達和用戶運營，滿足其某一次需求。如果用戶只是使用基本功能，就不要騷擾他，如一個月做運營觸達而用戶無反應，持續幾次皆如此，則不要再騷擾了，否則產品都不會使用，這類長時間的沉默用戶要謹慎處理。
總之，趨勢、對比、細分是數據分析中最基礎的思維。無論是數據核實，還是數據分析，都需要不斷地找趨勢、做對比、做細分，才能得到最終有效的結論。
作者：諸葛io，微信公眾號：諸葛io
本文由 @諸葛io 原創發布于人人都是產品經理。未經許可，禁止轉載。
題圖來自Unsplash，基于CC0協議。