认知篇|懂业务才能懂数据分析
诊断篇|90%的人在做「假」的数据分析案例篇|通过数据分析将指标提升60%成长篇|运营薪资翻倍必经的3个阶段
小红书“低龄人群”的APP留存率低的原因-数据分析
提出假设，进行数据验证：梳理业务流程+运用数据思维解决问题假设一：学校上课不能带手机，影响APP打开率低，进而影响留存率方法：拉出不同年龄段的APP打开数据，看看“低龄群体”是否异常结论：小学受影响，中学生不受影响
假设二：用户浏览APP时，没有发现Ta喜欢的内容，进而影响留存率方法：关注低龄用户喜欢搜索的词汇
结论：用户喜欢动漫、头像、明星、穿搭类内容，而这些内容欠缺假设三：用户发现Ta喜欢的话题，但内容不优质，进而影响留存率方法：关注用户喜欢的内容类型，是否有足够多的评论、点赞结论：这些数据比其他内容要低，证明这些内容质量差
运营人在运用数据分析中常犯的3个错误：①把数据记录当成数据分析
真正的数据分析，应该在业务开始前就开始②只关注单一指标，不去做关联分析
如除涨粉数外，打开率可以反映标题质量，分享率可以反映用户对内容的满意度③只做表面分析，不能解决具体问题
报表体现不出重点关注的业务指标
发现异常指标，没有结合数据分析去采取有效措施复盘罗列数据，没有总结出有助于业务发展的结论
案例：通过数据分析将指标提升60%——解析数据全流程
案例背景：某社区上线了一个“内容推荐”的新功能，主要通过Banner和App推广让用户看到。有需要的用户会自行点击该功能，并且阅读推荐内容。测试功能的目的：验证功能是否符合用户的需求①梳理业务流程，明确核心指标
触达量：认为决定，和功能是否复合需求没关系；
点击率：更多和本次Banner海报或APP?Push文案有关，关系不大；阅读时长：和本次推荐内容有关，代表用户的兴趣程度，有一定关系；留存率：意味着用户如果觉得它好，隔一段时间还会使用，关系较大。
留存率显然是最重要的指标。
②预测数据指标，思考应对措施
设定指标，主要根据产品往期数据、投入资源多少进行判断。此案例中为60%。
③统计数据指标，观察指标状态
测试开始后，需要监测每日的指标数据情况，发现异常时及时调整。
图表转化为留存率↓↓↓
④分析原因，产出运营策略
结论：增加不同内容类型，使得次日留存持续提升，达到了60%以上。运营薪资翻倍的必经三阶段：①用数据分析解决业务问题发现具体问题并解决
②用数据分析达成项目目标将数据分析思维贯穿整个项目加法逻辑vs乘法逻辑：选用“乘法逻辑”，销售量目标是固定的，直接转化率和复购率也是相对稳定的，渠道唯一需要关注的变量是“阅读量”。③用数据分析驱动业务增长持续指导业务增长
案例：从冷启动到App社区用户活跃数据20倍增长该运营接受App后，搭建了供运营人使用的数据后台。有了全面的数据埋点后，工作重点转变为：
用RFM等模型对用户分层，分析各类用户特点需求，为后续运营策略制定提供依据。根据用户分层结果，进行差异化运营，尤其重点维护头部用户，带动社区活跃度提升。
好的趋势：数据埋点增加，用户分层越来越细。
相关推荐：
loading