据运营到底是做什么的？数据运营工作内容( 四 ) _内容

电商行业:关注销售收入，单量，客单价等等。
游戏行业:关注活跃用户数、付费率、营收、ARPU(每用户平均营收)等等。
除了运营平台和运营行业两个划分角度，还有很多划分角度，其中用户在运营中需要关注的数据指标各有侧重。
第三，如何分析数据
1.数据收集
良好数据源的重要性有两个基本原则，一个是完整的，另一个是详细的。
全:就是说我们要取多种数据源，但不能说只取一个客户端的数据源，服务器的数据源，数据库的数据源。做分析的时候没有这些数据你可能做不到。另外，大数据是所有红豆博客的量，不是抽样。不能说只画了部分省份的数据，就可以开始说国家大事了。有些省份可能很特殊，比如新疆、，它的服务对象可能和内地的很不一样。
Detail:其实就是强调多维度，在收集数据的时候尽量为它收集每一个维度、属性、字段。比如为它收集了哪里、谁、怎么收集之类的东西，我们在后面分析的时候就无法跳出这个我们可以选择的维度，而不是一开始就着眼于需求。按照这个需求，肯定会发生一些数据。当一个新的需求后来出现时，就需要收集新的数据。这个时候所有的迭代周期都会慢很多，效果也会差很多。尽量从源头收集数据。
2.数据建模
一旦你有了数据，你就必须处理它。你不能把原始数据直接暴露给上面的业务分析师。可能比较混乱，逻辑上不抽象。这涉及到数据建模。首先，一个概念是数据模型。很多人可能害怕数据模型这个词，以为模型是什么高深复杂的东西，其实很简单。
在数据分析范畴，尤其是对于用户行为的分析，目前最有效的模型之一是多维数据模型，即“在线分析和处置”的模型。它包含了这个症结的概念，一个是维度，一个是指标。
比如城市，然后北京上海，一个维度，维度西边的一些属性，然后操作系统，iOS和Android都是一些维度，然后维度里的属性。通过跨维度，可以看一些指标问题，比如用户数，销售额，这些都是指标。比如通过这个模型，我们可以看到来自北京的iOS用户整体销量如何。
3.数据分析
分析数据的有很多，比如多维事件分析、漏斗分析(文章之前已经简单分析过)、回访分析、交叉分析等。这里我们就选择一个交叉分析来做一个案例分析。
交叉分析法:通常采用纵向比较和横向比较相结合的，从多个角度对数据进行分析。例如:
A.交叉分析角度:客户端+时间

从这个数据可以看出，iOS端的用户数量每个月都在增加，而Android端却在减少。整体数据不增加的重要原因是Android端的数据在减少。
接下来要分析一下为什么Android第二季度的新增用户数据在减少。一般这个时候，我会参与渠道维度。
B.交叉分析角度:客户端+时间+渠道

从这个数据可以看出，Android端A的预装渠道占比相对较高，且有减少的趋势，其他渠道的变化并不显著。
所以可以得出结论，第二季度Android新用户的下降主要是因为一个预装渠道的下降。
所以交叉分析的重要作用是从多个角度细分数据，找出数据变化的具体原因。
5.如何验证产品新功效的后果？
要验证产品新功效的后果，我们应该同时从这些方面着手:
A.新效果受欢迎吗？
权衡指数:活泼比。即应用新功效的活跃用户数/同期活跃用户数。

用户数量还会受到这个功效之外的很多因素的影响。我们切不可仅凭这个指标来判断疗效，一定要结合下面其他方面来综合评价。
B.用户会反复应用吗？
加权指数:重复应用的比例。即第n天回访并持续应用新功效的用户数/之一天应用新功效的用户数。

C.优化工艺转化率的后果是什么？
权衡指标:转化率和完成率。红豆的博客率:进入下一步的用户数/进入上一步的用户数。完成率为:完成药效的用户数/迈出之一步的用户数。
在这个过程中，转化率和完成率可以用之一部分提到的漏斗分析法来分析。
D.对留存的影响？
权衡指标:留存率。初始时间后第n天用户回访的比例，即第n天的留存率。常用的指标有:次日留存率、7天留存率、21天留存率、30天留存率等。

E.用户如何应用新功效？
真实用户的动作轨迹往往比我们假设的应用路径复杂得多。如果应用的数据监控平台能看到相关数据，就能引起我们的反思，他们为什么会这样走，有没有更简单的流程来赞助我们做优化决策。

据运营到底是做什么的？ 数据运营工作内容( 四 )

据运营到底是做什么的？数据运营工作内容( 四 )