-
怎樣正確的做數據報告？
想要寫好一份數據分析報告，看完這篇內容基本上能懂個90%，剩下的10%就靠自己實踐啦！ 1.想清楚你要寫的數據報告屬于什么類型； 2.了解數據分析報告的基本架構； 3.數據報告分析報告要注意的一些細節； 4.常見數據分析的幾大誤區； 一、數據分析報告分為哪幾種類型？ 由于數據分析報告的對象、內容、時間和方法等情況不同，因此存在不同形式的報告類型。我們常見的幾種數據分析報告有專題分析報告、綜合分析報…- 28
- 0
-
一個案例看懂數據分析全流程
經常有新手同學問：數據分析完整流程是什么樣的？今天用一個通俗的例子，讓大家看清楚數據分析全流程。通過對比，你也能發現：為啥你覺得自己沒有做過完整的數據分析。 某天，你的朋友老王對你說：“還上啥班呀，你看你上班一個月才1萬塊，還不如像我一樣賣手抓餅呢，比你上班掙得多多了！”你又吃驚，又好奇。賣手抓餅真的比上班掙得多多了？為了解答這個問題，你得做個分析。前邊老王對你說的話，用專業話說叫：了解分析背景。…- 26
- 0
-
搭建數據指標體系的標準化全流程
一提起指標體系，很多同學像說相聲一樣，脫口而出“AARRR”“OSM”“UJM”……講得好開心，可面試官多反駁一句：“我這是銷售運營的指標體系！”“說清楚到底O是什么O，U是怎么U的！”就會讓很多同學沒了辦法。今天系統講解下，該如何處理此類問題。 和很多數據分析問題一樣，OSM等理論本身沒有問題。問題是不能把理論當教條，不深入業務流程之中，不考了具體場景，是沒法搭建出好用的指標體系的。 第一步：清…- 42
- 0
-
數據分析的價值是什么？
經常有同學在工作中抱怨，感覺“做的分析沒有啥業務價值，報表丟出去了也沒回應”。到底怎么做才能讓數據分析體現價值，今天結合一個具體場景，詳細講解一下。 問題場景 某同學入職一個公司會員中心，雄心勃勃地想建立“數據驅動業務”機制，為此，規劃了一堆： 1、建立全鏈路數據指標體系，反應運營情況 2、建設3000個會員標簽，豐富會員畫像 3、建立RFM模型，對會員分層 4、建立預測模型，針對會員購買行為進行…- 31
- 0
-
數據指標體系的4大類型
很多同學問：“有沒有普遍的、一般的指標體系梳理方法？”網上常見的指標體系分享，大多是互聯網的AARRR一類，現實中情況卻很復雜。普遍的方法當然有，就是基于業務邏輯，梳理指標體系。從本質上看，數據指標體系有4大類型，針對四個不同的業務邏輯。今天來系統介紹一下。 評估型 “這個產品質量咋樣?” “這個活動效果好不好?” “這個客戶群值不值得做？ 這種用數據指標，評價一個東西好/不好的指標體系，即為評估…- 31
- 0
-
從0到1搭建決策分析模型
數據分析要驅動決策！這個道理人人都知道，可實操起來，到底咋驅動法？很多同學見都沒見過，偶爾寫幾句分析建議，還被噴回來……咋整？今天系統分享一下。 破局的關鍵，在于：不要一腳踩進爛泥坑里。和決策有關的因素那么多，指望一個神威無敵大將軍公式全部計算清楚，是不可能的。想腳踏實地的解決問題，最好的辦法就是：從最簡單的地方開始，一步步做。 困難度0級決策 設想一個最簡單的場景：賣盒飯。一個盒飯成本5元，如何…- 33
- 0
-
一文快速解鎖：標簽體系全流程
標簽體系，絕對是數據分析年度工作中，最值得擺在開年做的。因為它和所有工作都有關系，經營分析、投放分析、用戶畫像、推薦策略、商品運營……都得靠標簽帶動。 標簽體系做得好，后續分析才有足夠多素材，才能積累經驗。標簽體系做得差，白費功夫不說，后邊做深入分析的時候還沒有依靠。 那么該如何做呢?今天簡單分享一下 一、標簽體系常見錯誤 最常見的錯誤，就是：標簽就是一籮筐，啥玩意都往里裝。 上傳文章的時候，隨手…- 59
- 0
-
淺談互聯網搜索之召回
01 背景 在上一期中我們從宏觀上介紹了在互聯網行業中搜索系統的流程與現狀，而在搜索系統中，一般會把整個搜索系統劃分為召回和排序兩大子系統。本期會從宏觀上介紹召回系統，并著重介紹語義召回。謹以此文，希望對從事和將要從事搜索行業的工作者帶來一些啟發與思考。 02 搜索系統召回方法 不同于推薦系統，檢索系統是在輸入query的前提下，快速召回與query相關的文本，特點為要求是快，注重召回輕準確。注意…- 191
- 0
-
如何用數據分析挖掘業務機會
從數據中，挖掘出業務機會點，是很多公司對數據分析師的要求。然而到底啥是機會點？到底要怎么挖？很少有人詳細講解過，也讓很多同學困擾。今天結合一個具體問題講解一下。 問題場景：某電商平臺，運營部門要求數據分析師挖掘用戶運營機會點。數據分析師開心地報告“發現用戶購買4次以后，用戶消費就很高了，建議讓每個用戶買4次”……之后慘遭業務批判：“你分析了屁！” 問題出在哪里呢？ 01 錯誤示范 “發現用戶購買4…- 45
- 0
-
數據中臺產品如何進行聯合項目推動？
01 背景 隨著數據中臺基礎建設的晚上，中臺產品的工作重點不僅僅是在功能建設上，更多是側重提供數據解決方案。那要想更好地沉淀數據解決方案，則需跟業務方進行緊密合作，深入了解業務。索隆作為一個數據中臺產品，在跟業務開展聯合深度合作時遇到了一些困難，找了相關人溝通咨詢，把沉淀的解決方案分享出來，供大家參考。 索?。何覀兣c業務A開展了聯合項目，雙方領導及下屬都初步碰了未來的合作點。會議待辦…- 49
- 0
-
人貨匹配模型得思考與分析
很多數據分析書本、文章都提過人貨場模型，但對于其中最核心的人貨如何匹配，沒有詳細介紹。人貨匹配是非常底層的分析理論，涉及到轉化率分析、用戶分群、推薦算法訓練等重要議題，無論互聯網的電商、O2O、短視頻、直播等產品都會考慮這點。廢話不多說，今天詳細介紹一下。 一、導購型匹配 設想一個最簡單的場景：顧客站在柜臺前，說“我想要個電風扇”。此時顧客需求已經跋山涉水來到店里，成交意愿很高。且需求已經表達得很…- 75
- 0
-
用戶行為分析之“留存”
淺談一：如何定義 用戶的留存，故名思義，就是用戶留下了。留存的定義是首次使用后第N天回來的用戶比例。 在用戶行為產品中，我們可以對留存有著更精細的定義：留存就是第一個時間周期內發生了起始事件的用戶在第二個時間周期內發生回訪事件的比率。 所以留存的計算方法就是： （第二個時間周期內發生回訪事件的用戶數/第一個時間周期內發生了起始事件的用戶數）*100%。 不同產品可以根據業務情況，定義不同的起始事件…- 81
- 0
-
7步做出高質量的數據分析項目
每到年底，都有同學感慨：“忙了一年，感覺都是常規數據報表，連個拿得出手的項目都沒有！”那到底高質量的數據分析項目該咋做？ 01.怎樣算高質量 ? 想回答這個問題，得先明確：啥叫“高質量”項目。從本質上看，數據分析是個支撐型崗位，工作質量高不高，主要由被服務的部門決定。如果是在企業里工作的話，主要看管理層/業務部門的評價意見。如果在面試時，則主要由面試HR/用人領導評價。摸清對方的需求，擊中對方的痛…- 46
- 0
-
實現數據分析閉環的五個步驟
很多做數據的同學，光看著自己寫報告，看不到自己的建議被落地，常心懷缺憾。覺得不能像產品/運營那樣打造一個數據分析的閉環，能力也沒法提升。其實這是一種誤解。今天結合一個具體案例，看看數據分析的閉環，究竟如何打造。 問題場景： 某餐廳，其所在的商場原本可免費停車，從本月起改為收費停車，而且停車費相當貴。餐廳店長糾結：停車費是否會影響收入。問：該如何做分析？ 一、不及格的分析 這里最容易范的錯誤，就是列…- 51
- 0
-
如何搭建屬于 “數據業務”的指標體系？
臨近年末，上到集團總部，下到每個員工，都開始做年度工作總結和項目復盤；這其中，對齊KPI指標的、量化的成果和價值，必然是工作總結中的核心亮點。 作為數據人，在支持業務部門“用數據說話”的同時，你和你所在的數據團隊是否也在用數據說話呢？是否有明確可量化的KPI并持續PDCA呢？是否也在通過指標評價結果、發現原因、指導行動、做出規劃呢？是否也能將OSM、UJM、原子指標、派生指標等概念應用于自身工作呢…- 76
- 0
-
用戶行為埋點常見問題講解
隨著互聯網用戶體量增長日漸達到瓶頸，用戶增長的關注點由花大精力投放拉新，轉向對已有用戶的精細化運營，“留住老客”成為越來越多企業的關注點。然而僅僅通過GMV，銷量等最終業務數據并不能全面反映用戶在平臺上的行為、這些行為是如何影響最終kpi，以及用戶的行為偏好。 為了能夠在不影響用戶體驗的前提下盡可能捕捉、追蹤用戶的行為，我們需要通過埋點來記錄用戶在平臺上的瀏覽、點擊、曝光的數據，但是在筆者幫助各個…- 157
- 0
-
用戶流失該怎么分析？
用戶流失該怎么分析？用戶流失率的數據可以算，可算出來以后呢？只看數據似乎完全看不出什么流失原因，只知道用戶已經X個月沒有來了，也不知道看到這個能干啥。今天系統討論一下。 1 用戶流失分析常見錯誤 ▌?錯誤1：試圖挽留每一位用戶。 這是運營最常見的錯誤，很多新人都會踩這個坑。不購物了就發券，不登錄了搖轉盤。結果空燒經費，養出來一幫無利不起早的羊毛客。實際上，用戶流失是不可避免的，天下沒有100%的留…- 102
- 0
-
廣告投手優化師必學的數據分析指標有哪些？（游戲篇）
近期，我經常會在一些社群碰到許多優化師新人問一些優化思路、基礎概念方面的問題，尤其是一些基礎性的數據指標、及這些指標之間的關系，如何根據這些指標決定優化方向，解釋起來比較繁瑣，就想對這些基礎性的指標做個簡單的梳理。 因為優化師們都有個常識性的思路，分析問題層面由大到小，即產品、渠道、賬戶、計劃、素材、落地頁等，具體執行層面則由小到大；所以具體指標的，也就需要從比較基礎的層面確定。 在廣告層面，優化…- 105
- 0
-
企業如何構建業務型數據指標體系？
現階段互聯網發展已經進入精細化運營時代，精細化運營則要求產品能擁有完整、準確且有效的數據。因此為自己的產品搭建一套數據指標體系，對于促進產品和業務增長是至關重要的。 指標能夠量化的衡量業務的好壞，評價業務當前情況，為業務的發展提供有效的指引，同時能使團隊成員建立共同的目標并為之努力。 為什么需要建設指標體系？ 數據指標體系可以幫助企業運營人員更好地梳理、理解業務，發現業務過程中出現的問題，進而推動…- 118
- 0
-
淺談線下場景中的數據分析思路
筆者在工作過程中發現，對于一些傳統企業，他們還會有線下的場景，例如快餐店內線下點餐屏的用戶行為，4s店展臺上觸屏的用戶軌跡等，這些場景的用戶行為數據也是值得被收集和分析的，然而由于各種技術限制與認知不足，很多企業還未意識到線下場景數據對用戶運營和業務增長的重要性，故筆者撰寫本篇文章，旨在與大家分享搭建線下數據分析場景時的難點與思路。 01?? 線下數據的采集與應用難點 ①? 線下數據…- 141
- 0
-
9種常用的數據分析方法
一、關聯分析? 關聯分析，也叫作“購物籃分析”，是一種通過研究用戶消費數據，將不同商品之間進行關聯，并挖掘二者之間聯系的分析方法。 關聯分析目的是找到事務間的關聯性，用以指導決策行為。如“67%的顧客在購買啤酒的同時也會購買尿布”，因此通過合理的啤酒和尿布的貨架擺放或捆綁銷售可提高超市的服務質量和效益。關聯分析在電商分析和零售分析中應用相當廣泛。 關聯分析需要考慮的常見指標： 支持度：指A商品和B…- 116
- 0
-
AB實驗系列一：基礎概念
A/B實驗是最直觀且科學的一種評估策略因果效應的手段，如果我們想數據賦能業務，A/B 實驗是我們的基本工具。我們需要多個流量組提出多個策略想法，然后通過比較不同組的指標表現來選擇最合適的方案。做ab實驗需要兩個條件為前提：同質性和無偏性。 實驗中的不同組應該是同質的，這意味著它們都相同或極其相似以確保結果可比性，這通常通過平臺工具隨機分流來實現。實驗也應該是公正的，核心指標只受實驗策略本身的直接影…- 178
- 0
-
9大核心指標做好社群數據分析
做社群運營，數據分析重要嗎？ 如果你只管1個群，群里幾十人，每天用戶的發言、加退群情況心里都有數，可能確實不需要數據分析。 但如果你管了幾十個群，每個群里有上百個用戶，那數據分析就至關重要了。 那么，如何才能做好數據分析，讓數據說話，科學指導你的運營決策和動作呢？ 這里，我們可以用“AARRR”模型來輔助社群數據分析體系的搭建。根據這個模型，我們可以將社群運營拆分為5個生命周期，即： Acquis…- 105
- 0
