微信扫码登录

其他登录方式

绑定手机号

注册

我同意用户协议

忘记密码

用户协议

绑定手机号

近期有不法分子打着爱盈利的旗号,制作“爱盈利”名称的App,并伪造爱盈利证件,骗取用户信任,以抖音点赞赚钱或其他方式赚钱为名义,过程中以升级会员获得高佣金为名让用户充值。
爱盈利公司郑重声明:我司没有研发或运营过任何名为“爱盈利”的APP,我司做任务赚钱类产品从没有让任何普通用户充值升级会员。我公司产品均在本网站可查询,请将网站拉至底部,点击“关于我们”可查看爱盈利相关产品与服务。
温馨提示:当遇到此类问题请拨打官方电话或添加官方微信,以免财产损失。爱盈利官网地址:www.aiyingli.com。
  • 推广与合作
X

数据运营 | 产品、运营人应该关注哪些核心数据?

来源:庖丁开发 2940

1

一、数据的定义

数据,其实就是一堆数值。

但这些数值,是从用户的行为统计而来。用来便于需要使用数据的同学进行研究和分析之用的基础素材。

二、有哪些数据需要关注的

我们在这里用一张脑图简单列出一些核心数据:

2

核心数据

这张脑图,仅仅简单的展示了也许是通用的部分运营数据,但如果我们仔细去看,去归纳,会发现三个数据类型,是所有运营都需要具备的:

渠道数据、成本数据、收益数据。

渠道数据,是用来衡量渠道质量、渠道作用的,它由产品本身的定位的客群和产品的特性所决定。一个理财产品如果投放游戏社区这种渠道,其运营效果可能并不会太好,可如果换成彩票、博彩,可能效果就很好;同理,传奇这一类的游戏的宣传与活动如果投放到女性社区平台,其效果几乎也可以无视,而如果换成一款 Q 版小游戏,或许效果就很好。

成本数据和收益数据,则会从不同层面反映出运营的效果。

运营必然需要成本。运营的效率可以通过经验、熟练度、创意等各种手段来提升,但运营的成本是必然存在的,并且一般来说和运营效果是成正比关系的。很简单的一个道理:两个活动,一个活动送 100 台 iPhone6,一个活动送 1 台 iPhone 6,哪个效果更好?

做运营的,一定要认真去评估每一个运营动作背后的成本。而所谓『收益』,并不等价于『收入』,获得金钱是收益,获得用户也是收益,获得口碑同样是收益。

如果我们了解了渠道、成本、收益这三类数据,我们就可以根据自身的产品特性去设定需要获取数据。

我们拿足记来简单举个例子,足记这样的应用,它会关注哪些数据呢?

从产品的层面,它会去关注:

1.App 每日的打开数
2.各种功能的使用次数和使用频次
3.各种 Tab 的点击次数和对应页面的打开频次

从运营的层面,它可能会去关注:

1.App 每日的活跃用户数
2.每日产生的 UGC 数量(区分新老用户)
3.每日分享到社会化媒体的 UGC 数量(同时考虑单位用户的产生内容数)
4.分享出去的 UGC 带来的回流新装机、新激活用户数等等。

而我们需要注意的是,这些关注的数据点,并不是一成不变的,它会因为产品的不同阶段而调整,如果我们假设足记有盈利模式,那么它关注的核心数据,就会从内容转向收入,这时候,转化率相关数据就会变的重要了。

我们需要的数据,根据实际的需求来进行设计,并没有一个完全通用的标准。当然,如果你做的越多,你会发现,你的数据感在不知不觉中获得了提升,这一点,非常重要。

三、如何获取数据

获取数据的渠道有很多,这里推荐两个:Google Analytics 以及百度统计,更多的工具自行去了解哈。使用分析工具我们可以得到以下内容:

记录那些点击信息,包括没有与网站产生交互的信息
可直接生成链接的百分比,点击分布图和热力图
可统计用户的悬停,将用户潜在行为可视化

获取数据的方式其实多种多样,关键在于,作为运营人员要了解什么样的数据是重要的,对于这些数据的前后关联,是怎样的,这是一个联动的过程,不是一个单一的行为。

四、如何分析数据

对于数据的解读,每个人都有不同的方式。这里我们摘取书中的几个总结:

1)首先确定数据的准确性

这里包含了选择数据维度的合理性、数据统计的准确性。如果数据维度选择不合理、数据统计结果不精确,我们可能是无法得出正确的分析结果的。这是基础。

2)明确影响数据的因素

一个数据,会受到多种因素的影响,这些因素有内部的,有外部的,运营人员应当尽可能多的了解所有层面的影响因素,以利于我们对于数据的解读是在一个相对正确的范围内。

3)重视长期的数据监测

在运营数据分析中,经常会使用环比和同比方式来对比数据。简单的说,环比是本日与前一日的对比、本月与上月的对比、本季度与上季度的对比;同比是今年当日与去年当日的对比、今年当月与去年当月的对比、今年当季度与去年当季度的对比。环比帮我们看短期的数据波动,而同比帮我们了解大环境下的数据波动。

4)保持客观的视角

数据分析的过程中,客观非常重要,切忌挑选有利于自身的结论。我们通常会犯先入为主的错误,这不仅会影响数据的准确性,还是职业道德的问题,也是职业发展中非常常见的问题。

5)注意剔除干扰项

实际的工作中,我们会碰到很多问题,这些问题就是干扰项。例如,在一个相对平稳的曲线中,突然出现了一个点上的强烈波动,这时候我们需要全面的了解个波动产生的原因,如果无法确认原因,就剔除这个波动,否则我们很难去获得一个正确的结论。

五、数据分析职业方向有哪些

我们这里只说国内哈,在国内,与大数据相关的岗位主要分为以下几类:

数据分析师:

运用工具,提取、分析、呈现数据,实现数据的商业意义,需要业务理解和工具应用能力。

数据挖掘师/算法工程师:

数据建模、机器学习和算法实现,需要业务理解、熟悉算法和精通计算机编程。

大数据工程师:

运用编程语言实现数据平台和数据管道开发,需要计算机编程能力。

数据架构师:

高级算法设计与优化;数据相关系统设计与优化,有垂直行业经验最佳,需要平台级开发和架构设计能力。

当然一个行业肯定不止这几个岗位,这里只是列举普遍的,吃香的(你懂的~)。

六、总结

关于数据的内容,一篇文章其实说不出更多有价值的东西,更多的需要自己在工作中的思考与总结;当然,同行交流以及吸取同行前辈的经验也很重要。

 

二维码

评论

相关文章推荐

SELECT dw_posts.ID,dw_posts.post_title,dw_posts.post_content FROM dw_posts INNER JOIN dw_term_relationships ON (dw_posts.ID = dw_term_relationships.object_id) WHERE 1=1 AND(dw_term_relationships.term_taxonomy_id = 3413 ) AND dw_posts.post_type = 'post' AND (dw_posts.post_status = 'publish') GROUP BY dw_posts.ID ORDER BY RAND() LIMIT 0, 6

京ICP备15063977号-2 © 2012-2018 aiyingli.com. All Rights Reserved. 京公网安备 11010102003938号