APP运营--极简数据分析法：3个步骤+3个模型

 

数据分析很简单。

 

 

技术流的老司机，左手SQL右手BI，溜的飞起。其实SQL、Python是数据挖掘；PPT、BI是数据展示。学会了当然很棒，不会也没关系。

 

数据分析不是技术流，是一种思维习惯。能帮你梳理业务，找到方向，达成目的数据分析，才是真的数据分析。而建立这种思维习惯，你只需要记住3个步骤，掌握3个模型。

 

这就是极简数据分析法。

 

 

建议收藏以便翻阅，也可以分享给想要提升数据分析能力的朋友和运营萌新。

 

 

以下，enjoy：

 

 

一、3个步骤

 

 

这三个步骤是，确定目标、列出公式、确认元素。

 

 

我们以某互联网金融公司A为例。

 

 

假设A公司正准备上市，当前核心目标为利润。

 

 

 

 

因此，如果我想提升核心KPI—利润，就要尽可能的提升付费用户、投资金额和投资时长。

 

 

恭喜你，已经找到了发力点。

 

 

注意，核心目标会随着业务发展不断变化，比如用户运营，App初期看重新增，中期看重转化，后期看重留存。如果仍然难以确定，看看你的核心KPI。

 

 

二、3个模型

 

 

确认需要提升的元素后，问题来了。

 

 

 

 

 

 

 

• 如何提升每个元素的量级？
• 怎样制定策略，分配资源？
• 如何验证策略是否有效？

 

你需要掌握3个模型。

 

 

A. 漏斗模型

 

 

适用范围：需要多个步骤达成的元素。

 

 

比如投资用户数。

 

 

 

 

漏斗模型作用：提升量级。

 

 

通过提升转化率，提升单个元素量级。

 

 

有了漏斗模型，就可以分析每层漏斗衰减的原因。有些原因显而易见，有些需要做A/B测试。你可以逐层提升转化；也可以改变用户路径，减少漏斗层级。

 

 

 

 

盈利还是亏损，有时只取决于一个漏斗。

 

 

注意，优化漏斗是个长期过程，需要每天关注。

 

 

B. 多维坐标

 

 

适用范围：具有多重属性的单个元素。

 

 

 

 

 

 

用户运营也有个经典坐标，叫RFM坐标。

 

 

R=最近一次行为（Recency）

 

 

F=行为频率（Frequency）

 

 

M=行为量级（Monetary）

 

 

这里的行为指和你的核心目标密切相关的行为。比如在本文的金融产品中，就是投资。

 

 

R代表可触达，毕竟6个月没来投资的用户，说不定都卸载了，甚至已经忘了你这个App；

 

 

F代表忠实度，高频次的使用App，虽然ta可能每次只投几块钱的活期；

 

 

M代表价值，比如累计投了50万，这可是个高净值用户。

 

 

多维坐标作用：精细化运营。

 

 

通过多维坐标将用户分组，对不同组用户采取对应的运营措施。

 

 

首先，一定有一个象限是好的。

 

 

 

 

A象限的用户，是核心用户（俗称爸爸），公司的现金牛，你的重点运营对象。

 

 

A象限往往占整体流水的80%。你的活动效果好不好，运营策略给不给力，往往要看这些爸爸们的反应。你甚至可以建立一个微信群，把爸爸们都拉进去，多多交流，做好服务，时不时发个红包啥的。

 

 

接下来，你要把B、D两个象限的用户往A象限拉。

 

 

D象限，是高潜力用户。可以定向发一些大额度长期标的优惠券，比如投20w，6个月，送3000元红包。提升他们的投资时长。

 

 

B象限，是高忠诚用户。虽然可能没什么钱，但使用频次很高。可以定向发送梯度优惠券，比如投资1000送10元，投5000送投资80元，投10000送200元，逐步拉升他们的投资额度。

 

 

A是现金牛，D是A的孵化器，B用户价值低但忠诚度高，产品开拓新场景后也有可能进化成现金牛。

 

 

重要性，A>D>B。

 

 

资源有限时，请参照此排序。

 

 

时刻牢记，投入产出比！忘了的都去复习《高级运营需具备的7个核心素质》

 

 

多维坐标的适用范围非常广。比如我的公众号「金龙聊运营」里的文章，也可以按阅读量和点赞率做一个二维坐标，分析下如何写出叫好又叫座的文章。

 

 

比如你可以按事物价值的精力投入和价值衰减速度建立二维坐标，优化你的精力分布。

 

 

C. 分组表格

 

 

适用范围：随时间变化的用户属性元素。

 

 

比如投资用户数。

 

 

 

 

上面的表格，就是投资用户分组表格。

 

 

横向看，是某组用户的投资用户数，随时间变化的留存情况。

 

 

比如第一行，第一周共新增200名投资用户，到第二周留存100名，到第三周留存80名……

 

 

纵向看，是某一周投资用户的构成情况。比如第三列，显示第三周的730个投资用户，是由第一周进入的80个+第二周进入的250个+第三周进入的400个构成的。

 

 

 

 

 

 

作用：监测&验证。

 

 

分组表格可以帮你分析清楚一个复杂元素的变化。

 

 

比如你发现投资用户数在提升，你其实很难判定原因，因为投资用户是由很多组用户构成的。因此提升的可能原因有很多，比如：

 

 

 

 

 

 

 

• 新增用户量级增大
• 渠道质量提高
• 运营策略起作用

 

 

 

先看新增用户数这一列，发现新增用户量级确实在提升；

 

 

纵向看每一列，比较不同组用户留存。发现次周留存确实上升了，说明运营策略可能起到了一定作用。但后续的留存情况都在下降，可能是渠道质量在下降。

 

 

横向看，留存始终没能稳定在一个值，说明产品的粘性还不够。

 

 

是不是很溜？

 

 

三、总结

 

 

确定核心目标，通过公式拆解成元素，找到发力点。

 

 

用漏斗模型提升元素量级；用多维坐标进行精细化运营，更好的分配精力和资源；用分组表格检验效果，监测数据。

 

 

以上，就是极简数据分析法。

 

 

注：这套方法适用于用户、活动、内容、渠道及其他一切运营领域。请各位自由开发。

 

 

没错，文中涉及的用户数据都是我编的。

 

 

文 / 孙金龙  微信公众号：金龙聊设计（tikuapp）

 

爱盈利（aiyingli.com）移动互联网最具影响力的盈利指导网站。定位于服务移动互联网创业者，移动盈利指导。我们的目标是让盈利目标清晰可见！降低门槛，让缺乏经验、资金有限的个人和团队获得经验和机会，提高热情，激发产品。