数据运营数据分析(活动运营数据分析策略！)

活动运营数据分析策略！

直播电商培训通讯：一八一二二七九四一九零

做数据分析的学生最常服务于操作，也最害怕操作纠缠。由于其自身的操作工作与数据分析密切相关，因此我们在互联网上看到的数据分析文章中有六篇是在操作中写的。操作涉及到如此深入的数据分析，以至于它经常与数据分析师讨论分析想法、分析方法和分析结论。

今天，让我们来看看最大的问题之一。有许多类型的操作工作（如下图所示），其中活动操作是最具战略性的，与数据分析关系最密切，也是最具攻击性的职位。今天，让我们以此为例。

请听问题：在游戏APP中，5月份用户活动率略有下降。活动运营团队决定进行登录和打卡活动，以提高用户活动（具体增加）。活动前后的数据如下图所示。

活动运营团队坚持说，如果不做活动，5月份的自然增长就会下降。老板认为这是胡说八道。活动运营团队表示，数据分析师应使用人工智能大数据准确分析自然增长率。

问：你是数据分析师，你该怎么办？

一、科学旗帜下的荒唐事物

首先，这个问题的题目在哪里？

A、减少用户活动

B、自然增长率

C、人工智能大数据

思考一秒钟。

让我们先问一个问题:有一天，一个人拿着弓问你:“请用人工智能大数据准确分析，我的命中率比自然高多少？”你会怎么做？你会抄起键盘开始写代码吗？-不会！你会先问他:“你在射什么？”

如果他说：我不知道该射什么，你会帮我分析吗？你会怎么做？你会用人工智能大数据来分析他想射什么吗？-当然不是！如果你有礼貌，你会让他先找到他的箭；如果不礼貌，你可以直接吐出香味。因为即使是幼儿园的孩子也知道：射箭应该先设定一个目标。这是常识。

所以整体问题是：具体的改进没有说。甚至问题本身也有问题。请注意，问题的来源是减少活跃用户的数量。因此，在设定目标时，操作已成为用户活动。一个词的区别，意思从清晰到模糊。

什么是“度”？

意思是用户活跃人数，为什么不直接使用？

意思是用户活动率？每个人的公式都一样吗？

意思是综合计算，计算公式和权重是什么？

该指标本身并不清楚，也没有明确指出要改进多少。活动结束后的分析是一场灾难。这只是射箭故事的翻版。问题是：为什么会发生这么奇怪的事情。

二、荒唐背后的苦难

如果你真的在企业工作过，你就会知道，并非所有的决定都是高度理性的，例如：

这是一个常规活动，操作只是用模板更改推上线。

这是老板亲自指示的，我们看不懂，也不敢问

这是一种商业直觉:我觉得有问题！等到真正观察到再改为时已晚。

这是一种迷信:你不是有人工智能大数据吗？你应该duang！一下子就有了

总而言之，在真正的企业中，大概是：

30%的活动计划没有写清楚，只有一个含糊不清:“增加消费/增加活动”

30%的活动方案用词不严谨，活动、活动值、活动等玄幻概念满天飞

30%的活动计划没有计算，都是拍脑袋决策，甚至提出1亿的目标，只是为了口号顺口

只有10%左右的计划可以认真写清楚:5月份dau保持在XX水平以上，增加用户活跃人数。

当然，在管理标准化的大企业中，这种混乱要少得多。然而，大多数企业都存在类似的问题。他们事先没有写清楚目标，然后期望大数据进行分析。甚至试图通过人工自然增长率的低负增长来混淆。如果你真的遇到这样的事情，你该怎么办？

首先，坚决不要谈论任何“自然增长率”。特别是在这种非常密集的短期活动业务中。如果你必须谈论它，采用购买和离开的机制：我们提前谈论自然增长率，然后看看这个数字，不要调整。这就像下棋时拒绝后悔一样。

1.提前说清楚目标是什么，从X%提高到y%；

2.找到清晰直观的目标，避免幻想/复杂的概念；

3.找到与核心KPI相关的目标，避免杂项干扰。

这是彻底解决问题的三个原则。

当然，这样做会有两个挑战：

挑战1：有些操作就是不知道如何设定目标，帮忙？

挑战2：有些活动是提前没有设定目标，如何补救？

三、设定目标的基本方法

设定目标有三种基本方法：

1.KPI分解法

2.KPI倒推法

3.KPI场景法

对应三个场景：

1.活动目标是KPI指标

2.活动目标是KPI过程指标

3.KPI相关指标的活动目标

有同学会问:为什么都和KPI挂钩？答:如果你所做的与KPI无关，你也知道这件事的重要性和紧迫性。大张旗鼓做与KPI无关的事情，可能是影响KPI的原因。

以KPI分解为例：

KPI倒推法的例子：

以KPI场景法为例：

通常，有必要与操作保持良好的沟通，这样数据分析师就可以在计划早起时干预。它不仅可以帮助操作澄清思路，还可以帮助操作澄清目标。它还可以为在线监控和事后复盘做准备，一举三得。最好的状态是提前工作到位，事后不吵架。合作共赢。

四、事后补救的基本方法

如果你事先没有设定目标，你必须事后补救。记住：核心不是自然增长率，而是“业务需要使指标看起来像什么”。尤其是在一开始。当整体目标已经到达街头时，事后纠结于自然增长率往往会成为一场扔锅的战争。此时，可分为三个步骤：

第一步:设定方向

第二步:找方法

第三步：看细节

通过这样的操作，我们至少可以结束混乱的状态，清楚地知道我们想做什么样的曲线。判断这种方法应该被这种方法所取代。在细节中，找到下一个迭代的优化方向。

请注意，这更多的是基于“现在已经在街上”的判断。这样做对评估活动的效果并不科学。如果你想对活动进行科学的评估，你必须提前设计实验，分为测试组和参考组，以测试用户的响应效果。或者那句话：提前做更多的准备，少纠结。

许多学生会说：即使这样做了，我们公司的领导仍然非常迷信，操作仍然非常无脑，有问题或到处扔锅，该怎么办！即便如此，陈先生还是建议你先掌握：该怎么办。

当你遇到这样的问题时，至少你可以判断它是我的问题还是别人的问题。至少你可以知道该往哪个方向努力。这也是真实商业场景和科学实验室的区别：你必须带着镣铐跳舞，在有限的数据、各种类型的同事和过高和过低的期望之间走钢丝。

一些学生会说：嘿？为什么只有一半打架，另一半是什么？答：这是活动结束后分析的另一个永恒而纠结的问题：你这样做怎么样！为什么活跃用户的数量不能再高了？它有多高？一个指标很高，另一个指标很低，该怎么办！

这就是我们常说的综合评价问题。