原來數據分析可以這樣用!10W+不是夢!
開頭先講一個大家都熟悉的案例。
10月16日上午,趙麗穎和馮紹峯官微宣佈領證結婚。喜訊宣佈後,微博熱搜榜直接就癱瘓了。
癱瘓原因很明顯,由於用戶訪問量太大,導致服務器承載不了那麼大的流量。
當時微博的日活流量顯然遠遠>平時日活流量。至於究竟有多少,並不重要。
重要的是,可以通過這個結果得出:明星公佈結婚,可以促進用戶活躍度。
那麼以後發生類似事件,微博作爲平臺運營方可以主動把“明星結婚話題”推到熱搜榜,吸引用戶關注。
這是一個很簡單很標準的“通過數據分析改進產品”的運營技巧。
小公舉認爲“數據分析”本身是一種行爲過程,也是一種工作,是爲了服務項目/業務/產品而存在的。
數據分析可以使我們作出更好的決策,達到更好的效果。
比如,通過數據分析,提高漲粉數量:
分析用戶增長數和用戶取關數,可以算出公衆號文章質量是高還是低,從而影響到未來公衆號的內容選題定位。(在下面的內容裏,小公舉會詳細講一下這個技巧)
比如,通過數據分析,提高銷售額:
可以算出,人流量大的地方,產生的GDP就大,商品銷售額相對就大;人流量小的地方,產生的GDP就小,商品銷售額相對就小。
比如,通過數據分析,提高投資回報率:
分析房價增長趨勢,可以算出未來增值幅度有多少,通過比對兩個地區的房價增長幅度,可以算出哪個地方的房子更值得投資。
●究竟該怎麼進行數據分析?
●怎麼通過數據分析有效改進項目產品?
1
分析用戶取關數提高微信內容質量
比如通過數據分析“公衆號用戶取消關注數”,可以算出文章質量高還是低。
比如下面這組用戶增長數據(這種情況經常會發生):
●前天增長1100,取關100,淨增1000
●昨天增長1200,取關200,淨增1000
●今天增長1300,取關300,淨增1000
●以此類推......
雖然每天用戶淨增長數量都是1000,但很明顯,後面的情況更加危險。
通過小公舉多年的運營經驗,以及第三方插件檢測“用戶增長小時數據”,可以得出:
如果公衆號沒有發佈文章,用戶主動想起關注了一個公衆號,並主動取消關注,這種情況是小概率事件。
用戶取關行爲首先源於“發佈文章”導致,也就是要統計“文章發佈後首小時內取關用戶數”。
以小公舉的公衆號爲例,比如下面這張圖,綠色線條是新增用戶數,藍色線條是取消關注數,0:00是文章發佈時間。
很顯然,公衆號文章發佈後的首小時是用戶取消關注高峯期。
我們都知道,高質量的文章取關數少,低質量的文章取關數多。
如何通過數據確定文章質量是高還是低?
用戶的行爲說明一切。
通過比對公衆號每天的“文章發佈後首小時內取關用戶數”,很輕鬆得出兩個結果:
1、取關用戶數最多的那天,發佈的文章是用戶不愛看的
2、取關用戶數最少的那天,發佈的文章是用戶最愛看的
得出這兩個結果後,就必須採取一些措施了。
以後創作的文章,“類型”、“風格”、“質量”等要和第二種保持一致,這樣用戶不愛看都難。
通過上面這個案例,可以總結出一套基本的數據分析邏輯:
1、掌握數據的實時變化
2、捕捉某個時間段內的數據
3、通過數據總結因果關係
4、通過日/月/年數據對比得出影響業務的關鍵因素
那麼數據分析,還可以用於哪些用途?
2
提高活動轉化率
策劃線上活動時,經常會贈送禮品,目的是提高轉化率。
比如策劃了一個活動,“贈送禮品,前2000位報名參加,人人都有”。
目的是通過贈送禮品吸引用戶關注,報名,轉發等。
那麼究竟贈送什麼樣子的禮品,轉化的用戶數更多?
這肯定不是拍腦子決定的,不是你覺得用戶喜歡什麼禮品就送什麼。
通過數據分析,可以解決這個問題:
第一步:
選取三種類型的禮品,分別是“生活用品”、“科技產品”、“虛擬禮品”
第二步:
前後策劃三次這種贈送活動,每次贈送的禮品不一樣,但總價值都一樣
第三步:
統計每次活動轉化的用戶數
比如這張圖
雖然三次活動投入的資金一樣,但不同的禮物轉化用戶數卻不一樣。
那麼以後策劃活動,贈送禮品就要選用生活用品。
那麼究竟該選用哪種生活用品,算出哪種生活用品轉化率更高?
可以繼續採用上面三個步驟進行數據分析:
第一步:
選取三種禮品,分別是“檯燈”、“鍵盤”、“愛奇藝會員”
第二步:
前後策劃三次這種贈送活動,每次贈送的禮品不一樣,但總價值都一樣,而且總數量也不一樣(比之前多了這項數據)
第三步:
統計每次活動轉化的用戶數
比如這張圖
雖然三次活動投入的資金一樣,但是不同的禮物,轉化用戶數卻不一樣;
而且不同的數量,轉化用戶數也不一樣。
其中贈送鍵盤,轉化的用戶數最多。
也就是說:禮品類型和禮品數量共同決定了用戶轉化數。
這纔是這個世界的真理:在絕大多數時候,結果都是由於多方面因素導致的。
通過這組數據可以得出:
1、雖然鍵盤價值低,但是由於數量多,卻帶來了最多的轉化
2、雖然愛奇藝會員價值高,但是由於數量少,帶來的轉化少
那麼以後策劃活動,贈送禮品就要選用鍵盤。
總結:
同一個活動,每次發佈,都加入不同因素或剝離一個因素。
通過數據分析,可以算出影響轉化效果最大的因素是什麼,活動中哪些關鍵點會影響轉化效果。
PS:以上兩組數據只是作爲參考案例,證明數據分析的可行性和採用效果。
3
改版是否成功
改版就是指產品迭代升級,升級到新版本後,效果究竟是變好了還是變差了?
拿最簡單的例子來說,比如“菜單欄命名,哪種名字更吸引用戶點擊?”
比如小公舉的三個菜單欄,運營資料、進羣學習、商務合作。
通過公衆號後臺的“菜單欄分析”,可以統計到相應的點擊次數是1593、890、532。
很明顯,“運營資料”點擊數最高,“商務合作”點擊數最少。
那麼是否可以把“商務合作”改成其他名稱?
比如“找我合作”、“加我微信”等。
通過修改菜單欄名稱,提高用戶點擊量。
由於每次修改併發布都會產生一次版本,再去統計修改後的菜單欄日均點擊量有沒有提升。
最後分析哪種名稱帶來轉化最高。
全文總結:
1、數據分析可以歸納總結出影響產品/項目/業務的因素
2、通過歸納總結出因素,把產品/項目/業務優化到更完美的狀態
你使用過哪些數據分析方法?
把過程寫成一篇2000字的文章投稿給我,一經採用能獲得幾百元甚至幾千元的稿費哦!
投稿流程請戳→→《分享新媒體運營經驗,賺稿費!》
推薦閱讀
點擊「閱讀原文」永久享受「獨家新媒體知識服務」,提升運營能力!
查看原文 >>