來源：運營公舉小磊磊（ID：gongjulei）

　　排版：妮子小菇涼

　　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？

　　一、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？

　　二、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

　　上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：

　　上圖中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。

　　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。

　　三、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。

　　四、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？

　　如果覺得文章對你有所幫助，歡迎留言並且推薦給你的好友。

　　本文由運營公舉小磊磊（ID：gongjulei）發佈，授權互聯網早讀課轉載。內容僅代表作者獨立觀點，不代表早讀課立場。如需轉載，請聯繫原作者。