運營如何做數據分析？

說到數據分析，很多小伙伴可能第一時間聯想到復雜的算法，龐大的數據，甚至是讓人眼花繚亂的代碼。但實際上，運營做數據分析并不需要懂這些，關鍵是你對業務流程的理解，以及用數據解決問題的思維。

什么意思呢？給大家舉一個小紅書的案例。

小紅書在去年年初做了戰略調整，把重心調整到社區，相應的它的北極星指標也從電商的GMV變成社區的DAU，于是用戶的留存率就變成了很重要的指標。

但是當時社區的留存率并沒有達到預期，在這種情況下，如果是不懂業務流程，不懂數據分析的運營可能會打算直接優化內容或者做活動了。

而我的前同事根據用戶年齡進行了用戶分層，很快發現其實是“低齡人群”（10-16歲）留存率很低，拉低了整體留存率。

“低齡人群”留存率低怎么辦呢？

他對業務流程進行了梳理，從渠道曝光-點擊下載-打開App-話題選擇-點擊-搜索-互動。

發現影響留存率的幾個關鍵用戶行為是：打開App、點擊Feeds流內容、點擊搜索結果、內容點贊、內容評論。然后針對這幾個行為做出假設，并用數據驗證假設。

假設一，“低齡人群”都是中小學生，學習繁忙，沒時間打開App，所以留存差。通過數據分析發現，小學生確實存在這樣的情況，但是初中和高中生在周一至周五的活躍度并不比周末低。

假設二，“低齡人群”找不到自己感興趣的內容。通過對搜索數據的分析發現，這部分用戶對明星、動漫、頭像內容的搜索頻率最高，但是搜索結果的CTR（點擊率）很低，也就是說用戶確實沒有找到自己感興趣的內容。

假設三，Feeds流推薦的內容質量不夠高。通過內容的評論、點贊數據分析發現，動漫、明星方向的內容點贊率普遍不高，說明這部分內容的質量確實有待提升。

最后他得出了結論：10到16歲年齡段用戶的留存率偏低，是因為這些中小學生的興趣點并不在美妝、美食、健身等，而集中于二次元和明星八卦，運營團隊需要加大這方面的內容比重，同時提高這部分的內容質量。

可以看出來，這整個“發現問題-數據分析-明確問題-梳理業務流程-做出假設-數據驗證-得出結論”的過程中，業務思維是至關重要的。

一般來說，運營做數據分析能做到上述這個程度（擁有業務思維）就已經很優秀了，但是讓數據分析真正發揮作用，離不開技術的支持。大部分公司是這樣操作的：

運營梳理業務流程后，把數據分析需要用到的數據字段（用戶信息、用戶行為）需求提交給技術，讓技術建立數據庫。當運營需要進行數據分析時，跟技術人員提需求，他們根據需求寫SQL（用于訪問和處理數據庫的標準的計算機語言）將數據從庫里提出來，然后交給數據分析師進行分析，最后形成分析報表給業務部門查看。

這個過程沒有三五天搞不定，因為部門之間需要協作安排，耗時可能還會更久，大大降低了數據分析的時效性。

除了時效性差，這種數據分析流程還存在一個問題：對技術同學的依賴性很強，如果是小公司沒有技術崗位，那就無法執行了。

在我進行數據分析課程答疑時，發現不少小伙伴都會問，有沒有更“獨立”的數據分析支持工具，可以讓運營自行完成一些數據分析，不用總是勞煩技術，就像稍微學點PS就能處理大部分修圖工作，不用打擾設計師一樣。

答案是有的！市面上有不少用戶行為分析工具，可以讓運營等業務部門更方便地分析數據。

這些工具中還有一些是可以免費使用的。

比如國外的GoogleAnalytics（以下簡稱GA）、Mixpanel，國內有百度統計、易觀方舟Argo、友盟、TalkingData免費版（以下簡稱TD免費版）等。

不過這些工具各有特色，下文我會從幾個角度介紹這些產品的情況，大家可以根據自身的業務情況做選擇。

優質數據分析工具推薦

在這幾款產品中，GA和百度統計算是比較早期的產品了。它們的數據收集以傳統的頁面瀏覽人數（UV）、頁面瀏覽量（PV）和用戶會話（網站訪問量的測量方式）為主。

左GA，右百度統計

不過，對于移動端的App來說，用戶的行為比網頁更為復雜，過去那種以頁面和會話為中心采集到的數據顆粒度不夠細。

因此，近幾年推出的工具都采用了“用戶+行為”的數據收集模式，例如我們這次推薦的易觀方舟Argo、Mixpanel、友盟、TalkingData。

盡管GA和百度統計這幾年增加了關于用戶行為分析和自定義屬性的功能，但本質上主要還是服務網頁產品。

優質數據分析工具評測

接下來，我們從數據采集、數據分析、數據安全性和用戶服務4個方面對上文中的6個數據分析工具進行評測，讓大家更加清晰地了解這幾款數據分析工具的功能，選擇最適合自己的工具。

1）哪款工具的數據采集準確度最高？

用戶停留時長、用戶消費金額、用戶分享率等數據指標，是通過對用戶行為數據字段的加工和處理得出的。

用戶行為字段記錄的格式一般是，用戶ID+操作（比如瀏覽首頁、評價、點贊）+時間。

用戶行為數據字段的準確性，是數據分析工作的重要前提。

數據的準確性，往往跟數據分析工具使用的埋點方式和數據更新頻率相關，我們將從這兩部分進行對比評測，看看哪款工具的準確性更高。

①數據工具的埋點方式對比

首先給大家科普一下，常見的數據埋點方式有3種，代碼埋點、可視化埋點和全埋點。

這些都是技術層面的專業術語，運營同學們只需要了解不同埋點方式對數據準確度的影響。

代碼埋點可以自定義需要采集的數據，精準統計用戶的某一行為，準確度相當高。

可視化埋點，數據覆蓋面和精準度相對較低，精準度要求不高、追求效率的業務可以用可視化埋點。

全埋點，可能會涉及用戶的隱私問題，不做推薦。

6款工具的埋點方式對比

目前來說，除了百度統計外，另外5款分析工具都支持的代碼埋點。其中，易觀方舟Argo、Minpanel和友盟統計還可以做可視化埋點。

基于數據精準度考慮，建議大家選擇支持代碼埋點的數據分析工具，也就是GA、Mixpanel、易觀方舟Argo、友盟統計和TalkingData。

不過，GA、Mixpanel在數據采集上沒有針對國內手機應用的特點進行優化，因此在數據采集的準確性上可能會受到影響。

②從數據更新的頻率對比

數據更新頻率也會影響數據的及時性和準確性。

通過體驗這幾款工具的Demo（演示版本），我發現除了TalkingData免費版是每天更新一次數據外，其他幾款工具的數據實時性都比較好，基本每個小時更新一次。最讓人驚喜的是易觀方舟Argo，它的數據更新是分鐘級的。

綜上所述，從數據準確性來看，這6款工具得分名如下。

2）哪款工具的數據分析功能最豐富？

通過數據埋點對用戶行為數據做采集，我們可以得到很多的數據字段（類似Excel表）。想要通過數據來發現問題、得出有用的運營結論，還需要對這些數據字段進行加工。

這幾款工具的數據加工能力都蠻強大的，運營在做用戶數據加工時可能需要的分析模型，它們都有。接下來，我將通過這幾款工具的數據加工模型質量和個人行為加工深度、數據加工算法精度進行對比。

①數據加工模型質量對比

數據分析模型越豐富，意味著可以從更多的角度看數據。

還是拿小紅書來說，如果只是單一地統計“留存率”這一數據，那么得出的結果就只是“留存率不高”。但是，“留存率不高”的問題出在哪里呢？不得而知。

但是，如果通過人群維度進行留存指標，就能發現，是“低齡人群”（10-16歲）拉低了整體留存率。

我總結了運營工作中經常會用到的數據分析模型，對6款數據分析工具的覆蓋情況進行了比較。

6款數據分析工具的數據分析模型對比

我發現易觀方舟Argo和Mixpanel的分析模型是最豐富的。不過，Mixpanel由于基本沒有本地化，以及SDK（軟件開發工具包）的兼容性問題，對于中國公司來講，數據接入成本很高。

另外，易觀方舟Argo還有一個很贊的數據分析模型——“下鉆分析查看”，它指的是對數據基于同一維度的縱向深入分析。

例如，我們在分析社區的內容瀏覽量時，能夠從內容分類的維度進行細分，深入分析某一內容分類的瀏覽量。這樣一來，就能更加精準地了解到什么種類的內容更受歡迎。

②用戶行為加工深度對比

前面我們所說的數據模型，更多的是基于用戶做整體的分析。在有些情況下，我們也需要對用戶的個人行為進行分析，得出更精細的運營數據。那這幾款工具能不能做到呢？我發現，GA、Mixpanel和易觀方舟Argo的表現比較完美。

易觀方舟Argo有一個功能叫“用戶行為序列”。也就是說，當我們完成用戶分析或用戶分群之后，可以點擊列表中任意單個用戶，獲取他的歷史行為記錄。

這個功能，讓我想起小紅書團隊的一件趣事。今年過年期間，小紅書在App上做了一個錦鯉活動。結果，抽獎結果出來后，他們通過私信、電話等多種方式都聯系不到這位錦鯉。

后來，通過技術人員在后臺查看這位錦鯉的歷史行為記錄，發現TA每天都有登錄小紅書的記錄，說明通過App來聯系用戶是可行的。于是，他們給錦鯉定制了20條Push推送......

圖片來源：小紅書App公眾號

值得一提的是，易觀方舟Argo可以在完成用戶分析與分群后，通過郵件、短信、Push消息等方式對目標用戶進行精準推送。也就是說，假設小紅書的運營用了這個工具，就可以自己給錦鯉發送Push了。

易觀方舟Argo“消息推送”功能

③數據加工算法精度對比

其實，從算法的嚴謹性上看，GA應該是最好的。但是，如果使用的是免費版的GA，在用戶或者事件量較大時，它會采取抽樣分析。由于樣本是隨機的，運營結論的準確性就可能會受到影響。Mixpanel的免費版本也存在類似的問題。

不過，有知乎網友稱，如果網站排名在Alexa（網站流量排行榜）上是一萬五后的，抽樣帶來的影響很小很小，可以放心使用。

提醒一下，GA的付費版最少15萬美元每年。

在數據加工算法上，易觀方舟Argo支持自定義指標、多維度多人群的指標對比、人群交叉分析、即時數據分析（實時分析）等方式。數據算法的多樣化，帶來的最大好處就是，得到的數據分析結果更準確，從而能夠精準地發現運營問題。這一點，我們在上文也提到過了，就不贅述了。

綜上，從數據分析功能來看，6款工具的得分如下：

3）哪款工具的數據安全性最有保障？

對于運營來說，有了第三方工具的幫助，確實在數據分析上會更加便利。但是，與之相伴的還有一個大家都比較顧慮的問題，就是數據安全性問題。目前市場上很多數據分析工具提供的都是SaaS服務。

SaaS服務是一種toB的專業型軟件租賃使用模式，也就是說，這些工具是安裝在供應商的服務器上的，當我們使用工具時，數據就會上傳到他們的服務器上。這樣一來，數據的私密性就會受到影響。國內有很多大型企業都不太愿意用SaaS，就是為了保護核心數據。早在2010年，阿里巴巴就宣布放棄SaaS。

在本次評測的幾款App中，只有易觀方舟Argo支持企業私有化部署，對數據安全有特殊要求的可以考慮，其他數據分析工具都算是一種SaaS服務。

對了，在數據采集上，這幾款數據分析工具基本都是通過SDK嵌入App中獲取數據的。但不同的是，易觀方舟Argo和Mixpanel向企業開放了源代碼，這樣一來，我們可以看到代碼的內容，也就不用擔心代碼中會夾帶一些其他的東西來竊取信息了。

這樣看來，在數據安全性上，易觀方舟Argo算是完勝其他產品了。

4）哪款數據分析工具的用戶服務最周到？

在服務方面，工具之間的得分差異比較大：

除了GA和易觀方舟Argo提供社區服務支持以外，其他產品目前還沒有完善的用戶服務支持。社區服務其實還是蠻重要的，如果在使用產品的過程中有任何疑問，都可以上社區尋求幫助。

而從數據管理、項目管理、權限管理這些常用的管理功能來看，這幾款工具都提供了比較友好的支持。不過，只有友盟+提供了手機App，可以隨時通過手機查看監測的數據情況；易觀方舟Argo則支持通過手機瀏覽器訪問查看數據看板。

總結

數據分析是解決業務問題的關鍵手段，也是運營提高薪資的利器。運營做數據分析不同于技術或數據分析師，關鍵是要有業務思維。

許多公司進行業務數據分析時需要技術人員參與，這樣的流程存在時效性差的問題。如果是小公司沒有技術人員，就很難進行數據分析了。

在這種情況下，大家不妨嘗試一下市場上的用戶行為分析工具。

我們從數據采集、數據分析、數據安全性和用戶服務4個方面對這些工具進行了評測，總的來說，易觀方舟Argo是綜合功能比較強大的，不過大家可以根據自己的業務進一步選擇。

6款數據分析工具的評測總得分

最后，讓我們一起用工具武裝自己，成為高薪運營er吧！