运营人如何进行数据分析？

小提示：您能找到这篇{运营人如何进行数据分析？}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的运营人如何进行数据分析？内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

　　要步骤，也是一个很有技巧的工作。如果这方面做得好，不但可以拉近和观察型客户的心理距离，而且还可以尽快促成交易；反之，未开口便吓跑了观察型客户。

　　 3米距离原则是指在客户距离自己还有3米远的时候就可以和客户打招呼，微笑，目光接触。这个距离会让观察型客户感觉很舒服，没有被侵犯或被压迫感。观察型客户非常敏感于他人的非语言动作，如果你对观察型客户不理不睬，没有表现出热情欢迎的样子，他们就会因为不了解周围的环境或对销售人员很陌生而觉得没有安全感，会令他们很不舒服。这样就可能把自己封闭在自己的世界里，使之后的沟通出现困难，或者直接逃走。销售人员如果能够在观察型客户刚刚进来的时候适当地表现出热情态度，就会使观察型客户感觉到亲切，防御心理就会大大减少。

　　 现在有很多销售人员会喜欢用“请随便看看”来代替“欢迎光临”，却不知这句“请随便看看”的欢迎语会给客户输入一种“看看就走”的潜意识，观察型客户对这种意识会更加敏感，并且会不自主地加强这种暗示，由此会很快走掉。我们打个比方说明一下潜意识对人心理产生的影响。当你在清晨一觉醒来的时候，如果对自己说一句：“今天我心情很好，我是一个快乐的人。”那么你一天可能都很快乐。之所以出现这样的结果，就是潜意识在对人起作用。所以，销售人员一定要小心说“请随便看看”这句话。

　　 不要过分热情。大家可能都会有这样的经历，有时候我们去逛专卖店或去商场购物时，通常会碰到一些过分热情的销售人员，他们会大老远就和你打招呼，当你走进他们的专柜时，他们更是尾随而至，寸步不离，并且喋喋不休地开始介绍他们的服装如何如何。作为客户来说，喜欢有一种宽松、自由的购物环境供自己观赏和挑选，销售人员不分青红皂白地介绍反而会让客户感到一种无形的压力而想趁早逃之夭夭。这种过分热情对于观察型人来说更是大敌，他们会非常气愤有人侵犯了他们的自由空间，所以销售人员在对待客户时切忌过分热情。

　　 要给客户自由的空间和时间进行商品挑选并不意味着销售人员对客户不理不睬、不闻不问，关键是要找准出击的最佳时机。销售人员要和客户保持恰当的距离，用目光追随客户，观察客户的行为、举动。一旦发现机会，就可以迅速出击。那么，什么时候是出击的最佳时机呢？大概有以下几点。

　　 （1）当客户驻足在某件商品前，并且停留的时间稍长或者在走动的时候突然停下脚步时，就表明客户对某件产品产生了兴趣，这时你不妨走上前去。

　　 （2）当客户仔细地打量某件商品，并仔细查看产品标签上的品牌介绍、价格、产品成分，这就表示他有这方面的需求，有购买欲望，这时候你可以走上前去。

　　 （3）当客户看着产品又四处张望时，说明他想要找销售人员帮助，这时候你一定要不失时机地走上前去。

　　 （4）当客户主动提问时，说明客户需要帮助或介绍，此时你就可以帮他答疑解惑了。

　　 需要注意的是，我们在走上前去的时候，也要和客户保持1.5米的最佳距离。

　　 当我们有机会走近客户的时候，就已经离成功销售近了一步了。如果销售人员能够得体地和客户进行交流，那么就会进一步拉近彼此的距离。当销售人员走近客户时，可以通过这几种提问方式和赞美语言来拉近和客户的距离。

　　 “您好，有什么可以帮您的吗？”

　　 “这件××很适合您！”

　　 “请问您穿多大号的？”

　　 “您的眼光真好，这是我们公司最新上市的产品。”

　　 这些恰当的提问和非空洞的赞美之语会让观察型人心里很舒服。切忌在提问的时候问及个人隐私，这是观察型人最不愿意遇到的情况。

　　 观察型客户都比较腼腆，行动迟缓，在之前的铺垫下，如果观察型客户没有走，就说明他已经接受了这家店铺，并且对衣服产生了兴趣。所以，此时销售人员应该主动热情地引导他选择，帮他试穿，如果他没有感觉不太好，通常都会购买。有数据表明，68％的客户试穿后会购买。其实观察型客户对外在形式并不是很挑剔，只要符合了他们内在的要求，一般都会购买。

　　一定要尊重观察型客户的隐私

　　 观察型人在自己的心里构筑了一道防线，他们需要充分的私人空间和高度的隐私，否则就会觉得很焦虑、不安定。有一些夸张的朋友，在他享受个人时光时，甚至连他的老婆给他送杯水都会被赶出去。到了一个陌生的环境，他们不仅会十分谨慎，更会非常警惕，所以你一定要尊重他们的界线，如果你必须跟他们谈话，要事先告知他们。

　　 有这样一个例子：保健品销售专区，一位40岁左右的知识女性在认真、仔细地挑选保健品。

　　 销售人员：“大姐，您好！买保健品？”

　　 客户不答话。

　　 销售人员：“是自己吃还是送人的？”

　　 客户还是不答话。

　　 销售人员：“大姐，您看这盒西洋参口服液卖得挺好的，大品牌，真材实料，吃了有效果，也放心！”（见客户的眼光落在西洋参口服液上，销售人员随即介绍。）

　　 客户持续无反应。

　　 销售人员：“大姐，要不您看看这个产品，×××，养心健脑、延缓衰老，特别适合像您这样工作压力大的知识分子服用！”（销售人员拿下产品，递给客户。）

　　 虽然数据分析一直都被视为运营人的短板 ，但是作为一个运营  ，不会进行数据是不合格的运营 。也有一些运营人 ，一听见数据分析就头疼  ，很害怕去分析各种各样的数据  ，看见数据就头疼  。

　　 其实  ，运营的数据分析也没有那么困难  。了解了一些基础的应用场景之后 ，自己也能很好地进行数据分析 ，而且学会了数据分析之后  ，对于未来运营的方向以及运营的改进点会有了更加明确的目标  ，不再单单靠感觉进行  。

　　 今天  ，就结合自己在实际工作中遇到的一些情景 ，来和大家聊聊  ，运营人在日常的工作中  ，如何去进行数据分析  ？

　　 数据分析一般有以下3个目的：

　　 原因分析：

　　 未来预测：

　　 通过以往的数据分析  ，找到数据中的某种趋势或者共性  ，从而更好地指导未来的运营动作  。比如在公众号运营中  ，通过以往对以往内容的关键词进行分析  ，找出打开率高、阅读量高、转发量高的内容 ，从而方便后期更好地进行选题和内容创作  。

　　 现状分析：

　　 数据是当下最好的体验  ，及时了解当下的运营情况以及变化情况  ，更加趋向于短期的数据分析  ，如日报  ，周报 ，月报等数据分析  。在某个时间节点里 ，数据变动的原因分析 。

　　 对于运营来说  ，数据是运营结果的表现  ，通过对数据的分析 ，可以发现之前运营动作的优点和不足的地方  ，未来更好地去进行运营动作  ，也更好地知道未来运营重心该放在何处  。

　　 我个人更喜欢对有关联的数据进行逐一分析  ，将分析的结果用文字表达出来  ，并且针对这一数据结果提出优化建议  。个人感觉 ，如果不是数据基础非常好的朋友  ，不建议直接通过图表进行分析  ，这样可能会遗忘很多关键内容  。数据分析的最终目的  ，还是发现以往数据的不足  ，从数据中找到线索  ，针对当下情况提出解决办法 ，为未来运营动作提供数据基础  。

　　 一、数据分析的步骤 对一个运营来说  ，数据分析的思路也是运营的过程相似 ，找到数据分析的目的  ，数据分析的维度  ，最终从数据分析中可以得出什么样的结论  。

　　 从运营动作中发现问题 ，从数据中找到问题的根源  ，寻找造成数据的原因  ，提出解决问题的方案  ，开始执行运营动作优化  ，再根据数据进行优化  。

　　 数据分析可分为6步走：

　　 明确分析的目的和思路：

　　 运营是靠目标驱动  ，做事情带有很强的目的性  ，同样地 ，在数据分析方面也同样遵循这个原则  。对数据进行分析  ，最终的目的是什么  ？我想要解决什么样的问题  。

　　 在这里可以采用5W2H的原则来逐渐确认分析的目的和思路：

　　 what：我的业务是什么  ？业务流程是什么  ？业务的核心指标是什么  ？其他指标是什么  ？其他数据分析的目的是什么  ，最终想要解决的是什么样的问题  ，用什么样的数据分析方式  。

　　 why：为什么会出现这样的数据 ？原因是什么  ，理论依据是什么  ，后期解决措施应该如何推进  。

　　 who：分析的用户群体是哪些用户  ，他们有什么样的特征  ，出现这样的数据是否和用户群体的某种特性有关 。

　　 when：数据分析的日期是从什么时候到什么时候  ，中间采用了什么样的运营策略  。

　　 where：是在哪里  ，哪部分的数据  ，是否和位置有一定的关系  。

　　 how：如何去进行数据分析  ，用什么样的数据分析方法最有效  。

　　 how much：数据分析花费的时间和成本各是多少  。用户在上边花费的时间是多少 。

　　 从数据分析中  ，我们可以了解到单个渠道的获客效率  ，单个渠道的转化率  ，以及用户arpu值  。有些渠道的用户转化率高  ，但是arpu值低  ，不同的渠道有不同的用户属性和用户的价值点  ，也导致最终数据的结果会出现差异  。

　　 数据收集

　　 运营数据收集  ，越详细越好  ，所以在要求前期进行数据统计的时候就需要有关大局观  ，将后期数据分析可能会用到的数据尽可能多地收集起来 ，以方便后期进行数据分析  。

　　 对于新媒体来说  ，文章的标题 ，文章的关键词  ，文章的情绪点 ，文章阅读量 ，转发分享量  ，好看量 ，每日涨粉量  ，掉粉量等数据  ，每天或者每周进行一次统计  ，方便后期做数据分析 。

　　 同时  ，也需要了解市场上同类产品的一个情况  ，去了解竞争品的情况才能更好地了解自己的实际情况 。有对比才知道自己处于行业一个什么水平  ，未来还有多大的空间  。

　　 数据处理

　　 对收集到的数据进行加工整理  ，形成适合数据分析的样式 ，从大量的  ，杂乱无章、难以理解的数据中  ，抽取并推导出对于解决问题有价值  ，有意义的数据  。包括数据清洗  ，数据转化、数据提取以及数据计算等处理方法  。

　　 数据分析

　　 运用适当的数据分析的方法和工具 ，对处理过的数据进行分析 ，提取有价值的信息  ，形成有效结论  。

　　 数据展现

　　 对数据进行可视化地展现  ，尽可能地多用图标、趋势图、饼图等形式进行说明和解释  ，能够直观地传达出数据分析的结果和观点 。如果是最终数据是供自己参考  ，那么在数据展现时  ，能够清楚地了解到自己想要的数据  ，能够从数据中得到一定的启发即可  。

　　 如果是需要供领导作决策和参考  ，则需要表现数据的可视化  ，在数据图标中做进一步的分析和说明  。

　　 撰写报告  ，提出解决方案

　　 如果是自己进行数据分析  ，则对数据进行分析处理后  ，发现数据变化的原因  ，并提出解决出现这个数据的解决办法  ，投入优化和使用中  。在多次测试中 ，找到解决问题的最优解 。

　　 如果数据分析的结果要最终给领导做决策  ，为领导决策提供一定的数据和理论依据  ，则需要完整地表达出数据的最终结果是什么  ，是什么样的原因导致了这样的数据  ，未来可以针对这样的数据有什么样的解决办法  。

　　 数据分析的最终结果  ，是为了解决某个问题提供数据基础  ，或者从数据中找到之前的未来动作的优点和不足  ，为未来进一步加强或者改善提供支撑  。靠感觉这样的事情本身就极为不靠谱  ，最终还是得从数据出发  ，找到解决办法 。

　　 二、常用的数据分析模型 运营在面对一堆数据的时候就发怵了 ，该从哪些维度进行分析  ，和业务端结合  ，该用什么样的数据分析方法论  。接下来  ，就和大家聊下关于数据分析方法论的事情  ，看到数据的时候  ，如何运营这些数据分析模型和业务结合  。以下这些数据分析的模型  ，是我们在数据分析中常用的一些模型  。

　　 RFM模型

　　 电商里边常用的数据分析模型 网络营销和ui ，根据这个模型可以分析出这个用户是否属于高价值用户  ，是否能够进行有效召回  。

　　 R表示最近一次的消费  ，最近一次消费时间非常近  ，对用户进行召回的可能性非常大  ，用户的价值值得进一步的深挖 。

　　 M表示消费金额  ，单次消费金额越高 ，说明用户的价值越大  。

　　 根据RFM模型  ，我们可以将用户分为几种类型用户  ，针对不同类型的用户用不同的方式去进一步提升用户价值  ，最终达到提升GMV的作用 。

　　 AARRR模型-漏斗模型

　　 漏斗模型是在用户运营中常用的一套模型 ，用户从最终的拉新 ，到最后的自传播都经历了一系列的数据缩减和消退模式  。

　　 上一个步骤离下一个步骤的转化率是多少  ，和行业的转化率相比存在什么样的差异  ，每个渠道的转化效率存在着什么样的差异  。

　　 通过漏斗模型来看  ，用户从最开始的获客到最后的变现  ，是否出现有什么异常情况 ，每个渠道之间是否存在明显的差异 ！

　　 如果要在短期内达到运营目的（提升日活或者收入） ，是在拉新还是促活上下力会更有效果呢 ？

　　 用户行为理论：AIDMA模型

　　 漏这个模型和上边的漏斗模型相似 ，用户从最初的感兴趣阶段到最后愿意分享的环节  ，每一个环节都经历了消退  。

　　 用户从淘宝上进行搜索 ，到最终的支付下单  ，会经历不同的步骤 ，对步骤拆分地越仔细  ，越能发现用户在哪个环节进行了流失 ，以及重点去分析用户流失的原因  。

　　 内容传播模型

　　 内容阅读量=老用户数x点击率+老用户数x分享率x用户好友数x点击率+新用户x点击率+新用户x分享率x点击率

　　 NU – New Users（新用户数）

　　 AU – Active Users（活跃用户数）

　　 R% – Retention Rates（留存率）

　　 S% – Share Rates（分享率）

　　 F – Friends（好友数）

　　 C% &nda抖音小店应该开通企业还是sh; Conversion Rates（转化率）

　　 AU 01 = NU X0 × R N1%

　　 NU 01 =美容店的促销方案 AU 01 × S N1% × F × C N1%

　　 = NU 00 × R N1% × S N1% × F × C N1%

　　 = NU X0 × K N1%

　　 NU X1 = NU X0 × K N1%

　　 …………

　　 NU X4 ≈ NU X0 × K N1%4

　　 NU n ≈ NU 0 × K %n

　　 所以 ，一篇传播力度非常广的文章一定是通过多次分享传播带起来的  ，单纯地靠已有的用户群进行打开  ，本身就具有局限性  ，很难达到火爆的现象 。

　　 三、以电商为例  ，该如何去进行数据分析  ？ 接下来  ，我将自己的实际经验  ，和大家分享下电商行业如何去进行数据分析 ，根据分析的不同结果 ，又该采取什么样的运营手段去解决数据背后的那些问题点  。

　　 对于一个电商来说  ，最重要的就是流量以及最终的转化率问题  ，不同的流量来源 ，最终的转化率不同  。对于每个渠道进来的流量进行逐一分析 ，看看用户通过这个渠道进来的用户路径是什么样的  ，最终转化率是怎么样的 ，在哪个环节最容易出现问题  。

　　 通过下边的那个图  ，我们可以看出店铺的常规流量来源  ，再从每一个环节去提升流量的最终支付转化率  。

　　 其次  ，利用RFM模型来对已经转化的用户做用户运营  ，提高已经转化用户的留存率和最终的价值  。

　　 按照用户在某段时间内的消费频率  ，消费金额以及最近一次消费记录可以推算出这个用户是不是重点维系用户  ，未来是不是还可以对用户进行充分地价值挖掘 。再结合运营手段  ，短信召回 ，建立会员制度等  ，充分提高每一个已经转化用户的价值  。

　　 原创作者/公号：刘婷