运营数据分析包括哪些内容(解说这5个主要工作内容)-众学网

收集多源用户数据；

数据分析；

用户分群；

用户画像

具体业务目标有：

对于设计团队，数据分析可以帮助他们如何提高用户体验、功能增减和优化等；

对于运营团队，数据分析可以帮助他们如何精准投放文案、活动、广告等；

对于BD团队，可以帮助他们筛选推广渠道、把握目标客户等；

对于公司，深度理解业务、快速更进方案和洞察问题所在等。

更多……

下面进入数据分析模块的内容分享，用户行为数据分析方法常见的主要有5种，我将从五个方面结合自己的理解来阐述。如下图所示：

01 事件分析1. 定义/概念事件分析是对用户触发的行为事件进行多角度分析。按照小学时代的日记写作方法理解，叙述一件事情重要的元素是时间、地点、人物、做了什么、怎么做的、为什么做、做了多少，也就等同于5W2H模型（when、where、who、why、what、how、how much）。对事件分析普遍采集的数据进行归纳研究后，我发现可以用一个公式进行理解：一个用户行为事件=时间when 地点where 人物who（单个用户、用户群）行为what（动作动作对象）工具how（设备、操作系统、语言等）指标how much（统计事件的计量方式）。2. 需要记录的数据根据上述的公式，需要记录的数据如下：

3. 计量方式/统计指标

事件触发的页面数，例如浏览了产品多少个页面，才满足了自己的需求；

事件发生时长，例如浏览商品列表页、详情页的时长，浏览短视频时长等。

4. 分析视角通过分层、分组、和过滤的方式进行分析，根据上述公式的元素总结分层、分组和过滤的维度。

时间：

用户：

行为：

其实在很多资料上都把行为和事件都当作一样的概念，但是我自己觉得行为是事件的一个元素。用《数据结构》课本上的知识，确切的来说：事件就是一个数据元素，行为是事件的一个项。所以我在本文将把行为和事件划为2个概念，所以【事件属性】这个词我觉得用【行为属性】来表示更贴切。我从用户和产品两个角度对行为属性进行分类和归纳。其一，在上述的那个公式中，按照用户视角下的用户在屏幕前的动作和动作对象（这里我是结合主谓宾结构来思考的，有了用户（主语），行为的话应当包括动作（谓语），动作对象（宾语），这样就是完整的结构），然后我自己还根据用户视角下用户态度来对行为属性进行分类。其二，站在产品角度，或者是公司角度，用户行为中最关心的是，用户的转化行为、购买行为、社交行为等。具体如下图所示：

工具

地点

事件结果

事件的结果分层、分组和过滤就是对统计指标进行划分。

5. 应用场景由于用户行为是动态，所以在前端事件分析的结果会展示过去、实时现在、趋势未来。例如实时在线人数、实时交易额等；用曲线图展示事件的发展的趋势，以预测未来的变化方向；也能够统计事件总体情况。经过细化的分层，又能够对用户进行精细化的分组，以便于精准的用户运营。经过对事件分析的总结，个人发现事件分析是所有分析方法的前提，捋清楚了事件分析的思路和各维度参数的含义，才能进一步的去了解其他的分析方法，特别是对用户行为和用户属性的理解，如何能够全量地进行分类和局部关键行为的概括。02 分布分析1. 定义/概念分布分析主要分析两种情况：

洞察用户行为分布规律；

观察不同维度（渠道、地区等）用户分布情况。

说到底分布分析就是事件分析中分层和分组的过程，是一种非连续性变量的统计分析方法，其目的就是为了进行层间和组间对比分析，以找到产品优化方向、甄别核心用户群、实时调整运营策略。2. 需要记录的数据同事件分析3. 计量方式/统计指标行为次数、用户数4. 分析视角分布分析的思路与事件分析的分层、分组分析的过程一致。但是分布分析更侧重对比分析，事件分析主要是呈现层间和组间的数据信息。

5. 应用场景对比分析，可以得出topN的列表，及时调整资源分配。

行为分布，可以对产品功能进行优化，以提升转化和留存。

用户分布，可以获取ARPU最大的核心用户群体，以优化运营策略。

03 留存分析1. 定义/概念一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为，衡量产品对用户价值高低的重要方法。留存分析较其他的分析方法，更侧重于分析产品对用户的意义，只有用户觉得产品帮助自己解决了某些问题、满足了自己的需求、或者功能用起来更便捷的时候才会延用下去，否则用户一定吝啬自己的时间和手机内存的。这也是验证用户需求分析是否到位，产品设计是否合理的关键指标。2. 需要记录的数据除了同事件分析外，还需要记录产品功能信息。3. 计量方式/统计指标n日留存率、n日留存人数。4. 分析视角留存分析主要从两个角度出发，用户的留存情况和产品功能的留存情况。

5. 应用场景留存分析应用于需要明确一些问题的场景。

用户是否触达产品核心价值（关键事件，转化行为）？

留下来的是不是目标用户？

用户活跃程度、质量如何？

关键事件前后间隔时间是多少？

用户生命周期和产品使用周期是什么样的？

产品是否满足了用户需求？

用户为什么留下来、或者没留下来？

……

最终为产品的迭代、产品的设计、运营策略、资源分配进行最佳的调整。04 漏斗分析1. 定义/概念首先我想通过自己设计的漏斗分析举一个例子，这个例子是关于【搜索购买】的漏斗。如下图所示。从图中可看出，漏斗分析是对多个行为进行分析，并且这些行为不仅有先后次序的，而且是一个完整的复杂事件，对漏斗的每个行为我们都很关心（不只是开始和结束的行为，还有中间的过程，这点似乎是对留存分析的一个细节补充）。漏斗分析是需要先预设好漏斗步骤和窗口期，总的来说是设计好的转化漏斗和转化周期，一般情况是对核心事件的转化行为的一个衡量方法。一个转化漏斗分析，可以得到许多的信息，如图右边的【数据细节】所示。

需要注意的一点就是，漏斗分析没有强顺序，中间可以重复步骤内的行为，也可以穿插步骤外的行为，只要在窗口期内完成漏斗步骤内的行为即可。例如：窗口期为1天，漏斗步骤为“A->B->C->D->E”，在用户触发A->B ，又回到A，再回到B或F，那么只会记录A->B一次，而F行为不在漏斗步骤内，则不参与统计。2. 需要记录的数据同事件分析。3. 计量方式/统计指标

漏斗转化率、转化人数、转化次数；

漏斗流失率、流失人数、未转化次数。