暖石网
nuanshi
|
零基础转行系统课
【实操预览】真实的数据分析工作要做什么?

好奇吗?这里有一套结合真实工作场景设计出来的实操,先进来感受一下吧👇

不会做不要紧,后面的课程会手把手教大家的。现在需要大家先看实操,了解真实工作中会基于什么需求进行数据分析,具体的分析步骤有哪些,有精力的小伙伴甚至可以动手做一下这个实操,然后带着疑问开始接下来的学习。

🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃

🍉先容我说两句:

因为数据分析的实操需要用到大量与真实场景相近的数据,所以我们让大家来分析【暖石的公众号】,这样我们就可以为大家提供大量的数据了,方便还原出真实工作场景中数据的复杂性,从而让大家有更深入的练习。

所以希望大家能够理解为啥我们要分析暖石的公众号~


🔴 实操一: 做好数据分析的前期准备

假如你已加入暖石三个月,已经开始独立负责暖石网这个公众号的运营。

hDtMbjSoz9WNvMEV.jpeg__thumbnail.jpeg

老板对这个公众号的要求是到今年年底,要为暖石网站带来1000万个访问用户,你接手这个公众号的时候,已经完成了60%的目标。

刚刚入职转正的你,此时的心情是又兴奋又感到一丝压力,冷静下来后,你认为当下要做的事情,就是用两周的时间,梳理一下,之前的用户,都是怎么从公众号去到暖石网的,然后看看哪条路径最好用,还可以怎么做提升。


两周的工作目标已经确定,现在,你需要开始按部就班地开展分析工作了:

【第一步】

想知道大家是怎么到暖石网的,就得先把可能的途径都给列出来。

如何把路径都列出来呢?这里教大家一个方法:

把你自己当成用户,从关注公众号这一步开始,按照用户逛公众号的操作步骤,把可以跳转到官网的入口都找到,画出用户行为的流程图。

你可以参考一下隔壁b站运营小伙伴画出来的流程图,依葫芦画瓢,搞出一幅公众号的流程图:

5s1EhQftB6DFqEm5.png__thumbnail.png

🔷【作业要求】

提交公众号的用户行为流程图

------------------------------------------

【第二步】

画出了用户行为的流程图,知道了用户都是怎么进入到官网之后,现在要做的就是找到那些可以体现转化效果的数据指标了。因为我们要根据数据指标去收集数据,所以拆解出有效的数据指标,是做好分析工作的基础。

(1)

怎么确定数据指标呢?

这就需要用到你画好的路径图了。路径图会告诉你用户都会走到哪里,而你需要统计的是用户在每个环节的流失情况,以及每个环节有哪些数据表现得好才能提高用户留存。

(2)

为了分析出哪条路径的转化率最高,你需要沿着用户路径,从目标出发,一层一层拆解,把需要统计的指标列出来。而且这些数据一定都跟你的业务指标——跳转官网量有关系,那你还需要把指标之间的关系表示出来。

 

表现形式可参考下图,下图是围绕【微信渠道带来的有效咨询量】这个业务指标,逐层拆解出来的数据指标。

mzhbnU3Sx4Vjkp4Q.png__thumbnail.png

🔷【作业要求】

拆解【跳转官网的到访量】这一业务指标,提交你的拆解结果,让老师能够看到指标之间的逻辑关系。

------------------------------------------

【第三步】

数据指标拆完了,却发现根本无法收集到相关数据,那还是白费力气。所以这一步,你要做的就是赶紧去看看公众号后台都提供了哪些数据维度,这些数据维度经过一番加减乘除的处理后,能否变成你需要的数据指标。

🔷【作业要求】

请说明,上一问中你罗列出来的指标中:

  1. 哪些是公众号后台已经直接提供的;
  2. 哪些可以自己统计,要如何统计。

🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃


🔴 实操二:从这一步开始成为数据处理达人

你的老板希望能有更多的人通过点击【阅读原文】跳转到暖石官网

yU645nHrVEASE4wo.jpeg__thumbnail.jpeg

然后你就去公众号后台导出了4月至今的相关数据【原始数据库】,再然后又查看了一下你的流程图和拆解出来的数据指标,列出了跟【阅读原文】相关的数据指标。

现在,你开始对数据进行整理,从一堆原始数据中抽取你需要的维度,进行一番加减乘除,整理出你需要的数据指标,就像下图这样:

i96c7w4nTUGOmNfK.png__thumbnail.png

接下来就是从中找到你认为最值得关注的数据,也就是你认为有异常的数据,而且它对提升目标值起到很大的作用。你要对这类数据进行分析推理,得出你的假设。


🔷【作业要求】

(1)提交你整理出的数据表;

(2)展示你的分析过程及得到的假设。


🔸注意:

  1. 这个数据库取自公众号后台,数据做过处理,不必当真。数据未必都要用到,主要取决于你的分析过程。
  2. 这里说的假设,是对数据呈现出的规律进行的描述,比如片尾对【阅读原文】内容描述越多,对其的点击率就越高;而不是直接给出建议或原因,比如建议在标题中增加感叹号,能够提高打开率,因为用户喜欢看刺激性消息。
  3. 在数据分析工作中,我们需要先看到数据中呈现的规律。确认规律真的适用后,接下来才会去找规律产生的原因,然后利用这个规律及背后的原因,提出优化建议。打个比方:我在看18-19年各月份销售额的时候,发现这两年6-7月分析的销售额都会降低,于是我提出了一个假设:每年6-7月份销售额会降低。为了验证这个假设是否成立,我把往期的数据都导了出来,发现确实如此。于是假设成立。我开始找这个规律形成的原因,我调查了用户,最终发现,用户在这个阶段想离职转行的冲动没有那么强烈,因此购买欲望降低了。针对这个原因和规律,我给出的优化建议就是在每年的6-7月份做一些促销推广活动,并重点强调学习3个月后直接进入金九银十招聘季。
展开全部 折叠列表
< 返回课程表