运营分析数据（运营分析数据口头表达）
本文目录一览：
『运营』如何做数据分析
数据分析因人而异运营分析数据，但目运营分析数据的都是为了 指导决策路径 ，经常与做决策运营分析数据的工具方法共同使用，因此在做数据分析前明确本次目的会事半功倍。而确认需求-收集数据-分析数据-确认有效性-改进迭代是其相对完整的闭环。
指导决策，而具体说来分四种： 监控、评估、预研、收集。
监控即日常对数据的监控与把控，一名优秀的数据分析师可以从一点点数据异常和拐点中判断出大盘趋势以及当前游戏的状态，防范于未然之中。而平时的日报、周报、月报就是辅佐来做这些事情的：
-日报观测单日情况，用来识别是否出现重大的运营状况，通常采用环比和同比两种手段，不过要去除节日噪点。
-周报观测每周整体情况，主要关注为整体趋势和环比。需要注意的点两端和拐点，要将前后数据连接起来观察。平均DAU、PU和ARPU是重点关注指标。
-月报关注是整体的数据的变化，它与当月天数及节日的特殊性有关联。需要关注的仍然是趋势，此时趋势走向很重要，决定后面的研发计划方向。
评估指的是用数据复盘开发，一般来说是基于某个版本、活动或系统做大盘分析，在产品初期打磨时也用于去分析问题帮助产品进行打磨。
常用的手法一般是自上而下法，进行层层拆解。即从某个大数据的变动开始分析，慢慢向下进行渗透，最终定位关键点。除此之外会做一些常规性的检测，来协助判断效果，如收入评定（瞬时与长期），活跃评定（瞬时与长期），新进玩家与流失玩家数量和分层比例，玩家口碑，游戏行为如登陆次数在线时长等。
最后这三项很重要，大多数游戏及其容易忽略的，而累积起来很容易造成大的运营事故。
在此之上也可以做更为细致的拆分，还原系统里的成功之匙，为经验的积累提供正向累加。
又称为数据挖掘，一般指的是用数据指导开发，带着问题去分析，概念上比较容易和评估进行混淆，工作上又和用户研究有些重叠。评估是指基于结果去做分析指导改进，预研是基于现成数据去评估是否要做某些新的内容。
比如说现在的游戏时间达到了2小时，我希望提高到3个小时会不会产生什么影响；再比如说我现在要做个消耗活动，那么需要做的额度在多少。基于以上内容对整个游戏进行全方位的衡量与评估。
再比如说，现在银币产出过多，要做一个消耗银币的功能，那么这个银币消耗的范围要做多少，就需要进行预研评估了。
这是一般数据分析人员很少去做的事情，它相当于数据分析师的一个资料库，也可以称之为弹药库。使得分析师可以将标准线不断的进行调整，不断建立新的模型来帮助自己进行更精准的分析，来大幅省人力的成本。
在整体过程中，将会不断出现新的模型更精准的数据来指导数据开发，如过去常见的ARPU、LTV分别指导不同的发行模型。而近几年在端游页游比较火的FRD模型也开始出现了。
分析的数据的方法过程，大致为三种类型：逻辑推导法、量化分析法、测试校验法。
使用的是逻辑的方式来进行，有自上而下法、系统关联法、核心指标法等。
自上而下法 ，从变化数据出发入手。一般用于品评估某次活动或系统的情况，具体的方法基于某次活动可能会影响的预定指标进行拆解，比如说新增的玩家会不会影响老玩家，新增玩家的质量如何等等。基于此不断进行拆解，细化到下层，最终得出相应的结论。类似于验证性因素分析/CFA的方法。
系统关联法 ，从具体系统开始入手，本质上类似于控制变量法。确认近期变动，如更新版本、政策变化、人群变化，从这些内容进行入手进行，寻找数据的变化，逐条筛查。
核心指标法 ，从结论数据入手，先确认目标指标的数据。确认有效目标，通过目标去量化各个环节的内容。比如说我们现在需要衡量好友拉新活动的效果，先定义指标为单位用户所消耗的成本，其余则有单位用户提供的数量，参与度等等。上层数据决定活动整体效果，下层数据决定可优化空间。
使用的是代入关键值的方式，一般有代入分析法、抽样调查法、调查问卷三种。
代入分析法， 因为数据分析的核心在于找到原因进而加以解决，并不仅仅是单纯的给出数据。因此细节的时候会使用代入法进行，来还原为什么这个位置出现的变化。
抽样调查法， 有的时候上述的方法都很难得出结论，因为涉及到的内容比较多。这时只能缩小范围，抽取典型用户进行验证。一般来说抽取在10~20人可以发现共性问题，在基于共性问题继续进行分析，最终比对数据变化的幅度达成结论。
调查问卷法 ，抽样调查法的扩展方式，采用调查问卷的方式定位玩家的属性并区分数据。
使用的是以立场去验证的思路，一般会经历版本的迭代来测试。具体也有ABTEST、控制变量法、定量测试法，其核心都是是变量的定位：ABTEST是直接在一次测试中对变量作出调整；控制变量则是对前一次进行校验分析；定量测试则是和前一次做对比并对某一种类型进行。
而数学归纳、线性规划、动态分布、傅里叶变化等则是更高阶需要使用的，更多针对大数据使用，合理引用数据方法会让分析速度事半功倍。
总之，依据不同的情况使用不同分析方式，最终都是为了相对准确的结果而服务。
整体完成后要再次校验确认其有效性，并且不断关注改进迭代。基本基于目的、来源、逻辑、循环再次进行确认。
-收集数据的目的是否明确，数据是否真实且充分，信息渠道是否可信畅通；
-基础数据是否充分、可信，是否存在因信息不足、失准、滞后而导致数据；
-数据分析方法是否合理，逻辑是否无误。是风险控制是否在可接受的范围，噪点的控制是否合理；
-方法模型对提升工作效率、准确性是否有提升，是否具有可传递性以及是否可以更快速解决问题。
数据分析是为决策服务的，因此不论什么样的方法及模型只要指导出准确的决策就是好的数据分析师。
记住两点：
1、埋点打桩是做不完的，考虑如何最大性能的去进行铺设。
2、无论新模型还是旧模型，核心是指导解决问题，更好的模型更有效率的解决问题。
运营数据分析主要分析哪些方面?
1、引流
通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量优劣。
目运营分析数据的是保证流量的稳定性运营分析数据，并通过调整运营分析数据，尝试提高流量。
2、转化
完成引流工作后运营分析数据，下一步需要考虑转化，这中间需要经历浏览页面—注册成为用户—登陆—添加购物车—下单—付款—完成交易。
每一个环节中都会有用户流失，提高各个环节的转化率是这一块工作的最核心——转化率的提升，意味着更低的成本，更高的利润。
3、留存
通过各个渠道或者活动把用户吸引过来，但是过一段时间就会有用户流失走掉，当然也会有一部分用户留下来，留下来这部分用户就叫做留存用户。
4、复购
有调查数据显示运营分析数据：一个满意的用户会带来8笔潜在生意，不满意的用户可能会影响25个人的购买意愿，可见回头客多么重要。
复购率可以分为“用户复购率”和“订单复购率”，此外，“用户回购率”意义与复购率相似，也在此范围内。
运营数据分析方法有哪些?
1、数字和趋势
看数字、看趋势是最基础展示数据信息的方式。在数据分析中，我们可以通过直观的数字或趋势图表，迅速了解例如市场的走势、订单的数量、业绩完成的情况等等，从而直观地吸收数据信息，有助于决策的准确性和实时性。
2、维度分解
当单一的数字或趋势过于宏观时，我们需要通过不同的维度对于数据进行分解，以获取更加精细的数据洞察。在选择维度时，需要仔细思考其对于分析结果的影响。
3、用户分群
针对符合某种特定行为或背景信息的用户，进行归类处理，是我们常常讲到的用户分群(segmentation )的手段。我们也可以通过提炼某一群用户的特定信息，创建该群体用户的画像。
4、转化漏斗
绝大部分商业变现的流程，都可以归纳为漏斗。漏斗分析是我们最常见的数据分析手段之一，无论是注册转化漏斗，还是电商下单的漏斗。通过漏斗分析可以从先到后还原用户转化的路径，分析每一个转化节点的效率。
运营数据分析怎么做?
1、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。
2、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。
3、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。
4、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。
5、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。
6、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。
运营数据分析包括哪些数据?
1、日流量报表
它统计的是网站每天的访问量(uv)，页面的浏览量(pv)，跳出率反应的是网站的用户体验情况。根据这些参数的对比，可以发现网站的整体运营情况，以及需要改进的地方。
2、询盘跟进表
它统计的是用户询盘的情况，以及转化成交的数量。通过这个统计数据，可以查看到网站优化的实际效果，也方便查看意向客户跟踪进度。
3、关键词流量数据表
它统计的是每个关键词所带来的流量，通过数据分析，可以挑选出潜力大的关键词，以及剔除无法带来流量的关键词和优化成本较高的词。
4、外链建设记录表
它记录了外链建设的数目，以及每条外链的收录情况
5、外链优化效果查询记录表
它综合了一段时期内建设的所有外链，并记录了这些外链所带来的流量，方便分析外链优化的效果。
