你是否也曾被数据分析搞的脑壳疼？
A——“我是文科生，干嘛让我来做数据分析？”
B——“Just Do It 就是了，分析不就是浪费时间吗？”
很多人比较排斥分析数据，觉得自己的数据样本太小不值得分析，或者觉得这次项目做失败了没必要分析，这其实都是对数据分析的偏见。
其实数据分析并没有我们想象中的那么高深莫测外加高大上，它不是华丽的表格，也不是黑客电脑一样满屏密密麻麻自动传输的数据，更不是火箭工程师的数据模型，它对于运营来说，更多的是一种思考逻辑、一种思维能力，掌握它是为了更好地帮我们做决策。
通过分析人们交通出行的数据，你能轻松买到低价机票；通过分析楼下生鲜店的客流量，你可以选择一个无需拥挤的时间买到低价新鲜肉；通过分析你心动女孩的面部表情数据，你可以找到最佳时机献殷勤或者表白，我们在生活中做的这些决策，其实都是经过大脑数据筛查分析后作出的判断。
关于数据分析的文章很多，各种方法论、各种分析模型，今天想说的是先建立起初步的数据分析意识，让你的数据分析思维流程化，逐渐转化成日常思维习惯，这比单一的知道某种数据分析模型要有用的多。就像练功一样，你先修炼好内功，再练习各种招式就事半功倍了。
一、熟悉你涉及领域的数据名词/指标
数据指标能帮住我们更容易理解用户行为，每一个指标都是用户动作的关联，通过了解这些数据指标从而推测你对用户的影响力。
比如公众号运营：阅读数、点赞数、留言数、转发数、新增粉丝、取关粉丝等
APP运营：用户总量、新增用户量、下载量、UGC、UV/PV、DAU/MAU、TAD、ARPU、LTV、付费用户量、留存率、用户使用时长等
电商运营：访客数、GMV、客单价、订单量、转化率、毛利率等
SEO：收录数、关键词排名、UV/PV、IP、跳出率、平均访问页数、平均访问时长等
二、了解改变哪些指标更有利于你达到目标
无论是做APP推广还是做活动，我们最终关心的还是效果、但是在统计效果的过程中，往往需要我们关注很多数据指标，有些指标的提升带动了其他指标的增长，所以我们决定做某一动作之前，先确定我们最终要优化的是哪个指标。
如果我们APP用户基数很大，但是活跃用户数不高，领导就可能让你做个提高用户活跃的活动。结合统计周期，活跃用户数又可以分为日活(DAU)、周活(WAU)、月活(MAU)，虽然它们之间相互影响，但是提高单个指标的方式还是略有差别的。
比如为了提高日活，“开心词场”将一本词汇书分成很多关卡，用户通过每日游戏闯关的方式，完成单词背诵。比如一个视频平台的新用户都是奔着某个节目来的，节目一结束，一些用户就不活跃了，为了提高月活，通过分析用户，如果用户是为了看《芈月传》来的，就给用户推送孙俪演的其他节目或者相关历史剧，慢慢拓宽用户观看节目的宽度。
其次，如果我们最终确定以提高日活为目标，我们就要了解自己产品的日活水平，以及行业优秀水平，然后定一个合理的目标。用百分比来表示，通常认为日活在20%以上的APP算是不错的，超过50%那就是世界级水准了。
三、了解提高指标的关键动作
要想提高某一指标，不是直接拍脑门就能想出解决方案的。我们需要利用流程化思维和数据分析漏斗来判断影响用户的关键动作。流程化思维就是我们拿到一个问题之后，回归到整条流程链条上去，从流程中寻找答案。
比如我们想通过一个沙龙活动为公众号增粉，新增粉丝数是最终评估效果的指标，我们梳理活动的流程大概是这样的：
我们可以把每一步进行细分，寻找可以引导用户关注公众号的着陆点，比如活动宣传期，在推送渠道的选择上选择微信图文推广，就要比选择视频宣传更有利于增粉转化；在用户报名阶段，设置用户关注公众号就可以免费报名；
等待活动开始过程中，让用户分享推文，通过完成指定动作比如点赞即可以在现场获得伴手礼一份；在活动进行期间，设置一些促进传播的现场趣味小互动，比如现场拍照发朋友圈，转发文写上前往公众号获得免费课程等；活动结束后，用现场用户互动的图片做后宣H5，引导用户传播。
通过流程化思维方式，我们可以清晰地看出哪些过程的哪些动作可以促成你完成指标。同时通过漏斗模型分析，我们又可以找到刺激转化的关键节点。
从这个漏斗发现，从活动宣传页面到用户报名这个过程流失了大多数的用户，从整体增粉的角度考虑，要着重围绕这一步增加转化，宣传页面要从形式、文案、图片、激励、转发语等方面提高转化，形式例如图文音频视频H5等，要选择最适合传播和关注转化的形式；
文案如标题、文风、排版等要做到整体风格统一，层层递进。通过数据漏斗分析，我们可以把握到着重发力点，倾斜核心资源注入。后期我们还可以通过漏斗转化来进行效果验证，通过交叉对比，找出数据差异，追踪异常数据，做后续的漏斗改进寻找。
四、A/B测试找出最优解决方案
在我们解决方案的过程中，可能想到不只一种方式，A/B测试就是用来对比不同产品设计/算法对结果的影响，运营可以用A/B测试进行不同渠道、内容、动作的效果评估。
比如，我们要推一条活动push，要评测哪个更能吸引用户点击，通过比较实验组（A组）和对照组（B组）的抵达率和点击率两个衡量指标，来评估哪个push效果更佳。
在目标管理原则SMART里，有个原则是Measurable（可衡量的），我们经常说，不能衡量就无法增长，数据分析对运营工作的提升有着至关重要的作用，但是掌握单纯的理论还远远不够，实践出真知。我们只有在日常工作中，逐步培养数据分析思维，提升转化，才能更好地运用数据驱动运营。
