介绍一个通用的数据分析方法论如何运营分析？ _运营分析

当我们看了不少增长案例之后，再看看手头的工作和业绩目标，是不是还觉得不知道怎么实现？那是因为许多案例并没有介绍得出结论的分析过程，而只是描述了问题的背景和目标，以及优化之后的效果。真正的分析过程，往往被“发现”两个字一笔带过。
当然有人会说，数据分析过程是一个见仁见智的过程，根本不可能按照一个统一的流程完成全部分析，特别是在互联网领域的高速变化当中。那么数据分析的过程，究竟是一个只有零散技巧而无章法可循的过程，还是一个有明确的步骤并可以严格依照执行的过程？我认为是后者。

我们这就来介绍一个通用的数据分析方法论：数据分析五步法，这个框架具有一下几方面特点：

不与具体业务绑定，是从决策需要的信息角度出发的；
具有开放性，可融入个人经验和前沿技术；
可结合大数据技术，排除人工环节，实现自动化；
逻辑清晰，容易学习。

一、分析五步法这个简单的数据分析五步法，基本能够应对日常工作中至少80%的常见数据分析问题。而剩下的20%的场景，可以在这个基本的分析方法论上扩展出来，我们会在后面的内容中探讨。
1.1 五个基本步骤首先，我们来一次讲解着5个基本步骤，分别是：

汇总
细分
评价
归因
决策

1.1.1 汇总
这一步我们关注的是指标，也就是大家常见的那些DNU、DAU、GMV、ROI等等。只要是说到数据分析的内容，一定会提示数据分析“要明确目标” 。因此，这个重要性我们倒是不需要赘述。
目标当然是所有指标中最重要的。但只有目标还不够，我们还需要其它的辅助指标。就比如ROI，是投入和产出两项算出了ROI；而GMV，也可以用用户数乘以平均每用户的GMV计算出来。这样，我们就把一个目标的计算，拆分成了更多相关指标的组合。并且，这些指标更基础，我们可以通过一些运营手段影响这些指标的变化趋势。
这部分没有什么理解的难度。只不过，我们要找出指标之间的计算关系，由此逐渐找到所有我们需要关心的指标。在现在的互联网产品运营当中，从来不会缺少需要看的指标，已经多到了眼花缭乱的地步。但只有那些跟目标相关的指标，我们才需要关心。
1.1.2 细分
这一步相当于给指标增加了一个或者若干个维度。最简单的维度应当算是时间了。比如，我们按天看UV的变化趋势；又或者，我们看不同页面带来的GMV是多少、看不同用户分群中的GMV分别是多少等等。如果我们理解前面的指标只是一个数字的话，增加了维度之后，它就变成了一列数据；增加了两个维度之后，它就变成了一张表格，以此类推。
就像指标的现状一样，我们也可以轻松找到许许多多可以用来拆分指标的维度。比如前面提到的日期和人群，还有拉新上的来源渠道，活跃上的流量来源和转化路径等等。再将这些维度进行排列组合，就能产生出一大批庞杂的拆分维度，多到根本看不过来。
因此，在细分之前的关键环节就在于区分维度的重要程度。
如何区分呢？
我们要按照是否可操作来区分这些拆分维度的轻重缓急。比如：前面提到了看APP中的不同页面带来的GMV 。但是，如果我们没有必要的技术手段或者运营工具，来为那些GMV更高的页面分配更多流量，也不能降低那些GMV较低的页面的流量，那么按照页面拆分这种方法对于我们没有任何操作空间，更不要说操作之后的优化空间了。
如果是这种情况，我们就应当认为来源页面这个维度，只是个“看看就好”的维度，而非关键维度。
另一个例子是用户分群，特别是当我们希望从外部的投放引流获得更多高质量的新增用户，以此来拉动增长的时候。在这种时候，我们总是希望首先对现有的高质量用户进行用户画像，并确定一些能够标识高质量用户的特征，再通过这些特征在投放的时候吸筛选出高质量的用户。
【介绍一个通用的数据分析方法论如何运营分析？】这个道理是讲得通的，但遗憾的是，外投渠道不能提供十分精准的人群定位，只能提供人口统计学和内容偏好等粗粒度的划分。这其中还隐含着，我们暂时认为投放渠道对于用户的标记是十分精准的，没有考虑出现标记错误的概率。
因此可以看出，在拉新这件事上，我们对用户分群的操作是受限的——并不是完全不能，但十分受限。而用户分群更大的利用空间在于促进活跃，也就是在我们自己的用户群体中进行切分。