数据运营手册
2020-10-26 10:11:31 0 举报AI智能生成
Growing IO《数据分析运营手册》笔记
作者其他创作
大纲/内容
什么是数据运营
广义：用数据指导运营决策，驱动业务增长的思维方式
相对于数据分析师，数据运营更侧重支持一线业务决策
与其它运营的区别
岗位：属于运营分支，从事数据采集、清理、分析、策略等工作，支撑整个运营体系朝精细化方向发展
思维：属于运营技能 👉 通过数据分析的方法发现问题，解决问题，提升工作效率，促进业务增长
使用场景
覆盖整个用户生命周期业务场景
工作内容
数据规划：是数据运营体系基础
收集整理业务数据需求，搭建数据指标体系
收集整理业务数据需求，搭建数据指标体系
是数据运营体系基础
目的：搞清楚“要什么”
目的：搞清楚“要什么”
指标体系（index）：
用来衡量具体的运营效果
用来衡量具体的运营效果
选择来源具体的业务需求，从需求归纳事件 ，从事件对应指标
维度体系：
对指标进行细分的属性
对指标进行细分的属性
选择原则：记录对指标可能产生影响的维度
数据采集：
采集业务数据，向业务部门提供数据报表
采集业务数据，向业务部门提供数据报表
埋点（打点）
实现：通过在产品手动添加统计代码手机需要的数据
缺点：工程量大，周期大，容易发生漏埋、错埋情况
缺点：工程量大，周期大，容易发生漏埋、错埋情况
可视化埋点
实现：是埋点的延伸，通过可视化交互的方式代替手动埋点
优点：降低用户使用门槛，提升了效率
优点：降低用户使用门槛，提升了效率
无埋点
实现：颠覆“先定义再采集”的流程，只需要加载一个SDK就可以
采集全量的用户行为数据，可以灵活自定义分析所有行为数据
优点：成本低，速度快，不会发生错埋漏埋的现象；数据运营
可以摆脱埋点需求的限制，将更多时间放在业务分析上
采集全量的用户行为数据，可以灵活自定义分析所有行为数据
优点：成本低，速度快，不会发生错埋漏埋的现象；数据运营
可以摆脱埋点需求的限制，将更多时间放在业务分析上
数据报表
数据指标体系 ⏩ 数据报表（自动化） ⏩ 可视化数据面板（与BI系统相连）
🌟善于借助工具，减少在采集，清理，可视化上耗费时间
数据分析：
通过数据挖掘，数据模型等方式，深入分析业务数
据；提供分析报告，定位问题，提出解决方案 ⬇️
通过数据挖掘，数据模型等方式，深入分析业务数
据；提供分析报告，定位问题，提出解决方案 ⬇️
10个常用数据分析方法
来源管理：
通过对投放的目标链接加上监测参数，
实现对网页访问来源、APP下载渠道的监测
通过对投放的目标链接加上监测参数，
实现对网页访问来源、APP下载渠道的监测
主要解决方案：UTM:
在已经加在监测代码的基础上，
给投放链接加上5个常用参数
在已经加在监测代码的基础上，
给投放链接加上5个常用参数
趋势分析：
通过对业务指标的监测研究用户
行为规律，寻找增长点
通过对业务指标的监测研究用户
行为规律，寻找增长点
数据监测
运营思考为什么会这样
趋势预测
子主题
分支主题
分支主题
分支主题
0 条评论
下一页
