一、从数据维度做拆分，让目标更加落地。

　　我做过近两年的电商运营，其中感触很深的一个点就是从数据的维度对目标做拆分。

　　天猫的双11刚刚过去，马云又创造了新的成绩，912亿。从去年的571亿到今年的912亿，马云怎么就敢说今年可以做900亿呢?在设定这个目标之前就少不了对目标的拆分。

　　900亿的成交，首先按照过往的类目占比，拆分到各个类目，每个类目承担多少销售指标，类目再按照过往的卖家成交额占比拆分到各个卖家，每个卖家承担多少销售指标。卖家再根据各自的日常店铺转化率反推需要多少流量，各类目再结合平台能提供的流量，就可以得到流量的缺口。接下来再按照各渠道获取流量的成本来计算，就可以得出双11平台需投入的营销经费数值。整个900亿的目标，通过这样的拆分，就变得明确可执行了。

　　无论做什么事情，想做成，都离不开对目标的拆解，任何抽象的事物都可以通过数学的方法来 解决，把事情数据化会让事情更简单可执行，也更容易考核效果。

　　二、很多业务其实就是一个公式。

　　我刚开始接触电商接受业务培训，第一节课就只讲了一个公式。

　　成交额=买家数x客单价

　　如果你想提升成交额，要么提升买家数，要么提升客单价。我们可以盘点一下，我们见过这么多的促销手段，有哪个不是为了提升这两个数值的。满减、满送、买二送一，这是为了提升客单价的手段;秒杀，团购，这是为了提升买家数的手段(秒杀的核心在于集聚大量流量做关联销售)。

　　不仅仅如此，这个公式依据不同的业务场景还可以拆分成多种形式。

　　买家数 = 商详uv x 下单率 x 付款率

　　商详uv = 广告展现 x 广告转化率 = 搜索展现x搜索转化率 = 活动展现x活动点击率

　　于是，决定成交额的因素就变成了各个渠道的转化率、图片的点击率、产品的下单率、付款率，这样多的细节共同决定了最后的成交额。接下来针对这些细节分别去做优化，这个过程就叫依据数据做精细化运营。

　　仔细想想，你自己的业务又何尝不是一个公式呢?试着找到自己的公式，去拆分它，你也许会不少改进的方法。

　　三、运营说到底就是一个漏斗。

　　互联网的模式下，无论做什么产品，根本目的都是为了变现，只要是变现，就涉及到了转化。而转化其实就是一个漏斗模型。

　　漏斗模型是运营数据里提到的最多的词了，在业务的链条里，每个环节的用户数是呈不断衰减的，运营要做的事，就是想尽一切的办法来提升漏斗中各环节的转化率。

　　比如一个电商的活动页，它的漏斗模型应该是这样的：

　　有了这么个漏斗，我就可以分析每个环节代表了什么，我怎样去改善：

　　1)pv/uv：页面访问深度，直接体现了这个页面是否吸引人，用户在这个页面是否产生点击的兴趣。

　　2)活动页—>详情页uv：页面上的内容是否吸引人，商品是否是用户喜欢的，需根据页面点击情况及时替换点击效果差的商品。

　　3)详情页uv—>下单人数：商品的转化率如何，是不是爆款，此处转化过低需替换高转化的商品。

　　4)下单人数—>付款人数：商品的付款率，如果低于正常值，需要卖家催单。

　　需要注意的是，漏斗模型是需要对比的，如果仅仅只有一个漏斗模型，那么就只是数据的陈列，如果要做分析的话，就一定要有对比，比如和往期的漏斗作对比，比如与平台的均值作对比，只有在对比过程中才会发现问题。

　　我们作为产品运营的同学，必须要熟悉我们产品中每一个关键数据，日均的uv是多少、转化率是多少，下载量是多少，这样在数据出现异常的时候才可以第一时间发现，熟悉产品数据，是对数据敏感的前提。

　　四、一篇完整的数据分析报告应该包含哪些内容?

　　前面讲了一些理论层面的，最后给一个数据分析模板给大家，供参考。

　　1、首先你需要根据活动目标确定你的目标达成率，完成百分比，提升百分比。这是这次活动取得的成果，在一开始就写。如：

　　本次活动 uv 24w(20w，↑ 20%)，uv价值 3.6(3，↑ 20%)

　　2、如果是发周报、月报之类的数据，接下来就应该是核心数据走势图

　　在这张图里，要对每个数据的拐点做分析，比如图中11月7日、8日两天的uv价值有明显提升，这个的原因，要找到并写在报告里。

　　3、接下来流量分析，主要为流量来源分布，各渠道流量转化率分析。流量涨了，要找到是哪个渠道带来的流量涨了，为什么涨了，分析这里的原因。流量的质量如何，哪个渠道的流量转化率高。这里需要两个饼图，一个是流量渠道占比，一个是渠道带来的转化占比。

　　从上面的两个饼图里，我们看到明显站内流量的转化率更高，而广点通带来的流量转化率偏低。另外，通过与往期的渠道来源占比作比较，我们可以看到当前流量构成上的变化。

　　3、转化率分析，也就是漏斗模型分析。前文提到了，漏斗模型需要对比的数据，所以在此处的分析，我们需要列两个漏斗模型。

　　对漏斗模型各环节转化的分析，这里主要和往期数据做对比，结合活动页面、流量、产品功能等多方面因素，尝试分析这里各环节转化率提升或者降低的原因。

　　4、模块点击分析

　　我们设计的产品页面，或者活动页面，我们需要知道这个页面的结构是否合理，用户的点击分布，这有助于我们改善。当我们尝试新的页面样式的时候，更应该对这里的模块点击做分析，可以验证我们的结构是否对数据带来了改善。

　　模块点击分析主要是从点击饼图，及其各模块转化率的角度来分析，点击饼图可以看到用户的需求，模块转化率则反应了各个模块内容是否满足用户的需求，如果模块转化率较低，则需要考虑这个模块的内容是否优质，甚至这个模块是否需要改变样式。

　　5、改进及优化

　　每次的活动总是有做的好的地方和做的不好的地方，我们数据分析的目的就是为了积累经验，沉淀方法论，在每一篇数据报告的结尾，我们需要对这一次活动做一个总结，比如尝试了一个新的玩法，效果如何，尝试了一个新的页面样式，点击率是否有提升，等等。把经验应用于之后的活动策划当中。

　　五、数据不是万能的

　　写在最后，想说一点， 数据不是万能的 。

　　我们常做的数据分析，是建立在海量数据的情况下，但往往在初创公司，数据系统还不完善，数据量不够的情况下，数据只能作为参考，过分相信数据往往会导致做出错误的判断。

　　数据有很多指标，统计维度又有很多种，如果深挖下去，会耗费大量的精力，但却不一定会有成效，所以找出最关键的几个数据指标，对其最合理地分析，这点很重要。

　　今天就说这么多啦。做数据分析，重点不在数据，而在分析，对数据敏感，就是能清楚数据异常背后的原因，这需要经验，也需要你的思考和执行力。希望你可以成为一个对数据敏感的互联网人。