皇晓：数据驱动运营（五）常规分析方法

老歪

在前面部分，已将电商网站运营可能用到的数据指标一一归类做出了叙述，在本节开始，我将结合实际工作和一些简单的统计分析理论针对数据分析方法做较为浅显的阐述，希望有高手参与一并分享。

第一阶段：常规做法

我认为在把握大的运营方向不变的前提下，需要对网站数据做出以下动作：

1、  看趋势
2、  找变异
3、  析原因
4、  定对策

（注意：所有数据分析的前提是，需要根据既定业务需求，事先向技术部提出具体的数据需求，否则可能出现某些基础数据不全而导致数据统计欠缺。）


看趋势：即是观察KPI数据的周、月、季的图表曲线趋势，是上升了还是下降了；关联的其他KPI曲线，是否呈现了应该有的关联性。环比同比的百分比如何？

找变异：即是找到单一KPI曲线中的异常值，或者关联曲线中非关联的异常部分。

析原因：找到了异常值了，就需要分析造成这一异常的原因；看时间节点，看关联活动，包括内部的和外部的，看原因构成，并分解原因，一一列出，标出权重，哪些是相对影响较大的，哪些又是可能的原因。

在这里，往往需要将数据分解，将汇总数据进一步拆分，以找到真正原因。
原因找寻非常重要，他是解决办法的因，因找到了，才会有正确的决策，从而产生正确的行动结果。

定对策：在正确的分析了相关原因后，就需要给出解决办法了。一般来说，一个原因对应一个解决办法也可以有多个解决办法，选择最切合实际，最可执行的对策和行动办法。

当然，最后就是Just Do It!

然后，通过行动后，再次观察，分析关键KPI的图表曲线趋势和变异值；看是否解决了上一个周期的异常值。如果异常值出现了好的数据，达到了预想的效果，说明我们上一周期分析的原因和选择的对策是正确的，下一周期持续做下去。如果发现数据还是没有转好迹象，那说明上一周期的原因分析和对策选择存在问题，还需要继续找原因或者更换对策和行动办法。

如此轮回，周而复始，螺旋式的上升；这就是网站运营和数据分析的形态。

例子我就不举了，大家在实际工作中一定深有体会。

（未完待续）

微博评论

找异常，不要忽略持续增长的“异常”。不知道为何成功的“增长”也是可怕的定时炸弹。

来自 walfer 的新浪微博