第一份工作是在xxx做数据运营,负责1.内容方向的运营,包括对小程序及公司网页的内容创作及配置工作,新产品的push推送工作,整理sop流程。2.监控运营动作效果数据,监控用户交易链路的漏斗转化数据,优化交易链路。3.根据用户交易偏好,优化产品推送逻辑,提升付费转化率。
第二份工作是在美团拼好饭做数据分析,负责1.支持运营侧数据需求,协助运营设计项目指标体系,搭建可视化报表。2.复盘运营活动效果,3.进行专题分析,结合业务需求设计AB实验并分析,包括补贴策略分析、玩法链路分析,用户画像分析。4.依据历史数据,帮助运营预估阶段性目标。
支持运营侧数据需求
- 多熟悉表结构和内容,什么表对应能取哪些数据了然于心,整理数据字典。
- 学习相关业务同学的取数逻辑并参考借鉴。
- 统一指标口径和计算口径(xx率),深入向产研理解业务逻辑,并了解不同埋点方式的区别,能造成多大数据差异,验证数据结果的合理性。
- 做好需求管理,协调取数优先级
- 优化sql逻辑,脚本精简格式化,提升数据查询速度,为产运写sql注释
- 写过的sql都顺手沉淀,常规且频繁观测的数据搭建报表,减少重复性工作。
设计数据指标体系
举例2:营收环比下降20%,如何分析?
举例3:广告投放环比下降20%,如何分析?
广告渠道次留率=次日留存用户数/当天新注册用户数,次留率下降比较明显,优先看看是新注册增多导致,还是次留用户数减少导致。
- 明确部门核心做功目标,即KPI,确定结果指标(北极星指标)。北极星指标也不是一成不变的,会根据不同阶段进行变化,如做规模还是提活跃。
- 梳理业务流程,设定过程指标 output输出指标结果指标 input输入指标过程指标
- 订单=用户规模*活跃度*转化率。订单量影响因素:周期性(活动日、周末)业务动作(渠道触达、红包补贴、供给)外部因素(季节、降雨)
- 搭建监控看板,并以日报形式设置定时推送。
-
搭建可视化看板
- 需求调研:明确使用看板的业务方,使用频次,解决什么业务问题。
-
面向产运的报表避免将英文字段暴露在交互界面,需要侧重指标在不同维度的下钻,侧重表格展示,方便将数据拖拽到excel进行进一步分析。
按照使用频次设置时间聚合维度(绝大部分底表按照dt做分区),by场次or by天or by周,并配置调度周期。
- 数据集准备
-
降低对数据资源的使用,如连表的时候用where指定dt分区,每一个子表都做分区指定。定期查看的看板。
建议日期关联时间变量,降低数据资源消耗。
- 设计看板指标结构
-
一般按照流量、订单、业务模块划分。
- 选择展示形式
-
数表、柱状图(活动日与非活动日对比,城市维度数据)、折线图(流量、订单、转化趋势)、饼图(渠道、用户、订单、品类占比)
-
指标波动归因分析
- 界定问题
-
确认数据统计口径是否正确
是否在自然波动区间内
可能存在正常的周期效应(结合周、月进行同比)
当天数据正常但拿来比较的日期异常
- 快速验证
-
业务变化:策略调整、其他业务动作上线、新版本上线。
功能bug:无法分享、
外部因素:降雨降雪、市场竞争
3)业务分析
产品侧:新功能上线(优惠力度标签、爆品标签)、新版本上线
运营侧:活动策略调整、push投放调整、文案素材调整、补贴力度调整,KA商家引入
- 用户调研—验证猜想、发现机会点
-
用户供给选择偏好、拼单难度、领取红包未下单原因、用户对活动的认知情况、用户不开团原因、用户出于什么样的动机或诉求愿意添加个人号。
- 报告输出
-
问题现状、影响程度
异动原因、评估恢复难度
提出可行性建议
形成项目机制、推进策略落地、不断迭代尝试
举例1:DAU环比下降20%,如何分析?
- 确认数据准确性,是否属于正常波动,是否存在周期效应、参考日期是否异常。
- 判断其他活动上线(天天领红包、爆品团),主站是否抢量,用户是否转移,是否是开学季。预算减投导致拉新减少,投放渠道是否减少。
- 拆解用户行为漏斗,看是哪一步导致的用户流失。
- 提升DAU的有效手段是提升用户规模和使用频次,通过这两个指标进行拆解。
- 确认数据准确性。。。
- 确认数据准确性。。。
- 广告性质(拉新or促活),拆解公式:点击率=点击/曝光,留存=回访/访问,ROI=LTV/(CPI=广告成本/点击次数)
- 是否有其他营销活动上线。。。
- 依据公式:营收=DAU*转化率*ARRPU进行拆解,拆解用户分层(如大R的流失,羊毛党太多),用户资产囤积,用户路径分析,渠道分析,打击黑产。。。
-
归因量化评估
ABTest分析方法
DID分析法
PSM倾向性得分匹配法
-
迭代优化&沉淀方法论
预估运营目标
用户增长之广告投放策略
用户增长之拉新,留存策略
用户增长之召回策略
用户增长之补贴策略
用户画像&用户生命周期
项目1——周二1元喝
项目2——红包补贴提效