运营推广中的数据分析怎么做？

“做数据分析”容易踩的坑：

活动策划只会观察参与人数，没有注意提升目标用户占比…

新媒体编辑只会看阅读量，没有把打开率和分享率结合起来分析…

社群运营只关注活跃度，没有发现不同阶段不同特征的用户行为…

……

如果你是这样做“数据分析”的，就会发现，通过“数据分析”完全没有办法找到问题所在，相应的解决方案也大概率没有效果。

为什么要做数据分析？

给大家举个例子感受一下。

之前我们做了一个抽奖涨粉活动，目标涨粉是 8000。第一天效果不错，有 3000 人关注了我们的公众号，但是到了第四天，人数降到了 88 人，照这个趋势下去，活动肯定会凉。

如果是一般的活动策划，可能就开始抓耳挠腮，甚至坐以待毙了。稍微厉害点的运营，可能会罗列出一系列问题：是不是路径太长？奖品诱惑力度小？海报不吸引人？原因只靠猜，“优化”也不一定有效果。

而我们果断选择了修改活动海报，最终将参与人数放大了 30 倍！

为什么简单粗暴修改海报就能取得这么好的效果呢？

其实是因为我们对活动数据进行了分析，发现活动的转化率很高但是分享点击率不够高，这说明活动本身是没问题的，问题极可能出现在推广海报上。

最后数据验证了我们的分析是正确的，两天涨了 9044 个粉丝。

数据分析怎么做？

数据分钟中最基础的、重复的、低价值的工作，将逐渐被机器与算法替代。所以，“数据分析”只懂整理数据做图表是不够，你更需要掌握的是跟业务相结合的数据分析思维：

第一，建立体系化的数据分析框架，基于业务流程确定需要哪些数据。知道了数据分析的问题是什么后，需要我们去基于这个问题，梳理一个数据分析框架。在这个分析框架里，我们需要明确分析内容的数据范围以及要分析哪些问题。

1. 明确数据范围

数据范围一般分为空间范围与时间范围；比如：

2. 规划分析框架

基于定义问题环节中对问题的理解，用详细的数据拆解问题，并把这些问题进行归类形成框架。

基于外卖流量分配为例，框架截取如下：

第二，对目标指标进行拆解。针对不同的运营场景和目的，需要确定一级关键指标是什么？用哪些二级指标来拆解一级指标？哪些三级指标来拆解二级指标？……

基于外卖流量分配为例，截取部分指标说明如下：

第四，在业务开始之前就有数据分析意识，形成可视化报告。并且在执行过程中不断地观察数据和调整方案。这就需要你能够提前梳理业务流程，并且预测数据分析指标。

那我们到底该选取什么样的可视化方法去呈现我们的报告呢？这里参照国外大神的经验，总结了一个万能图表，供大家参考：

来源：5A云营销