5张图,看懂数据分析体系
讲数据分析体系的文章很多,经常是开篇一句:互联网分析体系……,下边几百个指标blabla汹涌而出。搞得很多同学很晕菜:这么多指标,实际中到底怎么看?今天系统讲解一下,话不多说,直接上场景。
场景:某视频APP内容运营,每天会固定输出游戏主题节目,节目以介绍游戏为主,目前暂无带货环节,也没有其他KPI考核,就这么先做着。
每一个视频,有:播放次数、播放人数、人均播放时长、会员观看数、10%/30%/50%/90%播放完成数、单个视频发布后首日至第七日每日播放数据;还能分成:仅PC端播放、仅移动端播放,PC+移动端播放……同时由于是自己的平台播放,所以能统计到每个用户站内其他视频浏览行为。
问题是:这一堆指标该咋看?
一、常见问题
很多同学会直接把这一堆指标铺出来:
- PC渠道的播放次数、播放人数、人均播放时长……
- 移动端的播放次数、播放人数、人均播放时长……
- 本周的、上周的、上上周的……
- 本次的、上次的、最近10次的……
一大堆指标摆完,发现个严重的问题:这一堆说了啥呀!
因为没有刚性考核的KPI,因此很难讲清楚到底多大算好。你说播放次数越高越好吧,播放次数本身是个经常波动指标,今天高了明天低了,这么分析法得弄死自己,还没分析完为啥不好,丫指标又变好了!
而且但看一个指标也显得不科学,比如有的视频就是播放很多但人均时长很短,还有一堆人涌过来看,然后秒退的情况。实际情况千奇百怪,连好/坏都没法评估,咋进一步分析:为啥好/为啥坏呢?
二、解题思路
会导致晕头转向的核心问题,在于:没有明确目标。如果是销售的业务场景,目标很清晰:销售收入/GMV。但是运营的场景不见得都有如此清晰、刚性的目标,特别是内容运营,本身就有“放水养鱼”的作用,有好的内容积攒粉丝、吸引关注非常重要。
无刚性目标,导致建立评价标准很难。如果只看一个指标,比如播放量,似乎有失偏颇。如果看两个、三个、四个指标,比如播放人数、10%跳出人数、人均时长,则指标间相互交叉,情况错综复杂,很难下结论。
更不用说,很多新手会习惯性忽略建立标准环节。于是导致了大量铺陈数据,然后不知道下啥结论的晕头鸭子问题。如何在无刚性目标情况下,建立评价标准,读懂数据含义,是搭建体系的关键。
三、认识问题,从单指标开始
想理清头绪,当然得从一个指标开始。连一个指标的走势都没看清楚,就扯上二三四个,只会越看越晕。
选第一个观察指标的时候,尽量选简单、直接、不用计算的指标,这样更容易看清楚情况,避免牵扯太多。因此在众多指标中,可以先看播放次数/播放人数(选一个)。
假设先看播放次数,对单指标而言,肯定是越多越好。播放量是内容运营的基础,连看都没人看,其他的更谈不上了。但是这里要注意,观察:播放量指标是否有周/月/日的规律。如果有规律性波动,就不能简单地说:昨天比今天高,所以昨天好,如下图:
假设播放量有周波动规律,则可以建立单指标的简单评价标准:
这样就能对播放次数,这样的单个指标讲清楚:好/坏。
四、从单指标到多指标
整明白了一个指标,可以加入其他指标。在加入其他指标的时候,要首先观察:两指标之间关系。有可能两指标相关系数高,有可能相关系数低。这两种情况下处理方法不同。
相关系数高:比如播放次数和播放人数,两个指标很有可能高度相关。一个视频玩家短时间内可能只看1次就够了。高度相关的两个指标,在评价好坏时不需要重复评估,看一个就好了。这样能减少数据干扰,更容易得出结论,如下图:
相关系数低:比如播放次数和人均时长,不见得高度相关。很有可能有的视频太过标题党,标题太刺激,配图很色诱,把玩家骗进来结果发现货不对板。如果出现两个指标相关度低,就能用矩阵分析法,把视频分类,如下图:
经过这一步梳理以后,就能对两个指标情况做出判断。理论上播放次数越高越好,但人均时长不能低于一定水平,或者10%跳出用户比例不能超过一定水平,这样就能对每一期视频进行评价。有了评价,就能做出进一步分析。
五、从多指标到原因解读
评价了好/坏,就能进一步分析:为什么好、为什么坏。到这一步,就会发现,现有数据指标的问题:虽然看似一堆指标,可都是结果性指标。并不能直接从指标里推出:到底为啥用户喜欢看。这时优先考虑的是:补充数据,看看添加哪些数据能解释清楚问题。
首先想到的是视频本身的数据,视频本身可以有多种标签:
做内容运营,首先得对自己做的内容有清晰的了解,打好标签,再做其他工作。有了标签,单纯地结合标签分析结果指标,也可能得出一些有用的结论,比如:
- 5分钟比10分钟效果好
- 美女亮腿比男主持人效果好
- 讲比赛比讲八卦效果好
这些已经足够优化运营了,更进一步的还可以结合用户画像来看,比如:
- 观察用户看别的游戏类视频行为,给用户喜欢的游戏类型,游戏内容贴标签;
- 观察用户近期关注的热点内容、流行的梗;
- 观察用户更喜欢技术宅还是美女。
有了这些用户标签,可以查看:
- 目前观看视频的用户群体是否是目标群体;
- 根据群体规模大的用户,制作新的内容;
- 根据用户近期关注的话题、主播喜好,选话题和主持人。
当然,并不见得投其所好一定有效,更有可能有“标题党蹭热度”的效果——播放次数很多但看一眼就跳出。所以最后还是得结合优化前后效果,做最终定论。
六、小结
搭建数据分析体系可以很简单,如下图:
真正阻碍搭建指标体系的,是:
因此在观察一个业务的时候,一开始宁可看的指标少一点,先观察出规律,再看指标间关系,这样更容易让众多指标关系清楚,读出含义。本文用的方法还是先抓关键指标的方法,有的同学会问:如果一定用N个不相关的指标评估一个业务,该如何做呢?
下一篇分享一个业务评估模型的做法,敬请期待。
#专栏作家#
接地气的陈老师,微信公众号:接地气学堂。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。
相关文章:
相关推荐: