Python数据处理、分析、可视化与数据化运营 (第二版) 课件 第9章 数据分析与数据化运营策略

数据分析与数据化运营策略09Python数据处理、分析、可视化与数据化运营(第二版)本章学习目标理解数据化运营场景中的四种报告类型及其应用了解不同视角下常用的数据运营指标及其含义熟悉多角度进行数据探索的方法和实现思路尝试在实际业务场景中应用数据分析方法，为业务决策提供支持9.1数据报告多维矩阵临时洞察：临时数据分析实时跟踪：实时数据分析日常洞察：常规数据报告专题解析：特定主题数据分析项目评估：项目进度与效果分析9.1数据报告多维矩阵主要价值临时洞察：临时数据分析满足业务需求而临时增加的数据分析工作，包括数据提取、数据咨询和数据报告等内容。这些工作是日常工作中的一部分，与既定计划工作有所区别，具有突发性和临时性。9.1数据报告多维矩阵需求来源和主要特点临时洞察：临时数据分析（1）上级领导部门的临时需求是临时分析的主要来源。这些需求无法预知且无法拒绝，因此是临时分析的重点工作。此类需求涉及范围广泛，可能包括全站和特定对象的数据需求、特定业务的效果分析等。9.1数据报告多维矩阵需求来源和主要特点临时洞察：临时数据分析（2）平行需求部门的临时需求指的是需求部门与数据中心或其他部门处于平行关系时提出的需求。这些需求基于特定主题或结果的临时工作，是日常琐碎需求的主要组成部分，应通过流程化机制来规范。9.1数据报告多维矩阵需求来源和主要特点临时洞察：临时数据分析（3）数据中心内部的临时需求指的是内部数据工作体系提出的需求，通常见于初级数据分析师的日常工作中。这些内部需求通常是为了满足高级数据分析师的特定分析需求，是内部分工协作的一部分。9.1数据报告多维矩阵主要价值实时跟踪：实时数据分析实时分析是数据驱动决策的重要组成部分，也是数据发挥价值的关键环节。它通常在企业大型活动进行时发挥作用，通过实时监测和反馈信息来辅助业务实现实时优化。9.1数据报告多维矩阵落地应用条件实时跟踪：实时数据分析实时分析不是针对所有场景都能发挥作用，而是有特定作用范围和要求（1）可监测性：实时分析需要有可控且可测量的数据支持。例如，由于电视广告在实时性上无法提供数据支持，因此无法进行实时分析。（2）可实时反馈：实时分析的另一个关键点是数据能够实时更新。实时数据的更新频率通常在分钟或秒级，而按小时或天更新的数据无法满足实时分析的需求。（3）可优化性：实时分析的关键在于其结果能够被用来优化业务。如果实时监测无法引导业务方进行优化操作，那么实时分析就失去了意义。9.1数据报告多维矩阵分析方法实时跟踪：实时数据分析实时分析通常不会采用非常复杂的算法，也不会处理海量数据。它主要侧重于实时数据统计和基于简单算法的异常检测：（1）实时数据统计：基础的数据输出功能，可以输出一定时间内的数据统计结果。（2）异常数据检测：实时分析的核心功能，可以针对实时数据发现异常情况，并提示相关业务进行注意。常见的异常监测包括异常流量、异常订单和异常页面访问等。9.1数据报告多维矩阵日常报告的主要分类：按频率和数据时间范围日常洞察：常规数据报告小时报（重大业务动作下，如店庆、周年庆）日报周报、月报季报、半年报和年报9.1数据报告多维矩阵日常报告特点日常洞察：常规数据报告针对一定周期的数据进行汇总和统计，以便获得关于整体和细分数据的趋势和变化通常采用相同的输出框架和模板，因此呈现出程式化、常规化和周期性特点9.1数据报告多维矩阵日常报告的3个有效建议日常洞察：常规数据报告（1）关注整体趋势：周期性报告应对整体趋势进行深入观察。比较、环比和定基比是评估趋势的好方法。除了描述趋势的波动外，还应确定异常波动，并确定标杆值，这是日常数据描述的重要途径和参照点。（2）关注重要事件：报告中应包含期内的重要事件，这些事件是汇报对象普遍关注的内容。因此，有必要对重要事件的数据及其对整体的影响进行简要分析。（3）关注潜在因素：除了整体数据外，数据分析师还应通过数据发现报告周期内的潜在因素。这些因素可能与整体趋势相符或相反，但对整体可能产生重要影响的业务节点应予以关注。9.1数据报告多维矩阵主要特点专题解析：特定主题数据分析专题分析的对象是业务中心，旨在围绕特定主题或观点进行数据专项挖掘或分析。与日常报告不同，专题报告着重于对某一特定领域展开的深入研究，而非日常报告中的周期性概要分析。9.1数据报告多维矩阵专题报告的主要分类专题解析：特定主题数据分析按业务模块进行划分：广告专题、会员专题、商品专题等按周期进行划分：月度专题报告、季度专题报告、年度专题报告9.1数据报告多维矩阵专题报告的结构专题解析：特定主题数据分析（1）封皮和封底。每个公司都有自己的封皮和封底模板。（2）摘要页。摘要页是对报告中内容的概述（3）目录页。如果报告内容过多，可添加目录。（4）说明页。可增强报告可理解性。（5）正文页。报告的核心，通常使用总-分-总的思路撰写报告（6）附录。9.1数据报告多维矩阵主要特点项目评估：项目进度与效果分析项目分析通常是基于跨中心的主题需求而产生的专项数据分析，它是更偏全局性的一类专题分析工作。9.1数据报告多维矩阵项目报告的分类：按服务对象划分项目评估：项目进度与效果分析（1）服务于公司高层领导专项分析，包括数据中心负责人及更高级别领导，如SVP、CMO、CEO、COO等。（2）服务于公司其他中心的专题分析，通常是跨中心级的数据协作10.1数据报告矩阵项目报告与专题报告的不同项目评估：项目进度与效果分析（1）服务对象不同。项目分析服务于公司领导层或平行中心，专题分析服务于数据工作体系内部。（2）作用范围不同。项目分析可作用于企业其他运营环节甚至领导层决策，专题分析作用于营销内部的执行层。（3）时间花费不同。项目分析因涉及面广、调用资源多，因此需要更长的处理周期。9.2分析指标多元矩阵会员视角：会员运营指标商品视角：商品运营指标广告视角：广告效果指标网站视角：网站运营指标9.2分析指标多元矩阵会员视角：会员运营指标指标名称指标说明到达率用户从站外广告点击后到达网站的比例。UVUV即UniqueVisitor，独立访客。UV根据定义时间的不同可分为每小时UV、每日UV、每周UV、每月UV等。每小时UV定义为用户在一小时内无论进入网站多少次或打开多少页面，都只计算为1，其他UV计算方法类似。VisitVisit又称为访问量、访问次数或会话次数。Visit定义与UV类似，只不过大多数Visit的默认定义时间为30分钟，即用户在30分钟内的重复打开网站，Visit只计为1；若超过30分钟，访问则记为一次新的访问。PVPV即PageView，页面浏览量、页面曝光量，与站外推广类指标中的曝光量定义相同，区别在于PV只用来衡量站内页面的曝光量。新访问占比所有访问中新用户的占比，即之前没有任何访问记录的用户。访问深度人均页面浏览量，评估平均每个访问内用户看了多少个页面。停留时间用户在网站或页面的停留时间长短。跳出/跳出率跳出指用户在到达落地页之后没有单击第二个页面即离开网站的情况，跳出率指将落地页作为第一个进入页面的访问中直接跳出的访问比例。退出/退出率退出指用户从网站上离开而没有进一步动作的行为，退出率指在某个页面退出的访问占该页面总访问的比例。加入购物车转化率商品加入购物车的访问量占比。购物车内转化率提交订单的访问量与加入购物车的访问量之比。9.2分析指标多元矩阵商品视角：商品运营指标指标名称指标说明订单量/商品销售量用户提交订单的数量，计算逻辑为去重后的订单ID的数量。订单金额用户提交订单时的金额，又称为应付金额。订单金额是用户实际应支付的金额。每订单金额/客单价/件单价总订单金额除以订单量、客户数量和商品销售量获得的指标。订单转化率电子商务网站中最重要的评估指标之一，计算公式为订单转化率=产生订单的访问量/总访问量或产生订单的UV/总UV量。支付转化率完成支付的用户数除以提交订单的客户数的比例。订单有效率有效状态下的订单量占比（去除各种取消、作废的订单）。毛利毛利=商品妥投销售额–商品批次进货成本。活动直接收入/活动间接收入活动直接收入指单纯通过促销活动带来的收入，活动间接收入指通过促销活动带来的用户购买了非活动商品的收入情况。库存可用天数当前库存可以满足供应的天数。库存量一定周期内全部库存商品的数量。库龄商品库存时间的一般意义。滞销金额商品周转天数超过其应售卖周期而无法销售的商品产生的金额。缺货率库存商品无法满足用户购买需求的比例。残次数量/残次金额/残次占比残次指商品因各种因素造成的二次销售困难，如商品损坏、附件丢失等。残次数量指残次商品的数量，残次金额指残次商品的进货成本，残次占比衡量残次商品在整个仓库中的比例。库存周转天数库存的周转速度，表示从商品进货到最终完成销售或损毁所经历的天数。9.2分析指标多元矩阵网站视角：网站运营指标指标名称指标说明曝光量广告对用户展示的次数，也称为广告展示量。点击量用户单击广告的次数，每次单击记录一次。点击率点击率（CTR）表示广告被点击的比例，计算公式为点击量除以曝光量。CPMCPM即每千次曝光成本，表示广告费用按展示次数计费。CPDCPD即按天展示成本，表示广告费用按天计费。CPCCPC即每次点击成本，表示广告费用按点击次数计费。CPACPA即每次行动成本，表示广告费用按特定转化目标计费，如下载、试用、填写表单等。每UV/访问成本广告费用除以到达网站的独立访客（UV）或访问次数，表示每个UV或访问的成本。ROIROI即投资回报率，表示投入费用带来的收益比例。ROI的计算公式可以有两种形式：ROI=利润/费用或ROI=成交金额/费用。指标名称指标说明曝光量广告对用户展示的次数，也称为广告展示量。9.2分析指标多元矩阵会员视角：会员运营指标指标名称指标说明到达率用户从站外广告点击后到达网站的比例。UVUV即UniqueVisitor，独立访客。UV根据定义时间的不同可分为每小时UV、每日UV、每周UV、每月UV等。每小时UV定义为用户在一小时内无论进入网站多少次或打开多少页面，都只计算为1，其他UV计算方法类似。VisitVisit又称为访问量、访问次数或会话次数。Visit定义与UV类似，只不过大多数Visit的默认定义时间为30分钟，即用户在30分钟内的重复打开网站，Visit只计为1；若超过30分钟，访问则记为一次新的访问。PVPV即PageView，页面浏览量、页面曝光量，与站外推广类指标中的曝光量定义相同，区别在于PV只用来衡量站内页面的曝光量。新访问占比所有访问中新用户的占比，即之前没有任何访问记录的用户。访问深度人均页面浏览量，评估平均每个访问内用户看了多少个页面。停留时间用户在网站或页面的停留时间长短。跳出/跳出率跳出指用户在到达落地页之后没有单击第二个页面即离开网站的情况，跳出率指将落地页作为第一个进入页面的访问中直接跳出的访问比例。退出/退出率退出指用户从网站上离开而没有进一步动作的行为，退出率指在某个页面退出的访问占该页面总访问的比例。加入购物车转化率商品加入购物车的访问量占比。购物车内转化率提交订单的访问量与加入购物车的访问量之比。到达率用户从站外广告点击后到达网站的比例。UVUV即UniqueVisitor，独立访客。UV根据定义时间的不同可分为每小时UV、每日UV、每周UV、每月UV等。每小时UV定义为用户在一小时内无论进入网站多少次或打开多少页面，都只计算为1，其他UV计算方法类似。VisitVisit又称为访问量、访问次数或会话次数。Visit定义与UV类似，只不过大多数Visit的默认定义时间为30分钟，即用户在30分钟内的重复打开网站，Visit只计为1；若超过30分钟，访问则记为一次新的访问。9.3探索多维度分析矩阵目标端：业务诉求与目标的角度媒体端：站外投放媒体的角度广告视角：广告效果指标网站端：数字站点体验与功能设计的角度竞争端：市场竞争对手的角度9.3探索多维度分析矩阵分析要点目标端：业务诉求与目标的角度目标指业务所要实现的目的，目标分析是数据分析的起点，也是评价业务活动是否成功的唯一标志。9.3探索多维度分析矩阵分析要点媒体端：站外投放媒体的角度媒体渠道指投放的媒介，部分特殊媒介可进一步细分1.媒体渠道媒体渠道需要细分到投放网站级别，细分渠道是营销分析的第一步9.3探索多维度分析矩阵分析要点媒体端：站外投放媒体的角度媒介位置即投放网站上的广告位置，大型媒介的同一个页面会存在多个投放位置，不同位置对广告效果的影响不同。2.媒体位置媒介位置对广告效果的影响主要是通过位置产生的，基本规律为：首屏的广告效果要好于其他屏、底部广告会好于中间楼层、左侧的广告好于右侧。9.3探索多维度分析矩阵分析要点媒体端：站外投放媒体的角度媒体排期指站外广告宣传的起止时间因素3.媒体排期排期对广告投放的影响效果例如：正常上班时间比节假日投放效果好，如春节期间效果非常差；工作日比休息日的广告效果好9.3探索多维度分析矩阵分析要点媒体端：站外投放媒体的角度媒体预算对广告效果的直接影响是预算多则曝光时间长、流量大，因此产生的转化较多4.媒体预算当广告按照时间进行趋势分析时，如果发现某天/时段流量突然降低，那很可能是预算限制问题9.3探索多维度分析矩阵分析要点媒体端：站外投放媒体的角度营销对象即广告宣传的对象，如品牌推荐、活动促销、单品爆款等5.营销对象营销对象是影响广告效果的核心要素之一，主要表现在：符合用户需求的影响对象可以形成用户的共鸣，因此可以产生更好的广告效果共鸣点包括：优质且低价的商品、免费领取的红包、优惠券、电影票、餐券等、行业标杆产生的促销9.3探索多维度分析矩阵分析要点媒体端：站外投放媒体的角度投放素材指站外广告投放时的广告素材，素材设计是吸引用户关注和单击的重要环节6.投放素材素材对广告效果的影响示例：与众不同的创意更能获得用户的关注；大型图片或素材更容易被用户发现；促销类广告对于折扣、价格更敏感，如直降400元、3折9.3探索多维度分析矩阵分析要点媒体端：站外投放媒体的角度投放链接指用户单击广告之后的链接页面，大多数情况下当用户单击广告之后直接到达着陆页，但某些情况下也存在跳转7.投放链接和跳转链接跳转会影响到跳转前的页面数据指标异常，表现在跳出率低、停留时间短、退出率低等9.3探索多维度分析矩阵分析要点媒体端：站外投放媒体的角度每一类媒体都有自己的特质，如豆瓣的慢文化、人人的学生气、领英的商业社交、微博的陌生关系和媒体属性、微信的熟人网络等8.媒体特质这些媒体因特质而聚集人气，即物以类聚、人以群分，具备不同特质的人群往往也具有不同的价值观念和行为趋向，从而影响媒体与广告主的用户重合度、需求匹配度、信息表达和接收、行为表现等9.3探索多维度分析矩阵分析要点用户端：用户属性与喜好的角度（1）性别、年龄和收入等人口社会属性信息主要通过CRM系统获得1.用户属性：用户本身的特征和要素，包括性别、年龄、收入、设备、新老特征等人口社会属性数据（2）设备属性包括设备浏览器（如IE）、操作系统（如Windows）、设备类型（PC、手机、平板）、设备名称（如NOTE2）等（3）新老访问、客户留存、访问活跃度等网站分析工具的数据9.3探索多维度分析矩阵分析要点（1）页面访问行为包括页面查看、单击等基本数据，可分为页面访问和页面内链接单击两类；2.用户线上行为：包括普通页面访问行为、搜索行为、转化行为、电子商务行为四类。（2）搜索行为是用户站内喜好和需求的重要表现；用户端：用户属性与喜好的角度9.3探索多维度分析矩阵分析要点（4）电子商务行为是付款相关的核心转化，包括订单、预付款、服务预订等。2.用户线上行为：包括普通页面访问行为、搜索行为、转化行为、电子商务行为四类。（3）转化行为是网站自身定义的转化目标，包括注册、下载、预定、接受服务等；用户端：用户属性与喜好的角度9.3探索多维度分析矩阵分析要点线下门店的销售记录3.用户线下行为：用户与呼叫中心的电话和沟通信息客户退换货信息客户经理的线下拜访用户端：用户属性与喜好的角度9.3探索多维度分析矩阵分析要点1.着陆页设计着陆页设计是影响站外营销到达站内的第一要素，也是站内漏斗的第一环节着陆页设计的好坏会直接影响用户在着陆页的直接反应，马上跳出、浏览后跳出、浏览其他页面还是浏览目标页面等。网站端：数字站点体验与功能设计的角度9.3探索多维度分析矩阵分析要点网站端：数字站点体验与功能设计的角度2.关键表单设计关键表单设计是影响业务效果的节点因素包括注册表单、登录表单、试用表单、预定表单、购物车表单等9.3探索多维度分析矩阵分析要点3.站内流程设计站内流程设计对营销效果的影响是潜在的，原因是大多数相同类型的网站流程都是相似的。站内流程的影响与表单影响类似，不同点在于流程设计是“线”的影响，而表单设计是“点”的影响。网站端：数字站点体验与功能设计的角度9.3探索多维度分析矩阵分析要点4.其他网站自身知名度市场占有率品牌美誉度及口碑网站端：数字站点体验与功能设计的角度9.3探索多维度分析矩阵分析要点竞争端：市场竞争对手的角度1.广告影响当竞争对手与企业在相同媒介投放广告时，品牌认知度的差异会导致用户单击趋向的差异，尤其是两个广告投放的内容类似的时候，会造成用户选择的冲突。9.3探索多维度分析矩阵分析要点2.活动冲突当竞争对手与企业存在相同或类似的营销活动时，用户会被分流而产生两个不利结果。一是用户提前被竞争对手透支了消费能力，企业的营销活动效果会大打折扣；二是长此以往的被竞争对手占得先机，用户会产生一种趋向，认为竞争对手会有更多优惠和促销活动而产生品牌偏好，这是对企业长远发展的不利因素。竞争端：市场竞争对手的角度9.3探索多维度分析矩阵分析要点3.共赢效应广告冲突、活动冲突可能存在一种“共赢”效果618双11竞争端：市场竞争对手的角度9.4应用场景多维透视预测效果：基于数据的业务效果预测结论定性：从数据中得出关键业务结论规律探究：挖掘数据中的潜在信息与规律规则提炼：以落地为导向的应用规则提炼9.4应用场景多维透视效果预测的价值点预测效果：基于数据的业务效果预测效果预测是对未来的预估和推断，常被应用在业务执行前的计划和评估阶段。效果预测可以帮助业务建立合理的预期目标，并为实现目标建立资源需求图谱。能够帮助企业提前识别未来会发生的异常情况，通过建立相关机制减少或避免损失。9.4应用场景多维透视效果预测的具体输出什么预测结果大多是具体值，如20%、800、200万等还可能是特定区间或分类，如高级活跃会员、A类销售店铺、响应或不响应等预测效果：基于数据的业务效果预测9.4应用场景多维透视效果预测的两种状态正向效果预测：基于已知事实X推导未知事实Y，即从前到后的正向预测。负向预测场景：基于已知事实或目标Y反向推导过程事实X，属于从后向前的预测预测效果：基于数据的业务效果预测9.4应用场景多维透视结论定义的价值点结论定义是对正在发生的现在和已经发生的过去做出结果判断，以评估结果是否符合预期或存在异常情况。结论定义并不是简单的定义结果是好还是不好，而是要进一步定义所谓的好或者不好属于正常还是异常情况。结论定性：从数据中得出关键业务结论9.4应用场景多维透视结论定义的价值点最常应用的场景是业务状态进行时和业务状态完成后。业务状态进行时的结论定义可快速帮助业务建立实时数据反馈机制，通过即时的数据结果判断是否符合预期，并可通过措施优化当前业务状态。业务状态完成后的结论定义除了可以做业务效果评估外，还为原因解析和数据探究提供了方向。结论定性：从数据中得出关键业务结论9.4应用场景多维透视常见的结果定义场景（1）昨日订单量超过30000单，超过正常水平230%。（2）过去的1小时内流量突然下降了75%，这是一个异常的预警信号。（3）过去一周内的注册会员量环比增长7%，这是正常波动。结论定性：从数据中得出关键业务结论9.4应用场景多维透视数据探究的价值点数据探究指对数据进行探索和研究以便发现进一步的数据观点和数据洞察.数据探究是挖掘数据深层次