数据运营的能力是每个运营必备的技能，今天就带大家了解下常见的集中数据模型。

01

属性分析

属性分析就是给用户定义属性或者设定一种属性的占比分析，可以按照不同的属性去统计用户或者网民的指标的属性占比，用来进行初步的分析并做结论。平时工作中常用的计量单位：最大值、最小值、平均值、合计等。

◆ 应用场景示例：用户的地域属性与会员属性

用户属性是用户标签与用户状态的记录，根据用户属性定义的来源区分，其叫法也会有相应的差异，例如，由平台定义的属性叫做为固定属性，其细分维度类似人口统计学变量，包括：性别、年龄、健康状况、职业、婚姻、文化水平、收入等。

通过对用户的属性进行分析，运营人员能够轻松了解用户不同属性的分布情况。例如，分析不同国家、不同省份、不同城市等地域维度的用户分布情况，再综合该地发展情况进行产品喜好分析，进而迭代优化产品。

某社交零售企业为了解完成新手引导会员的城市分布，运用属性分析模型进行分析。将指标定义为「新手引导」的「用户数」，细分维度选择为「城市」，通过查询得知，在2020年5月10日当天，完成了新手引导的会员，来自深圳市有 493 人、郑州市 408 人、北京市 284 人、武汉市和杭州市各 264 人、上海市210 人、成都市 207 人。

根据新会员城市分布，进一步针对不同城市，细化出有针对性的运营策略。例如，可考虑加大深圳门店的地推力度以获取直接客源；可考虑在成都、上海开展老带新活动，用裂变的形式刺激间接客源增长。

此外，该社交零售企业在运营活动的各阶段都会通过属性分析模型，综合分析运营结果，量化该阶段的运营成果。例如，将指标定义为「累计消费金额」，细分维度为「会员等级」，将用户选择为「所有用户」，如图所示，即可查看该零售企业目前的会员属性，以及不同等级会员的总人数和所占比例，还能了解目前各等级的会员消费水平。

02

渠道分析

渠道分析就是企业获客的渠道或者获取用户的渠道，比如，搜索引擎、社交app、短视频平台等。渠道分析可以通过访问用户数、访问次数、访问时长、跳出率等数据进行分析计算。

具体而言，渠道分析能够解决以下示例问题：

● 各个渠道的访问量，咨询量，成单量如何？

● 哪个平台的成本较低？

● 哪个渠道的网民用户留存率更高？

渠道分析模型可以通过各项指标，评估不同渠道的实际产出，从而筛选优质平台，提高整体ROI。通过选择不同的分析平台、渠道的维度等指标，即可快速衡量渠道表现。

◆ 应用场景示例：不同渠道来源的新用户质量综合评估

转化是指用户在渠道完成的某个为企业带来收益的活动，例如，注册、购买、留言咨询等都可被视为转化目标，当用户达成一次目标条件，即算作完成一次转化。

提高转化率是提高企业 ROI 的最快方法之一，转化率提升也意味企业的运营正在逐渐高效。

通过渠道分析模型，可以对比不同渠道用户的注册转化率，并结合获客成本，筛选高效获客渠道，提升获客效率。

为了解不同广告投放渠道的注册转化情况，某社交产品对于近 7 日的新用户来源进行了渠道分析，将分析维度定义为「渠道来源分组」，渠道的转化目标设为「注册成功」的「转化用户数」，得到通过指定广告跟踪转化了 851人、电子邮件543人、消息通知490人、直接访问248 人、搜索引擎215人、外部链接148人、社交媒体73人。

在上述案例中，以指定广告跟踪、邮件、消息通知的方式获客更多，企业可着重关注。但是否说明这些渠道质量就更好呢？

其实在实际操作中，不能仅凭各渠道流量多少来判断推广渠道的优劣，可选取最终转化率和用户留存率共同作为衡量渠道的指标，更精准地判断各渠道 ROI。

当分析完各渠道新用户转化数量之后，可进一步分析后续用户留存情况。如上图所示，将衡量渠道的基础指标定义为 7 日留存率，对于各个获客渠道进行降序排列，评估各渠道质量，我们会发现 7 日留存率最高的渠道是搜索引擎为1.37％。

指定广告跟踪虽然流量大，但留存率仅0.32％。我们在进行渠道分析时，需要制定合理的转化目标，综合评估渠道价值。

03

留存分析

留存是指用户使用后一段时间仍有使用。留存分析是一种衡量用户健康度或参与度的方法，从某个用户群初始行为开始计算，在一段时间后是否发生了期望的行为。

留存分析可以帮助我们分析客户流失的量以及原因，发现流失原因以便于更好的对产品或者细节进行优化，提升用户价值。留存分析还可以协助我们解决以下的问题。

上个月对产品进行了优化调整，怎么去评估他的效果？是否达到了预期的效果？通过自定义初始行为和后续行为，选定留存用户数/留存数指标即可查看留存情况，并可以对不同维度的条件过滤，进行多人群对比分析。新增用户留存和活跃用户留存是最常用留存分析。

此外，还可以通过自定义初始行为和后续行为进行留存分析，初始行为和后续行为均可以是任意事件或者某个具体事件，不同的分析场景中可以设置多个不同的留存条件来分析，根据各自的需求去完善跟进，下图的表可以根据自己的数据、需求自行建立：

◆ 应用场景示例：发放优惠券的用户留存情况

某零售品牌在去年9月入驻了Y市，首店开业时，通过线上线下不同渠道分发了一些优惠券，但销量一直没有太大变化。

开业一周后，该零售品牌通过留存分析监测到开业首周的用户数据。由于该零售品牌的主要目的是监测优惠券的发放效果，所以将初始行为设定为「使用优惠券」，后续行为设定为「支付订单」，以监测开业一周以来的用户留存与转化情况。

通过数据可以看出，在优惠券使用当日，用户留存大概为70％左右，留存率并不算低。但到了领券后第一日，用户留存率就直降至0.93％，并随着时间的推移不断减少直至全部沉寂。

现有的用户基本都为当天的优惠券吸引进来的，次日乃至以后能产生复购行为的几乎没有，这说明大多数新用户仅仅只是抱着“薅羊毛”的心态来消费，这类用户并不能作为该零售品牌的核心用户。对于这类情况，企业应该考虑重新制定优惠券玩法，以真正触达自身的核心用户群体。

上一篇：新手玩抖音如何直播带货？

下一篇：机会永远都在，靠它可以让你知道你想了解的一切（下）