今天来参加活动的朋友,主要来自于两个方面,一是网络营销人员,一是互联网产品的运营人员。我们这些人在名片上的称谓,或曰营销、或曰运营、或曰产品经理。不管是什么称谓,都必须要承认,这是一个最富有感性、创意和灵动的群体。而这样的群体,今天来讨论“数据分析与运营”是一件多么值得高兴的事,这标志着我们这个群体越来越成熟了,不再只是感性、创意和灵性。著名数学家高斯说过,“一门学科的成熟程度,就在于数学在这门学科中的应用程度”,我看应用在工作中也是一样,“一个行业或者群体的成熟程度,在于数学在这个群体中的应用程度”。做数据分析,自然就是一个数学的课题,标志着我们产品经理人工作成熟度在提升。
在成熟度高的行业与企业里,数据分析是一项基本的要求,而且已经非常深入而精深,象“基于事实的决策”、“量化管理”、“科学管理”都是指工作建立在数据分析的基础上。数据分析的应用程度在成熟度高的行业里已经深入到“数据仓库”“数据挖掘”“决策支持系统”“统计与分析系统”等阶段。我们现在来谈流量、转换率、退出率等,就是在走向数学,走向数据,走向成熟。
从刚才各位的讨论、提问与解答,可以看出来大家都是专家,都有很深的工作体会和知识积累,我在这里只想给几点建议供你们参考。我的建议,其实也就是针对今天会议的两个主题词,一个是“数据”,一个是“分析”。
一 对于“数据”,我们一定要搞清楚一个量化值给你到底反映了什么问题。
大家别以为你拿到一个数据,就知道这个数据的值反映了什么问题。数据背后的真相常常会令我们大吃一惊。
在座的各位,不管你是从事网站型的营销,把实体产品、虚拟产品放到网络上来销售而开展的电子渠道营销,还是你是从事互联网产品的运营,也就是说,不管你是做产品还是做营销、做设计还是做运营,当你把业务“网络化、网站化”,那么就要清楚是在把应用服务化。就算一个仅仅用于营销用途的电子商务网站,它都是一个网站产品。不管你的网站多么地复杂或者如此地简单,我们都无法否认,当任何一个访客来到网站,所产生的任何感受,所做的任何活动,我们都很难完全界定,它到底在使用你的产品享受你的服务,还是他进入了你的营销模式里,被你营销与引导。因而,任何来自网站的数据,它既可能反映的是用户的使用体验、产品逻辑、直观感受,属于用户需求、产品设计的内容,也可能是反映了用户契合度、营销效果,属于营销策划与客户服务的内容。这在很大程度上跟传统的产品是不一样的。比如说一个用户在电视机前面摆弄遥控器,任何抱怨与赞扬,我们都知道他是关于产品的声音,不会说这是营销效果的分析。网络营销、互联网则不一样。网络上用户的任何一个活动,都无法完全分清是产品还是营销。
就说退出率吧,退出率是指用户到达某一个页面后,没有继续再去往任何一个站内页面,而是离开了网站。对于这个退出率的数据,能够反映什么问题呢?很难说。与营销、产品都可能有关。用户退出的真正原因,可能是因为你的网站的图片与色彩让其反感,不信任;可能是因为你网页介绍的产品功能与性能达不到他的需要,不能令其满意,这应该都是属于产品方面的内容。也可能因为你所做的搜索引擎优化工作中关键字与产品不匹配,你放置的广告关键词与产品内涵的关键词不够契合,来客属于误入或者被误导了。这就应是营销的问题。“电吹风”这个词如果被你用做关键词去营销,谁能保证传递给用户的信息一定就是吹干头发的吹风机,而不是酿干粮食的鼓风机呢?
所以说,搞清楚数据反映了什么问题,应为谁所用,是数据分析的基础。
二 对于“分析”,要有一个与之搭配的主语
数据分析,并不是拿到一份报告,看看它的status,然后提出一个更高、更好、更大的目标,要求手下去找到实现的方法。做数据分析,要找到与之搭配的主语。
谈分析(Analyse),一个常见的搭配是Gap Analyse, 即差距分析。有了差距分析的概念,就会知道要做分析首先要设置有一个目标,或者说要有一个预定的期望值,这种目标与期望值往往也是产生于你的控制模型与偏差系统。做差距分析,就不会是简单地拿到一堆数据,大家横看竖看不是这里有问题就是那里可提高。就会发现,事前的预测与计划,比事后的分析要更重要,PDCA的做事过程上,P是第一步,C可以说是分析这步的工作。刚才有朋友一直在讨论某一个行业的网站它的退出率应该是多少,这如果说是用来做数据分析,确实是意义不大的。更应关注的问题是,你本来预期退出率的值是多少?你当初是凭什么这么做的预期,基于哪些要素与行动,现在这些要素与行动是不是都被执行,并达到了效果。现在的实际情况差距在哪里,如何产生的?针对接下来的阶段,应该提出什么样的预期与目标,又是基于什么样的要素与行动。行业的标竿数据拿来指导定目标比用来做分析更有意义。
谈分析,另一个常见的搭配是Statistic Analyse,统计分析。有统计分析的意识,就会知道做数据分析,应该有建模的过程,统计分析的目的是把握趋势计划未来,统计分析需要连续的数据来支撑,而不是用一堆孤立的散点来寻找解决网站运营的实效,要有traceability的概念来寻踪溯源与根因分析。这样一来,选择什么样的跟踪系统,跟踪了什么样的数据字段,这些数据是否满足你的跟踪需要,对于这些数据你能够建立哪些数据视图,基于这些数据视图反映什么样的决策逻辑与模型……就会一步步显现出来成为数据分析工作的一部分。
总之,我的这两点建议,供打算认真去做数据分析,并希望通过数据分析来提高网站运营实效的人参考。如果有人想加一段网站跟踪代码,看一下指标值,就觉得是做了数据分析,就会显著提高网站运营的成熟度与可靠性,那多少会有点天真的。