数据分析项目实战项目三：以数据分析为导向的运营体系搭建

第一章：流量运营案例如何用数据分析的思路解决广告优化问题
1.1电商入驻商广告业务简介及传统分析链路数据分析（包含一下三个步骤）
A.获得数据：包括自动广告数据以及手动广告数据
B.广告路径分析：包括漏斗分析以及链路分析
C.改善广告效果：广告ROI（投资回报率）以及整体运营ROI上升

1.3多广告组分析时如何进行优化决策
如果一个店铺现在有两个广告组A和B，A广告组ACOS值很低但是花费少出单不高，B广告组ACOS较高但是出单量比较大且仍有利润空间，这时候你会选择保留哪个广告组？或者你会怎么优化？
思路分析：
A广告组ACOS值很低说明ROI很高，花费少是指成本少，出单不高意味着流量不高，而B广告组ACOS较高说明ROI一般，出单量比较大是指流量高，二者都有利润空间
计算步骤：
Step1：ROAS=总收入/广告花费*100%（ROAS的含义为：Return on Ad Spend（目标广告支出回报率），用于衡量每组广告花费能带来多少收入。它是ROI投资回报率的倒数）
Step2：单个订单成本=产品订单的总支出/产品订单量（产品订单总支出需要包含产品销售过程中涉及到的所有成本，比如人工成本、广告成本、仓储成本、物流成本等等）
Step3：通过在Excel表中记录不同产品的广告/订单数据，可以使用Excel自带的绘图功能绘制“X Y散点图”，从而帮助运营者分析不同广告组的运作效率。（图中点的面积大小代表了不同产品订单额的大小）

Step4：构建一个二维坐标图，然后将其划分为四个象限，Ⅱ象限的价值是最低的，这是因为Ⅱ象限代表了低ROI数值即低投资回报率，以及高单个广告订单成本的区域，在我们的案例中C产品（没有数据标签的小球）就属于“低广告投放价值产品”。
Step5：假设我们不放弃Ⅱ象限的产品，而是选择对广告投放进行优化的话，那么我们就有两种优化方式，一种是将Ⅱ象限的产品从Ⅱ象限经过Ⅰ象限最终优化到Ⅳ象限，也就是先提升ROI再降低成本也就意味着先优化广告，投放效率，再减少成本。另外一种就是将Ⅱ象限的产品从Ⅱ象限经过Ⅲ象限最终优化到Ⅳ象限，意味着降低主要成本生产，物流成本以及广告成本，这是典型的供应链管理。注意这里的成本是综合成本。
广告优化运营思路总结
1.广告基本运营思路：漏斗模型
曝光：前期有以下环节广告关键字/广告预算/单次点击出价，后期listing权重/店铺权重
点击率：曝光主图/标题/review信息/价格/库存信息
转化率：Q&A信息/review信息/购物车/变体/A+广告/价格/五点描述/副图等
2.单次点击出价优化
计算单日24小时/固定时间段的广告支出与订单量
计算平均单个订单的广告支出，将平均支出较高的时间段降低单次点击出价
3.多广告组的象限分析法
计算每个广告组的ROAS与单个订单成本（单个订单成本为综合成本的均值）
绘制点状图，然后根据不同象限对不同的广告组进行不同的优化操作

第二章：电商运营案例如何利用数据分析的思路解决运营问题
2.1仓储体系数据化
方法一：简易计算法
I30=S74
参数解释：S7指某一产品过去7天销售量，S14指某一产品过去14天销售量，S30指某一产品过去30天销售量，I30指某一产品未来30天备货量
使用方法：直接将产品过去7天销量乘以4即可，一个月由四周组成，没有特别需要留意的地方
方法评价：适用范围小/计算误差大/计算方便简单/无法预测爆款与热销款销量，容易出现断货
方法二：权重计算法
I30=S7+S14/2+S30/2
参数解释：S7权重为100%，S14权重为50%，S30权重为50%，一个月由四周组成
使用方法：产品已经进入稳定期，销量处于小幅度波动阶段时可以使用该计算公式
I30=S14+S30/2
参数解释：S7权重为0%，S14权重为100%，S30权重为50%，一个月由四周组成
使用方法：近期一周因为意外情况，例如突然的缺货/停止营业等，导致短时间销量下滑时可以用该计算公式
公式应用：十月国庆节放假7天，过去一周不发货，无评分，平台就会降低权重，给过去14天100%权重，是要考虑前面7天没有卖东西的情况，过去14天使代表下坡需要时间缓缓才能恢复到节前，一个月由四周组成，再给过去30天50%权重，刚好一个月。
I30=S7+S300.75
参数解释：S7权重为100%，S14权重为0%，S30权重为75%，一个月由四周组成
使用方法：过去一个月至过去半个月期间销量处于波动，直到近期一周销量才稳定时可以用该计算公式
方法三：计量计算法
K1=(S7/7-S14/14)/7
K2=(S14/14-S30/30)/16
K3=(K1+K2)/2
I30=30*(S7/7+K3*14)
参数解释：S7/7指过去一周日均销量，S14/14指过去14天日均销量，S30/30指过去一个月日均销量，k1指过去一周日均销量减去过去14天日均销量产生的差异，同时也表示斜率。K2指过去14天日均销量减去过去一个月日均销量产生的差异，同时也表示斜率，k3表示k1，k2的均值，I30表示一周日均销量加上平均波动值k3可以影响14天，括号里面总体表示日均销量乘以30天
使用方法：这个需要结合行业经验进行计算
方法四：数学仿真法

方法逻辑：以上图为例，列出需要仿真数据，商品成本价格，商品零售价格，商品处理价格，商品平均日销量，商品日销量标准差，然后q是备货量，包括销量，还有利润，这样根据上面给的数据可以计算出备货量为100时，根据平均日销量，滞销量是多少，利润是多少，这样可以得到平均利润和亏损概率的范围，最终得出一个平均利润最高的范围对应的备货量
如果评估哪个是最好的
首先设定一系列范围100,140,180,220,260，进行精准调试，评估这5个值的好坏，假设140-160是比较好的位置，此时，分别记录仿真150,160的次数，算出处于好的概率是多少，同时增加仿真次数，将30天变成60天，这样就能给出一些范围。
评价方法：仿真法可以非常全面考虑所有的情况，给出正确值这是它最大的优点，但是它只给了一个范围，正确值需要我们挑选，而其他方法一，二，三直接给出了答案，不需要挑选。

2.2市场体系数据化
A.市场体系数据化

B.日/周/月销量权重对比

记录每天的销售量，计算周权重指数和日权重日数，如果周权重指数接近于7，表明波动不大，如果偏离7，表明波动很大。如果周权重指数接近于1，表明波动不大，如果偏离1，表明波动很大。同时也可以做KPI考核目标管理和制定，月目标是30000，如果直接处于30天，得到平均值是错误的，因为还要考虑淡旺季，将目标根据进行分解，先分解成每个周目标，在根据日权重指数分解成每日目标，会发现并不平均。
C.市场占有率计算

计算美国不同州地区人口占总人口的比例A
计算美国不同州地区订单占总订单的比例B
通过比例A与B的数值大小判断不同州地区的未来运营策略
以上图为例，如果市场占有指数大于1，市场定位判断为1，如果市场占有指数小于1，市场定位判断为0，根据市场定位判断，如果为1，入驻商宣传度好，口碑不错，这里1代表渗透度强，同时这个地区人口比例高，也说明购买力不错，相反，为0，分情况讨论，如果这个品牌渗透度不高，如果人口不多，也可能是购买力一般

2.3运营体系数据化
A.关键词优化
从需求角度优化：用户搜索什么词就用什么词，从以下三个方面考虑：
类目词与产品词来源：listing类目排名信息、listing标题信息
核心形容词来源：搜索框下拉栏、用户review关键词汇总
广义相关属性词来源：Google Trends
从竞争角度优化：竞争对手（大卖）listing有什么词就用什么词
这些词具有以下特点：
匹配度指曝光页产品与自身产品的匹配程度
例子：假设我去卖书，我找的大品牌方至少和我一样都是卖书，不然，就算这个词再爆款，火热，可它不是和我一个领域，就算能蹭流量但没有点击率
垂直度指曝光页搜索结果数量
例子：我卖书找的词不能是非常多的人用，如果是很多人用就是泛词，我找的词用的人不多，但是销量和评分都很好那种
竞争度指曝光页拥有高review的listing数量
例子：卖书用的词不亮眼，也没有突出的标题，这样肯定没有很多人买，所以参考爆款，每本书销量10w以上，如果这个领域，用了这个词，都是10w以上，而且，大家喜欢这类书籍，就可以用
B.转化率分析+用户访问深度分析
UV:独立访问用户，访问网站的一台电脑客户端为一个访客
PV:页面浏览次数，在一定统计周期内用户每打开或刷新一个页面就记录1次，多次打开或刷新同一页面则浏览量累计。在电商领域，买家在页面内访问次数越多，所花费的时间就越长，购买意愿也越高
访问深度系数=PV/UV

可以根据访问深度系数和转化率调整运营策略：
访问深度系数下降，转化率下降：重点优化评价/链接图文内容
例子：假设我开了一家店，产品的图文很糟糕，同时评价也很差，这时候客户对我的产品并不感兴趣，访问深度系数肯定低，同时也没有人买
访问深度系数上升，转化率下降：重点优化库存，提升“当日达”比率
例子：我的店产品图文修改好了，评价也不错了，我就偷偷提了价格，顾客对产品很满意，突然发现价格太贵或者缺货，转化率就很低。当日达：用户感兴趣的都在海外，需要很久时间才能运送过来。
访问深度系数下降，转化率上升：可以考虑添加变体来获得更大销量
例子：我店产品都是单品爆款，价格合适，款式不错，可是只有一个尺码，一个颜色，标品，标款，用户访问深度系数很低，但是下单快，转化率高。
访问深度系数上升，转化率上升：链接属于健康状态，继续维持
补充：二者都要结合考虑，不能只单独考虑一个

第三章：产品运营案例如何利用数据分析的思路使产品快速迭代
3.1结合用户生命周期与使用习惯的精细化运营
无论是产品还是公司都存在生命周期，生命周期包含四个部分：引入期，成长期，成熟期，衰退期
每个周期的特点：（以电商领域为例）
当一个产品属于引入期的时候，其排名数值特点是排名低、波动大、排名不属于上升趋势
当一个产品属于成长期的时候，其排名数值特点是排名由低到高、波动适中、排名属于上升趋势
当一个产品属于成熟期的时候，其排名数值特点是排名保持高位、波动较低、排名趋势稳定
当一个产品属于衰退期的时候，其排名数值特点是排名由高到低、波动适中、排名属于下降趋势

以上图为例，这个产品在与蓝色线相交那里，进入了引入期，然后迅速地在成长期，然后出现一小段成熟期，又进入了衰退期，快速进入成长期，成熟期的周期较长，进入淡季衰退期，然后，大概两个月快速进入更长的成熟期，进入衰退，周而复始，不断更替迭代。
对应运营策略：
引入期时，价格很低，带动销量，快速占领市场
成长期时，价格稍微提高，赚取利润然后又降低价格进一步打开市场，提升销量，然后将价格阶梯式增长，获取利润，快速进入成熟期，继续阶梯上提升，维持一段时间，一直到后面价格波动不再变化。
更加精细化涉及到Listing视频、标题、review表现、Q&A问答、产品型号、子变体产品、商品描述等运营要素，一般来说，不同阶段做不同的事，需要考虑风险，收益，比如产品添加变体的时机一般选在成熟期，因为有些产品经历成长期不一定进入成熟期，直接进入衰退期，中间可能出现很多差评什么的，这些都是风险因素。

3.2结合用户使用习惯的增长黑客法则
A.高效增长：把更多资源投入到高活跃渠道中，即放弃低活跃用户，专注高活跃用户
案例：为了实现用户增长，LinkedIn的增长负责人观测了两个渠道的数据：电子邮件+搜索。LinkedIn刚出现时，创始团队有一些明显光环，所以有些用户会主动搜索LinkedIn，这类从SEO（Search Engine Optimization，搜索引擎优化）渠道进来的用户，与电子邮件邀请进来的人数差不多，但是在LinkedIn平台上的活跃度要高3倍。
策略：增长负责人决定把更多资源投入到高活跃渠道中，即放弃低活跃用户，专注高活跃用户。
B.魔法数字：某些数字背后在没有任何原因的前提下代表更优质的客户资源
案例：LinkedIn的运营团队发现，一星期内添加5个联系人的用户，他们的留存/使用频率/停留时间是那些没有加到5个联系人的用户的3~5倍。
策略：如何能够快速地将用户转化为能够建立5个社交关系的用户，就变成了驱动增长的魔法数字（Magic Number）。