运营数据分析的误区

　　 TP（Time On Page）：页面停留时间

　　比如，王大壮最喜欢看新闻，所以他每天看XO站的新闻频道10分钟；李小勇最喜欢看美女，所以他每天看XO站的美女频道30分钟。这就是TP。

　　Traffic Sources：流量来源渠道

　　比如，百度每天为你的网站贡献了100个UV；用户直接输入网址为你的网站贡献了10 000个UV；微信每天为你的网站带来1 000个UV。这些都是流量来源渠道。

　　所谓流量指标，并不单一地指UV、PV这些基础数据，也不仅仅是用户停留时间、重复访客这种细节数据，它同时还包括了渠道来源数据。

　　到了持续运营阶段，单一流量指标的意义已经不大，更重要的是用户的留存、活跃指标，甚至是付费用户的规模。在这个阶段，跟踪所有流量来源的渠道质量依然很重要，需要强化的是用户行为的分析，要拆分出各种维度、各种路径的留存、活跃、转化的情况，以及分析用户的兴趣点，建立用户的成长模型等等。

　　到了成熟期，运营人员需要关注用户流失的速度、分析流失的原因，对依然留存与活跃的用户给予重点的关注。数据分析在成熟期的意义是延续网站（产品）的生命周期，持续为存量用户提供优质服务。

　　到了衰退期，运营人员要做好数据的保存工作，如果网站（产品）要结束运营，应提前做好各种准备和通知。

　　我并不打算就数据分析的方法展开讨论，因为这个话题覆盖范围太大，所以我们着重分析一些关于数据使用、数据分析的误区和数据说谎的手法。

　　数据使用的方法

　　· 掌握历史数据。

　　对于运营人员来说，熟悉、掌握网站（产品）的历史数据非常关键。数据的维度越全面，运营人员对网站（产品）的生命周期，乃至用户的生命周期的把握就会越清晰。

　　· 从历史数据中归纳规律。

　　历史数据不是拿来看的，而是用来分析的。分析其中的规律，在什么节点数据上升，什么节点数据下降，找出原因，形成经验，对运营人员的工作来说至关重要。

　　· 通过规律反向进行数据预测。

　　运营人员掌握了规律，就具备了做数据预测的基础。过往3年，国庆节期间，网站的流量都会有明显提升，那么运营人员要不要提前为每年国庆节做一些规划呢？

　　· 学会对数据进行拆解。

　　数据量越大、维度越多，数据越需要拆解，可以分为按照时间的拆解和按照相关性的拆解。运营人员懂得拆解数据，意味着有能力把控运营的节奏。这是需要每个从事运营工作的人注意的地方。

　　运营数据分析的误区

　　· 不要用单一类型的数据去评价全局。

　　我们举个例子，见图6–2。

　　图6–2 近三个月支付宝网站日平均访问人数Alexa排名走势

　　资料来源：Alexa网站

　　这是Alexa（一家专门发布网站世界排名的网站）统计的支付宝2014年4月~6月日平均访问人数的走势，我们可以通过这个数据认为支付宝的活跃用户在减少么？答案是不能。因为Alexa只统计Web端，支付宝移动端的活跃用户是否在增加呢？我们并不能从这个数据中得到答案。

　　· 不要夸大偶然事件，认为带来必然结果。

　　运营人员经常会发现一个活动上线之后，运营数据有很大的提升，但是，这有可能是一个偶然事件，如果你认为这样的活动形式必然对数据有所帮助，那么你需要更多的数据来佐证它，并且适时将这种活动转化为机制，如果它真的有效。

　　如果你不能证明两者之间的必然性，那么就有理由怀疑，你的运营效果是其他渠道导致的。

　　· 避免用结论推导原因。

　　运营人员很容易犯的数据分析的错误是，发现数据增长了，然后寻找各种对数据增长可能有帮助的事件，并且将数据增长的原因归功于这些事件。

　　运营人员发现数据增长，或者下降，希望找出原因，最好的方式是再现。

　　· 避免唯数据论。

　　数据既可以说明问题，也可能遮蔽视线。数据并不能解决所有问题，它给你的是一个参考，而不是一个结论。

　　运营数据说谎的手法

　　想要运营数据说谎，其实很简单，在此简单地举出几种。

　　· 拉伸图表。

　　图6–3 当日活跃用户数（人）

　　图6–4 当日活跃用户数（人）

　　上面两张图，其实源数据是完全一样的，但是相同的数据却带来了不同的感受。这就是拉伸图表所带来的结果。

　　· 修改坐标轴数据。

　　图6–5 当日活跃用户数（人）

　　图6–6 当日活跃用户数（人）

　　上面两幅图表，其实原始数据也是完全一样的，但是图6–6传递的用户波动的幅度比图6–5要小得多，这得益于图表制作者使用了“对数刻度”，从而让数据的波动没有体现得那么强烈。

　　· 故意选择有利的样本。

　　这种情况很常见。在运营过程中，运营人员会比其他人更了解自己的用户，那么就会出现下面这种情况：

　　一个电商平台要做流失用户挽回活动，运营人员要针对流失用户进行选型。这次选型有两个选择：一是“半年内未购物”的用户，二是“半年内未购物但有登录”的用户。那么，针对哪个样本选型用户的流失挽回活动效果会更好？

　　毫无疑问，答案是后者，因为第一个选型样本里包含了“有登录”和“无登录”两种类型。

　　很显然，如果我们单单考虑挽回流失用户的难度，对半年都没有登录的用户进行挽回，比对