一、数据分析的价值

1、数据分析的作用

数据分析是私域运营中的地图和指南针

销售额=流量*转化率*客单价*复购率（转化率和复购率提升空间较大）

1. 分析现状，明确目标
2. 拆解目标，指导规则
3. 发现问题，迭代优化
4. 总结复盘，沉淀经验

2、培养数据分析的习惯

• 缺乏数据分析意识，过分依赖直观经验和判断
• 缺乏数据分析基础，数据资源和基建不完善
• 缺乏数据分析能力，数据分析方法和思路不足

（1）数据分析意识

数据分析意识即，关注数据，重视数据，运营各环节中更多基于数据分析做决策

*如何培养数据分析意识

A、做好数据监控：关注业务运营数据，明确指标定义口径，了解反映的关键内容和作用

不要一问数据三不知，而要懂流程逻辑，懂口径定义，懂重点指标

B、养成量化习惯：用数据量化表达，形成数据描述现状和分析问题，减少先入为主的主观判断

不说“提升明显”，“应该是渠道不合适”

而是“相对提升20%”，“该渠道转化比APP渠道效果差30%”，渠道质量有问题

（2）数据分析基础

如何克服数据基础条件

• 完善私域数据基础建设需要一定周期积累和投入
• 数据分析并非一定要大而全，也可以小而美
• 微信工具的数据能力，私域运营人工统计，都是私域数据分析的实现方式，尤其是私域发展初期

（3）数据分析能力

如何提升数据分析能力

二、数据分析的框架方法

1、私域数据分析框架

基于私域目标拆解，形成完整的私域运营及数据分析框架

（1）从目标出发拆解

私域运营流量运营的目标多是获取转化用户，实现销售收入

私域销售额=流量*转化率*ARPU(每用户收入）

（2）进一步形成框架

（3）自上而下的数据分析

分析框架从目标出发，正向应用即自上而下进行数据分析

（4）自下而上的数据分析

私域运营分析的反向应用

2、常用数据分析方法

对比分布法/路径漏斗法/维度拆解法

（1）对比分布分析法（对比差异，对比趋势）

核心：解决如何有效比较的问题

某一个维度下，各要素之间的对比

（2）路径漏斗法（了解整个链路的效果，折损，定位到关键要素）

运营数据监控和分析的常用方法，有效定位关键因素和问题

关键：有效拆解路径，形成流程漏斗

拆分阶段（拆分功能，活动）——明确行为（访问活动，参与活动，评价，分享）

（3）维度拆解法（能定位到最底层的原因，这个最根本的要素决定了问题，解决问题达到更高目标）

在定位问题原因，拆解目标要素时，维度拆解分析法发挥巨大作用

形成具体分析结论，指导后续运营行为，关键在于选择维度和合理拆解

三、私域全流程数据分析（贯穿始终用数据）

1、引流获客数据分析应用

引流获客目标拆解，数据监控及数据分析优化方法

（1）引流获客目标拆解——渠道逻辑

（2）引流获客目标拆解——漏斗逻辑

（3）引流获客数据监控

基于引流渠道类型和引流路径流程记录用户数据

通过对引流数据的日常监控指导优化运营，提升引流效果和用户规模

• 曝光后的访问率=访问用户量/曝光用户量
• 访问后的添加率=添加用户/访问用户量
• 不同渠道引流的质量不一样，不同的玩法引流质量不一样

（4）引流获客数据优化

• 从日期观察变化趋势（看机会，看问题）
• 从渠道观察差异（转化率，用户质量），保证对引流数据全面监控
• 关注引流路径转化效果，及引流新增用户质量，引导引流运营优化
• 路径：看转化（访问率，访问后添加率），看规模

（5）引流获客数据优化——引流路径

（6）引流获客数据优化——引流质量

引流质量是后置的引流运营优化的重要因素

2、裂变增长数据分析应用

裂变增长目标拆解，数据监控及数据分析优化方法

（1）裂变增长目标拆解——活动逻辑

（2）裂变增长目标拆解——漏斗逻辑

（3）裂变增长数据监控

裂变增长玩法丰富，涉及到新老用户，路径也更长，主要监控数据如下

A、老用户

• 访问率=访问用户/曝光用户
• 分享率=分享用户/访问用户
• 参与用户中完成任务的比例=完成用户/分享用户

B、新用户

• 传播率=触达的新用户/参与分享的老用户
• 访问率=访问用户/曝光用户
• 添加率=添加用户/访问用户

C、裂变重要数据

k值（裂变率）=新增添加用户数/参与活动老用户数【即每个参与活动的老用户平均能带来多少个新增用户】

（4）裂变增长数据优化

• 裂变增长活动的玩法流程更复杂，持续运营化的空间也更大
• 优化重点在于新老用户的转化路径效果，其决定裂变增长的最终效果

（5）裂变增长数据优化——优化思路

福格行为模型

（6）裂变增长数据优化——老用户侧路径

（7）裂变增长数据优化——新用户侧路径

3、服务运营数据分析应用

服务运营目标拆解，数据监控及数据分析优化方法

（1）服务运营目标

• 私域服务运营的目标是提升用户活跃留存，建立信任关系
• 服务运营的效果主要通过活跃用户量和用户满意度衡量

用户满意度：用户访谈，问卷收集反馈

（2）服务运营数据监控

• 关注整体的活跃用户，了解私域用户的质量状况
• 重点关注私域团队服务运营效果，带来多少的转化

（3）服务运营数据优化

服务运营优化关注：互动效果和带来的转化效果

*关注当天互动的转化率，互动低，说明缺乏转化导向性

• 说明补贴力度低
• 或者目前不需要这个东西

4、转化变现数据分析应用

转化变现目标拆解，数据监控及数据分析优化方法

（1）转化变现目标拆解——漏斗逻辑

（2）转化变现目标拆解——用户逻辑

（3）转化变现目标拆解——载体逻辑

（4）转化变现数据监控

转化变现的形式和渠道丰富，主要的监控模板如下：

• 领取权益：补贴优惠券
• GMV（成交金额）
• 控制补贴率

（5）转化变现数据优化

转化变现可以从载体/用户/活动等维度进一步拆分，其核心仍为转化率，客单价和购物频次（复购率）

• 转化率：看商品是否适合新用户，补贴力度能否满足用户需求
• 客单价：提升客单价，要控制好毛利，不要过高的补贴
• 复购率：决定我们触达客户的频次，触达的活动，补贴方式

（6）转化变现数据优化

转化变现的优化核心是基于用户分层的精细化运营

*客单价：单件数*客单价，基于现状逐步提升。

• up-sale：提升用户购买的价格，件单价
• cross-sale：提高用户购买的件数，件数量

*复购率

复访——复购：买完之后送优惠券，详见“转化变现”篇

四、总结篇

1、私域流量的数据分析（知识框架）

2、私域流量的数据分析（知识点梳理）