看来老王是别想甩开小李了，这不，运营一直嫌小李做的数据分析没有深度，小李哭丧着脸又来找老王求救了。老王除了帮助小李捋一下思路，也没有别的办法。下面我们一起看看老王是如何结合运营场景，让数据分析变得有深度吧！

【情景假设】

某公司运营一直在为增加用户和提升销售额的问题头疼，他们做了一系列的打折促销活动，但是依然没有什么效果，这种情况下数据分析师该怎么做呢？

核心：运营逻辑贯穿分析始终

假如从用户出发，站在运营的角度看问题，每一个企业面对的用户至少有4类：

很明显，不同人群的需求是不一样的，所以如果只是单纯地打折，导致的结果就是经营盘子越做越小，销量可能维持在一定水平，但总利润是越来越低的。

如果此时数据分析师不懂得背后的运营逻辑，只是单纯陈列数据的话，那么就会啰嗦一堆：“购买客户数XX人，购买金额XX万，较上月下跌x%……”这就是对现象的简单陈述，运营当然会觉得很浅，不够有深度。

所以，想要更有深度地给出数据分析建议，就一定要做到两点：

1、理解运营基本逻辑；

2、用数据佐证逻辑。

拆分目标用户，做出不同策略

做这一步的时候，数据分析师往往会给出三个基本思路：拉新、复购、维护，但这种思路依然是没有从运营逻辑出发的，如果从运营逻辑出发，就会发现新的问题，如，当策略有了组合的时候，就会出现叠加效应，这个时候就要思考更深度的3个问题：

有这3个问题的回答，分析的程度就又深了一个层级。

根据运营逻辑进行策略优化

在上一步的过程中，我们已经提出了要深度思考的3个问题，那么面对这3个问题，只有逐一做出优化，才能让数据分析更有价值。

首先，单个策略优化

以获取新用户举例，设想一种最简单粗暴的方式：新用户首单1元买商品。优惠力度大，简单粗暴，作为顾客的话我们人人都喜欢。

如果孤立地只看一次活动，那么作为数据分析师，肯定只能得出：曝光量XX万，引导注册X万，购买人数X万这种没有结论的数据。

但是站在运营角度，这么简单的活动，都至少有五个部分组成（如下图）。

所以数据分析师此时就需要把所有活动，按照策略组合成活动组，这个时候会发现更多的问题：

1、可能是单一活动没有做过优化；

2、可能是活动优化毫无章法，无法积累有效经验；

3、做优化不够全面，只做了冰山一角；

4、优化做到位了，但某个渠道新用户/转化率有上限；

如果是第4种情况，就能得出一个更深层的结论：要想完成业务目标，就需要开通新的获客渠道。这样的结论，运营就会信服很多。

其次，两个策略衔接优化

关于提升复购率，运营肯定有很多自己的办法，此时，数据分析师除了简单地输出：复购率、复购人数、复购商品量等等数据以外，需要将两个策略结合来看，以便看出更多深层次问题。

比如，用户为什么不复购这个问题？数据分析师可以结合之前新人阶段策略，给出更深层的分析结论，比如：

1、没有针对有复购意向人群的活动策略

2、有策略，但是过于简单，未能结合该类人群的消费习惯

3、有策略且多样，但是缺少培育，只做收割

4、有策略且多样且有培育，但时机不对

......

这些结论就不是单纯地罗列数据了，需要把前后策略连起来看，这样才能有更深入发现的。

再次，多个策略组合分析

当策略越多，策略之间的相互影响越明显。此时运营会有两个明显的倾向：

第一类：各部门各自为战，拉新、复购、高价会员一个小组一套策略，营销费用疯狂燃烧。但有的部门效果好，有的部门效果就不好，为什么会出现这样的情况？

这个问题，在单一的活动复盘里很难讲清楚，但把所有活动围绕活动编织成策略组，就看得很清楚。能及时发现活动之间的堆叠，能基于每个用户计算清楚投放成本的去向以及消耗金额。

第二类：各种动作混为一谈，又要用户看直播，又要用户下载APP注册，又要玩游戏，最后才能得个可怜巴巴优惠券。

这种情况根本不需要举例，现实生活中太多了，某多的砍一刀，操作越整越复杂，优惠越给越少。一个基本的常识就是：流程越长，流失越多。看似面面俱到，实则面面俱废。

此时作为数据分析，除了给到这个巨复杂的流程数据以外，还可以把这个巨复杂的流程，对应回基础用户数据，看看实际覆盖了哪些人，到底激活的是谁，这样就能把大而无用的问题暴露出来。

总结一下：

要想让数据分析有深度，脱离简单的罗列数据层面，就一定要了解业务逻辑，切记，一切脱离业务的数据分析都是没有价值的！

好啦，老王今天的科普也就到此结束了，希望对小李有所帮助！你还想听老王讲数据分析哪些案例，评论区告诉我！