运营实操｜15 分钟学会高大上的数据地图分析方法

本文慎入！泣血长文（花了鄙人近一周时间进行构思和写作）！！！吃透耗时大概15分钟，但读后运营功力大增！什么都不说，先上一张最终的数据地图效果图，热力图部分是目标用户的分布，紫色和蓝色的购物车表示2种类型的商业购物场所。而深浅不一的蓝色格子块则代表房价。图1 最终效果图那么问题来了：这张图的制作需要哪些数据？你能从这张图上得到哪些信息？这张图能用到哪些地方？如果你对上述3个问

产品经理 2016年09月22日

嘿，为什么你的短信转化率总是那么低呢？

不知道大家有没有这样的感觉，自从微信、QQ等各种社交软件充满了我们生活的同时，在手机短信几乎已经找不到好友的记录了，拿起手机翻了下短信记录，最近的一次记录是两个月前好友的婚礼短信邀请，现在取而代之躺着我们短信里的都是各个平台、应用的推送短信，其中最多来自电商平台，只要你在某个电商网站某家店铺买过东西，几乎都能收到其推送短信。作为运营的我，曾经也负责过电商平台的短信推送工作，

业界综合 2016年08月23日

产品经理如何利用数据分析提高自己的话语权

刚刚接触产品的新人，对于数据分析这四个字即亲切又迷茫。大家往往都知道产品的迭代方向与数据分析得到的结果息息相关，可重点是，我要分析什么？数据从哪儿来？拿到数据了怎么分析？看着这一堆数，一堆图，我能干嘛，用什么方法分析？我要分析什么——明确分析的目的大家都知道产品是有生命周期的，一般产品的生命周期可以分为四个阶段，分别是：导入期、成长期、成熟期、衰退期。我们在接手一项工作的时

产品经理 2016年09月18日

用一个实例告诉你，如何对产品进行数据分析

数据分析的核心并不在于数据本身，而在于设计有意义、有价值的数据指标，通过科学有效的手段去分析，进而发现问题优化迭代。数据分析因价值而存在，数据分析本就是一个价值增量的过程。数据分析三个核心要点：什么是数据分析？（What）为什么数据分析？（Why）如何数据分析？(How)第一个问题就不多赘述了，重点实例解析第二、三个问题。数据分析的缘由/出发点很复杂，甚至有时候让人很焦灼，

产品经理 2016年08月23日

一名优秀的产品经理，该如何做好数据分析？

这两年，随着大数据、精益化运营、增长黑客等概念的传播，数据分析的思维越来越深入人心。处于互联网最前沿的产品经理们接触了大量的用户数据，但是却一直困扰于如何做好数据分析工作。那么产品经理该如何搭建自己的数据分析知识体系？数据分析的价值又在哪里？产品经理做数据分析有哪些具体的方法？又如何学习数据分析？本文将和大家分享一下这些问题。数据分析体系：道、术、器“道”是指价值观。产品经

产品经理 2016年08月16日

产品经理：没看过这张图，谈不上懂数据分析？

一、热图这么多，产品经理该怎么选？热图（heat map）也称热力图，是以特殊高亮的形式显示用户页面点击位置或用户所在页面位置的图示。借助热图，可以直观地观察到用户的总体访问情况和点击偏好。1.三种不同的热图及原理目前常见的热图有 3 种：基于鼠标点击位置的热图、基于鼠标移动轨迹的热图和基于内容点击的热图，三种热图的原理、外观、适用的场景各有不同。基于鼠标点击位置的热图（左

业界综合 2016年08月15日

数据运营实操 | 如何运用数据分析对某个试运营项目进行“无死角”的复盘？

对于小喵来说，上面的问题都是伪命题，很多时候，我们做数据时手里掌握的数据总比我需要的多，深入了解业务后，方法总比问题多；方法有了，工具的使用总比想象的简单多~好了，先看一个栗子吧，看完你就了然小喵为什么这么说咯。一、背景话说，某年某月，某外地零食O2O品牌，想要开拓上海市场，本着“稳扎稳打，步步为营”的“精益创业”方针，该品牌准备先在上海几个有代表性的区域进行试运营。选了3

产品运营 2016年08月10日

悦跑圈运营总监龙海涛：如何做好垂直领域的运营

悦跑圈用户数量从几十万增加到几千万，他们是如何运营的？近日，在兑吧的沙龙活动上，悦跑圈运营总监龙海涛分享了自己在垂直领域做的案例，从战术上分享了自己实战中的感受和经历。以下为悦跑圈运营总监龙海涛演讲全文，有删减：一、分析数据分析数据，才能让你走得更稳。线上马拉松已经是悦跑圈的IP赛事，“由悦跑圈首创”。截至2016年4月，悦跑圈已经举办了15场线上马拉松，报名人数达297万

产品运营 2016年08月09日

解读数据？解读“人”！

在营销学中，市场的根本在于需求，需求由人而生。因此，我们不应该就数字而数字，就算法而算法，应该自始自终关注“人”，市场研究则更是如此。有人也许会说，“人”可不好说，有时说谎，有时偏私，真真假假。但，不是有种更简单的想法吗？我们自己本身就是“人”。作为市场研究者，大可不必将自己完完全全剥离在“人”这个概念以外，顶着看似客观的立场，作困兽之斗。这个时候，也许有人会质疑，如果加入

业界综合 2016年08月09日

留存率还能这样计算？（上）

留存率这个概念对于大家来说一点也不陌生，平时看到的更多是固化的留存率，一般统计周期按天，常见有次日、7日、14日、15日、30日、60日等；如果大家想看更加灵活维度的留存率，比如按照某一日期时间段的留存率，都有经历这样的流程：给分析师提需求——分析师给技术提需求——分析师拿到数据并分析留存率——将数据结果给PM/运营，这个流程至少需要持续一天，一天后才能拿到最终的结果，不仅

产品运营 2016年08月09日