用户|从0到1搭建社群运营数据体系( 二 )_个人信息保护法|薅羊毛|社群

这其中微信端的用户标识会有openid和unionid，可能会出现一对多或多对一的情况，这里需要提前和运营人员定好口径，防止数据上线之后两边数据预期不一致的情况。
4. 搭建分析框架

文章插图
经过前面的步骤，我们手上目前已经有了数据，并且按照业务逻辑搭建了指标体系，接下来我们还需要按照业务逻辑搭建分析框架。
比如在业务逻辑的前两段我们会运营渠道分析法，把握渠道质量，而在所有的漏斗转化过程中，我们都需要用到流失分析，
通过流失分析我们会定位到流失的是哪类人群？在什么环节流失？接下来再制定相应的策略就比较简单了。
这里我们介绍几种常见的分析方法，应用场景不局限在社群分析中。
（1）竞品分析
竞品分析一般是看用户手机安装的各类app，这些app通常我们可以分成两类：竞品和非竞品。对于这类数据，我们一般会做一个用户安装与否与留存的相关关系图，即使用我们产品的用户中：

安装了A产品的留存低于没有安装A产品的留存，可以认为A是我们的竞品，抢走了我们的用户；
安装了A产品的留存高于没有安装A产品的留存，可以认为A不能满足用户的需求，我们的产品竞争力更强；

安装了A产品的留存约等于没有安装A产品的留存，可以认为A产品和我们的产品用户群体重合度较大，可以考虑合作换量。

文章插图
（2）关键行为分析
关键行为分析一般看的是用户做没做某个行为与目标数据（如留存）之间的关系。这样可以看出哪些行为是用户熟悉产品的“high点”。
一般我们需要定义关键行为。用户在我们的产品上会有成百上千种行为，业务人员可以根据自己的业务理解站在用户的角度上，定义用户的关键行为，数据分析师可以对用户的行为进行归类，找出那些量大，且做与不做对目标数据（如留存）影响相差较大的行为。如下图：

文章插图
上图中是我们和业务一起找出的六种关键行为，其中：

横轴是做了该行为的用户次日留存率，气泡越靠近右边，次日留存率越高；
纵轴是做了该行为的用户次日留存/未做该行为的用户次日留存，气泡越往上说明该行为对留存的影响越大；
气泡宽度代表用户量大小，越大代表用户量越大。

行为A和行为C对留存的贡献较大，假设对于行为A，用户打开app需要至少五步才能到达行为A，那我们就可以从产品的角度缩短进入A的路径，让用户更快的具有行为A；
行为E对于提升留存效果来说相对较差；

运营人员应该引导新用户尽快的具有行为A和行为C。
（3）流失分析
流失用户我们一般定义为当天离开APP之后，在接下来的一段时间（一个月、三个月等）均未打开我们的app的用户。
流失分析我们一般分析的是流失用户与非流失用户在离开app前的行为差距。两种用户的行为都要看的原因在于，假设你发现70%的流失用户在流失前做了行为A，这个时候你并不能下：
行为A导致大量用户流失的原因这个结论。因为可能非流失用户在当天离开app前也大量做了行为A，但这并不妨碍这批用户第二天再次来到我们的app。
这个过程数据分析师需要将用户最后几步的行为进行归类，然后从中得出结论。
过程较为耗时。这个过程不仅需要你有强大的归纳能力，还需要你有过硬的sql能力。因为这个过程中你可能会不停的使用正则表达式去将零散的行为不断的归为若干个大类。