按关键词阅读：
文章插图
基于以上公式我们可以拆分出详细的数据指标体系：
文章插图
日常数据统计和记录维度可以按照如下形式：
当建立起固定的数据指标体系后，每期直播就可以重复性的进行数据统计分析，以及针对每个环节的数据指标进行不断的优化和打磨提升。
我们再以某个非常具体的活动为例：比如我们要做一个新课首发活动，固定时间点开售抢购，目标是活动营收，在开售开始前采用预约报名的形式。那么对于这场活动的成果与否，核心是要做好过程数据的管理，具体模型如下：
文章插图
从活动风险管控的角度，课程抢购预约人数可以设置一个上浮动值，比如过程指标的预约人数可以定为1800人或者更高，活动预热宣传阶段则以这个过程指标作为核心指标去促进。因为课程购买预约人数是跟详情页曝光（UV）和UV到预约报名的转化率有关。要想提升预约人数有两个方向思路要么提升课程曝光，要么提升预约转化率。
提升曝光（UV）则以增加曝光渠道、推广资源和传播玩法来进行，核心是确保渠道质量、玩法和创意，其次建立用户对本次活动的关注度和认知度
而提升预约报名的转化率则从课程价值点传达（如详情页和活动页的包装和介绍，社群宣传，销售的跟进介绍），课程价格、福利阶梯设计和抢购群内氛围营造来进行刺激。
当然这个是从本次活动管控角度，来确保活动目标达成以及保证活动过程指标管控节奏，而从本质上，对于活动成功与否关键是要看项目在日常的运营积累，需求强烈程度及需求节点，比如内容本身打磨、需求和活动策略设计。
03运营数据分析的门槛不在技巧和工具使用，而在于思维、意识和习惯。对于数据分析，需要我们找到一个特定思维分析模型。
从数据分析操作层面，基本上是按照执行的先后流程来进行，比如：
- 确定数据分析目标；
- 根据目标影响因素，建立分析影响关系和模型；
- 通过对比和可视化呈现，如横向、纵向或者与目标值对比，数据透视；
- 发现问题，从对比和透视中发现与预期不符的数据；
- 分析问题，结合数据影响模型和业务分析出现问题的数据原因；
- 解决问题，确定优化目标，提出可行性的数据优化提升方案验证方案，通过实际数据反馈来验证方案效果；
- 分析优化，循环解决。
文章插图
数据分析常见误区如下：
1）无对比
只给出绝对值，数据只有通过对比才能判断效果，比如跟目标对比，跟历史对比（同比环比），跟竞品对比，跟同类型项目对比。如大家在周报中经常会出现仅同步上周营收XX万，增粉XX万等绝对值，只呈现绝对值是无法体现数据效果。
2）无结论
只做数字上的呈现、计算和对比等，但无实际的结论，比如按照第2部分提到的直播电商GMV拆解公式，对每个环节指标，转化率数据做出呈现和对比，但无具体的结论和分析。
3）脱离业务本身
同一个数据原始表格，熟悉和理解业务的运营和外行的人来分别进行分析结论会有很大差别。
4）无明确分析依据，用主观思路来做分析
比如A课程上周营收环比增长50%，很多人习惯性说是可能是做了XX动作，或者简单地说上周做了曝光和宣传，至于曝光效果无数据支撑，实际上有可能曝光带来的详情页UV提升有限，而在转化率上有明显提升。
正如前面的分析思路，建立课程营收模型：课程营收=详情页UV*转化率*客单价，如果是营收阶段性出现明显上涨，在价格不变的情况下，从表象上是详情页UV或者转化率某一指标或者两个指标都发生明显变化。
这个时候要看不同环节数据变化情况，进而分析发生变化的本质原因（同一渠道在不同节点上曝光效果会有很大差异，课程的需求节点和开课时间也都会影响点击和转化），这个时候按照上述的3W思路可能会分析得更深入和精准。
04 数据分析有一个隐藏的能力就是：敏感度。
不同的人对数据的敏感度不同，主要表现在拿到原始数据后的第一反应，对数据敏感的人，即使对原始数据不做透视也能够快速看出一些规律和发现数据问题，对数据分析和关注成为一种潜意识的习惯。而培养数据敏感度除了潜质之外，更重要的是刻意训练。
稿源：(人人都是产品经理)
【傻大方】网址：http://www.shadafang.com/c/102E333C2021.html
标题：公式|运营4大底层能力之三：如何做到数据驱动运营？( 二 )