如何做好数据运营？

　

先讲2个小故事

1、商家、顾客和优惠券

  假设一瓶牛奶成本3元，定价6元时，50人会接受此价格。定价10元时，有30人会接受此价格，前者利润为（6-3）×50=150元，后者利润为（10-3）×30=210元。

但商家不想放弃另外20个支付意愿较低的消费者，于是决定用4元优惠券来吸引他们，同时对剩下那30个对价格不敏感的消费者依然维持10元的原价销售。

此时商家利润为 30×10＋20×6－4×500=240元，达到了最大化。

2、大数据“杀熟”

  微博网友“x师傅”讲述，他经常通过某旅行服务网站订某个特定价格酒店的房间，长年价格在380元到400元左右。

偶然一次，通过前台他了解到，淡季的价格在300元上下。他用朋友的账号查询后发现，果然是300元；但用自己的账号去查，还是380元。

大数据时代

相信不同的人看完这两个故事有不同的理解，从数据运营角度 可以看出用户分层、用户画像（标签化）、消费心理分析（优惠券能给用户占便宜的错觉）等的重要性；从用户角度可以发现生活处处有套路。在我看来，技术的发展终会回归到善与恶的哲学问题。

很多人还没搞清楚移动互联网的时候大数据就已经处处可见了，一下子就到了精准化营销时代。

不妨从数据运营开始经典运营模型：AARRR

AARRR（Acquisition、Activation、Retention、Revenue、Refer）这个模型是贯彻用户生命周期的运营模型。

AARRR模型

数据分析基础均值：平均值, =AVERAGE(B2:B19),B2:B19为数据范围；中位数：先将数据升序排列，若为数据个数为单数，则为中间那个数，若为偶数，则为取中间两个数据的平均值，=MEDIAN(B2:B19)；众数：出现次数最多的数，=MODE(B2:B19)；方差：用来计算每一个变量（观察值）与总体均数之间的差异，=VAR(B2:B19)标准差：方差开根号后为标准差，用于评估数据稳定性，=STDEV.S(B2:B19)标准误差：是描述对应的样本统计量抽样分布的离散程度及衡量对应样本统计量抽样误差，=STDEV(B2:B19)/SQRT(COUNTA(B2:B19))最大值：=MAX(B2:B19)最小值： =MIN(B2:B19)峰度：=KURT(B2:B19)偏度：=SKEW(B2:B19)

统计学基础

透视表

如何从1000条数据里清晰的看到每个月不同地区的销量情况，分析出每个月的利润呢？

1000条数据

透视结果

详细的数据透视表操作过程搭建免费的数据分析平台

Superset是一款轻量级的BI工具，由Airbnb的数据部门开源。整个项目基于Python框架，不是Python我也不会推荐了，它集成了Flask、D3、Pandas、SqlAlchemy等。

superset

学习python

利用Python进行数据分析

利用Python进行数据分析.pdf 下载地址

Python数据分析与挖掘实战

Python数据分析与挖掘实战

心理学

数据分析要结合心理

数据分析要结合心理

始发于简书：产品经理的技术课堂

相关阅读