新闻动态
NEWS CENTER
NEWS CENTER
2023-11-27
讲数据方针体系的文章许多，常常是开篇一句：互联网方针体系……，下边几百个方针blabla汹涌而出。搞得许多同学很晕菜：这么多方针，实践中究竟怎么看？今天系统讲解一下。话不多说，直接上场景。
场景：某视频APP内容运营，每天会固定输出游戏主题节目，节目以介绍游戏为主，现在暂无带货环节，也没有其他KPI查核，就这么先做着。
每一个视频，有：播映次数、播映人数、人均播映时长、会员观看数、10%/30%/50%/90%播映完成数、单个视频发布后首日至第七日每日播映数据。还能分成：仅PC端播映、仅移动端播映，PC+移动端播映……一起由所以自己的途径播映，所以能统计到每个用户站内其他视频阅读行为。
问题是：这一堆方针有啥关系？该咋看？
一听方针体系，许多同学会直接把一堆方针铺出来：
一大堆方针摆完，发现个严重的问题：这一堆说了啥呀！
因为没有刚性查核的KPI，因此很难讲清楚究竟多大算好。你说播映次数越高越好吧，播映次数本身是个常常波动方针，今天高了明天低了，这么剖析法得弄死自己，还没剖析完为啥欠好，丫方针又变好了！
并且单看一个方针也显得不科学，比方有的视频便是播映许多但人均时长很短，还有一堆人涌过来看，然后秒退的状况。实践状况千奇百怪，连好/坏都无法点评，咋进一步剖析：为啥好/为啥坏呢？
会导致晕头转向的核心问题，在于：没有明确方针。如果是销售的事务场景，方针很清晰：销售收入/GMV。可是运营的场景不见得都有如此清晰、刚性的方针。特别是内容运营，本身就有“放水养鱼”的效果，有好的内容积攒粉丝、吸引关注非常重要。
无刚性方针，导致树立点评规范很难。如果只看一个方针，比方播映量，好像有失偏颇。如果看两个、三个、四个方针，比方播映人数、10%跳出人数、人均时长，则方针间彼此交叉，状况扑朔迷离，很难下结论。
更不必说，许多新手会习惯性忽略树立规范环节。所以导致了很多铺陈数据，然后不知道下啥结论的晕头鸭子问题。如何在无刚性方针状况下，树立点评规范，读懂数据含义，是树立体系的要害。
想理清头绪，当然得从一个方针开端。连一个方针的走势都没看清楚，就扯上二三四个，只会越看越晕。选第一个调查方针的时分，尽量选简单、直接、不必计算的方针，这样更简单看清楚状况，防止牵扯太多。因此在很多方针中，可以先看播映次数/播映人数（选一个）。
假定先看播映次数，对单方针而言，肯定是越多越好。播映量是内容运营的基础，连看都没人看，其他的更谈不上了。可是这里要注意，调查：播映量方针是否有周/月/日的规律。如果有规律性波动，就不能简单地说：昨天比今天高，所以昨天好（如下图）
假定播映量有周波动规律，则可以树立单方针的简单点评规范：
这样就能对播映次数，这样的单个方针讲清楚：好/坏
整明白了一个方针，可以参加其他方针。在参加其他方针的时分，要首先调查：两方针之间关系。有或许两方针相关系数高，有或许相关系数低。这两种状况下处理方法不同。
相关系数高：比方播映次数和播映人数，两个方针很有或许高度相关。一个视频玩家短时间内或许只看1次就够了。高度相关的两个方针，在点评好坏时不需要重复点评，看一个就好了。这样能减少数据搅扰，更简单得出结论（如下图）。
相关系数低：比方播映次数和人均时长，不见得高度相关。很有或许有的视频太过标题党，标题太影响，配图很色诱，把玩家骗进来结果发现货不对板。如果呈现两个方针相关度低，就能用矩阵剖析法，把视频分类（如下图）