如何利用指标体系进行业务分析：

• 业务层面意识层面：
  • 可以对整体的业务逻辑有更清楚的认识，
  • 处理问题的时候可以站在整个业务的高度形成整体的认知，对问题形成宏观的认识
  • 对问题的影响范围，能认知的更具体
  • 更容易定位到业务部门
• 数据层面
  • 梳理完指标体系之后，基本上能知道指标的计算逻辑
  • 能够方便我们定位数据计算错误

    教育运营专项分析

    2.0 如何解决问题思路

1. 确定业务目标
   1. 从业务目标区分析问题，跳出问题本身
2. 将目标拆解成详细问题
   1. 拆解问题之后，能够分析我们现有问题的位置，对现有问题的有关系或者是上下游的问题，形成系统的认知
3. 对各问题做优先级排序
   1. 梳理有关系和上下游问题之后，对问题的重要程度，紧急程度，解决问题的投入成本有一定的优先级排序
4. 制定问题解决方案
   1. 对确定优先级之后的系列问题，制定解决方，做成可以落地的方案
5. 搜集数据，分析重要问题
   1. 搜集历史数据，分析方案可行性
   2. 提前布置监控体系，监控方案运行效果
6. 汇总研究成果，建立论据
   1. 总结方案，分析方案的效果，验证方案的有效性，为项目汇报准备论据
7. 梳理论据逻辑，形成报告
   1. 将论据按业务逻辑梳理，形成案例报告
8. 复盘
   1. 搜集各方反馈，对项目做进一步复盘

目标确认

通过历史统计数据，我们可以看到今年企业的数据情况：

由于9月为开学季。假期结束，在线课程的招生难度也会增加，历史数据统计表明，9月的销售额一般约 为8月的50%。
目标：领导对于9月的任务为：达到8月成单量的70%。
8月销售额 106.1万
9月预计销售额：53.05万
9月销售目标74.27万
目标与预计的差额21.22万

目标拆解——原则相互独立，完全穷尽MECE原则

AARRR模型拆解
现在目标是提升转化——》ARARR-》拉新/裂变/激活/留存/转化

A用户拉新（高成本拉新）
增加优质渠道的投放
优化文案质量
增加营销课
营销课
公开课
R用户裂变（低成本拉新）
-开展裂变营销活动——促进现有学员分享课程——增加新用户
A用户激活
优化首页设计（避免让用户简单使用产品，避免因为产品设计而流失）用户激活率，用户跳出率
优化产品新用户引导（引导用户让其更深入使用产品，实实在在体验产品核心功能
优化产品注册引导（如果注册账号太繁琐，用户也会流失，减少用户操作）
R用户留存
优化课程产品的使用体验
优化用户播放
优化作业批改
优化问题反馈
精细化运营—对不同的类型用户提供不同的小课运营活动
R用户转化——销售技巧培训——提高用户转化率

首先：按指标体系模型拆解

之后，按照业务部门分配：

做优先级排序

目前看成本
渠道运营：需要比较大从成本
活动运营：裂变活动，成本低
精细化运营：中长期项目，对转化不直接
产品设计：间接作用
销售：需要时间

由于现在马上就是9月
根据方案成本和紧急程度，我们选择开展裂变营销活动

问题解决思路

由于已经进入9月，我们采取一个短期就能见效的方案——开展裂变营销活动。
由于裂变营销活动最直接的指标是活动新增用户数，所以我们需要对活动新增用户数制定一个目标。

1. 根据历史情况，估计9月销售额；
   1. 8月销售额 106.1万

9月预计销售额：53.05万

1. 根据估计额与目标额的差额计算9月裂变活动的总销售额，并以10000元每人的客单价计算需要转化的成单量；
   1. 9月销售目标74.27万

目标与预计的差额21.22万——》22万

1. 抽取8月的营销活动数据，计算8月的用户转化率；

select A.date,count(distinct A.user_id) as new_user,count(distinct T_Start.user_id) as pay_new_user,count(distinct T_Start.user_id) / count(distinct A.user_id)
from
(
  -- 接收会员活动的新用户
  select date,user_id from event_ok    where `$is_first_day` = 1 and EVENT='$AppStart' group by date,user_id) as A
inner join
(select date,user_id from event_ok    where EVENT='ReceiveVipFreely' and share_user_id is not null) as    B
on A.date = B.date and A.user_id = B.user_id 
left join
(
  -- 训练营付费成功
  select date,user_id from event_ok    where EVENT='PayOrderSucceed' and actual_amount > 200 group by date,user_id) as T_Start
on A.user_id =T_Start .user_id
-- 活动和活动14天内，14天的转化周期
and T_Start.Date>A.date and DATE_SUB(T_Start.Date, Interval 14 DAY) <= A.date where A.Date in('2020-08-17')
group by A.date;

1. 以8月的转化率结合9月裂变活动的需要转化的成单量计算9月的活动需要拉新的用户数。

106.1

53 .05
74.27
21. 22
22
计算9月活动需要拉新的用户数：4232.8——最小完成目标，因为转化率不可控

活动新增用户数 活动转化周期内转化用户数 活动转化率
2020 /8/1 7 962 5 0.52%

这张图是什么

本次为单次实验

案例实操

9月运营活动效果分析：

项目开始日期：9月23日

汇报阶段：

阶段一：9月24日 汇报用户拉新情况
汇报内容：活动新用户数、
用户拉新情况（K因子）、
活动支出、
当日用户转化
汇报形式：简报+提前做好活动报表（活动效果直接报表呈现）

阶段二：10月1日汇报用户留存情况
汇报内容：用户拉新&留存分析、
用户转化分析
汇报形式：项目报告

阶段三：10月8日 汇报用户留存、转化
汇报内容：用户留存、用户转化
汇报形式：简报

阶段四：10月13日 汇报项目结案报告
汇报内容：用户留存、用户转化
汇报形式：项目报告（特殊时期的结案补充）

1. 活动吸引的新用户数以及新用户留存：

#分享拉新用户及次日，7日，14日留存
select A.date as 日期, count(distinct a.user_id) as 拉新数,count(distinct a.user_id)*20 as 活动支出,
COUNT(distinct if(DATEDIFF(T_Start.Date,A.Date)=1,A.user_id,Null)) as 次日留存, COUNT(distinct if(DATEDIFF(T_Start.Date,A.Date)=7,A.user_id,Null)) as 7日留存, COUNT(distinct if(DATEDIFF(T_Start.Date,A.Date)=14,A.user_id,Null)) as 14日留存
from
(select date,user_id from event_ok    where `$is_first_day` = 1 and EVENT='$AppStart' group by date,user_id) as A
inner join
(select date,user_id from event_ok    where EVENT='ReceiveVipFreely' and share_user_id is not null) as    B
on A.date = B.date and A.user_id = B.user_id left join
(select date,user_id from event_ok    where EVENT='$AppStart' group by date,user_id) as T_Start
on A.user_id =T_Start .user_id and
( DATE_SUB(T_Start.Date, Interval 1 DAY) = A.date or DATE_SUB(T_Start.Date, Interval 7 DAY)    = A.date or
DATE_SUB(T_Start.Date, Interval 14 DAY) = A.date) where A.Date in('2020-08-17','2020-09-23')
group by A.date

结论：两次活动留存对比，第二次活动留存情况较差。

由于7日、14日留存的时间点比较特殊，扩展留存曲线观察拉新用户留存效果。

#分享拉新用户及次日~20日每日留存
select A.date,DATEDIFF(T_Start.Date,A.Date),count(distinct A.user_id) from
(select date,user_id from event_ok    where `$is_first_day` = 1 and EVENT='$AppStart' group by date,user_id) as A
inner join
(select date,user_id from event_ok    where EVENT='ReceiveVipFreely' and share_user_id is not null) as    B
on A.date = B.date and A.user_id = B.user_id left join
(select date,user_id from event_ok    where EVENT='$AppStart' group by date,user_id) as T_Start
on A.user_id =T_Start .user_id and
DATE_SUB(T_Start.Date, Interval 21 DAY) < A.date and T_Start.Date>A.date where A.Date in('2020-08-17','2020-09-23')
group by A.date,DATEDIFF(T_Start.Date,A.Date)

说明9月23日的活动，需要在用户留存上下功夫。
另外，需要继续分析用户的拉新质量。找出哪部分用户拉过来的新用户质量较差。

1. 活动的K因子

   select a.date,count( distinct a.user_id ),count(DISTINCT share_user_id) from
   (select distinct user_id,date from event_ok where    `$is_first_day` = 1 and EVENT='$AppStart' and date in('2020-08-17','2020-09-23'))    as A
   INNER JOIN
   (select distinct user_id,date,share_user_id from event_ok    where EVENT='ReceiveVipFreely' and date in('2020-08-17','2020-09-23') and share_user_id is not null )    as B
   on a.user_id =b.user_id and a.date = b.date group by    A.date
   

   
   

1. 分析活动的转化情况

#19天内的转化
select A.date,count(distinct T_Start.user_id) from
(select date,user_id from event_ok    where `$is_first_day` = 1 and EVENT='$AppStart' group by date,user_id) as A
inner join
(select date,user_id from event_ok    where EVENT='ReceiveVipFreely' and share_user_id is not null) as    B
on A.date = B.date and A.user_id = B.user_id left join
(select date,user_id from event_ok    where EVENT='PayOrderSucceed' and actual_amount > 200 group by date,user_id) as T_Start
on A.user_id =T_Start .user_id and
DATE_SUB(T_Start.Date, Interval 20 DAY) < A.date and T_Start.Date>=A.date where A.Date in('2020-08-17','2020-09-23')
group by A.date

活动转化人数较多，但是转化率较上次活动较差。评估ROAS，表现较差（ROAS为0.971，行业的标准 为大于2）。

9月异常数据分析

在我们做运营活动复盘的时候，我们发现9月存在一个数据异常。

1. 确定这个数据是计算错误还是数据异常；（从底层数据到应用层数据，一层层地做数据验证。）
2. 确定这个点到底是不是异常点；（1.定义异常；2.用定义的方式判断异常）
3. 确定这个点是人为（指公司活动）的还是自发（指用户自发）的；（如果是公司活动，一般能从埋点 发现；反之，则为自发。）
4. 详细梳理原因。

对过往数据我们发现8月17，9月07， 9月23为异常点，

检验方式是通过，时间序列对每个点进行预测，并计算95%的置信区间，在置信区间外面的点有三个。

异常数据的原因定位：

指标拆解 DAU= 新用户DAU+ 老用户DAU。

8月17、9月23为新增日活活动引起的日活异常。

select date,
count( distinct if ($is_first_day = 1,user_id,null)) as 分 享 拉 新 数 , count(distinct if(share_user_id is not null,share_user_id,null)) as 分享用户数from event_ok
where event in (‘$AppStart’ ,’ReceiveVipFreely’) and user_id in
(select
distinct user_id from event_ok as sub where date=event_ok.date
and share_user_id is not null and event=’ReceiveVipFreely’)
group by date order by date

9月07日的异常点是自然增长引起的。

对自然增长用户进行渠道拆解分析

select appstart.date,$utm_source,count(DISTINCT appinstall.user_id) as 渠道用户量,count(DISTINCT appstart.user_id) as 直接下载 from
(
select date,user_id from event_ok where $is_first_day = 1 and event
=’$AppStart’
group by date,user_id) as appstart
left join (select date ,user_id,$utm_source from event_ok where event
=’$pageview’) as appinstall
on appstart.date = appinstall.date and appinstall.user_id = appstart.user_id group by appstart.date,$utm_source

可以看出是新增365渠道影响的自然增长增加：

任务三 教育防薅羊毛项目（第九阶段 挖掘项目） **任务四 案例总结（直播课）**

附件：

events表表结构