面对突如其来的热点数据飙升，我们如何有效地分析和利用数据驱动的精细操作？ 2019年3月22日，原本只是一个普通的周五，但自国务院10点发布以来「好消息！#五一假期4天#」通知后，一切都变得不寻常。


文章发表2分钟后，阅读量迅速达到98万，仅10分钟就超过150万。


热心的人传播众所周知，朋友圈沸腾。


作为一名互联网产品运营商，他很高兴面对如此巨大的流量，但这种紧急情况应该更准确地定位问题，并迅速给出新的应对方案。


这要求运营商结合自己的业务状况，实时洞察异常数据，选择合适的数据分析方法，真正实现数据驱动产品和精细操作。


一、回顾 让我们来看看国务院当天发出通知后，主要产品做了什么。


1. 消息push不约而至 正式宣布！五一假期延长至4天！ 好消息！五一假期四天 休息四天！你想要的五一假期回来了 喜欢大普本！今年劳动节4天假 视频、地图、旅游、社交…媒体新闻push接下来，真的感受到了新媒体运营商敏感的嗅觉和强大的执行力。


2. 网易新闻热门跟帖 不仅仅是休息一天。


就是放两天，只是把前一周和后一周的休息到五一。


还有一天。


现在单位放假值班！你这样做了，原来…… 不调休，放四天才是最好的消息。


文案创意与#五一假期4天#新闻紧密契合，广告模板结构化配置紧跟热点一键生成，流量灵活多变。


3. 马蜂窝旅游消费指南 根据国务院最新通知，2019年最新版本的假期安排将及时更新。


对国内外最适合旅游的24个旅游目的地进行了盘点。


High春游季促销活动是热点。


730元新客优惠券礼包及时发放，门票、酒店、机票、免费行全覆盖，688.8元红包挑战吸引用户。


对于普通大众来说，短假旅游不仅是一种习惯，也是一种生活方式。


消息一出，旅游爱好者就立刻进入了旅游准备过程。


4. 飞猪公关数据 假期消息公布后，10:00至12:00，国内机票预订量比上周同期增长50%以上；国际机票增长更惊人，超过150%。


五个目的地在上海、重庆、北京、西安、成都最受欢迎；国际城市是首尔、香港、曼谷、大阪和东京。


从飞猪平台上看，中午后价格开始上涨。


就这样，一个「好消息！#五一假期4天#」意想不到的假期消息，突然成为全网热点，媒体追求营销，大众欣喜付费，浏览访问数据瞬间飙升。


二、用数据分析问题 回顾过去，这些动作的反应速度非常快，与自己的产品调性相结合也非常出色。


面对海量数据的快速上涨，下一步该怎么办？ 你必须记住这些熟悉的场景： 比如有一段时间公司做了一波网络名人大V推广，老板想看推广效果，你需要复盘分析； 比如某一段时间数据异常涨跌，老板要准确说明，你一脸懵逼； 比如有一天你负责的M站浏览量飙升，迫切需要找出原因，利用这个机会增加一波流量。


所有这些场景都需要基本的数据分析能力。


数据分析的价值在于通过一定的分析程序，快速分析和解决一系列问题现象与业务数据建立相应的关系。


接下来，我将关注三种常见的数据分析方法，然后通过社交网络APP辅助理解和解释国庆期间数据飙升原因分析的案例。


三、三种数据分析方法 首先，常9种常见的数据分析方法：比较分析、多维拆卸分析、漏斗观察、分布分析、用户保留分析、用户肖像、归因搜索、路径挖掘、行为序列分析。


这里将重点分享前三种数据分析方法： 对比分析、多维拆解分析、漏斗观察。


1. 对比分析 对比分析是最基本、最常见的数据分析方法，可以直观地看到事物在某个阶段的变化，准确、定量地表达这种变化/差距，重点是「比什么」「怎么比」「跟谁比」分析三个维度。


（1）比什么 比较分为绝对值(#)和比例值(%)。


绝对值本身就是一个具有价值的数据，比如销售额2000元，阅读量1万元，单看数字就不容易知道问题的严重程度； 比例值只有在特定环境下才具有比较值，如：活跃比例、注册转化率、单看比例值容易受到极端值的影响。


（2）怎么比 如何比较，分为环比和同比。


常见的是指与当前时间范围相邻的最后一个时间范围，主要用于分析短期内的连续数据，如指标设置； 常见的同比有周同比和年同比，是指与当前时间范围上层时间范围前同一位置的数据对比分析，主要用于观察更长期的数据集，消除短期数据的干扰。


（3）和谁比 与谁相比，分为与自己和行业相比。


与自己相比，可以从不同的时间维度，不同的业务线，过去的经验估计，与自己相比； 与行业相比，我们可以观察和分析是自己的因素还是行业趋势。


例如，当它们都下降时，它们能比同行下降更少吗？当它们都上升时，它们能比同行上升得更快吗？ 现在回到上面这个「飞猪公关数据」假期消息公布后，10:00至12:00，国内机票预订量比上周同期增长50%以上；国际机票增长更惊人，超过150%。


很显然： 比例值为50%，150%； 比上周同期增长……因为是#五一假期4天#消息导致数据短期内持续上涨，所以选择周同比； 预订国内机票……国际机票……飞猪是和自己比较的。


如果以公布行业数据为依据，可以判断飞猪涨得比同行快/慢。


2. 多维度拆解 多维拆卸是最重要的思维方式。


单一指标没有分析价值。


我们需要从多个维度进行拆卸和分析，以获得更全面的数据洞察力。


数据分析的本质是从不同的角度进行分割，观察相同的数据指标。


观察数据变化的多维拆分指标/业务流程。


多维拆卸的适用场景： 在分析单一指标的组成和比例时，如：分栏的播放量和新老用户的比例； 拆解流程，如浏览、购买转化率、不同省份活动参与漏斗等； 还原行为发生时的场景，如奖励主播用户的等级、性别和关注频道，是否在WiFi或4G环境下。


现在回到第一个场景:比如有一段时间公司做了一波网络名人大V推广，老板想看推广效果，需要复盘分析……” 此时需要采用多维拆解分析方法，大致分析思路如下： （1）从APP分析启动事件 按设备类型检查，如：Android、iPhone…启动不同型号； 从桌面、短信等启动来源来看，PUSH…启动不同来源； 按城市等级观察，如一线、二线、三线及以下…启动不同城市； 根据新老用户的细分，如：总体、新用户、老用户…启动不同用户群体。


(2)从业务流程拆解 例如，对于简单的注册——