在我看來，競爭到最後，運營和運營的差距是從數據和視覺上分化出來的。
今天我們正好有時間談談數據。
什麽是數據分析思維？
數據分析思維，我覺得是:把行為變成數據——通過數據反推。
讓我給妳舉個例子:
妳經常來我店裏買月經巾。
今天來買月經毛巾吧，我知道妳大約壹周後就要來月經了。根據妳買的數量和規格，我可以推斷出妳的經期有多長，多少錢。拉出妳半年的購買時間，我就能推斷出妳的周期有多穩定。
如果我兩個月沒見妳買過月經巾。。。妳男朋友的雨衣壞了肯定是兩個月前的事了。
翻出男朋友的購買記錄，我知道這家店的雨衣可能不合格。
為了驗證他是否不合格，我們去看看他半年內的回購率是否遠低於同行。
嗯，就因為妳沒買月經巾，我就懷疑這家店的雨衣是否達標。
這是數據分析的基本思路。
學會數據分析的基本思維，只能說妳勉強具備了數據分析的可能性。
然後做數據分析。有幾件事需要了解。
1.數據樣本:如果數據樣本選擇不合理，結果完全錯誤。舉個例子，如果我去搶壹家定位40歲大媽的月經巾店，問中國女性的月經周期，壹點都不科學。這就是青春期和更年期的區別(此例說明林也涉獵婦科知識，歡迎廣大適齡未婚女性朋友來信咨詢)。
實戰中經常犯的壹個例子是:轉化率好的單品在保利賣不出去。平賣壹些轉化率差的單品，如果性價比高的話會賣的很爆。為什麽？想想，別問我，自己想。不懂就不要嘗試做電商的數據分析。
2、數據選擇:其實我們會遇到很多數據，但是有些數據不壹定是我們想要的。就像我們這輩子會遇到很多好女孩壹樣，我們很難理解誰能更好的陪我們走過這壹生。這件事無法舉例說明。我在這裏給妳壹個測試:
現在我們店為了提高客單價，需要做優惠券促銷。
好吧，妳跟我說完100減10元。
那很好。現在告訴我為什麽多了100而不是110，為什麽少了10而不是20。拿出妳的數據。
別問我怎麽做到的。不要懷疑我是不是真的能分析出來，我能。
3.動態變化:我們平時用的最多的就是通過數據之間的變化來分析壹些可能出現的問題或者變化。但是，當壹個數據量發生變化時，通常其他數據也會發生變化。所以我們需要明確哪些數據是正相關的，哪些是負相關的，它們之間的關系是在什麽情況下建立的。例如，正常收藏的比例與轉化率正相關，但這些天它們是負相關的。轉化率越低，收款率可能越高。
我就說說數據分析的框架。我估計別人也懶得說這些，我就說說吧。
至於看什麽工具，什麽數據讓別人說。
碼字有點累。謝謝妳