高薪必備的6款資料分析工具 | 深度測評
市面上有不少使用者行為分析工具，可以讓運營等業務部門更方便地分析資料。
在我們第 7 期內容編輯訓練營學員中，有一個公眾號的編輯，寫過很多10W+，並把公眾號從 10 萬粉絲漲到了上百萬。
但她卻十分困惑：
按照目前的狀態繼續工作下去，月薪最高也不會超過 15k，很好奇月薪 30k 的內容編輯應該具備怎麼樣的能力、素質和技能。
類似這樣的問題我收到過不少，大部分人甚至許多運營人都覺得自己的薪資上限是 15k，因為“工作沒啥技術含量”，“全是髒活、累活”，“就是個打雜的”……
但實際上，我研究了招聘網站上 300 多個運營崗位之後，發現其實有很多“高薪”運營崗，包括使用者運營、內容運營、社群運營、活動策劃等等， 它們的職責要求都會強調一點： 具備資料分析能力。
為什麼運營要懂資料分析？ 因為運營是一個不斷髮現產品問題，並解決問題，提升使用者體驗的崗位。 在這個過程中，資料分析能幫運營更高效地解決問題。
今天這篇文章，我們聊聊運營應該怎麼做資料分析，並給大家推薦和評測一些比較好用的資料分析工具。
運營如何做資料分析？
說到資料分析，很多小夥伴可能第一時間聯想到複雜的演算法，龐大的資料，甚至是讓人眼花繚亂的程式碼。但實際上，運營做資料分析並不需要懂這些， 關鍵是你對業務流程的理解，以及用資料解決問題的思維。
什麼意思呢？給大家舉一個小紅書的案例。
小紅書在去年年初做了戰略調整，把重心調整到社群，相應的它的北極星指標也從電商的 GMV 變成社群的 DAU，於是使用者的留存率就變成了很重要的指標。
但是當時社群的留存率並沒有達到預期，在這種情況下，如果是不懂業務流程，不懂資料分析的運營可能會打算直接優化內容或者做活動了。
而我的前同事根據使用者年齡進行了使用者分層，很快發現其實是“低齡人群”（10-16 歲）留存率很低，拉低了整體留存率。
“低齡人群”留存率低怎麼辦呢？
他對業務流程進行了梳理，從 渠道曝光-點選下載-開啟App-話題選擇-點選-搜尋-互動。 
發現影響留存率的幾個關鍵使用者行為是：開啟 App、點選 Feeds 流內容、點選搜尋結果、內容點贊、內容評論。 然後針對這幾個行為做出假設，並用資料驗證假設。
假設一，“低齡人群”都是中小學生，學習繁忙，沒時間開啟 App，所以留存差。通過資料分析發現，小學生確實存在這樣的情況，但是初中和高中生在週一至週五的活躍度並不比周末低。
假設二，“低齡人群”找不到自己感興趣的內容。通過對搜尋資料的分析發現，這部分使用者對明星、動漫、頭像內容的搜尋頻率最高，但是搜尋結果的 CTR （點選率）很低，也就是說使用者確實沒有找到自己感興趣的內容。
假設三，Feeds 流推薦的內容質量不夠高。通過內容的評論、點贊資料分析發現，動漫、明星方向的內容點贊率普遍不高，說明這部分內容的質量確實有待提升。
最後他得出了結論：10 到 16 歲年齡段使用者的留存率偏低，是因為這些中小學生的興趣點並不在美妝、美食、健身等，而集中於二次元和明星八卦，運營團隊需要加大這方面的內容比重，同時提高這部分的內容質量。
可以看出來，這整個“發現問題-資料分析-明確問題-梳理業務流程-做出假設-資料驗證-得出結論”的過程中，業務思維是至關重要的。
一般來說，運營做資料分析能做到上述這個程度（擁有業務思維）就已經很優秀了，但是讓資料分析真正發揮作用，離不開技術的支援。大部分公司是這樣操作的：
運營梳理業務流程後，把資料分析需要用到的資料欄位（使用者資訊、使用者行為）需求提交給技術，讓技術建立資料庫。當運營需要進行資料分析時，跟技術人員提需求，他們根據需求寫 SQL（用於訪問和處理資料庫的標準的計算機語言）將資料從庫裡提出來，然後交給資料分析師進行分析，最後形成分析報表給業務部門檢視。
這個過程沒有三五天搞不定，因為部門之間需要協作安排，耗時可能還會更久，大大降低了資料分析的時效性。
除了時效性差，這種資料分析流程還存在一個問題：對技術同學的依賴性很強，如果是小公司沒有技術崗位，那就無法執行了。
在我進行資料分析課程答疑時，發現不少小夥伴都會問，有沒有更“獨立”的資料分析支援工具，可以讓運營自行完成一些資料分析，不用總是勞煩技術，就像稍微學點 PS 就能處理大部分修圖工作，不用打擾設計師一樣。
答案是有的！市面上有不少使用者行為分析工具，可以讓運營等業務部門更方便地分析資料。
這些工具中還有一些是可以免費使用的。
比如國外的 Google Analytics（以下簡稱 GA）、Mixpanel，國內有百度統計、易觀方舟 Argo、友盟、TalkingData 免費版（以下簡稱 TD 免費版）等。
不過這些工具各有特色，下文我會從幾個角度介紹這些產品的情況，大家可以根據自身的業務情況做選擇。
優質資料分析工具推薦
在這幾款產品中，GA 和百度統計算是比較早期的產品了。它們的資料收集以傳統的頁面瀏覽人數（UV）、頁面瀏覽量（PV）和使用者會話（網站訪問量的測量方式）為主。
左 GA，右 百度統計
不過，對於移動端的 App 來說，使用者的行為比網頁更為複雜，過去那種以頁面和會話為中心採集到的資料顆粒度不夠細。
因此，近幾年推出的工具都採用了“使用者+行為”的資料收集模式，例如我們這次推薦的易觀方舟Argo、Mixpanel、友盟、TalkingData。
儘管 GA 和百度統計這幾年增加了關於使用者行為分析和自定義屬性的功能，但本質上主要還是服務網頁產品。
優質資料分析工具評測
接下來，我們從資料採集、資料分析、資料安全性和使用者服務 4 個方面對上文中的 6 個數據分析工具進行評測，讓大家更加清晰地瞭解這幾款資料分析工具的功能，選擇最適合自己的工具。
1）哪款工具的資料採集準確度最高？
使用者停留時長、使用者消費金額、使用者分享率等資料指標，是通過對使用者行為資料欄位的加工和處理得出的。
使用者行為欄位記錄的格式一般是，使用者 ID+ 操作（比如瀏覽首頁、評價、點贊）+ 時間。
使用者行為資料欄位的準確性，是資料分析工作的重要前提。
資料的準確性，往往跟資料分析工具使用的埋點方式和資料更新頻率相關，我們將從這兩部分進行對比評測，看看哪款工具的準確性更高。
① 資料工具的埋點方式對比
首先給大家科普一下，常見的資料埋點方式有 3 種， 程式碼埋點、視覺化埋點和全埋點。
這些都是技術層面的專業術語，運營同學們只需要瞭解不同埋點方式對資料準確度的影響。
程式碼埋點可以自定義需要採集的資料，精準統計使用者的某一行為，準確度相當高。
視覺化埋點，資料覆蓋面和精準度相對較低，精準度要求不高、追求效率的業務可以用視覺化埋點。
全埋點，可能會涉及使用者的隱私問題，不做推薦。
6 款工具的埋點方式對比
目前來說，除了百度統計外，另外5款分析工具都支援的程式碼埋點。其中，易觀方舟Argo、Minpanel 和友盟統計還可以做視覺化埋點。
基於資料精準度考慮，建議大家選擇支援程式碼埋點的資料分析工具，也就是 GA、Mixpanel、易觀方舟Argo、友盟統計和 TalkingData。
不過，GA、Mixpanel 在資料採集上沒有針對國內手機應用的特點進行優化，因此在資料採集的準確性上可能會受到影響。
② 從資料更新的頻率對比
資料更新頻率也會影響資料的及時性和準確性。
通過體驗這幾款工具的 Demo（演示版本），我發現除了 TalkingData 免費版是每天更新一次資料外，其他幾款工具的資料實時性都比較好，基本每個小時更新一次。 最讓人驚喜的是易觀方舟Argo，它的資料更新是分鐘級的。
綜上所述，從資料準確性來看，這 6 款工具得分名如下。
2）哪款工具的資料分析功能最豐富？
通過資料埋點對使用者行為資料做採集，我們可以得到很多的資料欄位（類似Excel表）。想要通過資料來發現問題、得出有用的運營結論，還需要對這些資料欄位進行加工。
這幾款工具的資料加工能力都蠻強大的，運營在做使用者資料加工時可能需要的分析模型，它們都有。接下來，我將通過這幾款工具的資料加工模型質量和個人行為加工深度、資料加工演算法精度進行對比。
① 資料加工模型質量對比
資料分析模型越豐富，意味著可以從更多的角度看資料。
還是拿小紅書來說，如果只是單一地統計“留存率”這一資料，那麼得出的結果就只是“留存率不高”。但是，“留存率不高”的問題出在哪裡呢？不得而知。
但是，如果通過人群維度進行留存指標，就能發現，是“低齡人群”（10-16 歲）拉低了整體留存率。
我總結了運營工作中經常會用到的資料分析模型，對 6 款資料分析工具的覆蓋情況進行了比較。
6 款資料分析工具的資料分析模型對比
我發現易觀方舟Argo 和 Mixpanel 的分析模型是最豐富的。不過，Mixpanel 由於基本沒有本地化，以及 SDK（軟體開發工具包）的相容性問題，對於中國公司來講，資料接入成本很高。
另外，易觀方舟Argo 還有一個很讚的資料分析模型—— “下鑽分析檢視”， 它指的是對資料基於同一維度的縱向深入分析。
例如，我們在分析社群的內容瀏覽量時，能夠從內容分類的維度進行細分，深入分析某一內容分類的瀏覽量。這樣一來，就能更加精準地瞭解到什麼種類的內容更受歡迎。
② 使用者行為加工深度對比
前面我們所說的資料模型，更多的是基於使用者做整體的分析。在有些情況下，我們也需要對使用者的個人行為進行分析，得出更精細的運營資料。那這幾款工具能不能做到呢？我發現，GA、Mixpanel 和易觀方舟Argo 的表現比較完美。
易觀方舟Argo 有一個功能叫“使用者行為序列”。也就是說，當我們完成使用者分析或使用者分群之後，可以點選列表中任意單個使用者，獲取他的歷史行為記錄。
這個功能，讓我想起小紅書團隊的一件趣事。今年過年期間，小紅書在 App 上做了一個錦鯉活動。結果，抽獎結果出來後，他們通過私信、電話等多種方式都聯絡不到這位錦鯉。
後來，通過技術人員在後臺檢視這位錦鯉的歷史行為記錄，發現 TA 每天都有登入小紅書的記錄，說明通過 App 來聯絡使用者是可行的。於是，他們給錦鯉定製了 20 條 Push 推送......
圖片來源：小紅書App 公眾號
值得一提的是，易觀方舟Argo 可以在完成使用者分析與分群后，通過郵件、簡訊、Push 訊息等方式對目標使用者進行精準推送。也就是說，假設小紅書的運營用了這個工具，就可以自己給錦鯉傳送 Push 了。
易觀方舟Argo “訊息推送”功能
③ 資料加工演算法精度對比
其實，從演算法的嚴謹性上看，GA 應該是最好的。但是，如果使用的是免費版的 GA，在使用者或者事件量較大時，它會採取抽樣分析。由於樣本是隨機的，運營結論的準確性就可能會受到影響。Mixpanel 的免費版本也存在類似的問題。
不過，有知乎網友稱，如果網站排名在 Alexa（網站流量排行榜）上是一萬五後的，抽樣帶來的影響很小很小，可以放心使用。
提醒一下，GA 的付費版最少 15 萬美元每年。
在資料加工演算法上，易觀方舟Argo 支援自定義指標、多維度多人群的指標對比、人群交叉分析、即時資料分析（實時分析）等方式。資料演算法的多樣化，帶來的最大好處就是，得到的資料分析結果更準確，從而能夠精準地發現運營問題。這一點，我們在上文也提到過了，就不贅述了。
綜上，從資料分析功能來看，6 款工具的得分如下：
3）哪款工具的資料安全性最有保障？
對於運營來說，有了第三方工具的幫助，確實在資料分析上會更加便利。但是，與之相伴的還有一個大家都比較顧慮的問題，就是資料安全性問題。目前市場上很多資料分析工具提供的都是 SaaS 服務。
SaaS 服務是一種 to B 的專業型軟體租賃使用模式，也就是說，這些工具是安裝在供應商的伺服器上的，當我們使用工具時，資料就會上傳到他們的伺服器上。這樣一來，資料的私密性就會受到影響。國內有很多大型企業都不太願意用 SaaS，就是為了保護核心資料。早在 2010 年，阿里巴巴就宣佈放棄 SaaS。
在本次評測的幾款 App 中，只有易觀方舟Argo支援企業私有化部署，對資料安全有特殊要求的可以考慮，其他資料分析工具都算是一種 SaaS 服務。
對了，在資料採集上，這幾款資料分析工具基本都是通過 SDK 嵌入App 中獲取資料的。但不同的是，易觀方舟Argo 和 Mixpanel 向企業開放了原始碼，這樣一來，我們可以看到程式碼的內容，也就不用擔心程式碼中會夾帶一些其他的東西來竊取資訊了。
這樣看來，在資料安全性上，易觀方舟Argo 算是完勝其他產品了。
4）哪款資料分析工具的使用者服務最周到？
在服務方面，工具之間的得分差異比較大：
除了 GA 和易觀方舟Argo 提供社群服務支援以外，其他產品目前還沒有完善的使用者服務支援。社群服務其實還是蠻重要的，如果在使用產品的過程中有任何疑問，都可以上社群尋求幫助。
而從資料管理、專案管理、許可權管理這些常用的管理功能來看，這幾款工具都提供了比較友好的支援。不過，只有友盟+提供了手機 App，可以隨時通過手機檢視監測的資料情況；易觀方舟Argo 則支援通過手機瀏覽器訪問檢視資料看板。
總結
資料分析是解決業務問題的關鍵手段，也是運營提高薪資的利器。 運營做資料分析不同於技術或資料分析師，關鍵是要有業務思維。
許多公司進行業務資料分析時需要技術人員參與，這樣的流程存在時效性差的問題。如果是小公司沒有技術人員，就很難進行資料分析了。
在這種情況下，大家不妨嘗試一下市場上的使用者行為分析工具。
我們從資料採集、資料分析、資料安全性和使用者服務 4 個方面對這些工具進行了評測，總的來說，易觀方舟Argo 是綜合功能比較強大的，不過大家可以根據自己的業務進一步選擇。
6款資料分析工具的評測總得分
最後，讓我們一起用工具武裝自己，成為高薪運營 er 吧！