做互联网运营的数据分析，首先就是学会“分解”。将数据分解，将问题分解。所有的数据都可以层层向下分解，找出更多的“子数据”，通过对子数据的挖掘和优化，往往能逐个击破，找到方向，提升最后的“关键指标”。很多时候我们找不到努力的方向，往往是分解的能力还不够，只盯着最后大的成交额指标不放，不去挖掘这个指标下面的相关因素，而这些因素就是所谓的细节，做好了，就成为“极致”。

分解思路还有一个好处是可以帮助运营更好的分工，进行组织架构的优化调整。使员工更专业，更聚焦到某一块业务上，从而培养出一个细分职能的专家，当每个细分职能都有专家时，又会反应在运营细节的完美上。

运营的问题，是追踪出来的，不是一次就看出来的。所有的数据都是靠积累和沉淀才能发现问题，单一的数字没有任何意义，只能称为 “数值”。比如一个店铺今天的流量是2000，转化率1.5%，成交额3000 ，好还是不好，进步还是退步了，不知道。只有放到近1周，近1个月，甚至是近1年的数据中，组成线性的趋势去研究，才能找到“问题”，这个时候的数据才是有意义的。

所以，无论到哪一个阶段的店铺，都要养成一个每日积累数据的习惯，我们知道淘宝后台会有成熟的数据产品，会给你看一个趋势和历史数据，但这个远远不够，需要把所有数据都摘录到自己的数据库中，结合不同数据维度去综合分析问题，建立追踪机制，也就是下面讲的“结合思路”。中型以上的电商都会有一套自己的数据管理模式，对重点指标进行监控，以保证及时定位到问题作出相应决策。

单独追踪一个数据的会比较“片面”，得出结论甚至是错误的。因为所有电商的核心数据在一段时间内，具备偶然性和关联性的。

偶然性是指：可能某一天，转化率突然降低，比日常要低很多，这个是非常可能发生的。于是，所有人都惊慌失措，找到转化率相关的因素，看产品详情页的设计，产品的价格，找客服聊天记录，“优化了”整整1天详情页的设计，使产品价格更低了，售前客服被整顿了。最后发现一切照旧，还浪费了1天时间做了很多无用的工作。

关联性是指：大部分指标都是具有关联性，正相关或者负相关，转化率突然的降低，最后发现是在昨天流量突然暴涨，再看看流量来源，大部分来自于推广流量，不精准，但人多。

所以，追踪数据一定是多个维度一起看的，一般来说，转化率和流量是负相关的，流量暴涨，转化率就会下降；转化率上升，客单价就会下降。（大型促销活动除外）

但是，追踪了数据，多个维度结合了来分析数据，结论依然可能会不准确，原因在于，这2个思路都是在和“自己比”，我们还需要进行“与其他人对比”。这就是下面介绍的“对比思路”。

对比就是和其他人比。这个其他人一定要选择“合适的”。可以是与自己品牌定位相似的店铺数据，也可以是同行业中做的比较好的店铺数据。最具有可比性的还是跟自己“同层级”店铺。通过对比，才能发现自己差距到底在哪，找到优化的正确方向。

实际案例，之前做微波炉产品，销售量一直不如竞争品牌—格兰仕，然后去分析数据发现流量差很多。于是加大了展示类（钻石展位，CPM）和竞价类（直通车，CPC）广告的投入，却发现收效甚微，甚至牺牲了大部分利润。最后我们拿着同类型的一个产品，做了深度对比分析，发现流量来源中，自然搜索相差比较大，才发现是品牌认知的问题。于是推动品牌商着重于对产品品牌的打造。

节点思路就是将大的营销事件作为节点单独标记，数据剔除出来单独进行分析。在日常运营中，营销活动对数据影响还是非常大的，尤其是突然参加了淘宝官方的活动，比如聚划算等，会让某几天的流量，转化率，成交额飙升，这个时候我们再将这些数据插入到日常运营数据分析中，就会引起“失真”，影响对店铺日常运营优化方向的判断。

在信息流广告投放里面，有些人觉得数据不重要、有些人觉得数据很重要。我认为数据分析是一个必不可少的环节，在广告投放里面：曝光、点击率、点击量、出价、转化等都是关键指标；每一项数据都很重要。以上的这几种思路是数据分析基础，有了这样的分析思路，无论做哪一块内容，都将快速的找到核心问题，进而再找到解决问题的方法。这些分析思路适用于互联网运营，很多都可以套用。