项目实训

任务一 认知新媒体数据分析业务的基本流程

1.任务概述

新媒体数据分析不需要新媒体运营者懂得复杂的算法，但是新媒体运营者需要具备运用数据解决问题的思维，掌握数据分析的业务流程。通常来说，新媒体运营者需要明确数据分析的目标，做好数据采集和处理工作，将精力集中在数据的分析上，将分析结果以合适的形式呈现出来，最终形成分析报告，为运营工作提供决策依据，实现新媒体运营工作的优化和迭代。

2.任务目标

结合账户运营情况，获取数据，并对数据进行处理分析

通过数据分析发现有用的信息，提供结论，支持决策，解决具体问题

3.任务实施

步骤1 需求分析

新媒体数据分析是为了帮助新媒体运营团队更科学地制订计划、更精准地评估效果。在开始数据分析之前，需要明确分析的目标和问题。明确目标和问题有助于确定后续的数据采集、处理和分析方法。模糊的数据分析需求“看看最近网上为什么卖货这么少”“分析一下近期口碑为什么有点差”等，会引起无目的的数据分析，降低数据分析的有效性。因此，数据分析人员需要在数据分析需求中提炼出需要解决的具体问题，然后找到问题关键点，接着提炼出分析目的。

例如，面对“看看为什么微信公众号最近粉丝情况不好”这一需求，提炼出的待解决的问题是“近期微信公众号粉丝增长缓慢”，然后找到的问题的关键点是“微信公众号推广没有做好”，接下来可以将“寻找近期微信公众号推广的错误环节”设定为数据分析的目的。

再如，面对“分析一下为什么网站有人看但是没有人买产品”这一需求，提炼出的待解决的问题是“网站只有流量没有销量”，然后找到的问题的关键点是“网页转化率太低”，接下来可以将“挖掘网站转化率漏洞”设定为数据分析的目的。

步骤2 数据采集

为了使新媒体数据分析更精准、有效，被分析的数据必须通过科学的方法进行采集与整理。通常不同的分析目的会对应不同的数据来源，采集数据首先需要进行来源设计。常见的新媒体数据来源设计如表1-1所示。

数据来源设计完成后，数据分析人员需要进行新媒体数据的采集，可以从3个方面入手，按照优先级顺序包括后台数据获取、第三方数据获取及手动统计获取。

首先是后台数据获取。如果需要分析的数据已经在新媒体平台后台，则无须花费时间进行统计与挖掘，直接在后台复制或下载数据即可。目前可直接获取的数据包括微信公众号用户数据、微博阅读数据（见图1-5）、天猫店铺销售数据、今日头条推荐数据等。

其次是第三方数据获取。在平台的后台无法对某项数据进行统计时，可以借助相关工具，在授权后利用第三方工具进行数据挖掘与获取，随后直接下载借助第三方工具得到的数据。目前可获取的第三方数据包括网站点击数据、网站跳出数据、访问来源数据（见图1-6）、用户属性数据、微信评论采集数据等。

最后是手动统计获取。如果需要分析的数据无法利用平台后台或第三方工具获取，则需要数据分析人员手动统计，便于后续分析。一般需要手动获取的数据包括百度口碑、多平台阅读总量数据等。

步骤3 数据处理

在完成有效的数据采集后，新媒体数据分析人员需要对数据进行加工处理，便于后续分析。常见的数据处理主要包括数据合并、数据修正、公式计算。

（1）数据合并

由于数据来源不同，通过新媒体自带的数据后台、网站后台等渠道挖掘的数据在导出为Excel文件后会出现不同的表头，因此在进行数据处理时需要将数据合并。图1-7所示为某新媒体团队为分析不同自媒体平台的销量的区别统计的微博、微信公众号两大主要平台的销售情况，可以将相同的栏目合并统计。

（2）数据修正

无论是网站后台下载的数据还是人工统计的数据，都可能会出现失误。因此，需要对采集的数据进行观察与比对，随后进行数据修正。例如，某企业新媒体运营团队对近期平台后台粉丝数据进行了统计，如表1-2所示。

表1-2中2023年7月前10日的粉丝数大多在6000左右，而7月4日粉丝数突然增加到9536。此时运营者需要进行排查。进入平台后台翻看7月4日、7月5日粉丝数据，看是否由操作失误导致当日数据导出出错。如果平台后台数据无误，则需要检查当日的运营情况，了解是否通过推广、广告投放等形式新增不精准粉丝，即那些关注后马上取消关注的粉丝。

此外，若出现部分数据缺失或遗漏现象，则需要重新进入后台进行数据下载或统计，如果无法获取此数据，则需要将此数据删除，防止影响其他数据。

（3）公式计算

原始的数据通常只具有单一属性，如用户年龄、访问时间、阅读量、销售额、订单数量、转发量、推荐数等，从这类相互独立的数据中通常很难直接看出规律，因此需要借助公式，将单一属性数据进行二次或多次计算。借助公式后数据分析难度会大大下降。

Excel函数数量众多，新媒体数据分析常用的5个数据公式包括数据求和、计算平均数、计算比例、计算稳定性和条件计算，如表1-3所示。

数据求和常用在销售数据的处理中。通过网站或网店导出的销售数据（如下单时间、访问时间、下单金额等），一般会精确到天或秒。在进行数据分析时，需要将当月或当日数据求和，以得到整体的销售数据，从而便于进行销售情况分析。

计算平均数常用在内容数据的处理中，尤其是进行内容平台质量测试时，需要定期统计平均数。

计算比例是新媒体数据分析时对效果评判的客观方法，常用到的比例包括转化率、打赏率、点赞率、支付比例、跳出率等。以转化率为例，单纯根据访问量和购买量难以评判页面图文设计等内容的好坏程度，而用购买量除以访问量，则可以直接分析出现有访客的购买情况，从而对页面的图片设计、文案设计起到指导作用。

计算稳定性用到的公式是标准差公式，计算结果的值越小，说明该项数据的波动越小。

稳定性的计算通常用在新平台的测试分析中。传统的“淘宝开店、网站宣传”模式，在移动互联网时代下有了新的变化，越来越多的新平台开始涌现，新媒体运营者在网上有了更多选择的余地。新媒体运营者在正式入驻平台前，通常需要对多个平台的数据进行比对，计算数据稳定性，最终选择数据最优的平台入驻。

条件计算常用在行为评估中，如留言数量、购买数量等。因此，在公式“COUNTIF(A12:A34,"购买")”中，“购买”可以替换成“访问”“留言”等数据，在大量数据中，找到并统计真正做出响应的人数或次数。

步骤4 数据分析

新媒体数据在经过加工与处理后，具有了可分析性，可以尝试进行分析并掌握数据背后的运营情况。常见的数据分析方法包括对比分析法、分组分析法、结构分析法、平均分析法和回归分析法。

以对比分析法为例，A公司是一家餐饮企业，其新媒体运营团队进行了同行当月百度知道口碑调研并整理了调研结果，如表1-4所示。通过对比可以发现，A公司在“口味”“服务”方面的口碑优于同行，而“价格”方面的口碑不及同行。根据此数据可以初步判定，A公司接下来的新媒体口碑工作可以重点进行关于“价格”的品牌活动及口碑推广。

分组分析法是通过一定的指标，将对象统计分组并计算和分析，以便深入了解所要分析的对象的不同特征、性质及相互关系的方法。例如，新媒体运营团队可以采用分组分析法统计粉丝中各年龄段的组成占比，分组分析法如图1-8所示。

结构分析法是在统计分组的基础上，将组内数据与总体数据进行对比的分析方法。结构分析法用于分析各组成部分占总体的比例。例如，新媒体运营团队可以统计出各个舆情信息新闻类媒体活跃度，从而了解舆情传播的主要渠道，结构分析法如图1-9所示。

平均分析法就是用平均数来衡量总体在一定时间和地点条件下某一数据的一般水平。平均数据比总量指标更具说服力，更能帮助运营者预测发展趋势和规律。例如，在分析今日头条的文章阅读量时，借助Excel导出的数据可以快速找到阅读量大于平均值的文章，接下来可以继续挖掘这些文章的标题、排版、配图等规律，便于后续内容质量的提升。

回归分析法通过研究事物发展变化的因果关系来预测事物发展走势，它是研究变量间相互关系的一种定量预测方法，又称回归模型预测法或因果法。例如，将今日头条粉丝数据导出到Excel表格，对累计粉丝数进行一元线性回归分析，就可以尝试预测某个时间的粉丝量，回归分析法如图1-10所示。

利用线性回归分析，新媒体运营者可以拟合出粉丝增长曲线，并给出拟合公式，图1-10中所示的拟合公式为Y=94.776X+16969（其中Y为累计粉丝数，X为时间）。通过拟合曲线，新媒体运营者可以快速预测出某个时间的粉丝数或达到某一粉丝数需要多少天等。例如，新媒体运营者想达到30000粉丝，带入公式计算X可知，从6月11日开始大约需要运营138天。

步骤5 数据呈现

新媒体数据的呈现并不是简单的图文排列，而是在讲究视觉传达效果的基础上清楚、准确地传达数据信息。在呈现数据分析的结果时，图表所传递的信息往往比文字更加直观，现在常见的“一图读懂××”就是用图表来传递信息。

数据呈现的形式大致可以分为表格和图形两大类。表格既是一种可视化交流模式，又是一种组织整理数据的手段，有利于展现数据的全面性，表格数据如图1-11所示。

虽然表格有利于展现数据的全面性，但是如果将所有信息都堆砌在表格中，就会使表格显得非常拥挤，反而不利于数据的展现。此时，新媒体运营者可以运用柱形图（见图1-12）、条形图、折线图（见图1-13）、雷达图等图形来展示数据结果。

步骤6 报告撰写

新媒体运营者对数据进行分析后可以获得较完整的数据结果，但是用单纯的数据或图表展现数据结果，也许只有新媒体运营者自己能够理解它们所代表的意义和存在的问题，很难对新媒体工作有指导意义。因此，在完成数据分析和数据可视化处理之后，新媒体运营者需要将数据分析结果制作成数据分析报告，使其更利于交流和保存。