[[201666]]

數(shù)據(jù)化運營的概念隨著大數(shù)據(jù)時代的到來被炒得越來越火熱，提到數(shù)據(jù)分析、數(shù)據(jù)運營讓很多產(chǎn)品、運營新人覺得瞬間高大上很多。隨著數(shù)據(jù)概念的火熱，如增長黑客、GrowingIO等一系列的數(shù)據(jù)分析指導(dǎo)產(chǎn)品增長的書籍、產(chǎn)品變得越來越受人追捧。對于互聯(lián)網(wǎng)行業(yè)來說，無論是產(chǎn)品經(jīng)理還是運營，都需要具備一定的數(shù)據(jù)運營能力，本文將幫助沒有數(shù)據(jù)化思維的小伙伴搭建基礎(chǔ)的數(shù)據(jù)化運營體系。

本文會按照上圖中的數(shù)據(jù)化運營業(yè)務(wù)流程進(jìn)行分析，從明確目標(biāo)、數(shù)據(jù)指標(biāo)制定、數(shù)據(jù)獲取、數(shù)據(jù)分析、形成策略、驗證優(yōu)化這六個方面來搭建數(shù)據(jù)化運營的知識體系。

一、明確目標(biāo)

任何一次有價值的數(shù)據(jù)運營行為都是由目的性的，這個目的可以是短期、一次性希望達(dá)成的目標(biāo)，也可以是長期性、周期性希望達(dá)成的目的。無論如何一定要有目標(biāo)，目標(biāo)指導(dǎo)數(shù)據(jù)運營的思路和方法。

1.1數(shù)據(jù)化運營的本質(zhì)

這里先拋出數(shù)據(jù)化運營的本質(zhì)：數(shù)據(jù)化運營的本質(zhì)是對用戶的運營，數(shù)據(jù)都源自于用戶的屬性和行為。

為什么數(shù)據(jù)化運營本質(zhì)是用戶運營?拿增長黑客中海盜船模型來說，產(chǎn)品生命周期全過程就是一個用戶獲取、用戶活躍、用戶留存、付費轉(zhuǎn)化、口碑傳播的閉環(huán)流程。這流程中每一個節(jié)點其實都是對用戶行為的激發(fā)以完成每一個階段的目標(biāo)。產(chǎn)品所獲取的數(shù)據(jù)也都是用戶使用產(chǎn)品生產(chǎn)的數(shù)據(jù)，所以數(shù)據(jù)化運營的本質(zhì)就是通過用戶行為分析指導(dǎo)產(chǎn)品成長。

1.2數(shù)據(jù)化運營的目的

上面提到每一次數(shù)據(jù)運營任務(wù)都要有目的性，那么根據(jù)數(shù)據(jù)運營場景劃分，大致可分為以下4種：

1.針對具體某一指標(biāo)進(jìn)行數(shù)據(jù)化運營

這種情況往往出現(xiàn)在boss要求短期內(nèi)實現(xiàn)數(shù)據(jù)指標(biāo)量級上的一個跨越，如新增用戶達(dá)到100萬、活躍率達(dá)到30%，留存率達(dá)到20%、轉(zhuǎn)化率達(dá)到5%等等。

這類數(shù)據(jù)化運營目的是短期或一次性的，通常通過對數(shù)據(jù)分析找到用戶刺激方式，如活動等讓產(chǎn)品短期內(nèi)迅速達(dá)到指定目標(biāo)。

2.掌握產(chǎn)品生態(tài)

掌握產(chǎn)品生態(tài)指將數(shù)據(jù)運營應(yīng)用到日常工作流程當(dāng)中，當(dāng)做日常生產(chǎn)流程中的一部分。這樣做的目的主要是通過數(shù)據(jù)沉淀、數(shù)據(jù)分析了解產(chǎn)品的用戶群有哪些，用戶分類是什么情況，利用產(chǎn)品對用戶的精細(xì)化運營。

此外還有一個目的就是了解產(chǎn)品生態(tài)的上下游，如上游用戶獲取情況，下游用戶的轉(zhuǎn)化和分發(fā)情況，對于平臺類產(chǎn)品或需要上下游業(yè)務(wù)支撐的產(chǎn)品來說，對于產(chǎn)品后期發(fā)展有很大的價值。

3.發(fā)現(xiàn)潛在方向

大數(shù)據(jù)時代，尤其是大數(shù)據(jù)產(chǎn)品的需求發(fā)現(xiàn)往往是通過數(shù)據(jù)分析結(jié)果發(fā)現(xiàn)用戶需求，從而衍生出來解決用戶需求的產(chǎn)品。所以，有些情況下通過對數(shù)據(jù)的分析可以發(fā)現(xiàn)更多用戶沒有通過表象展現(xiàn)出來的問題和痛點。拿數(shù)據(jù)挖掘中經(jīng)典的啤酒尿布案例來說，就是通過對用戶購買數(shù)據(jù)的關(guān)聯(lián)性分析，從而發(fā)現(xiàn)了尿布和啤酒兩個看似毫無關(guān)系的物品之間的潛在聯(lián)系，從而通過一定的運營策略提升兩者的購買量。

所以通過數(shù)據(jù)化運營，也可以找到用戶的潛在需求，從而誕生一款解決用戶問題的新功能或新產(chǎn)品。

4.通過問題解決問題

某婚戀網(wǎng)站近期有大量用戶投訴有女性用戶作為酒托賣酒，作為產(chǎn)品的負(fù)責(zé)人，需要去解決酒托用戶問題，減少用戶投訴。那么如何通過舉報的女性用戶去定位更多的酒托呢?

首先通過問題去定位數(shù)據(jù)，找到被舉報的酒托用戶行為數(shù)據(jù)和屬性，發(fā)現(xiàn)這類用戶近期頻繁添加大量男性用戶，每次同時與多個男性用戶同時聊天，并且聊天時間較短。結(jié)合用戶行為及用戶屬性，從用戶數(shù)據(jù)庫中定位疑似酒托用戶，再通過數(shù)據(jù)監(jiān)控去識別是否為真實酒托。

上述這個案例就是通過問題去定位數(shù)據(jù)，通過數(shù)據(jù)運營找到解決問題的方法，從而更好的解決問題。

二、數(shù)據(jù)指標(biāo)制定

2.1明確指標(biāo)

在這里要區(qū)分宏觀指標(biāo)和可行動指標(biāo)的區(qū)別：

宏觀指標(biāo)，通常是boss或leader提出的指標(biāo)，這類指標(biāo)一般沒有可執(zhí)行性，如leader分配任務(wù)要求你本月讓產(chǎn)品盈利20萬。這個指標(biāo)并沒有實際指導(dǎo)價值。

可行動指標(biāo)，通常是可以執(zhí)行的指標(biāo)，如通過微信引流新用戶10萬，提升付費轉(zhuǎn)化率到5%等，這些是可以找到具體執(zhí)行策略的指標(biāo)。

在日常工作當(dāng)中會經(jīng)常遇到將宏觀指標(biāo)轉(zhuǎn)化為可行動指標(biāo)的問題，所以用什么方法去對指標(biāo)進(jìn)行轉(zhuǎn)化就成為了核心問題。這里推薦使用OKR指標(biāo)拆解法，通過OKR體系，將宏觀指標(biāo)進(jìn)行拆解，分解成一個個可行動指標(biāo)，通過對可行動指標(biāo)的達(dá)成，最終達(dá)成宏觀指標(biāo)要求。關(guān)于OKR指標(biāo)拆解方法可參考網(wǎng)上結(jié)構(gòu)化思維的相關(guān)介紹。

2.2指標(biāo)構(gòu)成

本文對常用的數(shù)據(jù)指標(biāo)進(jìn)行了總結(jié)和分析，請注意本文提出的所有數(shù)據(jù)指標(biāo)都是基于常用和大眾的數(shù)據(jù)指標(biāo)，根據(jù)不同的產(chǎn)品和不同業(yè)務(wù)請具體指標(biāo)具體分析，不要盲目照搬套用。

1.基礎(chǔ)指標(biāo)

基礎(chǔ)指標(biāo)體系參考了AARRR模型的五個階段，

拉新：新用戶注冊數(shù)

活躍：用戶登錄數(shù)(日、周、月)

留存：流失用戶數(shù)(日、周、月)

轉(zhuǎn)化：付費用戶數(shù)

傳播：分享用戶數(shù)(微信分享、微博分享等，具體參考產(chǎn)品分享功能設(shè)計)

2.用戶屬性

用戶畫像，依據(jù)用戶屬性和用戶行為構(gòu)建的用戶畫像，用戶畫像的目的是分析用戶行為特征，對用戶進(jìn)行分類，精細(xì)化運營用戶。對于社區(qū)產(chǎn)品可以有針對性的運營KOL用戶，對于電商產(chǎn)品可以對用戶做精準(zhǔn)化推薦。

終端畫像，這里的終端特指移動智能終端即智能手機，通過對用戶群終端分析，了解用戶群構(gòu)成，如操作系統(tǒng)、手機型號等，更利用發(fā)現(xiàn)用戶行為偏好。

3.用戶來源

渠道分布，用戶通過哪個渠道下載了APP，登錄并注冊APP。

渠道效果，每個渠道的獲取用戶數(shù)，轉(zhuǎn)化成為注冊用戶的數(shù)量，判斷渠道獲取新用戶質(zhì)量好壞。

版本分布，用戶使用APP不同版本的用戶占比，通過分析可以判斷產(chǎn)品版本更新后是否出現(xiàn)造成用戶體驗過差的問題。

4.用戶行為

用戶參與度，用戶訪問頁面時間，頻率等。

行為路徑，即用戶完成某一個任務(wù)時經(jīng)過了哪幾個頁面，做了哪些操作。

自定義事件，根據(jù)產(chǎn)品需求，對某一個特定的用戶事件進(jìn)行數(shù)據(jù)統(tǒng)計分析用戶行為。

基于業(yè)務(wù)的漏斗分析，常見于電商用戶行為分析，從用戶登錄到最終支付的用戶流失情況，判斷在哪個環(huán)節(jié)出現(xiàn)問題以及時優(yōu)化。

三、數(shù)據(jù)獲取

明確目標(biāo)，定義好需要分析的數(shù)據(jù)指標(biāo)后，那么下一步就是依據(jù)數(shù)據(jù)指標(biāo)提取數(shù)據(jù)了。產(chǎn)品在上線后會不斷積累、沉淀用戶的注冊、登錄、使用等各個維度的數(shù)據(jù)。在數(shù)據(jù)獲取階段要做的就是采集需要的數(shù)據(jù)，并且對數(shù)據(jù)進(jìn)行處理已達(dá)到可以用于數(shù)據(jù)分析的效果。

3.1數(shù)據(jù)采集

數(shù)據(jù)的來源主要有兩種，一種是通過數(shù)據(jù)埋點，然后提取相應(yīng)的數(shù)據(jù)字段。另一種是通過用戶的使用日志文件分析用戶數(shù)據(jù)及用戶行為。

埋點業(yè)內(nèi)有兩種方式，一種是在產(chǎn)品設(shè)計階段通過提交相應(yīng)需求由研發(fā)團(tuán)隊設(shè)計底層數(shù)據(jù)模型時將需要在產(chǎn)品上線后特別注意的數(shù)據(jù)字段進(jìn)行標(biāo)識。另外一種則是通過第三方統(tǒng)計平臺，如GrowingIO等，這些第三方統(tǒng)計平臺利用前端技術(shù)可以統(tǒng)計到大部分用戶行為數(shù)據(jù)，減少產(chǎn)品自身開發(fā)和改造，但是對于個性化的數(shù)據(jù)分析需求還需要通過產(chǎn)品底層的設(shè)計來滿足。

用戶使用日志即用戶登錄產(chǎn)品后每一次操作都會被記錄下來，保證用戶的使用行為可以查詢，同時針對用戶的一些誤操作可以通過日志文件進(jìn)行恢復(fù)。

3.2數(shù)據(jù)處理

為什么要做數(shù)據(jù)處理?有一點數(shù)據(jù)挖掘經(jīng)驗的人可能會了解，實際生產(chǎn)環(huán)境下產(chǎn)生的數(shù)據(jù)并非是理想狀態(tài)下的，可能某一條記錄某一個字段因為系統(tǒng)或人為原因造成了缺失，對于數(shù)據(jù)的不完整性也可能導(dǎo)致數(shù)據(jù)分析結(jié)果的不準(zhǔn)確性，所以在數(shù)據(jù)分析前要對采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和數(shù)據(jù)預(yù)處理。(如果對數(shù)據(jù)處理感興趣可以參見專業(yè)數(shù)據(jù)挖掘書籍中關(guān)于數(shù)據(jù)處理的章節(jié)，如《數(shù)據(jù)挖掘?qū)д摗?

1.數(shù)據(jù)清洗

數(shù)據(jù)清洗指對采集的不規(guī)范數(shù)據(jù)進(jìn)行清洗，如對數(shù)據(jù)存在缺失的進(jìn)行填充，對于數(shù)值性數(shù)據(jù)比較常用的方法就是選取數(shù)據(jù)前后若干天的數(shù)據(jù)取平均作為缺失數(shù)據(jù)值進(jìn)行填充。其他可能出現(xiàn)數(shù)據(jù)不規(guī)范的現(xiàn)象還有很多，如對于用戶年齡字段數(shù)據(jù)采集時發(fā)現(xiàn)個別用戶年齡字段數(shù)值大于了100，就需要通過數(shù)據(jù)稽查去發(fā)現(xiàn)問題所在。

2.數(shù)據(jù)預(yù)處理

原始數(shù)據(jù)與數(shù)據(jù)分析需要的數(shù)據(jù)維度可能會有所不同，比如采集到的原始數(shù)據(jù)是按照天進(jìn)行匯總的，但是數(shù)據(jù)分析需要的是按月匯總的數(shù)據(jù)。那么在進(jìn)行數(shù)據(jù)分析前，就需要將每個用戶的日數(shù)據(jù)進(jìn)行匯總，得到每個用戶的月數(shù)據(jù)后才能進(jìn)行分析。

四、數(shù)據(jù)分析

4.1數(shù)據(jù)分析框

專業(yè)的數(shù)據(jù)挖掘算法有很多，如關(guān)聯(lián)分析、聚類分析、神經(jīng)網(wǎng)絡(luò)等等。在這里不過多介紹，只是結(jié)合產(chǎn)品、運營日常工作場景介紹幾種常見的分析框架。

1.用戶畫像洞察

用戶畫像洞察是通過對用戶數(shù)據(jù)的聚合，將數(shù)據(jù)轉(zhuǎn)換成形象化的虛擬用戶模型。通過用戶畫像展現(xiàn)具有某一類特征的用戶群體。將用戶群依據(jù)用戶畫像進(jìn)行分類，為精細(xì)化用戶運營提供數(shù)據(jù)支撐。

同時通過對用戶畫像的構(gòu)建也有利用產(chǎn)品經(jīng)理、運營把握用戶。在進(jìn)行功能迭代和活動運營時，可以有針對性的制定策略，提升效率。

2.用戶行為分析

用戶行為分析中最常用的就是漏斗分析模型，即用戶在完成某一項特定任務(wù)時要經(jīng)過多個步驟，在每一個步驟中都會產(chǎn)生用戶流失，為了保證更多用戶順利完成任務(wù)，通過對漏斗模型的分析發(fā)現(xiàn)問題所在，優(yōu)化關(guān)鍵步驟的用戶體驗，達(dá)成最終目標(biāo)。

上圖中拿電商類產(chǎn)品和內(nèi)容類產(chǎn)品作為舉例，一個用戶在成功購買某件商品或成功消費完某一內(nèi)容前要經(jīng)過很多步，這其中每一個環(huán)節(jié)都會造成用戶的流失。所以在進(jìn)行漏斗分析時，可以觀察用戶在哪一個環(huán)節(jié)流失最為嚴(yán)重，然后針對相應(yīng)環(huán)節(jié)進(jìn)行分析，找到對應(yīng)的解決方案，提升用戶的轉(zhuǎn)化率。

3.用戶行為分析

對用產(chǎn)品新上線的功能模塊，可以通過用戶行為分析來驗證新功能的好壞，使用用戶體量有多少，用戶在使用時是否在某些環(huán)節(jié)產(chǎn)生困擾，通過用戶行為分析來驗證功能效果好壞。

在對用戶行為分析時，要根據(jù)產(chǎn)品的具體業(yè)務(wù)流程設(shè)計分析方法，結(jié)合業(yè)務(wù)場景才能更多的發(fā)現(xiàn)問題。

上述介紹的三種數(shù)據(jù)分析框架是最基礎(chǔ)的，對于非專業(yè)領(lǐng)域的數(shù)據(jù)分析挖掘來說，數(shù)據(jù)分析方法首先要結(jié)合產(chǎn)品的業(yè)務(wù)場景，根據(jù)具體業(yè)務(wù)指導(dǎo)分析方法和分析流程。如果想達(dá)到好的分析效果，還要結(jié)合自家產(chǎn)品制定個性化數(shù)據(jù)分析方案。

4.2數(shù)據(jù)可視化

數(shù)據(jù)分析的結(jié)果往往都是枯燥的，無法讓領(lǐng)導(dǎo)或執(zhí)行同事清晰理解，所以需要對數(shù)據(jù)分析結(jié)果進(jìn)行可視化處理，讓領(lǐng)導(dǎo)明白數(shù)據(jù)分析的結(jié)果是什么，讓同事明白根據(jù)分析結(jié)果如何進(jìn)行下一步工作。

1.可視化方式

根據(jù)數(shù)據(jù)類型以及展現(xiàn)形式的不同，可視化方式有展現(xiàn)時間關(guān)系的時序圖;展現(xiàn)占比的餅狀圖;展現(xiàn)數(shù)據(jù)分布的柱狀圖等等?？蓞⒖肌墩l說菜鳥不會數(shù)據(jù)分析》、《深入淺出數(shù)據(jù)分析》等入門書籍。

2.可視化工具

簡單的數(shù)據(jù)分析工作用Excel就可以完成，復(fù)雜一些的有SPSS、Tableau等專業(yè)化數(shù)據(jù)分析工具。這里還推薦一個Echarts，這本是一個前端圖表框架，但是簡單易用，通過對應(yīng)的圖表模板，只需要將數(shù)據(jù)導(dǎo)入框架模板即可生成可視化圖表。

4.3數(shù)據(jù)報告

數(shù)據(jù)報告是對數(shù)據(jù)分析任務(wù)的總結(jié)，向上對領(lǐng)導(dǎo)匯報，向下與同事共同制定策略完成下一階段任務(wù)。

所以根據(jù)看報告的用戶不同，需要有針對性的調(diào)整其中部分內(nèi)容。數(shù)據(jù)分析報告大致需要以下幾個內(nèi)容：

• 分析背景
• 目標(biāo)數(shù)據(jù)源選取
• 數(shù)據(jù)分析方法
• 框架數(shù)據(jù)可視化
• 數(shù)據(jù)分析結(jié)果&建議

本著具體問題具體分析的原則，根據(jù)數(shù)據(jù)分析報告的目的進(jìn)行個性化完善。

五、形成策略

策略的制定取決于數(shù)據(jù)化運營的目的和數(shù)據(jù)分析的結(jié)果，通過目的和結(jié)果形成針對性的策略。

這方面每一次數(shù)據(jù)分析形成的策略都不一樣，所以在這里不再進(jìn)一步展開，根據(jù)具體問題以及具體的業(yè)務(wù)場景制定有效策略即可。

六、驗證優(yōu)化

如同精益創(chuàng)業(yè)中MVP理論一樣，數(shù)據(jù)分析的結(jié)果生成的策略并非一定有效， 并不一定可以快速達(dá)到預(yù)期效果。

在策略執(zhí)行的同時，通過數(shù)據(jù)的積累沉淀，監(jiān)控相應(yīng)數(shù)據(jù)指標(biāo)情況，對策略進(jìn)行優(yōu)化，已達(dá)到最終的目的。

以上為數(shù)據(jù)化運營知識體系的六個組成部分，通過上述六個方面構(gòu)成了數(shù)據(jù)化運營業(yè)務(wù)流程閉環(huán)。需要注意的是，任何數(shù)據(jù)化運營任務(wù)都要以業(yè)務(wù)為導(dǎo)向，依據(jù)具體業(yè)務(wù)場景選擇數(shù)據(jù)分析思路、方法。切忌，不要為了數(shù)據(jù)分析而數(shù)據(jù)分析，數(shù)據(jù)分析一定要源于業(yè)務(wù)。