自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

放大招,數(shù)據(jù)運(yùn)營(yíng)全流程SOP

大數(shù)據(jù) 數(shù)據(jù)分析
用戶需求是客觀存在的,最大難題是如何收集數(shù)據(jù),了解到用戶需求。有些人會(huì)說:這還不簡(jiǎn)單,直接讓用戶填問卷不就好了。問題是,你自己去買東西的時(shí)候會(huì)填問卷嗎,填個(gè)屁。用戶都是不想被過度打擾的,因此設(shè)計(jì)顧客旅程,分步驟引導(dǎo)用戶留下數(shù)據(jù),很重要。

一提到數(shù)據(jù)運(yùn)營(yíng),很多同學(xué)很疑惑。在公司里,經(jīng)常領(lǐng)導(dǎo)們對(duì)數(shù)據(jù)運(yùn)營(yíng)抱了很高期望,一張嘴:“數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)”,“降本增效”之類的口號(hào)都出來了,可真到工作中,就變成了“寫sql的運(yùn)營(yíng)”。到底咋驅(qū)動(dòng)了?咋提高效率了?看不到落地成果。

今天系統(tǒng)講解下,數(shù)據(jù)運(yùn)營(yíng)體系該如何運(yùn)作。

一、什么是數(shù)據(jù)運(yùn)營(yíng)

作為消費(fèi)者,你是否經(jīng)常遇到這種場(chǎng)景(如下圖):

圖片圖片

這就是沒有數(shù)據(jù)運(yùn)營(yíng)的典型尷尬:丫還真以為全世界都一樣為他們家店開心呢!數(shù)據(jù)運(yùn)營(yíng)就是要解決“一刀切”“降價(jià)就完了”的問題。數(shù)據(jù)運(yùn)營(yíng)的做法,是:基于數(shù)據(jù)分析,結(jié)合用戶需求,打造匹配用戶的運(yùn)營(yíng)方案。

一提到“結(jié)合用戶需求”,很多人會(huì)順口說出“千人千面”。如果是壟斷平臺(tái),確實(shí)可以這么說,比如某寶的商品SKU多達(dá)2億個(gè),基于2億個(gè)SKU打造1000個(gè)個(gè)性化方案確實(shí)有可能。不過大部分非壟斷企業(yè),商品SKU一共500個(gè)左右,且不是個(gè)個(gè)爆款,有競(jìng)爭(zhēng)力的也有十幾二十款,扯毛線的“千人千面”……

所以再準(zhǔn)確一點(diǎn)的定義,是:通過數(shù)據(jù)分析,基于有限的商品(或者叫:解決方案),匹配對(duì)應(yīng)的用戶需求。能做好現(xiàn)有品類的經(jīng)營(yíng),已經(jīng)是數(shù)據(jù)運(yùn)營(yíng)的一大功勞了。

那么該怎么做呢?

二、三大核心問題

既然是拿有限的解決方案,匹配用戶需求,那么數(shù)據(jù)運(yùn)營(yíng)要分析的重點(diǎn)就是三個(gè):

1、用戶的需求是什么?

2、現(xiàn)有的商品/解決方案質(zhì)量如何?

3、通過什么方式匹配到用戶?

圖片圖片

問題1:用戶需求

用戶需求是客觀存在的,最大難題是如何收集數(shù)據(jù),了解到用戶需求。有些人會(huì)說:這還不簡(jiǎn)單,直接讓用戶填問卷不就好了。問題是,你自己去買東西的時(shí)候會(huì)填問卷嗎,填個(gè)屁。用戶都是不想被過度打擾的,因此設(shè)計(jì)顧客旅程,分步驟引導(dǎo)用戶留下數(shù)據(jù),很重要。

在顧客旅程的設(shè)計(jì)中,首次接觸,首次下單是兩個(gè)最重要的場(chǎng)景。首次接觸如果是顧客主動(dòng)找上門來,成交率很高,可以抓住機(jī)會(huì)了解用戶需求;如果是被動(dòng)推送給顧客,則要挑有吸引力的爆款商品/活動(dòng),提高吸引顧客的概率(如下圖)。

圖片圖片

有了首次下單以后,就解決了數(shù)據(jù)原始積累問題??紤]到企業(yè)手頭能吸引用戶的商品數(shù)量是有限的,因此可以結(jié)合首單,做好后續(xù)推薦方案,輪流推薦給用戶,探索其需求(如下圖)。

圖片圖片

總之,好的數(shù)據(jù)不是天上掉下來的,而是結(jié)合運(yùn)營(yíng)動(dòng)作積累出來的。運(yùn)營(yíng)側(cè)目標(biāo)清晰地步步引導(dǎo),數(shù)據(jù)就越來越豐富,分析就越來越準(zhǔn)。運(yùn)營(yíng)側(cè)不干活,運(yùn)營(yíng)側(cè)一干活就是:“全場(chǎng)8折,走過路過不要錯(cuò)過”式的無腦all in,那數(shù)據(jù)就一塌糊涂,沒法繼續(xù)深入。

問題2:商品質(zhì)量

商品/解決方案質(zhì)量,需注意區(qū)分“硬/軟”區(qū)別。

硬實(shí)力:刨除營(yíng)銷、服務(wù)、定價(jià),商品本身性能、質(zhì)量、成本

軟實(shí)力:營(yíng)銷、服務(wù)、定價(jià)加持后,商品實(shí)際表現(xiàn)

硬實(shí)力根本不用數(shù)據(jù)分析師分析,而是商品管理在選品的時(shí)候,就得注意到的。待選擇的商品,性能、質(zhì)量、成本和市場(chǎng)上同類商品有多大區(qū)別,商品管理自己都能看得到。至于單品成本,也是在采購(gòu)商品時(shí)就能核算清楚的,因此商品本身就有定位(如下圖)。

圖片圖片

有了硬實(shí)力評(píng)估以后,運(yùn)營(yíng)才好制定策略。基于硬實(shí)力評(píng)估,有一些基本運(yùn)營(yíng)策略(如下圖)。

圖片圖片

有了基本的運(yùn)營(yíng)策略,數(shù)據(jù)就能評(píng)估實(shí)際表現(xiàn)。一個(gè)商品如果沒有達(dá)到預(yù)期,那么即使有一些銷量,有一些利潤(rùn),也會(huì)被認(rèn)為是失敗的商品,需要優(yōu)化更新。如果是常規(guī)套路做不動(dòng),優(yōu)先提醒商品做改良;如果是差異套路做不動(dòng),或者差異套路搞下來虧損嚴(yán)重,而提醒運(yùn)營(yíng)停止騷套路,老老實(shí)實(shí)做。

很多公司做不好,是因?yàn)椋喝鄙賹?duì)商品硬質(zhì)量的清晰定位,一味看銷售表現(xiàn),銷售不好的時(shí)候,又開始各種活動(dòng)加持。這樣眉毛胡子一把抓,自己模糊了自己的判斷。運(yùn)營(yíng)人員無法制定針對(duì)性方案,數(shù)據(jù)人員無法區(qū)分自然銷量與活動(dòng)效果,最后水越攪越渾。

問題3:觸達(dá)渠道

對(duì)大部分非壟斷企業(yè)來說,真正的關(guān)鍵在:觸達(dá)用戶的信息渠道。一個(gè)很現(xiàn)實(shí)的問題是:消費(fèi)者和非壟斷平臺(tái)的互動(dòng)太少了……消費(fèi)者大部分時(shí)間貢獻(xiàn)給了少數(shù)幾個(gè)游戲、短視頻、社交APP。對(duì)非壟斷企業(yè)而言,想和消費(fèi)者互動(dòng),手段是非常有限的。

公域:通過壟斷平臺(tái)推廣告,成本高,沒有用戶積累。

私域:吸引用戶加群、加企微、關(guān)注自家商城有難度,且存在感低,很容易流失。

所以,不認(rèn)真考慮如何解決渠道問題,所有的畫像分析、消費(fèi)分析、活動(dòng)推廣都會(huì)失效。這是個(gè)淺顯的事實(shí)。然而在實(shí)際工作中,這一點(diǎn)經(jīng)常被忽視。企業(yè)里經(jīng)常出現(xiàn):“一通分析猛如虎,一看觸達(dá)一點(diǎn)五”的問題,98.5%的用戶壓根不知道你的存在,分析用戶畫像、 RFM之類的有毛用。

因此,分析用戶活躍情況,就很重要(如下圖):

圖片圖片

在用戶活躍的基礎(chǔ)上,再對(duì)用戶在不同渠道,對(duì)內(nèi)容響應(yīng)率進(jìn)行分析,找出觸達(dá)每一類用戶的手段。

圖片圖片

三、小結(jié)

綜上過程可看出,數(shù)據(jù)運(yùn)營(yíng)是個(gè)“干中學(xué)”的工作,只有邊運(yùn)營(yíng)迭代,邊數(shù)據(jù)校正,才能越做越好。

那些出現(xiàn)問題的企業(yè),常常是把運(yùn)營(yíng)和數(shù)據(jù)脫離:

要么:運(yùn)營(yíng)干啥數(shù)據(jù)不要管,等活動(dòng)做完了,變著法讓數(shù)據(jù)說好,不好也得想法子說好!

要么:運(yùn)營(yíng)兩手一攤:“我啥都不會(huì)!你要分析出來我該咋辦!”而數(shù)據(jù)分析又只會(huì):“活躍低了,要搞高!”……

責(zé)任編輯:武曉燕 來源: 接地氣的陳老師
相關(guān)推薦

2022-06-12 15:21:43

DockerLinux

2023-05-13 08:59:55

2019-05-21 14:15:07

美國(guó)5G運(yùn)營(yíng)商

2019-05-22 11:50:46

5G運(yùn)營(yíng)商網(wǎng)絡(luò)

2017-07-17 09:46:32

2023-08-10 08:49:46

GoogleAI云端

2017-10-23 08:05:17

云技術(shù)

2021-04-27 10:26:57

微軟Linux桌面

2017-03-07 16:09:14

IBM量子計(jì)算互聯(lián)網(wǎng)

2018-08-06 11:26:10

Kaggle數(shù)據(jù)集分析

2019-04-15 15:50:05

微軟楊超越編程插件

2020-05-20 14:45:38

緩存MySQL數(shù)據(jù)庫(kù)

2022-02-26 10:11:53

Windows 11操作系統(tǒng)微軟

2018-03-29 11:10:15

谷歌蘋果APP

2015-07-16 17:08:14

零日漏洞遠(yuǎn)程執(zhí)行漏洞Hacking Tea

2015-03-19 09:46:32

程序員

2019-12-20 08:30:57

騰訊微信微信電腦版

2017-09-28 13:44:09

高德地圖

2017-10-31 10:19:15

開源

2018-07-30 09:22:13

微軟 Windows 虛擬機(jī)
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)