運營人，要學會從數據里發現運營的可優化點，對流量、對人群、對產品進行分層運營，以起到更好的效果。
運營人，要學會從數據里發現運營的可優化點，對流量、對人群、對產品進行分層運營，以起到更好的效果。
運營涉及的定義實在是太廣又太細了，仿佛方方面面都離不開運營。
我剛做運營的時候，那會兒部門還在建設產品的報表系統，我被抓著做業務報表。你們能理解，一個還沒開始做業務的人，一上來就做業務報表并處理業務投訴的那種迷茫嗎？
但是，當我漸漸上手，規劃了一個又一個報表后，我再接管渠道，沒有經歷過渡期，直接就上手了。因為通過數據，我已經很了解整個業務的形態，以及業務的需求了。
今天，我想分享作為運營，如何通過數據驅動運營，得到更有效的運營策略。
作為運營，我們每天都跟數據打交道，甚至可以說，滲透到了工作的方方面面。
但是，很多人也會感到迷茫，數據這么多，到底什么情況下應該看什么數據？數據應該怎么分析？怎么分析數據，才能給運營甚至產品帶來正面的導向？
為什么要做數據分析？
從宏觀角度看，做數據分析可以了解行業環境，知道整個市場有多大，用戶總量有多少，同類競品有多少，用戶屬性，自己的產品占比等。
從產品角度看， 做數據分析可以更清楚的知道產品的功能表現好不好，有哪些需要改進的地方？
從KPI角度看，做數據分析可以知道有哪些指標沒有完成，差距還有多少，怎么做才能按時完成目標？
運營關心的數據指標
在產品運營中，數據的分析，是為了更好的產品體驗，更多的在基于產品特性的情況下，滿足用戶的需求。
那么運營在數據分析中，需要關注哪些指標呢？
- 如果是靠廣告收入（如媒體）盈利的企業，則需要關注的指標是：流量*轉化率*單次點擊價格。
- 如果是靠傭金收入（如淘寶客）盈利的企業，則需要關注的指標是：GMV*傭金比例。
- 如果是靠訂單收入（如電商）盈利的企業，則需要關注的指標是：訪客數量uv*轉化率*客單價。
- 如果是靠增值服務（如視頻會員）盈利的企業，則需要關注的指標是：訪客數量uv*轉化率*APRU值。
綜上所述，運營分析需要關注的通用指標為：
我們再拆分得細致一些，比如，靠訂單收入盈利的企業，更細致的數據公式就是：
大家可以看到，瀏覽UV對應的其實就是導流，這是運營最需要去關注的，當瀏覽UV很低的時候，意味著你的產品沒有人用。沒有人用的原因有很多種，可能是沒有人知道，也可能是產品不好用。
這時候，我們就需要警惕，到底問題出在哪里。導流的方式千千萬，也就是說，獲得流量的渠道非常多種，你必須認識到你的渠道。可以參考波士頓矩陣理論，會把流量渠道分為明星類、瘦狗類、問題類、現金流類，給導流的渠道分類，定義優先級，再去進行不同的運營。
第一類
占比高、轉化高的渠道，比如活動運營，就是有效導流的一種方式。
那什么樣的活動才能吸引用戶？怎么做活動，才能在有限成本的情況下取得最高的效果？
舉個例子，我們過年的時候做過一個活動，用戶玩游戲可以獲得一定的充值折扣。
一直以來，我們做的都是抽獎活動，這次想做個新的嘗試—先玩游戲后打折，畢竟經常一個小游戲就可以引爆朋友圈。由于今年是豬年，所以我們做的是“一起來喂豬”的游戲，既呼應豬年這個新年梗，又融合了養成小游戲的玩法。
結果呢，我們耗費了大量的人力去嘗試一種新的玩法，用戶卻不買單。公眾號的后臺幾乎每天至少10條留言是關于，我不就來充個值嘛，你還讓我玩游戲，玩就算了，玩完了也就9折而已這類的內容。所以，結合當時的活動頁面打開數，到參與活動人數，我們判斷，這個活動，并不適合充值的用戶玩耍。
新老用戶也是如此，假如這個活動最初是為了吸引新用戶而做的，結果最后參加的老用戶卻遠遠多于新用戶，那可以說明，這個活動的設定有問題，沒有摸清楚新老用戶的脾性。
假如是針對老用戶做的活動，那還有一個數據值得關注，那就是留存率。針對老用戶做的活動，次月的留存率少得可憐，說明活動的作用有限，沒有有效去提高用戶的粘性。
前面我說了，我們做的活動，幾乎只有一種形式，就是抽獎，設計不同的界面不同的玩法，比如大轉盤，比如老虎機，比如福袋等。為什么？
因為從數據分析我們得出，這樣的形式，很受用戶的歡迎，用戶接受這樣的形式。用戶成功充值后可以領取到不同的紅包金額，用于下一次充值抵扣。由于用戶成功充值才能獲取，下一次使用。也就是說，當我們的活動成本產生時，實際上用戶已經充值了至少2筆，這樣大大的提高了用戶的粘性。而用戶本來就是來充值的，你給一定的抵扣券，用戶會覺得你讓利了，也會積極參與。
第二類
增速慢但是占比高的渠道，我們需要花費更多的精力去培育這些渠道。
比如說，圖文推送。
在說圖文推送之前，我們先說，什么是用戶運營？
顧名思義就是以用戶為中心，遵循用戶的需求去設置運營活動和規則，制定運營戰略與運營目標，最終達到預期所設置的運營目標與任務。
以微信公眾號舉例，對于微信公眾號的運營，我們的觸達方式無法就三種，一是圖文消息推送，也就是針對所有用戶無差別的進行運營；二是模板消息推送，不同的用戶收到信息可能完全不一樣；三是菜單欄引導。圖文推送的特點就是，效果來得快，去得也快。下面這個表，是我們平時的圖文消息推送后會看的一些數據。
我一直覺得，數據，并不是簡單的羅列，也不是盡可能的多，而是要知道，我們看到的數據，背后的結論是什么？數據怎么引導我們去運營？
下面這個表中，有2個標題我是標紅的，大家可以來看一下。其實這2篇推文講的內容意思是一樣的，就是充值達到一定的金額后，就能獲得對應的獎品。這2個標題推送位置一致，推送時間差不多，都是在早上的11點左右，但是推送的日期不一樣。
我們先看最后一個標題—9350個流量幣，對于我們自己而言，一看就知道說的是可以兌換實物的一種虛擬券類，但是，站在用戶的角度去思考，有多少用戶知道流量幣是什么？對于大部分用戶而言，這個名詞，他們沒有任何感知。所以，同樣的內容，當標題換成“9G流量”后，閱讀量翻了接近10倍。這就是數據分析的意義。
通過對每一期圖文推送的數據分析，我們得到了一些針對我們公眾號的結論，比如，我們嘗試過周一-周日不同時間段去推送，是的，你沒看錯，為了得到有效的結論，我們周六日也試過推送。
有一年除夕，大家歡騰的團圓的時候，我絞盡腦汁兒寫了篇我以為是文藝與情感兼得、圖文并茂的文章，記錄了從小到離家后一個個與父母相處的片刻時光。結果，閱讀量是4萬，留言22，分享55。
可以說，這是我運營公眾號以來，寫過最走心的一篇文章，我簡直要沉浸在大伙兒看完后產生了無數共鳴，最后買買買來報答我的意淫中了。
然而，事實上，閱讀量不是最多的一次，留言和分享也表現平平。最尷尬的是收入，簡直不敢說這是做了一個活動。換言之，往往我們覺得好的，用戶未必會買單。這時候，數據的作用就體現出來了。
總之，作為充值類產品的公眾號推文，我們通過長期的實踐以及數據分析中，得到的一些結論就是：
- 每周五上午11點-12點推送，效果會最好。
- 假期前夕推流量，比話費效果好。
- 月底推話費，比月初效果好，8-10日推話費，效果最好。
- 用戶隨便一瞄就能看完并理解的標題，更吸引點擊。
第三類
更差的一些引流方式了，就是邊角料。
針對這些方式，我會選擇性的去優化，有時間的時候會去琢磨，沒有時間則放棄，減少人力成本。
像3月初的時候，我們的付款轉化率一下子就掉到了10%左右，也就是說，100個用戶下了單，最后成功付款的用戶就10個。這個轉化率低得嚇人，我們一查，發現是因為我們因為支付匯率的影響把所有支付方式都下了，只保留了一個匯率很低的支付方式，但是很多用戶并沒有關聯這種支付方式，如果要購買，則需要注冊一種新的支付方式，無異于提高了用戶的支付門檻。
后來我們保留了匯率低的支付方式，也把熱門的支付方式重新上線，但是默認匯率低的支付方式為第一選擇，付款轉化率一下子到了65%左右。
對比前面的10%，看起來是不是很不錯？
但是，我們在分析對比歷史數據的時候發現，以前默認最熱門的支付方式作為付款第一選擇時，付款轉化率達到80%。所以，看起來這么簡單的一個調整，卻造成了非常大的影響。
所以說，每天觀察數據，根據數據并結合用戶的使用行為，去調整運營策略，往往很小的運營手段，也有可能達到事半功倍的效果。
三、如何做運營分析？
看到這里，我相信大家對運營數據分析的重要性，已經有很清楚的認知了。
那么，如何做運營數據分析呢？
在我們策劃執行一個運營策略之前，我們要先梳理清楚流程，明確運營目標，理清運營動作，并最終將梳理的結果體現在報表中。比如要做一個活動，我們關注的數據有哪些？這個在前文已經說過，就不再贅述。明確需要關注的數據，方便在執行過程中實時監測，及時發現問題。
當我們梳理好了需要關注的數據后，就需要監控指標。通過報表中的日常數據，理清這個運營動作的全貌，及時發現異常，并找到異常的原因。
出現異常時，如何找到問題點呢？
一般分為以下幾個點：定位問題→拆解問題→提出假設→分析驗證→結論呈現。
定位問題，其實比較容易，數據中哪個環節出現了異常，就可以鎖定那個環節了。接下來就是拆解問題，一步步拆解分析之后，挖掘出變化異常的原因，再一步步驗證，最后得到結論并指導下一步的運營動作。
舉個例子：
再一層層分拆下去，發現是某一篇最近寫的文章閱讀量破了10W，而平時的文章閱讀量只有不到1W，因此推斷是文章帶來的引流效果。
那接下來，繼續分析，是什么類型文章，吸引了這么多的用戶，跟平時的文章主題有什么區別？
一層層抽絲剝繭之后，發現是娛樂主題帶來的效果，因為推送的是跟娛樂相關的產品，主題呼應，達到了非常好的效果。當我們從數據得到了這個結論后，以后推送不同的產品，就可以相對應的往相關主題里靠攏，以便達到更好的導流效果。
當我們已經找到了問題之后，接下來就是提供運營建議了。
整個運營動作結束后，需要進行效果評估。
效果評估主要從以下幾個維度進行評估：與自身比較、與目標比較、與往期同類運營動作比較、與同期其他運營動作比較、與行業基準數據比較……根據這一系列的維度分析后，得出最后的經驗總結，為下一次運營動作打下鋪墊。
綜上所述，我們可以看到，數據分析，可以說是運營中必不可少的環節。
通過數據，可以對流量、對人群、對產品進行分層運營，以起到更好的效果。
作者：岑小晶，某運營商運營經理，6年產品運營經驗，曾策劃過千萬級流水的營銷活動。
本文由 @岑小晶 原創發布于人人都是產品經理。未經許可，禁止轉載。
題圖來自unsplash，基于CC0協議
