首页运营人员应该怎样做资源规划和管理？

作为主页运营商，你是不是也因为业务线对主页资源的激烈竞争而苦不堪言，奋不顾身，一个接一个，永不停歇？以下是我在几个大平台的主页管理中总结的主页资源分配系统和流量分配策略，希望有所帮助。这篇文章的技术含量和复杂性都比较高，读起来可能有点烧脑。每个人都喝一罐红牛，静静地阅读。首先，资源位规划和流量分配首页的一个重要使命是做好流量分配，为业务线提供与收入目标相匹配的流量。这对业务非常重要，但从主页运营的角度来看，这是非常困难的。因为，除了内部分配和协调非常困难外，流量背后还有新鲜的消费者，有明确的需求和类别偏好。不是我们按业务比例分配资源，消费者会按照我们预期的比例点击和购买。为了解决流量分配的问题，首先，我们将根据一个复杂而完整的例子来看看如何分配资源位置，这是流量分配的基础。1.当我加入亚马逊时，公司正在进行年度业务规划，每条业务线都对明年的收入做出了预期，市场部也给出了流量预测。从流量到收入，漏斗模型大致如下:从流量分发模型可以看出，模型的两端是流量和收入预期。市场部负责渠道端排水，结合主动回访的老客户和自发流量，共同构成平台总流量(客户数乘以平均访问频率)。我负责产品和运营的重要任务是将流量按收入比例分配到各业务线（流量分配），尽可能转换为业务线业务详细页面PV（指导效率），然后转换为商品销售数量（转化率），最后乘以业务线商品平均价格，成为业务线收入。这里有三个关键环节：1。流量分布：这决定了每条业务线获得平台流量的比例。2.指导效率：这反映了将客户带到商品的能力，是购物指南频道的核心能力3。转化率：反映了从详细页面到购物车到结算页面到付款的漏斗效率，是主要购物过程的核心能力。我们都知道，流量总是不够的，收入预期总是激进的。这三段共同构成了从流量到收入的桥梁，不仅难度很大，而且难度也各不相同。上述流量分配的主要难点，受平台特点影响，客户及其需求比例相对稳定，难以有效操作。先说说我在资源分配方面的实践，这是流量分配的核心和基础。第一步是计算上一年度各条线销售商品的平均价格，从业务线获得下一年度估计的商品价格波动，以及下一年度的收入预期，计算下一年度各条线需要完成的商品销售数量。以下红色字为本步输出，蓝色字为BI、业务线获取的输入，或上一步输出，后同。以计算A业务线为例，算法涵盖所有业务线。A业务线预计单品均价=上年度A业务线单品均价* A业务线价格波动百分比)A业务线预计销售件数=A业务线收入预期/A业务线预计单品均价简单来说就是通过各业务线收入预算和单品均价计算出需要完成的业务线商品销售件数，如下:第二步，预计将销售按件数分配到App、Web、PC三平台(注:此处忽略微信或站外销售，与站内资源分配和流量分配无关)。考虑到客户快速转向移动终端，他们还需要根据三个平台上流量的迁移趋势和过去几年整个行业的情况，预测下一年三个平台比例的变化，然后根据新比例重新分配每个平台的销售。考虑到客户快速转向移动终端，他们还应根据过去几年三个平台上流量的迁移趋势和整个行业的情况，预测下一年三个平台比例的变化，然后根据这一新比例重新分配每个平台的销量。应用程序终端预计销售部件数=a业务线预计销售部件数*应用程序终端去年的比例*（1） 预计比例增加)即将销售部件的数量分成三个平台，逐一计算。Web和PC的方法是一样的，下面只以App为例。第三步:通过上一年度单品平均转化率(销售商品数量/商业详细页面浏览量)，计算出需要在各平台给出的业务线商业详细页面流量(商业详细页面PV，亚马逊称为GV)，以达到销售预期。假设年度转化率保持不变。A业务线所需的AppGV=A业务线App端预计销售件数/去年A业务线App端转化率逐一计算所有业务线GV需求，并求和，获得GV需求总量。AppGV需求总量=∑各业务线AppGV需求，即通过计算转化率，将商品销售件数转换为分平台的商详页PV。注:转化率有两种定义，一种是Order/UV，一是Units//GV，前者是从全站客户到订单的转化率，后者是从商详页流量到销售单品的转化率。因为客户的购买行为是跨类别的，商业详细页面是分类的，所以如果流量需求是针对业务线的，流量必须根据业务线分开，所以后者是后续计算的。第四步:我从市场部流量团队获得了下一年的流量预期。这个流量是UV，而非GV。然后，通过去年各平台的人均GV，计算下一年可获得的总GV(假设流量质量不变)。上一年度App端人均GV=上一年度App端总GV/上一年度App端总UV(日活)App端总GV预测=下一年度UV预测*App端预计比例*App端上一年度人均GV，即将GV分为各平台，分别计算UV层面的流量需求。这一步获得的总GV是排水渠道的流量输出，与上一步获得的业务流量需求相比会有很大差距。这就是理想与现实之间的距离。作为副产品，我在这个计算中看到，App端的人均GV比PC端高22%，比Web端高84%，说明App端的客户更喜欢逛街，一次去参观会浏览更多的商品，而Web端则非常缺乏可访问性。这进一步证明了移动终端的合理性。第五步：尽量弥补第三步获得的流量需求与第四步的流量估计之间的差距。有五个想法:1)要求各业务线下降低收入预期...嗯，留到最后一步再做这件事更容易被CEO大刑伺候。2)市场部需要增加流量。如果不配合流量采购的资金增加(流量极其昂贵)，流量团队可能会被迫投放劣质渠道或刷流量，要小心。3)尽最大努力将流量迁移到移动终端，充分利用移动终端人均产出GV较高的情况，增加相同流量的GV产出。有两件事可以做：与市场部沟通，调整交付计划，在移动端放置更多的排水渠道；在产品端和运营端（如推广Deeplink、设置移动抽奖或独家活动），将PC端和Web端的用户转移到应用程序。4)通过产品与运营的合作，大力建设导购渠道和个性化推荐，提高GV人均产量。5)通过产品端的努力，提高转化率。当然，转化率也可以通过降低业务线或准备更好的产品来提高，但这方面留给了业务线。让我们先看看产品能做什么。1、这两个方向基本上与产品和运营无关。我们的目标自然是3、4、5，内部潜力，首先看看是否有机会弥补差距，以避免迫使公司降低收入预期或大幅增加市场部的成本。当然，这是三年前的一个项目。对于今天的中国互联网来说，第三点是移动终端基本上是一项完成的工作，PC和Web终端基本上是股票管理。第六步，这是最难的一步–仔细计算产品和运营，可以提高转化率和人均GV。1)产品端计算:产品主要通过新项目为平台提高流量效率。当时我的产品策略是“AllinApp所有产品改造均针对App端。转化率提升项目:计算购物流程优化带来的转化率提升预期，然后根据销售预期计算转化率提升带来的GV量。这一步计算后，GV需求总量相应降低。新导购项目：根据竞争产品类似频道CTR，估计项目可能获得的ClickMix，并根据项目特点估计项目预计将给每个客户带来的人均GV，并结合主页日常生活估计计算GV增量。导购功能优化：根据当前功能对应的GV输出，估计优化后的GV增加幅度。移动终端迁移：在自然迁移的基础上，计算产品实践可以带来的应用终端迁移增量，计算这部分增量可以带来的GV增量：（应用终端人均GV-PC终端人均GV）*通过上述产品效果计算迁移增量，一端降低GV需求，另一端增加GV产量，差距大大缩小。哪些项目可以改进这些方面是一个非常广泛的领域。您可以参考我的处女作《九张大图片，了解增长系统下电子商务在线流程的全貌》，列出了一些线索和想法。2)运营端计算:主页运营比较日常，更多的是资源位置产出盘点、资源安排、机动资源日常分配管理，以及大力推广的资源分配管理。可以做的是:盘点低效资源位置，计算优化资源分配(转移到产出更高效的业务后)后可以得到的GV提升。盘点亚马逊销售王牌“镇店之宝”频道的常规推广时间分配与GV输出的对应关系，找到时间-GV曲线的最佳拐点，重置时间规则。盘点推广时间、频率、主题、资源分配，优化推广计划。因为大促销是为了吸收全站的常规流量，贡献大促销产出。由于大促销主题的类别偏差和促销疲劳，促销贡献的产出可能无法抵消全局正常非大促销的损失。因此，促销需要最好的节奏，而不是盲目地增加。因为大促销组也在我的职责范围内，我可以在整体情况下重置大促销规则。当然，在这方面与业务线沟通仍然很费力。在所有这些库存之后，操作线也给出了GV改进的预期。通过上述艰苦的产品、运营规划和效果预测，流量需求与供给之间的差距得到了很大的弥补。这也是产品和运营商的巨大价值所在–在不增加成本(R&D除外)的基础上，产出大幅增加。当然，这里还有一些差距，所以市场部提高了紫外线的目标和渠道分配，所以总流量（GV）终于匹配上了。第七步：将总GV分为各业务线，设定下一年各业务线的流量指标。然后比较上一年各业务线的实际流量比例，确定下一年各业务线流量比例的增减。步骤8：计算搜索流量给每条业务线带来的GV，将这些GV从每条业务线的流量目标中分离出来。因为搜索结果不是可分配的资源(实际上，搜索权重因素的调整也可以在一定程度上影响。假设搜索流量的比例保持不变，以免模型过于复杂。其他GV基本上是通过主页流量分发来实现的。A业务线App端非搜索GV目标=A业务线App端总GV*非搜索流量占到目前为止，主页基本确定了各业务线流量分配的总目标。第九步:盘点当前首页资源位分配，确定每个首页资源位能产生的GV数量(这一步背后需要强大的BI埋点，可以通过点击流模型来实现)，比较第八步获得的业务线流量分配目标，规划资源位的初步分配。例如，将原本固定在业务线上的第三、四、五帧改为机动资源位。假设第三帧固定每天带来5000个GV，第四帧3000个GV，第五帧1500个GV，那么原本有这三帧的业务线的流量可以相应减少，然后将这三帧一年能产生的总GV重新分配给需要提高流量比例的业务线。同样的方法可用于促销分配、大促销资源位置分配、主页频道入口分配等。第十步：在上一步确定的资源位调度计划中，制定年度资源位分配计划，然后细分为月。考虑到业务线的季节性特点、大、中、小型流量促进的特点和日常流量，对业务线进行具体的资源分配，并设定月度流量目标值。业务线流量月度目标值为月度盘点对比基线，并根据出入情况对下月分配进行调整。然后，在PC和Web端重新走所有步骤，设定每个平台的流量目标。Web的入口分配与App完全一致，只估计流量纳入全局，无需另行分配方案。到目前为止，资源规划已经完成，流量分配的基线版本已经形成。我的团队日夜制作了46个版本，最终定稿，并获得了CEO的批准，因为它涉及到大量的模型建立、计算、取数、沟通和协调。工程量大，长征*吗？但这是第一步——确定行动路线，实际情况需要根据当地情况采取措施，不知道哪里会遇到强大的阻力，哪里会遇到侵略者，哪里实际无法通过。但至少，方向和目标已经明确。让我们来谈谈这种方法中存在的问题：虽然流量受到资源位数的影响，但它并不完全呈线性比例关系。我们用一个简化的模型来理解：数字类有三个入口，母婴类有两个入口，GV也有三个：2.如果你想把GV比例逆转到2，：3.是否可以为母婴调整数字入口？你可能知道，这不是真的。因为流量背后可能有9个数字消费者和6个母婴消费者，数字入口减少，数字消费者可能仍然点击数字入口，母婴消费者也是如此。入口调整后，流量可能会发生一定程度的变化，如从3:2变成2.7：2.3(毕竟还是有一定中立偏好和混合需求的用户)，但不会根据资源位数量等比例线性变化。那怎么办呢？我在实践中的经验是保留尽可能多的灵活移动资源，不要提前完全分离所有资源。然后每周仔细盘点流量情况，比较第十步给出的目标，多调整流量不足，减少相对富裕的流量。当然，业务线也有困难。有时我认为会有资源，所以我计划了一个活动，利用营销资源和供应商资源购买商品。因此，资源位置被调整，活动无法在线，这是痛苦的。因此，应尽可能准确地进行长期规划，而不是频繁调整。看，首页资源位管理大概是世界上最难的工作之一！不但技术难度高，而且得罪人。给资源就像发工资一样。大家都觉得流量不够，但肯定没人觉得有多少，也没人愿意吐出嘴里的资源。