学会掌控数据，是运营必须要具备的能力。

操作涉及的定义太广太细，好像各方面都离不开操作。刚做运营的时候，当时部门还在建设产品报表系统，我被抓做业务报表。你们能理解，一个还没有开始做生意的人，一上来就做生意报表，处理生意投诉的困惑吗？不过，当我逐渐上手，规划了一份又一份报告后，我又接管了渠道，没有经历过渡期，直接上手了。由于通过数据，我对整个业务的形式和业务的需求有了很好的了解。今日，我想与大家分享一下，如何通过数据驱动操作，获得更有效的操作策略。作为运营商，我们每天都在处理数据，甚至渗透到工作的各个方面。然而，很多人也会感到困惑。数据这么多，在什么情况下应该看什么数据？如何分析数据？如何分析数据，为运营甚至产品带来积极的方向？为什么要进行数据分析？从宏观角度看，通过数据分析，我们可以了解行业环境、整个市场的规模、用户总数、类似竞争产品的数量、用户属性、我们自己产品的比例等。从产品的角度来看，数据分析可以更清楚地了解产品的功能性能，需要改进什么？从KPI的角度来看，数据分析可以知道哪些指标没有完成，有多少差距，如何按时完成目标？在产品运营中，数据分析是为了更好的产品体验，更多的是基于产品特性，满足用户的需求。那么在数据分析中操作需要注意哪些指标呢？如果是靠广告收入(如媒体)盈利的企业，需要注意的指标是:流量*转化率*单次点击价格。如果是靠佣金收入(如淘宝客户)盈利的企业，需要注意的指标是:GMV*佣金比例。若企业依靠订单收入(如电子商务)获利，则需要注意的指标是：访客数量uv*转化率*客户单价。如果是靠增值服务(如视频会员)盈利的企业，需要注意的指标是:访客数量uv*转化率*APRU值。综上所述，运营分析需要注意的一般指标是：我们详细分割，如企业依靠订单收入，更详细的数据公式是：订单金额=浏览UV*浏览转换率*订单转换率*付款转换率*客户单价你可以看到，浏览UV实际上是分流，这是最需要注意的运营，当浏览UV很低时，意味着你的产品没有人使用。无人使用的原因有很多，可能是没人知道，也可能是产品不好用。在这个时候，我们需要警惕问题出在哪里。导流的方式有成千上万种，也就是说，获取流量的渠道有很多种，你必须意识到你的渠道。您可以参考波士顿矩阵理论，将流量渠道分为明星、瘦狗、问题、现金流、给导渠道分类、定义优先级，然后进行不同的操作。比例高、转化率高的第一类渠道，如活动运营，是一种有效引流的方式。什么样的活动能吸引用户？在成本有限的情况下，如何做活动才能取得最高的效果？在我们的活动中，我会关注的数据包括活动页面的开放数量等。活动页面的开放数量旨在了解活动的推广和受欢迎程度。假设加大力度去推，但实际效果并不理想，那可能是活动不够吸引人。例如，我们在春节期间进行了一次活动，用户可以通过玩游戏获得一定的充值折扣。长期以来，我们一直在做抽奖活动。这一次，我们想做一个新的尝试——先玩游戏，然后打折。毕竟，一个小游戏经常会引爆朋友圈。因为今年是猪年，我们玩的是“一起喂猪”的游戏，既呼应了猪年的新年梗，又融合了养成小游戏的玩法。结果，我们花费了大量的人力去尝试一种新的玩法，但是用户并没有付出代价。微信官方账号的后台几乎每天至少有10条消息。我只是来充值。你还让我玩游戏，就算玩了，玩完也只有10%的折扣。因此，结合当时活动页面的开放数量，以及参与活动的人数，我们判断该活动不适合充值用户。新老用户也是如此。如果这项活动最初是为了吸引新用户而进行的，但最终参与的老用户远远多于新用户，这可以表明这项活动的设置存在问题，新老用户的气质尚不清楚。如果是针对老用户的活动，那么还有一个值得关注的数据，那就是保留率。对于老用户做的活动，下个月的留存率很差，说明活动的作用有限，没有有效地提高用户的粘性。正如我之前所说，我们所做的活动几乎只有一种形式，那就是抽奖，设计不同的界面和不同的游戏玩法，如大转盘、老虎机、福袋等。为什么？因为从数据分析中我们可以看出，这种形式很受用户欢迎，用户也很受用户欢迎。成功充值后，用户可以获得不同的红包金额，用于下一次充值扣除。下次使用是因为用户可以成功充值。也就是说，当我们的活动成本产生时，用户实际上已经充值了至少两次，这大大提高了用户的粘性。而且用户是来充值的，你给一定的扣券，用户会觉得你盈利了，也会积极参与。我们需要花费更多的精力来培育第二类增长缓慢但占比高的渠道。例如，图文推送。在说图文推送之前，我们先说一下，什么是用户操作？顾名思义，就是以用户为中心，根据用户的需求设定运营活动和规则，制定运营策略和目标，最终实现预期的运营目标和任务。以微信微信官方账号为例。对于微信微信官方账号的运营，我们的接触方式不能只有三种。一个是图形消息推送，也就是所有用户无差别运营；第二个是模板消息推送。不同的用户可能会收到完全不同的信息；第三，菜单栏引导。图文推送的特点是，效果来得快，去得快。下表是我们通常在推送图形消息后会看到的一些数据。我一直认为数据不是简单的列表，也不是尽可能多，而是我们看到的数据背后的结论是什么？如何引导我们操作数据？在下表中，有两个标题我是标红的，大家可以来看看。事实上，这两条推文的内容含义是一样的，即充值达到一定金额后，就可以获得相应的奖品。这两个标题的推送位置相同，推送时间相近，都在上午11点左右，但推送日期不同。让我们看看最后一个标题——9350流量硬币。对我们自己来说，我们知道这是一种虚拟优惠券，可以交换实物。然而，从用户的角度来看，有多少用户知道什么是流量硬币？对大多数用户来说，他们对这个名词没有任何感知。因此，同样的内容，当标题被“9G流量”取代时，阅读量增加了近10倍。这就是数据分析的意义。通过对每一期图文推送的数据分析，我们对我们的微信官方账号得出了一些结论。比如我们试着从周一到周日在不同的时间段推送。是的，你说得对。为了得到有效的结论，我们也尝试在周六和周日推送。一年除夕，大家团圆的时候，我绞尽脑汁写了一篇文章，我以为既有文艺又有情感，图文并茂，记录了从小离家后和父母一个个相处的时刻。结果阅读量4万，留言22，分享55。可以说，这是我运营微信官方账号以来写过的最分心的一篇文章。看完之后，我几乎沉浸在每个人身上，产生了无数的共鸣。最后，我买买来回报我的欲望。然而，事实上，阅读量并不是最多的，留言和分享也很平庸。最尴尬的是收入。我不敢说这是一项活动。换句话说，用户可能不会为我们感觉良好的东西买单。此时，数据的作用得到了体现。总之，作为充值产品的微信官方账号推文，我们通过长期的实践和数据分析得出结论，每周五上午11:00-12:00推送效果最好。假期前夕推流量，比话费效果好。月底推话费，比月初好，8-10天推话费，效果最好。用户可以随意阅读和理解标题，更有吸引力的点击。第三种更差的引流方式是边角料。对于这些方法，我会有选择地去优化，有时间的时候会去琢磨，没时间的时候会放弃，降低人工成本。订单转换率，如果订单转换率好，但支付转换率相对较低，可能是产品的支付方式或支付步骤，给用户一定的门槛。例如，在3月初，我们的付款转化率突然下降到10%左右，也就是说，100个用户下订单，10个用户最终成功付款。这个转化率很低，我们检查，发现因为我们因为支付汇率的影响所有的支付方式，只保留低汇率的支付方式，但许多用户与这种支付方式无关，如果你想购买，你需要注册一种新的支付方式，相当于提高用户的支付门槛。后来，我们保留了低汇率的支付方式，并重新启动了流行的支付方式。然而，默认情况下，低汇率的支付方式是首选，支付转化率突然达到65%左右。和前面的10%相比，看起来不错吗？然而，在分析和比较历史数据时，我们发现当默认最流行的支付方式是支付的首选时，支付转化率达到80%。因此，看似如此简单的调整，却产生了很大的影响。客户单价受产品属性和推广的影响。例如，一个产品有不同的规格。默认规格为100元，用户最多订购100元；夏天，衣服的订单量更多，冬天，外套的订单量更多。当然，如果根本不遵守规则，比如夏季反季清仓外套，即使广泛推广，效果也非常有限。因此，每天观察数据，根据数据，结合用户的使用行为，调整操作策略，往往很小的操作手段，也可以用一半的努力得到两倍的结果。三、如何进行操作分析？看到这里，相信大家对操作数据分析的重要性都有了清晰的认识。那么，如何分析操作数据呢？在我们计划实施操作策略之前，我们应该首先梳理流程，明确操作目标，明确操作行动，最终在报告中反映结果。例如，要做一个活动，我们关注的数据是什么？前面说过这个，就不赘述了。明确需要注意的数据，便于实时监控，及时发现问题。当我们整理出需要注意的数据时，我们需要监控指标。通过报告中的日常数据，明确操作动作的全貌，及时发现异常，找出异常原因。当出现异常时，如何找到问题点？一般分为以下几点：定位问题→拆解问题→提出假设→分析验证→结论呈现。事实上，定位问题相对容易。如果数据中的哪个链接出现异常，则可以锁定该链接。下一步是拆解问题。逐步拆解分析后，挖掘异常变化的原因，逐步验证，最终得出结论，指导下一步操作。比如12月1日，网站订购量突然增加了50%。我们来看看数据。是渠道订购量增加，转化率增加，还是人均订购量增加？一层一层地分开，发现最近写的一篇文章的阅读量突破了10W，而通常的文章阅读量只有不到1W，所以推断是文章的排水效果。接下来，继续分析什么样的文章吸引了这么多用户，和平时的文章主题有什么区别？经过逐层剥茧，发现是娱乐主题带来的效果，因为推送的是与娱乐相关的产品，主题呼应，达到了很好的效果。当我们从数据中得出这个结论时，我们可以在未来推送不同的产品，以便相应地接近相关主题，从而达到更好的分流效果。当我们发现问题时，下一步是提供操作建议。例如，由于广告文章的导流效果好，我们定位订购量的增加。然后我们需要验证是否真的是这个原因造成的。首先，对12月1日订购的用户进行分层，通过RFM模型建立用户标签，然后回顾我们最初的想法——文章的主题与推广内容一致。例如，再次推送相同类型的主题，看看阅读量和转化效果是否仍然如此好？或者，看看新老用户的比例，假如老用户比例大，说明可能不是文章导流的效果。因为用户分层涉及到另一种复杂的操作手段，这里就不一一描述了。整个操作动作结束后，需要进行效果评估。效果评估主要从以下几个维度进行评估：与自身、目标、过去类似操作行为、同期其他操作行为和行业基准数据的比较。。。根据这一系列维度分析，我们得出了最终的经验总结，为下一个操作行为铺平了道路。综上所述，我们可以看到数据分析可以说是操作中必不可少的环节。通过数据，可以对流量、人群、产品进行分层操作，取得更好的效果。