隨著精細(xì)化理念的不斷深入人心，“數(shù)據(jù)運(yùn)營(yíng)” 這一概念得到了大家越來(lái)越多的重視。但是什么是正確的數(shù)據(jù)指標(biāo)，如何正確地采集數(shù)據(jù)，如何用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)？這些常見(jiàn)的數(shù)據(jù)迷思，困擾著大多數(shù)的產(chǎn)品、運(yùn)營(yíng)、市場(chǎng)甚至管理層。 今天這篇文章，就跟大家分享一下如何搭建一套正確、高效的數(shù)據(jù)運(yùn)營(yíng)體系。

?一、什么是數(shù)據(jù)運(yùn)營(yíng)

“數(shù)據(jù)運(yùn)營(yíng)” 有兩層含義，狹義指“數(shù)據(jù)運(yùn)營(yíng)”這一工作崗位。它跟內(nèi)容運(yùn)營(yíng)、產(chǎn)品運(yùn)營(yíng)、活動(dòng)運(yùn)營(yíng)、用戶(hù)運(yùn)營(yíng)一樣，屬于運(yùn)營(yíng)的一個(gè)分支。從事數(shù)據(jù)采集、清理、分析、策略等工作，支撐整個(gè)運(yùn)營(yíng)體系朝精細(xì)化方向發(fā)展。近年來(lái)，越來(lái)越多的互聯(lián)網(wǎng)企業(yè)開(kāi)設(shè)了“數(shù)據(jù)運(yùn)營(yíng)”這一工作崗位，主要分布在一線運(yùn)營(yíng)部門(mén)。與數(shù)據(jù)分析師這一崗位不同的是，數(shù)據(jù)運(yùn)營(yíng)更加側(cè)重支持一線業(yè)務(wù)決策。

廣義指“用數(shù)據(jù)指導(dǎo)運(yùn)營(yíng)決策、驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)”的思維方式，即數(shù)據(jù)化運(yùn)營(yíng)。屬于運(yùn)營(yíng)的一種必備技能或者思維方式，泛指通過(guò)數(shù)據(jù)分析的方法發(fā)現(xiàn)問(wèn)題、解決問(wèn)題、提升工作效率、用數(shù)據(jù)指導(dǎo)運(yùn)營(yíng)決策、驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)。

綜上所述，數(shù)據(jù)分析是數(shù)據(jù)運(yùn)營(yíng)的一項(xiàng)必備技能。

1、為什么數(shù)據(jù)分析是運(yùn)營(yíng)的一項(xiàng)必備技能

數(shù)據(jù)分析的百度指數(shù)趨勢(shì)

從外部環(huán)境上，我們可以看到從 2011 年到現(xiàn)在，數(shù)據(jù)分析的百度指數(shù)持續(xù)上漲。2014 – 2015 是重要節(jié)點(diǎn)，原因是從 09 年移動(dòng)互聯(lián)網(wǎng)開(kāi)始以來(lái)，隨著智能手機(jī)第一波換機(jī)潮和第二波換機(jī)潮，帶動(dòng)移動(dòng)互聯(lián)網(wǎng)發(fā)展。大量的企業(yè)入場(chǎng)，讓增長(zhǎng)的成本變得非常高，于是通過(guò)數(shù)據(jù)分析的精細(xì)化運(yùn)營(yíng)，變得越來(lái)越重要。

運(yùn)營(yíng)JD的數(shù)據(jù)分析要求

從招聘上也能看出來(lái)，我們看了目前市面上許多公司對(duì)于運(yùn)營(yíng)的 JD（職位描述），無(wú)論是內(nèi)容運(yùn)營(yíng)、產(chǎn)品運(yùn)營(yíng)、活動(dòng)運(yùn)營(yíng)還是用戶(hù)運(yùn)營(yíng)，都要求數(shù)據(jù)分析能力。

2、數(shù)據(jù)運(yùn)營(yíng)的職責(zé)

我們找了 100 篇數(shù)據(jù)運(yùn)營(yíng)招聘 JD（職位描述）文本的基礎(chǔ)上，使用 R 對(duì)其進(jìn)行分詞，并且繪制了詞云。

數(shù)據(jù)運(yùn)營(yíng)的職責(zé)

通過(guò)這個(gè)詞云不難看出，“數(shù)據(jù)分析”是數(shù)據(jù)運(yùn)營(yíng)的核心工作，右邊的表格展示了排名靠前的關(guān)鍵詞及其出現(xiàn)的頻次。

「數(shù)據(jù)分析」這個(gè)詞在100個(gè) JD 中出現(xiàn)了106次，遙遙領(lǐng)先。接下來(lái)是分別是「分析報(bào)告」、「提供數(shù)據(jù)」、「數(shù)據(jù)報(bào)表」等詞，這也說(shuō)明提供數(shù)據(jù)報(bào)表、分析報(bào)告是數(shù)據(jù)運(yùn)營(yíng)的重要工作。搭建「數(shù)據(jù)指標(biāo)」、及時(shí)「發(fā)現(xiàn)問(wèn)題」、提供「解決方案」也是 JD 中的高頻詞匯，這樣看數(shù)據(jù)運(yùn)營(yíng)崗位的具體職責(zé)就一目了然了。

總結(jié)起來(lái)，我們將其歸納為數(shù)據(jù)規(guī)劃、數(shù)據(jù)采集、數(shù)據(jù)分析三大層次：

1. 數(shù)據(jù)規(guī)劃：收集整理業(yè)務(wù)部門(mén)數(shù)據(jù)需求，搭建數(shù)據(jù)指標(biāo)體系；
2. 數(shù)據(jù)采集：采集業(yè)務(wù)數(shù)據(jù)，向業(yè)務(wù)部門(mén)提供數(shù)據(jù)報(bào)表；
3. 數(shù)據(jù)分析：通過(guò)數(shù)據(jù)挖掘、數(shù)據(jù)模型等方式，深入分析業(yè)務(wù)數(shù)據(jù)；提供數(shù)據(jù)分析報(bào)告，定位問(wèn)題，提出解決方案。

下面我們就從這 3 個(gè)環(huán)節(jié)去展開(kāi)，詳細(xì)地為大家講解如何搭建一套正確、高效的數(shù)據(jù)運(yùn)營(yíng)體系。

二、數(shù)據(jù)規(guī)劃

數(shù)據(jù)規(guī)劃是整個(gè)數(shù)據(jù)運(yùn)營(yíng)體系的基礎(chǔ)，它的目的是搞清楚「要什么」。只有先搞清楚自己的目的是什么、需要什么樣的數(shù)據(jù)，接下來(lái)的數(shù)據(jù)采集和數(shù)據(jù)分析才更加有針對(duì)性。

數(shù)據(jù)規(guī)劃有兩個(gè)重要概念：指標(biāo)和維度。

1、指標(biāo)

指標(biāo)（index），也有稱(chēng)度量（measure）。指標(biāo)用來(lái)衡量具體的運(yùn)營(yíng)效果，比如 UV、DAU、銷(xiāo)售金額、轉(zhuǎn)化率等等。指標(biāo)的選擇來(lái)源于具體的業(yè)務(wù)需求，從需求中歸納事件，從事件對(duì)應(yīng)指標(biāo)。

指標(biāo)體系

指標(biāo)分為數(shù)量型指標(biāo)和質(zhì)量型指標(biāo)，Web 的 pv、uv、訪問(wèn)量，App 的 DAU、NDAU 等等，都是數(shù)量型指標(biāo)；平均訪問(wèn)時(shí)長(zhǎng)、訪問(wèn)深度、跳出率等等這些是質(zhì)量型指標(biāo)。

（1）如何選擇核心指標(biāo)

在這里我們引入一個(gè)概念——OMTM，OMTM（One Metric That Matters） 唯一重要的指標(biāo)，也稱(chēng)為北極星指標(biāo)。

選擇 OMTM 的四大標(biāo)準(zhǔn)：

1. 和商業(yè)目標(biāo)緊密結(jié)合；
2. 反映客戶(hù)的價(jià)值需求；
3. 指標(biāo)簡(jiǎn)單易懂；
4. 能夠計(jì)算匯總 。

這里我們可以引用一個(gè)案例，著名的視頻社交分享應(yīng)用 Viddy，授權(quán)可以通過(guò)登錄 Facebook 來(lái)創(chuàng)建帳號(hào)和分享，就跟國(guó)內(nèi)常見(jiàn)的各種 App 中微信、QQ 等第三方帳號(hào)一樣。

選擇錯(cuò)誤指標(biāo)的案例-Viddy

前期他們以「創(chuàng)建賬號(hào)的數(shù)量」來(lái)作為核心指標(biāo)，我們可以看到在做了授權(quán) Facebook 登錄后，2012 年上半年訪問(wèn)量飆升，但是到了 2012 年下半年訪問(wèn)量暴跌。這就是問(wèn)題所在，Viddy 的員工認(rèn)為賬號(hào)創(chuàng)建數(shù)量是一個(gè)正確的指標(biāo)，所以他們拼盡全力去提升這個(gè)指標(biāo)。實(shí)際上，他們并沒(méi)有發(fā)現(xiàn)業(yè)務(wù)的重點(diǎn)。

與之相對(duì)比的，谷歌+ 用自己的方法把用戶(hù)提升到 1.7 億，方法就是把有趣的內(nèi)容放到郵件中和好友分享。谷歌+ 專(zhuān)注于「前往谷歌+ 并且每周至少分享 2 個(gè)更新信息」的用戶(hù)數(shù)量指標(biāo)，他們專(zhuān)注于向用戶(hù)傳遞產(chǎn)品的價(jià)值，而不是僅僅提升某一個(gè)數(shù)字。

（2）如何規(guī)劃核心指標(biāo)

電子書(shū)落地頁(yè)舉例

以我們 GrowingIO 做的電子書(shū)下載落地頁(yè)舉例。

指標(biāo)的選擇來(lái)源于具體的業(yè)務(wù)需求，從需求中歸納事件，從事件對(duì)應(yīng)指標(biāo)。

選擇維度的步驟

從內(nèi)容落地頁(yè)的業(yè)務(wù)需求開(kāi)始，分析選擇指標(biāo)的過(guò)程如下：

1. 明確需求：對(duì)頁(yè)面進(jìn)行數(shù)據(jù)分析，提高電子書(shū)下載量；
2. 歸納事件：用戶(hù)下載電子書(shū)是系列事件的最終結(jié)果，包括點(diǎn)擊推廣鏈接、訪問(wèn)下載頁(yè)、開(kāi)始填寫(xiě)信息、填寫(xiě)信息完成下載；
3. 對(duì)應(yīng)指標(biāo)：下載量 = 訪問(wèn)流量 CTA 點(diǎn)擊率注冊(cè)轉(zhuǎn)化率。

通過(guò)上述分析，得出下載量是 OMTM（第一重要指標(biāo)，One Metric That Metter）的結(jié)論。同時(shí)，整個(gè)指標(biāo)體系包括訪問(wèn)流量、CTA 點(diǎn)擊率、注冊(cè)轉(zhuǎn)化率三個(gè)可操作的指標(biāo)，基于可操作的指標(biāo)，才可以更好地優(yōu)化核心指標(biāo)。

2、維度

（1）什么是維度？

維度是用來(lái)對(duì)指標(biāo)進(jìn)行細(xì)分的屬性，比如廣告來(lái)源、瀏覽器類(lèi)型、訪問(wèn)地區(qū)等等。

維度分類(lèi)

（2）多維度分析

落地頁(yè)流量猛增

舉個(gè)例子，我們?cè)诿刻煊^察數(shù)據(jù)的時(shí)候，突然某天下午 5 點(diǎn)流量暴增，我們想查找出原因。

訪問(wèn)來(lái)源分析

首先從訪問(wèn)來(lái)源維度拆解，我們發(fā)現(xiàn)從 5 點(diǎn)開(kāi)始，主要是微信的流量突然上漲，

落地頁(yè)頁(yè)面分析

然后，我們從落地頁(yè)面維度拆解，就可以發(fā)現(xiàn)流量主要落地頁(yè)是 E 和 G 兩個(gè)頁(yè)面，最后我們就可以得出結(jié)論：下午 5 點(diǎn)從微信突然涌進(jìn)大量流量到 E 和 G 頁(yè)面，與內(nèi)容的同學(xué)同步了一下，是他們?cè)谖⑿派贤屏艘粋€(gè)落地到 E 和 G 頁(yè)面的活動(dòng)。

從案例可以看出，多維度分析能夠讓我們更清晰的挖掘出數(shù)據(jù)表象背后的真實(shí)原因。

（3）如何選擇分析維度？

選擇維度的原則是：記錄那些對(duì)指標(biāo)可能產(chǎn)生影響的維度，以及盡量記錄全面的、多維度的數(shù)據(jù)。

磨刀不誤砍柴工。數(shù)據(jù)運(yùn)營(yíng)需要和業(yè)務(wù)部門(mén)（市場(chǎng)、銷(xiāo)售、運(yùn)營(yíng)、產(chǎn)品等等）不斷溝通，只有做好數(shù)據(jù)規(guī)劃，接下來(lái)的數(shù)據(jù)采集和數(shù)據(jù)分析才能更加高效

三、數(shù)據(jù)采集

數(shù)據(jù)采集是數(shù)據(jù)分析的基礎(chǔ)，傳統(tǒng)的數(shù)據(jù)采集是一件非?；〞r(shí)間、精力、人力的事情，對(duì)于很多企業(yè)來(lái)說(shuō)是一個(gè)巨大的門(mén)檻。過(guò)去數(shù)據(jù)分析整個(gè)流程經(jīng)常是 80% 的時(shí)間在數(shù)據(jù)采集上，只有不到 20% 的時(shí)間是用于數(shù)據(jù)分析的。

1、采集什么數(shù)據(jù)

互聯(lián)網(wǎng)變化趨勢(shì)

從流量為王的互聯(lián)網(wǎng)上半場(chǎng)，到流量越來(lái)越貴的互聯(lián)網(wǎng)下半場(chǎng)，獲取用戶(hù)的成本越來(lái)越高， 2013、2014 年左右，工具類(lèi) App 激活一個(gè)用戶(hù)的成本才幾毛錢(qián)，兩年不到，獲取一個(gè)下載的成本就到了幾塊錢(qián)。金融類(lèi) App 一個(gè)激活用戶(hù)的成本可以達(dá)到上百元。所以企業(yè)開(kāi)始從粗放式運(yùn)營(yíng)向精細(xì)化運(yùn)營(yíng)轉(zhuǎn)變，關(guān)注的數(shù)據(jù)也從單純的渠道流量數(shù)據(jù)，增加了更多對(duì)用戶(hù)行為數(shù)據(jù)的分析。

所以目前來(lái)看，對(duì)用戶(hù)行為數(shù)據(jù)的采集成為了數(shù)據(jù)運(yùn)營(yíng)較為看重的部分。

用戶(hù)行為是由一個(gè)一個(gè)事件（event）組成的。

事件

這些事件包括時(shí)間、地點(diǎn)、任務(wù)、人物、內(nèi)容、交互。

2、如何采集數(shù)據(jù)

（1）數(shù)據(jù)采集方案

數(shù)據(jù)采集方案

目前有三種常見(jiàn)的數(shù)據(jù)采集方案，分別是埋點(diǎn)、可視化埋點(diǎn)和無(wú)埋點(diǎn)。

埋點(diǎn)采集

埋點(diǎn)，也稱(chēng)打點(diǎn)，通過(guò)在產(chǎn)品（網(wǎng)頁(yè)、APP等）中手動(dòng)添加統(tǒng)計(jì)代碼收集需要的數(shù)據(jù)。打點(diǎn)又可以細(xì)化出前端打點(diǎn)與服務(wù)器打點(diǎn)。假如要收集用戶(hù)注冊(cè)數(shù)，就需要在注冊(cè)按鈕處加載相應(yīng)的統(tǒng)計(jì)代碼。Google Analytics（谷歌統(tǒng)計(jì)）、百度統(tǒng)計(jì)等工具采用的就是這一方法。

但是因?yàn)槁顸c(diǎn)的工程量大、周期長(zhǎng)，而且容易發(fā)生漏埋、錯(cuò)埋的情況，所以埋點(diǎn)成為了數(shù)據(jù)從業(yè)者的一大痛點(diǎn)。

可視化埋點(diǎn)

可視化埋點(diǎn)是埋點(diǎn)的延伸，通過(guò)可視化交互的方式來(lái)代替手動(dòng)埋點(diǎn)。這種方式降低了用戶(hù)使用的門(mén)檻，提升了效率。但無(wú)論是埋點(diǎn)還是可視化埋點(diǎn)，數(shù)據(jù)運(yùn)營(yíng)都需要起到承前啟后的作用：收集業(yè)務(wù)部門(mén)數(shù)據(jù)需求，撰寫(xiě)需求文檔，向工程部門(mén)提交埋點(diǎn)需求，本質(zhì)上還是一種埋點(diǎn)方案。

無(wú)埋點(diǎn)顛覆了傳統(tǒng)的「先定義再采集」的流程，只需要加載一個(gè) SDK 就可以采集全量的用戶(hù)行為數(shù)據(jù)，然后可以靈活自定義分析所有行為數(shù)據(jù)。前段時(shí)間，國(guó)外的 Mixpanel 也推出了無(wú)埋點(diǎn)解決方案。

相比于埋點(diǎn)方案，無(wú)埋點(diǎn)成本低、速度快，不會(huì)發(fā)生錯(cuò)埋、漏埋情況。無(wú)埋點(diǎn)正在成為市場(chǎng)的新寵兒，越來(lái)越多的企業(yè)采用了無(wú)埋點(diǎn)方案。在無(wú)埋點(diǎn)情景下，數(shù)據(jù)運(yùn)營(yíng)可以擺脫埋點(diǎn)需求的桎梏，將更多時(shí)間放在業(yè)務(wù)分析上。

（2）數(shù)據(jù)可視化

數(shù)據(jù)經(jīng)過(guò)收集處理后，下一步就需要可視化，數(shù)據(jù)可視化在運(yùn)營(yíng)應(yīng)用中的主要形式包括：圖表、圖形、數(shù)據(jù)看板，搭建數(shù)據(jù)看板（ Dashboard ）是除了數(shù)據(jù)報(bào)表之后又一項(xiàng)工作，是指將關(guān)鍵業(yè)務(wù)指標(biāo)（KPI）和相關(guān)數(shù)據(jù)指標(biāo)顯示在一個(gè)面板中，以可視化圖形的方式展現(xiàn)出來(lái)。數(shù)據(jù)看板往往和企業(yè)的 BI 系統(tǒng)連在一起，屬于數(shù)據(jù)可視化的部分。

看板

上圖是用數(shù)據(jù)分析產(chǎn)品做出的看板，每個(gè)人，或者說(shuō)每一項(xiàng)業(yè)務(wù)，都需要最直觀的將數(shù)據(jù)展現(xiàn)出來(lái)，并且根據(jù)圖表層層下鉆，發(fā)現(xiàn)問(wèn)題，所以可以自定義的看板非常重要。

四、數(shù)據(jù)分析

數(shù)據(jù)分析是數(shù)據(jù)運(yùn)營(yíng)的重點(diǎn)工作，前面的數(shù)據(jù)規(guī)劃和數(shù)據(jù)采集都是為數(shù)據(jù)分析服務(wù)的。我們的最終目的是通過(guò)數(shù)據(jù)分析的方法定位問(wèn)題，提出解決方案，促進(jìn)業(yè)務(wù)增長(zhǎng)。

所以，這也是我們要推薦無(wú)埋點(diǎn)的原因，因?yàn)槲覀兿Ｍ淖円郧啊?0% 的時(shí)間用于采集和清洗數(shù)據(jù)，不到 20% 的時(shí)間用于數(shù)據(jù)分析」的情況，變成「80% 的時(shí)間用于數(shù)據(jù)分析」，把時(shí)間花在更有價(jià)值的事情上。

分析方法和運(yùn)用場(chǎng)景

選擇什么樣的數(shù)據(jù)分析方法要和業(yè)務(wù)場(chǎng)景相結(jié)合，上面這個(gè)表格匯總了目前常見(jiàn)的運(yùn)營(yíng)數(shù)據(jù)分析方法及運(yùn)用場(chǎng)景，比如我們投放廣告、追蹤渠道用的 utm，分析轉(zhuǎn)化的漏斗等等。

不同于數(shù)據(jù)分析師，數(shù)據(jù)運(yùn)營(yíng)崗位弱化了對(duì)編程統(tǒng)計(jì)的要求，更加強(qiáng)調(diào)在現(xiàn)有工具基礎(chǔ)上靈活使用分析方法。

下面我們列舉一下常見(jiàn)的數(shù)據(jù)分析方法。

1、數(shù)據(jù)分析方法

（1）維度細(xì)分

維度細(xì)分

孤零零的一個(gè)數(shù)據(jù)指標(biāo)，是很難發(fā)現(xiàn)問(wèn)題的。我們需要從多個(gè)維度出發(fā)，比如地區(qū)、平臺(tái)、瀏覽器、訪問(wèn)來(lái)源等等，拆解指標(biāo)，定位問(wèn)題。

（2）漏斗分析

用戶(hù)在使用產(chǎn)品的過(guò)程中，天然存在著系列轉(zhuǎn)化路徑，例如注冊(cè)、下單、下載等等。運(yùn)營(yíng)需要各個(gè)路徑的轉(zhuǎn)化率，包括總轉(zhuǎn)化率及每一步的轉(zhuǎn)化率。

轉(zhuǎn)化漏斗工具以可視化的方式將轉(zhuǎn)化路徑的每一個(gè)步驟都展示出來(lái)。運(yùn)營(yíng)人員可以重點(diǎn)關(guān)注流失最大的環(huán)節(jié)，因?yàn)檫@往往是優(yōu)化工作 ROI 最高的地方。

除了橫向拆解每一步的轉(zhuǎn)化率，我們還可以從時(shí)間維度觀察每一步轉(zhuǎn)化率的變化趨勢(shì)。

漏斗分析

比如，通過(guò)上圖不難發(fā)現(xiàn)，某日注冊(cè)環(huán)節(jié)第一步轉(zhuǎn)化率大幅度下降，從而影響到整體的轉(zhuǎn)化率。

（3）熱圖

熱圖是很常見(jiàn)的一種數(shù)據(jù)分析圖表，也稱(chēng)熱力圖，是以特殊高亮的形式顯示用戶(hù)頁(yè)面點(diǎn)擊位置或用戶(hù)所在頁(yè)面位置的圖示。借助熱圖，可以直觀地觀察到用戶(hù)的總體訪問(wèn)情況和點(diǎn)擊偏好。

目前常見(jiàn)的熱圖有 3 種：基于鼠標(biāo)點(diǎn)擊位置的熱圖、基于鼠標(biāo)移動(dòng)軌跡的熱圖和基于內(nèi)容點(diǎn)擊的熱圖，三種熱圖的原理、外觀、適用的場(chǎng)景各有不同。

基于內(nèi)容點(diǎn)擊的熱圖

上圖是基于內(nèi)容點(diǎn)擊的熱圖，如數(shù)據(jù)分析產(chǎn)品 GrwoingIO 熱圖，記錄用戶(hù)在網(wǎng)頁(yè)內(nèi)容上的點(diǎn)擊，自動(dòng)過(guò)濾掉頁(yè)面空白處（沒(méi)有內(nèi)容和鏈接）的點(diǎn)擊?；趦?nèi)容點(diǎn)擊的熱圖，追蹤內(nèi)容變化而變化，記錄相對(duì)時(shí)間內(nèi)用戶(hù)對(duì)內(nèi)容的點(diǎn)擊偏好。
從熱圖中，我們會(huì)很容易看到哪些位置流量高，用戶(hù)的注意力高等等。

2、數(shù)據(jù)驅(qū)動(dòng)的分析流程

很多明星公司都在數(shù)據(jù)驅(qū)動(dòng)中發(fā)明了很棒的技巧，但是任何技巧都有自己的生命周期。往往當(dāng)你發(fā)現(xiàn)一種技巧的時(shí)候，它已經(jīng)淪為行業(yè)標(biāo)配了，而且也不一定和你的業(yè)務(wù)相匹配。所以與其依賴(lài)技巧，不如依賴(lài)流程，這樣團(tuán)隊(duì)才可以像機(jī)器一樣高效運(yùn)作。

在數(shù)據(jù)分析中，最重要的一點(diǎn)，就是要建立數(shù)據(jù)驅(qū)動(dòng)的流程。完善的流程可以幫助你快速定位問(wèn)題、解決問(wèn)題。從設(shè)立增長(zhǎng)指標(biāo)開(kāi)始，找到小的聚焦領(lǐng)域，分析數(shù)據(jù)、提出假設(shè)、排優(yōu)先級(jí)、開(kāi)展實(shí)驗(yàn)、分析優(yōu)化，不斷循環(huán)，直到找到問(wèn)題所在，并且推動(dòng)你的指標(biāo)有一定改善。

驅(qū)動(dòng)流程

1. 明確目標(biāo)；
2. 根據(jù)目標(biāo)去分析目前的情況以及存在的問(wèn)題；
3. 提出可能解決目前問(wèn)題或者實(shí)現(xiàn)目標(biāo)的想法；
4. 排列一個(gè)想法測(cè)試的優(yōu)先級(jí)；
5. 開(kāi)始測(cè)試，通過(guò)試驗(yàn)來(lái)驗(yàn)證或者推翻我們的想法。

然后開(kāi)始新一輪的分析、假設(shè)、排優(yōu)、測(cè)試，在不斷優(yōu)化中實(shí)現(xiàn)增長(zhǎng)。

六、案例分析

下面通過(guò)一個(gè)實(shí)際的案例，來(lái)分析在實(shí)際業(yè)務(wù)中，「如何搭建一套正確、高效的數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)體系」。

我們?cè)趦?nèi)容運(yùn)營(yíng)中，做了內(nèi)容專(zhuān)題落地頁(yè)，希望能夠追蹤落地頁(yè)的效果，并且優(yōu)化頁(yè)面。

落地頁(yè)案例

左邊是落地頁(yè)的全貌，包含落地頁(yè)必備的三大部分：英雄出擊（Hero Shot），用戶(hù)益處（Benfits） 和用戶(hù)號(hào)召（Call to Action）；右邊是落地頁(yè)首屏。

1、數(shù)據(jù)規(guī)劃

整個(gè)內(nèi)容落地頁(yè)，最終是希望更多的用戶(hù)完成下載行為，所以「電子書(shū)下載量」是我們的 OMTM，通過(guò)對(duì)這個(gè)指標(biāo)進(jìn)行拆解，我們得到了下面這個(gè)公式：

下載量 = 訪問(wèn)用戶(hù)量 CTR注冊(cè)轉(zhuǎn)化率

落地頁(yè)的兩種類(lèi)型：點(diǎn)擊落地頁(yè)和線索產(chǎn)生落地頁(yè)。這個(gè)落地頁(yè)屬于點(diǎn)擊落地頁(yè)，它是起流量分發(fā)的目的，為線索產(chǎn)生落地頁(yè)提供流量。

結(jié)合我們做內(nèi)容專(zhuān)題的目的，【下載電子書(shū)】點(diǎn)擊率，也就是公式中的 CTR。

2、數(shù)據(jù)采集

通過(guò)無(wú)埋點(diǎn)的圈選采集數(shù)據(jù)，根據(jù)指標(biāo)建立整個(gè)落地頁(yè)的看板。

落地頁(yè)看板

3、數(shù)據(jù)分析

數(shù)據(jù)分析兩個(gè)層面

數(shù)據(jù)分析分為定量分析和定性分析。

（1）定量分析

定量分析在增長(zhǎng)中很重要，起指導(dǎo)方向的作用。它會(huì)告訴你什么地方有機(jī)會(huì)增長(zhǎng)，什么地方可以做測(cè)試。其次是衡量結(jié)果，幫助你調(diào)整方向。

落地頁(yè)定量分析

比如我們用熱圖工具查看整個(gè)落地頁(yè)的點(diǎn)擊情況，可以得出數(shù)據(jù)：

• 落地頁(yè)跳出率 0.36
• 【下載電子書(shū)】點(diǎn)擊率 0.48

我們做增長(zhǎng)很多時(shí)候是想影響和改變用戶(hù)行為，但要記住一點(diǎn)，一個(gè)用戶(hù)永遠(yuǎn)是一個(gè)人，不只是一個(gè)數(shù)據(jù)。有時(shí)候需要通過(guò)一些數(shù)據(jù)觀察結(jié)果，但有時(shí)候定性分析也非常重要。

（2）定性分析

我們基于定性分析，通過(guò)訪談、使用調(diào)研，可以得出幾個(gè)結(jié)論：

• 頁(yè)面主色調(diào)太淡，不夠鮮艷，文字和背景對(duì)比不突出；
• 文字信息排版太稀疏，一個(gè)頁(yè)面看完需要多次下拉。

（3）提出假設(shè)

基于以上的定性分析和定量分析，我們提出以下假設(shè)：

• 更換落地頁(yè)背景色，有助于降低跳出率；
• 增加更多的【下載電子書(shū)】按鈕，有助于提升點(diǎn)擊率；
• 將電子書(shū)圖片添加鏈接，有助于提升轉(zhuǎn)化率；
• 減少頁(yè)面空白，增加信息密度，有助于提升轉(zhuǎn)化率。

（4）排優(yōu)先級(jí)

如何評(píng)估我們的想法是否可行？以及哪個(gè)想法應(yīng)該優(yōu)先測(cè)試？

增長(zhǎng)黑客之父 Sean Ellis 總結(jié)了一套評(píng)估方法–––ICE，分別從 Impact （影響力)、Confidence（自信心）、Ease （難易度）三個(gè)角度去打分：

1. 影響力（Impact），這個(gè)想法對(duì)我們業(yè)務(wù)增長(zhǎng)的作用有多大；如果影響力非常大的話我打10分，如果影響力微弱的話打2-3分。
2. 自信心（Confidence），是否確定這個(gè)想法能夠有效。同樣是從1-10打分，10分表明你有足夠自信說(shuō)明這個(gè)想法是有效的。
3. 實(shí)施的難易程度（Ease）。

綜合以上三個(gè)角度，我們可以排出比較合理的優(yōu)先級(jí)。于是我們把「將落地頁(yè)背景顏色換成主頁(yè)色調(diào)」和「新增2個(gè)【下載電子書(shū)】的banner」這兩條作為高優(yōu)先級(jí)，開(kāi)始實(shí)驗(yàn)。

（1）開(kāi)始實(shí)驗(yàn)

1）實(shí)驗(yàn)1- 落地頁(yè)更換背景色

實(shí)驗(yàn) 1 改版

改版后的數(shù)據(jù)情況驗(yàn)證了我們的想法，跳出率從 0.36 降低到 0.12，「下載電子書(shū)」轉(zhuǎn)化率從 0.48 提升到 0.61。

2）實(shí)驗(yàn) 2 – 新增 2 個(gè)【下載電子書(shū)】的banner

實(shí)驗(yàn) 2 改版

改版前我們是 2 個(gè) CTA Banner，我們?cè)黾拥?4 個(gè)，保證每一屏瀏覽后有個(gè) CTA，實(shí)驗(yàn)后的數(shù)據(jù)跳出率從 0.12 到 0.13，這是正常的數(shù)據(jù)波動(dòng)，轉(zhuǎn)化率從 0.61 提升到 0.83 。

把兩次實(shí)驗(yàn)的數(shù)據(jù)進(jìn)行分析優(yōu)化，然后實(shí)驗(yàn)驗(yàn)證其他假設(shè)，經(jīng)過(guò)其他假設(shè)一一反復(fù)多次實(shí)驗(yàn)，整體轉(zhuǎn)化率提升了 124% 。

由此，我們得出實(shí)驗(yàn)和增長(zhǎng)的正相關(guān)關(guān)系。下面也可以舉兩個(gè)國(guó)外的例子說(shuō)明。

增長(zhǎng)舉例

Twitter 曾經(jīng)也獲得了非?？斓脑鲩L(zhǎng)，但是中間停滯了。2010年，Twitter成立了一個(gè)新的團(tuán)隊(duì)。來(lái)了一個(gè)新的產(chǎn)品VP，他覺(jué)得 Twitter 測(cè)試的量不夠。『我們幾個(gè)月了才做幾次測(cè)試，這太少了，我們必須每周做至少十次測(cè)試！』加快測(cè)試的頻率后，Twitter 的增長(zhǎng)就恢復(fù)了。

GrowthHackers.com 也有類(lèi)似的經(jīng)歷，在增長(zhǎng)的瓶頸期，創(chuàng)始人發(fā)現(xiàn)測(cè)試的數(shù)量太少。于是，Sean Ellis 告訴團(tuán)隊(duì)必須保證每周至少三次測(cè)試。做了這個(gè)改變之后，他們就容易更快地發(fā)現(xiàn)問(wèn)題、解決問(wèn)題，增長(zhǎng)的速度也更快了。

作者：郭淑明 ，GrowingIO 業(yè)務(wù)增長(zhǎng)負(fù)責(zé)人

本文由 @郭淑明 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。