運(yùn)營(yíng)本身就是一個(gè)不斷捕捉數(shù)據(jù)異常并進(jìn)行拆分繼而尋找異常根本問(wèn)題的過(guò)程，而異常思維和拆分思維是我們?cè)诿咳者\(yùn)營(yíng)過(guò)程中都需要用到的思維模式，更加具體和落地。作者結(jié)合實(shí)際例子對(duì)該運(yùn)營(yíng)思維進(jìn)行了分解，希望對(duì)你有所啟發(fā)。

寫(xiě)在前面

近期開(kāi)始一系列分享——《20個(gè)運(yùn)營(yíng)思維》系列，這個(gè)系列基本上是我個(gè)人做運(yùn)營(yíng)以來(lái)的精華提煉，里面涉及到的思維大多數(shù)都是我自己邊摸索邊總結(jié)的。如果讀者能從中GET到一些，那倍感榮幸，如果有不同意見(jiàn)，也歡迎指出，切磋探討。

進(jìn)入正題。今天是20個(gè)運(yùn)營(yíng)思維第二篇。

這一篇主要分享異常和拆分思維。上一篇內(nèi)容講了增長(zhǎng)模型思維，增長(zhǎng)模型其實(shí)本質(zhì)也是拆分思維的一種，但會(huì)更偏向于模型及模型帶來(lái)的預(yù)測(cè)的能力，而異常思維和拆分思維則是我們?cè)谶\(yùn)營(yíng)過(guò)程中每天都需要用到的思維模式，更具體和落地。

運(yùn)營(yíng)是一個(gè)不斷捕捉數(shù)據(jù)異常并通過(guò)拆分去尋找異常背后本質(zhì)的過(guò)程。

異常思維

試想你是一個(gè)業(yè)務(wù)的運(yùn)營(yíng)，當(dāng)你發(fā)現(xiàn)今天的交易用戶(hù)數(shù)下降或上升，那么你會(huì)怎么做。這個(gè)場(chǎng)景幾乎每個(gè)運(yùn)營(yíng)每天都會(huì)遇到，這個(gè)下降或者上升，本身就是一種異常，你發(fā)現(xiàn)了它，假如找到這個(gè)異常背后的原因，就可以已利用這個(gè)原因：比如如果是找到了異常增長(zhǎng)背后的原因，就可以想辦法去復(fù)制它，讓這個(gè)增長(zhǎng)常態(tài)化；反之，如果是找到了異常下降背后的原因，也可以想辦法去修補(bǔ)它或者去避免它。在對(duì)異常的復(fù)制和修補(bǔ)的過(guò)程中，誕生了一步步的運(yùn)營(yíng)策略。運(yùn)營(yíng)是不斷的發(fā)現(xiàn)異常，利用異常的過(guò)程。

1. 善于觀察，高手在民間

其實(shí)有的時(shí)候運(yùn)營(yíng)真的挺簡(jiǎn)單的。很多時(shí)候，運(yùn)營(yíng)不需要制定策略，運(yùn)營(yíng)需要的就是觀察，觀察和發(fā)現(xiàn)那些好的異常，然后去放大它，放大的過(guò)程就是策略。高手總是在民間。

假如說(shuō)你面向一個(gè)100人的城市線下地推團(tuán)隊(duì)，你需要為這些人提供中臺(tái)服務(wù)，去調(diào)動(dòng)他們的熱情，幫助你共同完成銷(xiāo)售指標(biāo)，你需要怎么制定運(yùn)營(yíng)策略。

從沒(méi)做過(guò)線下銷(xiāo)售的你一開(kāi)始可能會(huì)有點(diǎn)迷茫，但學(xué)會(huì)了這一招，你會(huì)感到非常輕松：你先明確一個(gè)KPI，讓他們自由發(fā)展，在這個(gè)過(guò)程中，你會(huì)發(fā)現(xiàn)，總有一些銷(xiāo)售，做得比其他人都要好，在60%的銷(xiāo)售都不及格的情況下，總有10%的銷(xiāo)售每次都是120%的達(dá)成。

這時(shí)候你需要做的就是去采訪這10%的銷(xiāo)售，是如何做到的，從中你很可能聽(tīng)到很不一樣的思路，從這些思路中就可以抽象出你的運(yùn)營(yíng)策略，你可以讓剩下的60%去學(xué)習(xí)這10%的做法，組織整體的效能自然就提升了。

在一個(gè)非平均的系統(tǒng)里，總有那么一些狀況是異常的，找到那些好的異常，并且去復(fù)制它，自然而然就會(huì)讓勢(shì)頭向好的方向發(fā)展。

高手在民間這個(gè)理論同時(shí)可以應(yīng)用于線上運(yùn)營(yíng)。我記得我曾經(jīng)運(yùn)營(yíng)一個(gè)信用卡代償產(chǎn)品，一開(kāi)始那個(gè)月我什么都沒(méi)做，就觀察，一個(gè)月，即便是沒(méi)有任何運(yùn)營(yíng)干預(yù)的狀況，你也會(huì)發(fā)現(xiàn)，數(shù)據(jù)會(huì)有異常，而且會(huì)有些好的異常，無(wú)心插柳柳成蔭，總是有一些我們無(wú)意間的看似不相關(guān)的動(dòng)作（如產(chǎn)品的某個(gè)更新）帶來(lái)數(shù)據(jù)的增長(zhǎng)，而這些異常的背后，就是我們找到突破口的方法。

以上講了通過(guò)觀察，發(fā)現(xiàn)異常，利用異常制定策略，接下來(lái)講如何利用拆分思維尋找異常背后的原因。

2. 拆分思維

拆分至少有以下幾種方式：

（1）按用戶(hù)渠道拆分

當(dāng)你在負(fù)責(zé)一個(gè)app新用戶(hù)運(yùn)營(yíng)的時(shí)候，發(fā)現(xiàn)新戶(hù)整體的轉(zhuǎn)化率產(chǎn)生很大的波動(dòng)，這時(shí)候拆分渠道是一個(gè)很好的方式。新用戶(hù)的數(shù)據(jù)會(huì)隨著渠道的不同而展示出極大的差異性，自然流量的用戶(hù)和邀請(qǐng)好友的用戶(hù)質(zhì)量會(huì)有明顯區(qū)別，不同渠道的轉(zhuǎn)化率、留存率等數(shù)據(jù)也大有不同，需要差異化去對(duì)待。

新戶(hù)整體的轉(zhuǎn)化率降低，很可能是劣質(zhì)渠道的用戶(hù)占比提升導(dǎo)致，一般新用戶(hù)的運(yùn)營(yíng)需要區(qū)分渠道，看每個(gè)渠道的數(shù)據(jù)變化。

（2）按照用戶(hù)屬性拆分

用戶(hù)屬性指性別、年齡、區(qū)域等等，對(duì)于某些業(yè)務(wù)而言，用戶(hù)屬性的區(qū)別也相當(dāng)明顯，如男性和女性在電商平臺(tái)的購(gòu)物動(dòng)線有著明顯差異，學(xué)生和白領(lǐng)對(duì)于金融類(lèi)產(chǎn)品也會(huì)表現(xiàn)出不同的客單價(jià)特征；

對(duì)于某些業(yè)務(wù)來(lái)說(shuō)，城市也是一個(gè)可考慮的因素項(xiàng)，比如喜茶，交易人數(shù)下跌，按照城市去拆，是各個(gè)城市普遍下跌，還是個(gè)別城市的下跌，這里受到疫情、天氣等等的因素原因會(huì)較大。

（3）按照?qǐng)鼍叭肟谌ゲ鸱?/strong>