文章從6個(gè)方面展開，分享了搭建數(shù)據(jù)化運(yùn)營體系的方法，希望對(duì)你有益。

數(shù)據(jù)化運(yùn)營的概念隨著大數(shù)據(jù)時(shí)代的到來被炒得越來越火熱，提到數(shù)據(jù)分析、數(shù)據(jù)運(yùn)營讓很多產(chǎn)品、運(yùn)營新人覺得瞬間高大上很多。隨著數(shù)據(jù)概念的火熱，如增長黑客、GrowingIO等一系列的數(shù)據(jù)分析指導(dǎo)產(chǎn)品增長的書籍、產(chǎn)品變得越來越受人追捧。

對(duì)于互聯(lián)網(wǎng)行業(yè)來說，無論是產(chǎn)品經(jīng)理還是運(yùn)營，都需要具備一定的數(shù)據(jù)運(yùn)營能力，本文將幫助沒有數(shù)據(jù)化思維的小伙伴搭建基礎(chǔ)的數(shù)據(jù)化運(yùn)營體系。

本文會(huì)按照上圖中的數(shù)據(jù)化運(yùn)營業(yè)務(wù)流程進(jìn)行分析，從明確目標(biāo)、數(shù)據(jù)指標(biāo)制定、數(shù)據(jù)獲取、數(shù)據(jù)分析、形成策略、驗(yàn)證優(yōu)化這六個(gè)方面來搭建數(shù)據(jù)化運(yùn)營的知識(shí)體系。

一、明確目標(biāo)

任何一次有價(jià)值的數(shù)據(jù)運(yùn)營行為都是有目的性的，這個(gè)目的可以是短期、一次性希望達(dá)成的目標(biāo)，也可以是長期性、周期性希望達(dá)成的目的。無論如何一定要有目標(biāo)，目標(biāo)指導(dǎo)數(shù)據(jù)運(yùn)營的思路和方法。

1.1數(shù)據(jù)化運(yùn)營的本質(zhì)

這里先拋出數(shù)據(jù)化運(yùn)營的本質(zhì)：數(shù)據(jù)化運(yùn)營的本質(zhì)是對(duì)用戶的運(yùn)營，數(shù)據(jù)都源自于用戶的屬性和行為。

為什么數(shù)據(jù)化運(yùn)營本質(zhì)是用戶運(yùn)營？拿增長黑客中海盜船模型來說，產(chǎn)品生命周期全過程就是一個(gè)用戶獲取、用戶活躍、用戶留存、付費(fèi)轉(zhuǎn)化、口碑傳播的閉環(huán)流程。這流程中每一個(gè)節(jié)點(diǎn)其實(shí)都是對(duì)用戶行為的激發(fā)以完成每一個(gè)階段的目標(biāo)。產(chǎn)品所獲取的數(shù)據(jù)也都是用戶使用產(chǎn)品生產(chǎn)的數(shù)據(jù)，所以數(shù)據(jù)化運(yùn)營的本質(zhì)就是通過用戶行為分析指導(dǎo)產(chǎn)品成長。

1.2數(shù)據(jù)化運(yùn)營的目的

上面提到每一次數(shù)據(jù)運(yùn)營任務(wù)都要有目的性，那么根據(jù)數(shù)據(jù)運(yùn)營場景劃分，大致可分為以下4種：

1.針對(duì)具體某一指標(biāo)進(jìn)行數(shù)據(jù)化運(yùn)營

這種情況往往出現(xiàn)在boss要求短期內(nèi)實(shí)現(xiàn)數(shù)據(jù)指標(biāo)量級(jí)上的一個(gè)跨越，如新增用戶達(dá)到100萬、活躍率達(dá)到30%，留存率達(dá)到20%、轉(zhuǎn)化率達(dá)到5%等等。

這類數(shù)據(jù)化運(yùn)營目的是短期或一次性的，通常通過對(duì)數(shù)據(jù)分析找到用戶刺激方式，如活動(dòng)等讓產(chǎn)品短期內(nèi)迅速達(dá)到指定目標(biāo)。

2.掌握產(chǎn)品生態(tài)

掌握產(chǎn)品生態(tài)指將數(shù)據(jù)運(yùn)營應(yīng)用到日常工作流程當(dāng)中，當(dāng)做日常生產(chǎn)流程中的一部分。這樣做的目的主要是通過數(shù)據(jù)沉淀、數(shù)據(jù)分析了解產(chǎn)品的用戶群有哪些，用戶分類是什么情況，利用產(chǎn)品對(duì)用戶的精細(xì)化運(yùn)營。

此外還有一個(gè)目的就是了解產(chǎn)品生態(tài)的上下游，如上游用戶獲取情況，下游用戶的轉(zhuǎn)化和分發(fā)情況，對(duì)于平臺(tái)類產(chǎn)品或需要上下游業(yè)務(wù)支撐的產(chǎn)品來說，對(duì)于產(chǎn)品后期發(fā)展有很大的價(jià)值。

3.發(fā)現(xiàn)潛在方向

大數(shù)據(jù)時(shí)代，尤其是大數(shù)據(jù)產(chǎn)品的需求發(fā)現(xiàn)往往是通過數(shù)據(jù)分析結(jié)果發(fā)現(xiàn)用戶需求，從而衍生出來解決用戶需求的產(chǎn)品。所以，有些情況下通過對(duì)數(shù)據(jù)的分析可以發(fā)現(xiàn)更多用戶沒有通過表象展現(xiàn)出來的問題和痛點(diǎn)。拿數(shù)據(jù)挖掘中經(jīng)典的啤酒尿布案例來說，就是通過對(duì)用戶購買數(shù)據(jù)的關(guān)聯(lián)性分析，從而發(fā)現(xiàn)了尿布和啤酒兩個(gè)看似毫無關(guān)系的物品之間的潛在聯(lián)系，從而通過一定的運(yùn)營策略提升兩者的購買量。

所以通過數(shù)據(jù)化運(yùn)營，也可以找到用戶的潛在需求，從而誕生一款解決用戶問題的新功能或新產(chǎn)品。

4.通過問題解決問題

某婚戀網(wǎng)站近期有大量用戶投訴有女性用戶作為酒托賣酒，作為產(chǎn)品的負(fù)責(zé)人，需要去解決酒托用戶問題，減少用戶投訴。那么如何通過舉報(bào)的女性用戶去定位更多的酒托呢？

首先通過問題去定位數(shù)據(jù)，找到被舉報(bào)的酒托用戶行為數(shù)據(jù)和屬性，發(fā)現(xiàn)這類用戶近期頻繁添加大量男性用戶，每次同時(shí)與多個(gè)男性用戶同時(shí)聊天，并且聊天時(shí)間較短。結(jié)合用戶行為及用戶屬性，從用戶數(shù)據(jù)庫中定位疑似酒托用戶，再通過數(shù)據(jù)監(jiān)控去識(shí)別是否為真實(shí)酒托。

上述這個(gè)案例就是通過問題去定位數(shù)據(jù)，通過數(shù)據(jù)運(yùn)營找到解決問題的方法，從而更好的解決問題。

二、數(shù)據(jù)指標(biāo)制定

2.1明確指標(biāo)

在這里要區(qū)分宏觀指標(biāo)和可行動(dòng)指標(biāo)的區(qū)別：

宏觀指標(biāo)，通常是boss或leader提出的指標(biāo)，這類指標(biāo)一般沒有可執(zhí)行性，如leader分配任務(wù)要求你本月讓產(chǎn)品盈利20萬。這個(gè)指標(biāo)并沒有實(shí)際指導(dǎo)價(jià)值。

可行動(dòng)指標(biāo)，通常是可以執(zhí)行的指標(biāo)，如通過微信引流新用戶10萬，提升付費(fèi)轉(zhuǎn)化率到5%等，這些是可以找到具體執(zhí)行策略的指標(biāo)。

在日常工作當(dāng)中會(huì)經(jīng)常遇到將宏觀指標(biāo)轉(zhuǎn)化為可行動(dòng)指標(biāo)的問題，所以用什么方法去對(duì)指標(biāo)進(jìn)行轉(zhuǎn)化就成為了核心問題。這里推薦使用OKR指標(biāo)拆解法，通過OKR體系，將宏觀指標(biāo)進(jìn)行拆解，分解成一個(gè)個(gè)可行動(dòng)指標(biāo)，通過對(duì)可行動(dòng)指標(biāo)的達(dá)成，最終達(dá)成宏觀指標(biāo)要求。關(guān)于OKR指標(biāo)拆解方法可參考網(wǎng)上結(jié)構(gòu)化思維的相關(guān)介紹。

2.2指標(biāo)構(gòu)成

本文對(duì)常用的數(shù)據(jù)指標(biāo)進(jìn)行了總結(jié)和分析，請(qǐng)注意本文提出的所有數(shù)據(jù)指標(biāo)都是基于常用和大眾的數(shù)據(jù)指標(biāo)，根據(jù)不同的產(chǎn)品和不同業(yè)務(wù)請(qǐng)具體指標(biāo)具體分析，不要盲目照搬套用。

1.基礎(chǔ)指標(biāo)

基礎(chǔ)指標(biāo)體系參考了AARRR模型的五個(gè)階段，

• 拉新：新用戶注冊(cè)數(shù)
• 活躍：用戶登錄數(shù)（日、周、月）
• 留存：流失用戶數(shù)（日、周、月）
• 轉(zhuǎn)化：付費(fèi)用戶數(shù)
• 傳播：分享用戶數(shù)（微信分享、微博分享等，具體參考產(chǎn)品分享功能設(shè)計(jì)）

2.用戶屬性

用戶畫像，依據(jù)用戶屬性和用戶行為構(gòu)建的用戶畫像，用戶畫像的目的是分析用戶行為特征，對(duì)用戶進(jìn)行分類，精細(xì)化運(yùn)營用戶。對(duì)于社區(qū)產(chǎn)品可以有針對(duì)性的運(yùn)營KOL用戶，對(duì)于電商產(chǎn)品可以對(duì)用戶做精準(zhǔn)化推薦。

終端畫像，這里的終端特指移動(dòng)智能終端即智能手機(jī)，通過對(duì)用戶群終端分析，了解用戶群構(gòu)成，如操作系統(tǒng)、手機(jī)型號(hào)等，更利用發(fā)現(xiàn)用戶行為偏好。

3.用戶來源

渠道分布，用戶通過哪個(gè)渠道下載了APP，登錄并注冊(cè)APP。

渠道效果，每個(gè)渠道的獲取用戶數(shù)，轉(zhuǎn)化成為注冊(cè)用戶的數(shù)量，判斷渠道獲取新用戶質(zhì)量好壞。

版本分布，用戶使用APP不同版本的用戶占比，通過分析可以判斷產(chǎn)品版本更新后是否出現(xiàn)造成用戶體驗(yàn)過差的問題。

4.用戶行為

用戶參與度，用戶訪問頁面時(shí)間，頻率等。

行為路徑，即用戶完成某一個(gè)任務(wù)時(shí)經(jīng)過了哪幾個(gè)頁面，做了哪些操作。

自定義事件，根據(jù)產(chǎn)品需求，對(duì)某一個(gè)特定的用戶事件進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析用戶行為。

基于業(yè)務(wù)的漏斗分析，常見于電商用戶行為分析，從用戶登錄到最終支付的用戶流失情況，判斷在哪個(gè)環(huán)節(jié)出現(xiàn)問題以及時(shí)優(yōu)化。

三、數(shù)據(jù)獲取

明確目標(biāo)，定義好需要分析的數(shù)據(jù)指標(biāo)后，那么下一步就是依據(jù)數(shù)據(jù)指標(biāo)提取數(shù)據(jù)了。產(chǎn)品在上線后會(huì)不斷積累、沉淀用戶的注冊(cè)、登錄、使用等各個(gè)維度的數(shù)據(jù)。在數(shù)據(jù)獲取階段要做的就是采集需要的數(shù)據(jù)，并且對(duì)數(shù)據(jù)進(jìn)行處理已達(dá)到可以用于數(shù)據(jù)分析的效果。

3.1數(shù)據(jù)采集

數(shù)據(jù)的來源主要有兩種，一種是通過數(shù)據(jù)埋點(diǎn)，然后提取相應(yīng)的數(shù)據(jù)字段。另一種是通過用戶的使用日志文件分析用戶數(shù)據(jù)及用戶行為。

埋點(diǎn)業(yè)內(nèi)有兩種方式，一種是在產(chǎn)品設(shè)計(jì)階段通過提交相應(yīng)需求由研發(fā)團(tuán)隊(duì)設(shè)計(jì)底層數(shù)據(jù)模型時(shí)將需要在產(chǎn)品上線后特別注意的數(shù)據(jù)字段進(jìn)行標(biāo)識(shí)。另外一種則是通過第三方統(tǒng)計(jì)平臺(tái)，如GrowingIO等，這些第三方統(tǒng)計(jì)平臺(tái)利用前端技術(shù)可以統(tǒng)計(jì)到大部分用戶行為數(shù)據(jù)，減少產(chǎn)品自身開發(fā)和改造，但是對(duì)于個(gè)性化的數(shù)據(jù)分析需求還需要通過產(chǎn)品底層的設(shè)計(jì)來滿足。

用戶使用日志即用戶登錄產(chǎn)品后每一次操作都會(huì)被記錄下來，保證用戶的使用行為可以查詢，同時(shí)針對(duì)用戶的一些誤操作可以通過日志文件進(jìn)行恢復(fù)。

3.2數(shù)據(jù)處理

為什么要做數(shù)據(jù)處理？有一點(diǎn)數(shù)據(jù)挖掘經(jīng)驗(yàn)的人可能會(huì)了解，實(shí)際生產(chǎn)環(huán)境下產(chǎn)生的數(shù)據(jù)并非是理想狀態(tài)下的，可能某一條記錄某一個(gè)字段因?yàn)橄到y(tǒng)或人為原因造成了缺失，對(duì)于數(shù)據(jù)的不完整性也可能導(dǎo)致數(shù)據(jù)分析結(jié)果的不準(zhǔn)確性，所以在數(shù)據(jù)分析前要對(duì)采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和數(shù)據(jù)預(yù)處理。（如果對(duì)數(shù)據(jù)處理感興趣可以參見專業(yè)數(shù)據(jù)挖掘書籍中關(guān)于數(shù)據(jù)處理的章節(jié)，如《數(shù)據(jù)挖掘?qū)д摗罚?/p>

1.數(shù)據(jù)清洗

數(shù)據(jù)清洗指對(duì)采集的不規(guī)范數(shù)據(jù)進(jìn)行清洗，如對(duì)數(shù)據(jù)存在缺失的進(jìn)行填充，對(duì)于數(shù)值性數(shù)據(jù)比較常用的方法就是選取數(shù)據(jù)前后若干天的數(shù)據(jù)取平均作為缺失數(shù)據(jù)值進(jìn)行填充。其他可能出現(xiàn)數(shù)據(jù)不規(guī)范的現(xiàn)象還有很多，如對(duì)于用戶年齡字段數(shù)據(jù)采集時(shí)發(fā)現(xiàn)個(gè)別用戶年齡字段數(shù)值大于了100，就需要通過數(shù)據(jù)稽查去發(fā)現(xiàn)問題所在。

2.數(shù)據(jù)預(yù)處理

原始數(shù)據(jù)與數(shù)據(jù)分析需要的數(shù)據(jù)維度可能會(huì)有所不同，比如采集到的原始數(shù)據(jù)是按照天進(jìn)行匯總的，但是數(shù)據(jù)分析需要的是按月匯總的數(shù)據(jù)。那么在進(jìn)行數(shù)據(jù)分析前，就需要將每個(gè)用戶的日數(shù)據(jù)進(jìn)行匯總，得到每個(gè)用戶的月數(shù)據(jù)后才能進(jìn)行分析。

四、數(shù)據(jù)分析

4.1數(shù)據(jù)分析框

專業(yè)的數(shù)據(jù)挖掘算法有很多，如關(guān)聯(lián)分析、聚類分析、神經(jīng)網(wǎng)絡(luò)等等。在這里不過多介紹，只是結(jié)合產(chǎn)品、運(yùn)營日常工作場景介紹幾種常見的分析框架。

1.用戶畫像洞察

用戶畫像洞察是通過對(duì)用戶數(shù)據(jù)的聚合，將數(shù)據(jù)轉(zhuǎn)換成形象化的虛擬用戶模型。通過用戶畫像展現(xiàn)具有某一類特征的用戶群體。將用戶群依據(jù)用戶畫像進(jìn)行分類，為精細(xì)化用戶運(yùn)營提供數(shù)據(jù)支撐。

同時(shí)通過對(duì)用戶畫像的構(gòu)建也有利用產(chǎn)品經(jīng)理、運(yùn)營把握用戶。在進(jìn)行功能迭代和活動(dòng)運(yùn)營時(shí)，可以有針對(duì)性的制定策略，提升效率。

2.用戶行為分析

用戶行為分析中最常用的就是漏斗分析模型，即用戶在完成某一項(xiàng)特定任務(wù)時(shí)要經(jīng)過多個(gè)步驟，在每一個(gè)步驟中都會(huì)產(chǎn)生用戶流失，為了保證更多用戶順利完成任務(wù)，通過對(duì)漏斗模型的分析發(fā)現(xiàn)問題所在，優(yōu)化關(guān)鍵步驟的用戶體驗(yàn)，達(dá)成最終目標(biāo)。

上圖中拿電商類產(chǎn)品和內(nèi)容類產(chǎn)品作為舉例，一個(gè)用戶在成功購買某件商品或成功消費(fèi)完某一內(nèi)容前要經(jīng)過很多步，這其中每一個(gè)環(huán)節(jié)都會(huì)造成用戶的流失。所以在進(jìn)行漏斗分析時(shí)，可以觀察用戶在哪一個(gè)環(huán)節(jié)流失最為嚴(yán)重，然后針對(duì)相應(yīng)環(huán)節(jié)進(jìn)行分析，找到對(duì)應(yīng)的解決方案，提升用戶的轉(zhuǎn)化率。

3.用戶行為分析

對(duì)用產(chǎn)品新上線的功能模塊，可以通過用戶行為分析來驗(yàn)證新功能的好壞，使用用戶體量有多少，用戶在使用時(shí)是否在某些環(huán)節(jié)產(chǎn)生困擾，通過用戶行為分析來驗(yàn)證功能效果好壞。

在對(duì)用戶行為分析時(shí)，要根據(jù)產(chǎn)品的具體業(yè)務(wù)流程設(shè)計(jì)分析方法，結(jié)合業(yè)務(wù)場景才能更多的發(fā)現(xiàn)問題。

上述介紹的三種數(shù)據(jù)分析框架是最基礎(chǔ)的，對(duì)于非專業(yè)領(lǐng)域的數(shù)據(jù)分析挖掘來說，數(shù)據(jù)分析方法首先要結(jié)合產(chǎn)品的業(yè)務(wù)場景，根據(jù)具體業(yè)務(wù)指導(dǎo)分析方法和分析流程。如果想達(dá)到好的分析效果，還要結(jié)合自家產(chǎn)品制定個(gè)性化數(shù)據(jù)分析方案。

4.2數(shù)據(jù)可視化

數(shù)據(jù)分析的結(jié)果往往都是枯燥的，無法讓領(lǐng)導(dǎo)或執(zhí)行同事清晰理解，所以需要對(duì)數(shù)據(jù)分析結(jié)果進(jìn)行可視化處理，讓領(lǐng)導(dǎo)明白數(shù)據(jù)分析的結(jié)果是什么，讓同事明白根據(jù)分析結(jié)果如何進(jìn)行下一步工作。

1.可視化方式

根據(jù)數(shù)據(jù)類型以及展現(xiàn)形式的不同，可視化方式有展現(xiàn)時(shí)間關(guān)系的時(shí)序圖；展現(xiàn)占比的餅狀圖；展現(xiàn)數(shù)據(jù)分布的柱狀圖等等?？蓞⒖肌墩l說菜鳥不會(huì)數(shù)據(jù)分析》、《深入淺出數(shù)據(jù)分析》等入門書籍。

2.可視化工具

簡單的數(shù)據(jù)分析工作用Excel就可以完成，復(fù)雜一些的有SPSS、Tableau等專業(yè)化數(shù)據(jù)分析工具。這里還推薦一個(gè)Echarts，這本是一個(gè)前端圖表框架，但是簡單易用，通過對(duì)應(yīng)的圖表模板，只需要將數(shù)據(jù)導(dǎo)入框架模板即可生成可視化圖表。

4.3數(shù)據(jù)報(bào)告

數(shù)據(jù)報(bào)告是對(duì)數(shù)據(jù)分析任務(wù)的總結(jié)，向上對(duì)領(lǐng)導(dǎo)匯報(bào)，向下與同事共同制定策略完成下一階段任務(wù)。

所以根據(jù)看報(bào)告的用戶不同，需要有針對(duì)性的調(diào)整其中部分內(nèi)容。數(shù)據(jù)分析報(bào)告大致需要以下幾個(gè)內(nèi)容：

• 分析背景&目標(biāo)
• 數(shù)據(jù)源選取
• 數(shù)據(jù)分析方法&框架
• 數(shù)據(jù)可視化
• 數(shù)據(jù)分析結(jié)果&建議

本著具體問題具體分析的原則，根據(jù)數(shù)據(jù)分析報(bào)告的目的進(jìn)行個(gè)性化完善。

五、形成策略

策略的制定取決于數(shù)據(jù)化運(yùn)營的目的和數(shù)據(jù)分析的結(jié)果，通過目的和結(jié)果形成針對(duì)性的策略。

這方面每一次數(shù)據(jù)分析形成的策略都不一樣，所以在這里不再進(jìn)一步展開，根據(jù)具體問題以及具體的業(yè)務(wù)場景制定有效策略即可。

六、驗(yàn)證優(yōu)化

如同精益創(chuàng)業(yè)中MVP理論一樣，數(shù)據(jù)分析的結(jié)果生成的策略并非一定有效， 并不一定可以快速達(dá)到預(yù)期效果。

在策略執(zhí)行的同時(shí)，通過數(shù)據(jù)的積累沉淀，監(jiān)控相應(yīng)數(shù)據(jù)指標(biāo)情況，對(duì)策略進(jìn)行優(yōu)化，已達(dá)到最終的目的。

以上為數(shù)據(jù)化運(yùn)營知識(shí)體系的六個(gè)組成部分，通過上述六個(gè)方面構(gòu)成了數(shù)據(jù)化運(yùn)營業(yè)務(wù)流程閉環(huán)。需要注意的是，任何數(shù)據(jù)化運(yùn)營任務(wù)都要以業(yè)務(wù)為導(dǎo)向，依據(jù)具體業(yè)務(wù)場景選擇數(shù)據(jù)分析思路、方法。切忌，不要為了數(shù)據(jù)分析而數(shù)據(jù)分析，數(shù)據(jù)分析一定要源于業(yè)務(wù)。

#專欄作家#

記小憶，人人都是產(chǎn)品經(jīng)理專欄作者，野蠻生長的產(chǎn)品經(jīng)理，運(yùn)營商大數(shù)據(jù)產(chǎn)品實(shí)踐者，擅長從0-1搭建產(chǎn)品經(jīng)理知識(shí)體系。公眾號(hào)：PM龍門陣。

本文由原創(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。

題圖來自PEXELS，基于CC0協(xié)議