数据在经营事件中的运用
本文摘要:我们来讲讲另外一件可能会贯穿你的运营生涯一直的事情——数据在运营工作中的运用。或者,也能够说是怎么用数据来辅导你的运营工作。这里要先提一嘴,数据的背后,实际上是逻辑和推理。换句话讲,想要让数据可以更好地为你效劳,你需要先有好的逻辑和推理分析

我们来讲讲另外一件可能会贯穿你的运营生涯一直的事情——数据在运营工作中的运用。或者,也能够说是怎么用数据来辅导你的运营工作。

这里要先提一嘴,数据的背后,实际上是逻辑和推理。换句话讲,想要让数据可以更好地为你效劳,你需要先有好的逻辑和推理分析能力。假定连这一层都做不到,即便你看过了这篇文章并赞不绝口,极可能也是只得其形,未得其神。

而至于怎么评价自己的逻辑能力,我给一个大体的参照——

逻辑能力较强的人言语表达方面往往是有组织的。说话表达往往有框架有条理,思路明晰。比如,在答复问题时 ta 会喜欢用 “原因-通过-成果”、“案例-问题-分析原因-解决方法” 等框架来进行答复。框架不是为了束缚思维,而是用来整理思路。

在此基础上,一般谈话话题容易跑题万里拉不回来的人,以及常常容易表达上前后言行一致难以无懈可击的人逻辑可能都是比较差的。

但,逻辑这个事,也不是不可以操练,只是一定需要投入很多时间。

比如,尝试给自己建立某种考虑框架(如我们前面说过的 “案例-问题-原因-解决方案” 这样的框架),并尝试在自己所有可能会阅历的相关场景中都继续强制自己使用相应框架进行考虑和表达,这样继续几个月后,通常是会有些效果的。

此外,也引荐可以参考一下《考虑的技能》、《麦肯锡教我的考虑方法》、《立异者的考虑》、《学会提问-批判性思维》等书,都是我看过关于逻辑和考虑方法方面的一些好书。

另外,很多人尤其是文科生在提及数据时往往会觉得比较怵,但数据其实一点也不可怕,只需思路捋清楚了,你会发现数据其实还挺风趣的。在今天的内容里,我就会试着给你呈现一些风趣的例子。

好了,接下来我们正派聊数据在运营中的作用。

说到数据,阿里的数据体系在整个国内互联网行业应该是最强壮的了,极可能可能没有之一。

此前有一位从阿里离职的芮曦同学写过一篇 “”。其间关于数据的价值和运营工作中的详细使用场景,我觉得很多当地讲得是比较到位的。

假如我们需要总结一下的话,简而言之,数据关于运营的价值可能包括了如下几方面——

1.数据可以客观反响出一款产品其时的状态好坏和所处阶段。

比如,我们定位的用户群主要是互联网行业的产品主管 + 产品运营,这群人假定有 300 万人,现在我们现已有了 10W 用户,且依靠口碑构成的自增加还比较迅速,那么我们是否是应该去加大一些推广和营销的力度,把推广做得更好一些了?

又或者,假定我们现在才只有 1W 用户,且课程等产品体验还比较一般,那其实我们其时的主要核心使命是否是更应该是先节奏慢点儿,结壮把产品体验搞好了再说?

2.假定做完了一件事但效果欠好,数据可以通知你,你的问题出在哪里。

比如,我们新做了一个围绕着课程推广的活动,但完毕了之后发现真正情愿去参加课程的人不是太多,那你是否是该去看看,究竟是引流引得不行多,仍是课程页面转化率太低,仍是整个报名人程有问题?

3.假定你想要完成某个方针,数据可以协助你找抵达成的最佳途径。

这个跟我们连载提到的东西类似,比如你老板让你要把出售额提高 5 倍,你是否是得去看看,出售额的提高究竟该从哪里来更适宜?是搞进来更多流量?仍是用心把付费转化率做上去?仍是好好提一下客单价?或者老板要的是用户量提高 50 万,你是否是得去看看,这 50 万用户从哪里来更靠谱?多少可以来自于用户口碑和自增加?多少可以来自于网盟?多少可以来自于豆瓣小组新浪微博?

4.极度精密的数据分析可以协助你通过层层拆分,关于用户更了解,也对整个站内的生态更有掌控力。

比如,某机构这么多课程,我们是完全可以通过数据得到以下问题的答案的——从课程的层面来看看,究竟什么样的课程更受我们喜欢?然后,我们听课的习惯是怎样的?是喜欢同一堂课仔细听很多遍?仍是一堂课只听了 3-5 分钟就走掉了?再然后,一个还没毕业的大学毕业生和一个现已工作了 2-3年 的互联网从业者,虽然相同都是想要学习,但学习习惯和诉求是否是应该是有所不同的?以及,假定我们想要尽其所能的效劳好某机构的悉数用户,我们是否是可以把这些用户划分为各种不同的类别,然后分别推送给他们不同的课程和学习内容,引导他们去完成各种不同的用户行为?

5.数据傍边可能隐藏着一些潜在的能让你把一件事情变得更好的线索和彩蛋,有待于你去发现和发掘。

比如,在某机构的用户群中,我们要是通过数据的分析发现了这样一个结论——在以前 1 个月内,凡是是跑到某机构来报名上课的用户,70%都是因为看了我们的某篇文章才跑过来的,这时候候你觉得你应该做点啥?

毫无疑问,当然是把这篇文章放到官网显眼处,或者放到新用户注册或拜访过程当中的某个必经节点上,用它去刺激更多的新用户啊!

上述 5 点中,关于 1 的部分,也即怎么从微观上结合产品形状和产品开展趋势判断一款产品所处的阶段,并制定相应的运营策略,我会在后边连载的第四部分中再详细来聊。

所以,下面,我们来结合更详细的实例顺次聊一下上面提到的 2345 四种价值体现。

先说第一种:假定你做完了一件事但效果欠好,这时候怎么通过数据来界定问题究竟出在哪里。

我们来看一个真实的例子:某 O2O 课程学习平台,注册用户 5W,模式为用户通过线上付费报名,线下实地上课,日前上线了一个专题,聚合了 6 堂课程进行打包推广,预期每堂课至少报名 40 人以上,但从成果来看,效果欠安。该专题页相关数据如下(看不清可点击扩大):

现在,我们想要知道这个专题的详细问题究竟出在哪里,请问该怎么做?留意,这里我建议你可以自己先花点时间动动脑子考虑一下,有了一些自己的判断和结论后,再继续往下看我的答案会更好。

这里要就要提到我们早年在《想成为年薪 30W+ 的运营,你有必要具备这 4 个 “运营思维”》里提到的 4 个 “运营思维” 的其间之一了:流程化思维。也便是说,要先梳理清楚流程,再来流程来反推问题的地点。

比如说,围绕着一个课程专题的运营,其触达到用户的整个流程大体应该是如下这样的:

于是,我们可以依据这个流程回以前看,究竟整个专题的问题出在哪里?比如说,是推广本身不给力?仍是推广到专题页的转化率太低?仍是专题页的跳出太高,根本没人进入到课程?又或者是课程页面到报名的转化太差?仍是说报名后的订单确认和支付流程流失掉了太多的人?

以及,假如我们现已界定清楚了,以上几个大环节中的某一个环节存在问题,比如说,我们现已发现了推广到专题的流量数据太差,那详细又是什么原因导致的?是因为我们去到铺得太少,仍是因为渠道执行力度不行?仍是推广素材和案牍太差?

假如依照以上的思路来关于这个专题的数据进行分析,我们可以发现,该专题的问题可能主要呈现在以下几方面——

1. 专题页的全体 UV 就很差。累计 1000 出头的 UV 关于一个专题来说真实是太不幸了。而详细的原因,可能包括:

1)专题上线时间太匆忙。可以看到,8月3号就要开课的专题 7月31号才上线;

2)专题推广不是特别给力,详细是铺设的渠道不行,仍是在特定渠道内没做好执行,这个可能需要进一步详细去看每一个渠道的详细流量构成和结合执行状况来进行分析了。

2. 专题页的功率遍及较差。一方面是其跳出率超过 40%,另外一方面则是从专题页导到单堂课程的 UV,最多也不过 187,仅适当于专题页流量的 10%左右,这个功率仍是低得有些可怕的。

3.从单堂课程的层面来看,课程 3 对用户的吸引力可能比较差(报名和课程页拜访都很少),课程 4 的课程概况页或定价等可能有可以优化的空间(拜访很多,报名很少),课程 6 则是报名转化率还不错,但目测全体在站内得到曝光的时机比较少。

走完了这个例子,是否是感觉数据真的可以协助我们把问题界定得无比精密,让我们言之无物方针确凿?

下面我们再来说数据的第二类价值体现:假定你想达到某个特定方针,怎么通过数据来评价和详细化你的最佳达到途径?

这个问题,其实跟连载里提到的 “指标拆解” 一脉相承。

我们也来看一个例子:假定某机构在接下来一个月的方针是要把日均报名上课人次这个指标提高到 20000(其时为 2000)的话,投入预算本钱最低的状况下,我们可以怎么做?

拿到这个问题后,我们首要可以依照连载里提到的方针拆解方法关于我们的方针进行拆解,于是可得——

课程报名人次=网站流量×课程转化率×人均报名课程数

然后,既然是要把方针指标提高 10 倍,我们要分别评价一下提高 3 个因子的可能性。

先看网站流量,假定某机构的方针用户主要是 3 岁以内的互联网产品 + 运营领域的从业者,方针用户合计约 100W 左右,但现在网站日UV 只有不到 3000,那么以正常逻辑揣度,在网站正常日UV 方面拉升到方针用户的 10 分之一左右,也就是 10W 应该都是可以的。但这个流量假如是需要在短时间内拉动,肯定是需要投入一些费用的。

再看课程转化率,倘若现在网站全体 UV-课程报名人数的转化率为 2%,同时又通过分析发现,每天拜访课程页面的 UV 为 2000 左右,那么依据经历判断,这现已是一个还算不错的转化数据了。依照我们参考其他同类课程学习类网站的数据,3%现已是很上等的网站 UV/ 报名数转化率。我们在此暂且认为我们通过流程梳理后,可以在加强站内课程曝光引导、优化课程列表页、概况页等布局以及课程案牍、优化课程报名人程 体验等环节均作出一定优化,从而完成 3%的转化率,全体提高 1.5 倍。

终究是人均报名课程数,倘若我们发现现在某机构的均匀每用户报名课程数量为 2 堂,而我们每个月会同时开出 25 堂课,且这 25 堂课间往往都是彼此关联存在逻辑递进关系的。于是我们可以据此判定了,人均报名课程数这个因子是存在显着可以提高的空间的。因为某机构现在主要有两个主要的课程体系,且每一个体系课程现在已有很多堂课,所以我们权且揣度,依靠课程打包、相关课程引荐、站内音讯奉告、一次性报名多堂课程赠送绝密资料等等一系列运营手法,应该可以把单用户人均报名课程数提高到 10 堂课左右,全体提高 5 倍。

好了,因为我们的命题要求是 “预算最低”,所以我们的思路一定是优先考虑无预算的指标拉升手法,再考虑有预算的指标拉升手法。那么基于以上的揣度,我们应该可以在不做预算投入的状况下做到以下状态——

课程报名人次=网站流量×(课程转化率×1.5)×(人均报名课程数×5)

即,课程报名人次=网站流量×课程转化率×人均报名课程数×7.5

此时我们发现,假如依照这个揣度,课程报名人次这个指标,现已被我们提高了将近 7.5 倍。也就是说,为了达到 10 倍的方针,理论上我们只需要再投入一些预算,把网站流量再提高到原有基础 1.33 倍以上即可有望达到预定方针。

至此,我们的这个最低本钱达到方针的运营方案,算是成形。

上述这个不断寻找对标数据来重复进行推导考虑的过程,也期望可以带给你一些启发。

下面再看数据的第三类价值体现:极度精密的数据分析可以协助你通过层层深化,关于用户更了解,也对整个站内的生态更有掌控力。

仍是来看个例子:假定现在所有站内数据可以对我们开放,那么站在运营端,若我们需要关于某机构的用户行为有更加深化准确的了解,从而更好辅导我们的运营工作,我们该以何种思路去关于数据进行分析和比对,从而得出一些更有价值的信息?

这里要先引入两个数据分析中的根本概念:维度和衡量。

简略来说,衡量就是详细的数据指标,它通常体现为某个量化往后的数据值。而维度则是去看待这些指标的不同角度。

举例,网站的 UV(用户拜访数)是一个数据指标,而我们去看待它的时分,可以从日期的维度去看,以便评价一周或一个月内哪几天流量偏高或偏低,是否存在规律;

也能够从 24 小不时间划分的维度去看,以评价每天在不同时间段的流量散布状况是怎样的;还可以从地域的维度去看,了解不同区域的用户拜访使用网站的习惯和状况是否存在差异……

了解了这两个词,最终你会发现,所谓数据分析,无非就是界定清楚了你要评价的衡量有哪些,然后需要知道你可能有哪些维度去看待这些衡量,偶尔可能还需要在不同维度和衡量间交叉做一下分析和比对,终究产出结论,把成果用图表等方式呈现出来就行了。

所以,回归到这个例子,我们假如要结合详细的产品形状,关于某机构的用户生态和使用习惯有更加深化的了解,我们或答应以先界定清楚,我们需要去评价的衡量有哪些?这个衡量需要结合你的核心产品功用来想,因为某机构网站上现在主要的产品功用就是报论理学习,以用户可能会在这个网站上发生的核心行为为主线来看的话,我们要重点重视的是以下三类行为:拜访、报名、上课。于是,围绕着上述 3 个行为,我们要重点重视的衡量就可能包括了:

网站拜访数,注册数,报名课程数,实践上课用户数,视频停留时间,单视频重复播放数。

同时,关于以上的部分衡量,我们应该有一个自己预设的合理区间(这个区间需要基于你自己关于行业和用户的了解来进行判断得出,或者是通过继续探究得出),比如说,单课程的实践上课用户数为该课程的报名用户数的 20%-50%之间我们可能认为是比较合理的,那么假如该数值高于或低于了这个区间,均可视为异常。

然后,接下来的一步,就是我们需要再来逐次围绕着每个衡量来去看看,我们可以有哪些维度去看待它、分析它、评价它。

比如,拿最简略的课程报名数来举例,我们要评价这个数据的维度可能包括了日期、时间、区域、新老用户等,假如要把这个评价做到极致,我们可能需要从每个维度顺次去评价报名数这个指标的变化,从中发现一些线索或结论。

根本上,这种评价的出口有二:

一是判断数据是否有一些异常需要留意的状况(假如呈现异常数据,一定要分析原因);

二则是为了给自己的运营工作找到一些方向性的辅导,比如说,我现在要是想要发起一个要把站内课程月报名数提高 10 倍,我是否可以从用户行为和习惯之间去得到一些详细的启发?且,很多时分,这两个意图是可能会合一的。

比如,假定我们看到以前 30 天里的报名数据是这样的:

那么我们是否就需要去看一下,在报名数开始激增的那几天里,究竟发生了什么?是因为我们无意识的做了一些推广和活动?仍是因为上线了新的课程?仍是因为发生了什么其他事情?

而,假定你发现,假如相应数据的激增是因为课程信息偶尔间被人分享到了某个社区内(比如知乎)并引发了一轮小小的传达,那么接下来你假如想要从运营端做一些事来提高课程报名数这个指标的话,你是否是就能够无意识的在知乎去做一些事?比如仔细分析一下之前的内容为何能在知乎引发传达,然后把传达点提炼出来,用更适于知乎的形式去进行一轮包装,并想尽方法在知乎再进行新一轮的分散。

事实上,我个人就早年亲历过类似的案例,2009年 前后,当时我所供职的一家互联网公司,就早年因为发现我们的某个产品被用户在人人网分享后带来了过万的 UV,从这一线索下手,我们开始深耕人人网,终究在短时间内给该产品带来了数十倍的数据增加。

另外,这种数据分析的另外一个维度,就是依照你的常识对用户进行划分,再去分别看数据 + 结合用户访谈,了解不同类型的用户,在详细行为习惯上可能会有哪些不同。

比如,因为某机构主要解决的需求是学习,还没有工作经历的大学生和工作了 2年 以上的互联网人,理论上学习习惯肯定是不同的,此时我们就能够分别从数据上去观察,这两类人的拜访、报名、听课、课后作业包括学习产出和效果等等一系列行为上存在多大区分和差异。

当这些问题界定清楚后,事实上你是可以依据用户类型的不同,分别推送给他们不同的效劳和引导他们完成不同的用户行为的(比如已工作的上来先做个使命,仍是大学生的则先去听两堂入门课),这样精密化的运营可以大大助推你的用户留存和活跃。

最终,假定你手边的数据足够充沛,且这种从衡量 维度切入的分析做到极致,理论上你会关于全体站内用户的构成、行为习惯和其时产品的主要问题做到了然于胸,也会关于站内的全体用户生态更加具有掌控力。

这里再补充两个小说明:

第一,理论上,假定作为一个运营负责人,我们应该关于每个要害性的用户行为都守时(比如每三个月或每半年)进行全方位多维度的分析,做到关于每个要害用户行为的用户习惯和其时产品指标中的问题点了然于胸的。

但,事实上是绝大部分运营都可能看不到那么全的数据,这里边原因有很多,比如数据后台不完善,没稀有据权限等等,这时候候我们该怎么办?

我的建议是:

不管看不看得到,你都要让自己具备这样的分析问题宽和决问题的意识 + 能力; 假如某个数据的缺失现已严峻影响到了你的工作开展,一定要向老板继续交流继续要,直到拿到为止; 假如只能拿到部分数据,那就先对部分数据进行一些分析和揣度,再带着你的一些假设去工作,以工作成果来验证你的假设。再跟着事务的开展和要求不断去完善数据需求。

第二,对很多产品来说,往往都是 20%的重点用户,给该产品带来了 80%的价值。

所以,无论是分析数据仍是详细开展运营工作,你也要培育起来这样一个意识:要重点去重视对你最有价值的那部分用户,把你至少 50%左右的精力用于去重视他们。

比如说,你站内更加活跃的用户,更情愿贡献内容的用户,更情愿参加用户效劳和管理的用户,等等。

承接着上面讲到的例子布景,接下来我们可以把终究一个点也一并讲了——

数据傍边可能隐藏着一些潜在的能让你把一件事情变得更好的线索和彩蛋,有待于你去发现和发掘。

关于这件事,基础的逻辑多是这样的——

第一,你先找出你的产品中,其时可能存在问题的某个要害衡量(或称指标)。

第二,关于这个衡量进行纵览,从它的构成去看:是否所有用户或我们的所有效劳在这个衡量上的体现都很差?仍是说有一部分用户或效劳在该衡量上的体现是会显著好于其他用户或效劳的。

第三,你可以关于那些体现显著要好的用户和效劳在不同维度进步行进一步发掘,寻找其背后的一些共性用户行为或特征,然后再把这些特征扩大到极致。

比如说,某个月某机构站内课程报名量体现欠安,显着走低,依照上面所说到的逻辑,我们可以顺次来进行如下考虑和判定——

把当月的所有课程的报名数都列出来,然后去观察,是否所有课程的报名量都很差,仍是有一些课程的报名会好一些。最终我们发现,其间存在 6 堂课程,它们的报名数遍及高于其他课程 2 倍以上。 我们把报名量很高的这 6 堂课程归类到一同,然后依照各个维度去看一下,它们之间是否存在一些共性?比如,都在某个时间开课,都是某一个品类的课程,都是某位老师的课程,案牍都是依照某个模板来写的,或用户在报名这些课程前都承受了某种特定的引导,等等。 最终,假定通过这样的比对,我们可能得出了断论,比如说发现这 6 堂课程使用的都是同一个案牍模板,或者用户在报名这 6 堂课程前遍及都看过了我们的某篇文章之类的,那么这时候候,我们就现已找到了一个可能能协助我们把事情变得更好的线索了。

于是,接下来,我们最应该做的事情,可能就是把相应的案牍模板复制到其他课程的案牍介绍中去,或者引导更多的新用户在报名上课之前都去看一看我们那篇神奇的文章。

讲到这里,我们今天的内容也就差不多了。我猜,通过今天的连载,你关于数据与运营间的关系,是可以更详细深化一点儿的。

假如打个比方的话,凡是打仗想要获胜,你既得有上阵杀敌的身手,又要可以运筹帷幄,找对你的打破口和取胜策略。策略和打破口没找对,极可能任你有万夫不妥之勇,仍然无情埋没于人海中;而硬身手不行强,则策略再好,你也底子没有取胜的可能。

这傍边,数据关于运营的作用与价值,就是它协助你找到一块战场上的发力点和打破口。

换句话讲,一个不懂得跟数据打好交道的运营,极可能到了战场上,会是盲意图。

但同时,数据也是一个很庞大的分支,关于各种数据分析的策略、方法、东西之类的,假如真的要铺开了去讲,可能又是一本书。

考虑到这个连载的系列主题本是 “运营”,且大大都运营都应该触及不到那么深和高级的数据分析技巧,我们在这里的意图,可能只是期望你能关于数据与运营工作间的关系有一个较完好的了解,以及了解一些根本的数据意识和分析思路,了解真正把运营的精密化要做到极致,数据是需要在其间扮演必不可少的作用的。

 

来历:微信大众号:itongji


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。

相关内容