• 免费注册  马上登录
  • 友盟刷量数据优化

    友盟刷量数据优化 门户 APP推广 查看内容

    【收藏】所有运营增长人必学的数据运营分析模型

    2019-2-28 22:53| 发布者: 荏苒Anson| 查看: 292| 评论: 0

    摘要: 回复“时间管理”免费获取2019年度时间规划管理表回复“运营地图”获取2019最长运营攻略图购买地址回复“增长黑客”、“导图”获取增长黑客全书思维导图前面一些文章为小伙伴们分享了产品、运营、增长和一些公司的增 ...


    回复“时间管理”免费获取2019年度时间规划管理表

    回复“运营地图”获取2019最长运营攻略图购买地址

    回复“增长黑客”、“导图”获取增长黑客全书思维导图



    前面一些文章为小伙伴们分享了产品、运营、增长和一些公司的增长案例,今天站在数据的角度,为小伙伴们带来数据数据分析模型和数据运营的一些个人看法和经验,希望对小伙伴有所帮助。


    随着精细化理念的不断深入人心, “数据运营” 这一概念得到了大家越来越多的重视。 那到底什么是数据运营? 数据运营能做什么? 有哪些经常用到的数据分析模型?(本文6000字,10分钟阅读,提高你的数据运营能力。)


    一、 什么是数据运营?

    “数据运营” 有两层含义, 狭义指 “数据运营” 这一工作岗位, 广义指“用数据指导运营决策、 驱动业务增长” 的思维方式。

    近年来, 越来越多的互联网企业开设了 “数据运营” 这一工作岗位, 主要在一线运营部门。与数据分析师这一岗位不同的是,数据运营更加侧重支持一线业务决策。广义的“数据运营” 概念, 即数据化运营, 泛指用数据指导运营决策、 驱动业务增长。

    二、 数据运营与其他运营的区别?

    在互联网企业内, 广泛存在用户运营、 内容运营、 产品运营、 活动运营、 社群运营等运营岗位, 部分企业还有品类运营、 流量运营、 APP运营等细分岗位。

    那么数据运营与其他运营区别在哪里?

    从工作岗位上看, 数据运营属于运营的一个分支:从事数据采集、,清理, 分析、 策略等工作, 支撑整个运营体系朝精细化方向发展。

    从思维方式上看,数据(化)运营属于运营的一种技能;无论对于用户运营、内容运营、产品运营、还是活动运营、社群运营、数据(化)运营都是一种必备技能或者思维方式,即通过数据分析的方法发现问题、解决问题、提升工作效率、促进业务增长。

    本文我们以广义的 “数据运营” 概念为主, 和大家分享如何用数据指导运营决策, 驱动业务增长。


    三、 数据运营有哪些常用的场景?

    数据运营覆盖整个用户生命周期,包括拉新,转化、促活,留存和变现等常见的业务场景。

    那在具体的业务场景下, 数据运营又是如何操作的呢?

    下面是来自GrowingIO联合创始人吴继业的分享, 谈到了他在eBay和Linkedln数据运营经历。

    (一)拉新

    eBay特别注重是哪个搜索引擎、 哪个关键词带来的流量; 关键词是付费还是免费的。从谷歌那边搜素引擎词带来了很多流量, 但是这些流量是否在eBay 上成单, 所以这个数据还要跟eBay 本身数据结合、 然后再做渠道分配, 到底成单的是哪个渠道。 整个数据链要从头到尾打通, 需要把两边的数据整合之后才能做到。

    (二)转化

    以注册转化漏斗为例, 第一步我们知道网页上有哪些注册入口, 很多网站的注册入口不只一个,需要定义每个事件;我们还想知道下一步多少人、多少百分比的人点击了注册按钮、 多少人打开了验证页; 多少人登录了, 多少人完成了整个完整的注册。

    期间每一步都会有用户流失, 漏斗做完后, 我们就可以直观看到, 每个环节的流失率。

    (三)促活

    还有一个是用户使用产品的流畅度.我们可以分析具体用户行为,比如访问时长,在那个页面上停留时间特别长,尤其在APP上会特别明显.再有是完善用户画像,拿用户行为分析做用户画像是比较准的。

    (四)留存

    用户流失不是说一下子就流失了,一些细微、小的一些行为,就能预示他将来会流失。在LinkedIn的时候,我们要去追踪用户的使用行为。比如说有没有登录、登录之后有没有搜简历、有没有上传简历等等。用户这些点点滴滴的行为,都很重要。有了这些数据支撑,LinkedIn的产品、销售每天都要去看用户报告,最简单的就是用户使用行为有没有下降, 哪些行为下降, 哪些用户用的特别好等, 以此来维护用户关系.

    (五)变现

    Linkedln 是一家2C又2B的公司, 在全球有4亿的用户, 有很多真实用户的简历信息. 2B的业务是Linkedln 为每一个企业HR销售的, 目的就是帮助美国的企业去找中高端的人才,这里面有很多的不同的产品线。Linkedln本身就是一个社交网络,用户是经理、VP还是总监,还是业务类的,市场的、销售的等等这些数据在Linkedln 上都聚合成一个公司的纬度。

    有了这个公司的纬度之后,我们就能够很快让销售拿着这个卖给客户。比如要跟星巴克谈业务, 最能震撼到星巴克 HR 的数据是人才流失率的列表。

    如上图,其员工在最近一年有哪些是从别的公司加入进来,上一家公司是谁,用蓝色显示。左边做的是星巴克员工流失,其跳槽去了哪家公司,用红色显示.

    通过这个简单的分布,就可以迅速看出来人才流失情况。如果是蓝的多,说明这家公司的人才吸引方面是强的,如果是红色的多,说明这家公司人才储备和招聘方面正处于颓势。我们把数据展示给最终客户,基本上就可以拿到单子。我们可以通过数据来讲故事。我们一开始做了很多的报告,销售可以拿去讲故事,可以很快促进成单。


    数据是反映产品和用户状态最真实的一种方式, 通过数据指导运营决策、 驱动业务增长,这才是“数据运营”的精髓!


    四、数据运营的具体工作是什么?

    我将数据运营归纳为数据数据规划、数据采集、数据分析三大层次。

    • 数据规划:收集整理业务部门的数据需求,搭建可行的数据指标体系。

    • 数据采集:采集业务数据,向业务部门提供数据报表。

    • 数据分析::通过数据挖掘、 数据模型等方式, 深入分析业务数据; 提供数据分析报告,定位问题,提出解决方案。

    1、数据规划

    数据规划是整个数据运营体系的基础, 它的目的是搞清楚“要什么”。 只有先搞清楚自己目的是什么、 需要什么样的数据, 接下来的数据采集和数据分析才更加有针对性。


    这里有两个重要概念:指标和维度!

    (ー)指标体系

    指标(index),也有称度量(measure) . 指标用来衡量具体的运营效果,比如UV. DAU、 销售金额、 转化率等等。 指标的选择来源于具体的业务需求, 从需求中归纳事件, 从事件对应指标。

    我们以一个电商网站为例,分析一下选择指标的过程:

    1、 明确需求: 网站主要业务是商品销售, 希望通过数据分析来提升网站销售金额。

    2、 归纳事件: 用户购买是一连串关键事件的结果, 包括访问网站、 浏览商品、 注册账号、加入购物车、开始结算、支付等。

    3、对应指标: 不难得出公式,销售金额=访问流量*下单转化率*支付转化率*客单价。

    通过上述分析, 得出销售金额是OMTM (第一重要指标, One Metric That Metter的结论。 同时, 整个销售金额的指标体系包括访问流量、 下单转化率、 支付转化率和客单价四个可操作的指标。


    (二)维度体系

    维度是用来对指标进行细分的属性,比如广告来源、浏览器类型、访问地区等等。选择维度的原 则是:记录 那些对指标可能产生影响的维度。

    以电商网站为例,我们需要监测不同访问用户的访问来源(广告还是自然流量)、平台(PC还是移动端)、 活跃度(浏览购买频次)等等。对于初创公司来说的, 性价比最高的做法就是用 SaaS服务,通过第三方的 SDK 来完成多维度数据的获取。


    磨刀不误砍柴工!数据运营需要和业务部门(市场、销售、运营、产品等等)不断沟通,只有做好数据规划,接下来的数据采集和数据分析才能更加高效。


    2、数据采集

    传统的数据采集是一件非常花时间、精力、人力的事情,对于很多企业来说是一个巨大的门槛。巧妇难为无米之炊,数据采集的重要性不言而喻。数据运营要发挥数据采集、数据报表呈现的职责。


    (一)数据采集

    目前有三种常见的数据采集方案,分别是埋点、可视化埋点和无埋点。

    2.1埋点

    埋点,也称打点,通过在产品(网页、APP等)中手动添加统计代码收集需要的数据。假如要收集用户注册数, 就需要在注册按钮处加载相应的统计代码。

    Google Analytics(谷歌统计)、 百度统计等工具采用的就是这一方法。

    因为埋点的工程量大、 周期长, 而且容易发生漏埋、 错埋的情况, 埋点成为了数据从业者的一大痛点。

    2.2可视化埋点

    可视化埋点是埋点的延伸,通过可视化交互的方式来代替手动埋点。这种方式降低了用户使用的门槛, 提升了效率. Mixpanel 采用了可视化的埋点方案。

    无论是埋点还是可视化埋点, 数据运营都需要起到承前启后的作用: 收集业务部门数据需求,撰写需求文档,向工程部门提交埋点需求。

    2.3无埋点

    无埋点颠覆了传统的“先定义再采集”的流程,只需要加载一个SDK就可以采集全量的用户行为数据,然后可以灵活自定义分析所有行为数据。用户行为数据分析产品GrowinglO采取的就是无埋点的技术方案。

    相比于埋点方案,无埋点成本低、速度快,不会发生错错埋、漏埋情况。无埋点正在成为市场的新宠儿, 越来越多的企业采用了无埋点方案。 在无埋点情景下,数据运营可以摆脱埋点需求的桎梏,将更多时间放在业务分析上。


    (二)、数据报表

    定期向业务部门提交数据报表是数据运营的工作之一, 包括日报、 周报、 月报甚至年报。数据报表建立在数据指标体系的基础上,数据运营应该让这部分工作尽量自动化。搭建数据看板(Dashboard)是除了数据报表之后又一项工作,数据看板往往和企业的BI系统连在一起,属于数据可视化的部分。在资源充足的企业,往往采用自建的方式搭建数据平台;对于中小企业,合理借助第三方数据工具是一个非常不错的选择。

    上图展示的是GrowinglO的流量概览看板,自动展示相关数据指标。在数据采集和数据可视化这个环节,数据运营应该善于借助工具,减少在数据采集、数据清理、数据可视化上面耗费的时间.


    3、 数据分析

    数据分析是数据运营的重点工作, 数据规划和数据采集都是为了数据分析服务的。 我们的最终目的是通过数据分析的方法定位问题, 提出解决方案, 促进业务增长。

    选择什么样的数据分析方法要和你的业务场景相结合, 下面这个表格汇总了目前常见的运营数据分析方法。

    不同于数据分析师,数据运营岗位弱化了对编程统计的要求,更加强调在现有工具基础上灵活使用分析方法。一个好的数据运营一定要及时发现问题、定位问题,并提出可行的解决方案。


    五、数据运营常用的10个数据分析方法

    数据分析已经成为运营的必备技能之一,熟练掌握数据分析方法已经成为运营的核心竞争力。对于互联网产品运营,我们总结了10个常用的数据分析方法,覆盖整个用户生命周期。

    1、来源管理

    通过对投放的目标链接加上监测参数,实现对网页访问来源、App下载渠道的监

    测。目前主流的解决方案是UTM机制,数据分析工具 Google Analytics、Growing使用的都是这套机制。在你的网站已经加载监测代码的基础上,可以给你的投放链接加上下面的5个常用参数,分别是 utm source(广告来源)、 utm campaign(广告名称)utm mediun(广告媒介)、 utm content(广告内容)和 utm term(关键词)。

    2、趋势分析

    趋势分析是最基本、也是最常见的数据分析方法;通过对业务指标的监测来研究用户行为规律,寻找增长点。

    趋势分析有两大作用:数据监测和趋势预测。

    当出现异常峰值时运营需要思考为什么会这样,要及时发现问题、定位问题。通过整个趋势图,运营需要预测接下来一段时间的指标走势,为后期工作提供帮助。

    3、维度拆解

    孤零零的一个数据指标,你是很难从异常数据中发现问题的。我们需要从多个维度出发,比如地区、平台、浏览器、访问来源等等,拆解指标定位问题。

    以常见的流量指标为例,我们可以从广告来源、地区、操作系统等维度出发,观察哪一类的用户比重更多、哪一类的用户价值更大,从而提升运营的效率。

    4、转化漏斗

    用户在使用产品的过程中,天然存在系列转化路径,例如注册、下单、下载等等。运营关注转化路径的转化率,包括总转化率及每一步的转化率,转化漏斗以一种可视化的方式将转化路径的每一步都展示出来,运营需要重点关注流失最大的环节,这往往是优化工作Roi最高的地方;

    除了横向拆解每一步的转化率,我们还可以从时间维度观察每一步转化率的变化趋势。

    五、留存分析

    留存,顾名思义,是指新用户首次访问你的网站后回访你的网站或者APP。留存分析一般用来探索用户、产品与回访之间的关联程度。

    我们可以从用户、产品、自定义等多维度出发,分析不同类别的用户群体与留存率之间的关系。互联网运营可以通过分析不同用户群组的留存差异、使用过不同功能用户的留存差异来找到用户增长点。

    六、魔法数字

    魔法数字( Magic Number)是留存分析的延伸,它和产品的核心功能息息相关,已

    经得到了硅谷企业的广泛重视

    举个例子,有过下面这些行为的用户留存率都非常高

    1、 LinkedIn发现新用户一周内添加5个好友

    2、 Dropbox发现用户在2个操作系统上存储文件

    3、银行发现信用卡用户一年内消费5笔。

    那么,这些数字是怎么计算出来的呢?

    总结起来,就是分析用户的行为组合“时间*功能*频次”与用户留存之间的相关系数

    相关系数越大,两者的关联性越高。

    七、用户分群

    精细化运营是目前的趋势,运营需要对不同类别的用户进行精准运营,而维度和指标组合条件是目前常用的筛选方法。

    假如上海某电商网站举行一次 Phone手机配件促销活动,可以将“上海市+有过两

    次购物记录的+ Phone用户”筛选为目标用户进行营销,这样远比漫无目的地群发邮件或者推送更加精准

    八、用户细查

    观察用户的行为轨迹,探索用户与产品的交互过程;进而从中发现问题、激发灵感亦或验证假设。

    产品运营过程中存在很多“怒点”,比如图1中突出的【获取手机验证码】失效,导

    致用户重复点击,此时用户细查轨迹可以用来验证我们之前的猜想和假设。

    九、热图

    热图,也称热力图,用高亮颜色来展示用户的访问偏好;一般来说,红色代表最热区

    域。通过热图,运营可以对自己网站每一个元素的被访问情况一目了然。

    对于内容型网站,通过热图分析读者的阅读偏好,及时更换最新内容。对于电商或交易平台,通过热图分析用户的购买偏好,及时更新商品信息。对于产品运营来说,借助热图可以及时优化网站或者页面布局,提高转化率等指标。

    十、测试

    运营需要熟练掌握假设检验的方法论,通过试验或测试来解决运营问题。AB测试是指同时进行多个方案并行测试,但是每个方案仅有一个变量不同;然后以某种规则(例如用户体验、数据指标等)优胜略汰选择最优的方案。

    但是对于很多创业公司或者流量不大的产品来说,可以采取直接上线的方式,用全量的流量来测试新的方案。然后对比前后的数据指标,判断前后哪种方案更好。


    这10个运营数据分析方法并无优劣之分,在正确的汤景下使用了正确的方法就是高效的。


    最后要说的话:

    数据充斥在产品和运营的各个环节,所以成功的运营增长一定是基于数据的。在运营的各个环节,都需要以数据为基础。当我们养成以数据为导向的习惯之后,做运营就有了依据,不再是凭经验盲目运作,而是有的放矢。

    阿甘推荐:

    运营研究社出品的2019最全”运营增长技能地图“

    适合所有产品、运营、增长的小伙伴,提高你的职场竞争力

    适合所有转型运营增长方向的求职者,提高你的核心面试力

    8大技能方向、63个技能板块、614个运营增长知识点,为你的职场保驾护航、推波助澜。

    欢 迎 扫 码 购 买 运 营 技 能 地 图 2.0互 联 网 圈 清 明 上 河 图





     

    友盟刷量,专业值得信赖!欢迎咨询!!

    业务经理   QQ:2650249406 在线咨询   邮件:2650249406@qq.com


    鲜花

    握手

    雷人

    路过

    鸡蛋

    QQ|手机版|友盟刷量数据优化 ( 赣ICP备17015331号-2

    GMT+8, 2019-5-22 06:41 , Processed in 0.040244 second(s), 15 queries .

    伙伴科技 X3.2

    © 2001-2013 Comsenz Inc.

    返回顶部