一、什麼是數據運營？

1.什麼是數據運營？

狹義指‘數據運營’這一工作崗位

廣義指‘用數據指導運營決策，驅動業務增長’的思維方式—即數據化運營，泛指用數據指導運營策略、驅動業務增長。

數據運營側重支持一線業務決策。

2.數據運營和其他運營的區別？

在互聯網企業，存在—用戶運營、內容運營、產品運營、活動運營、社群運營、品類運營、流量運營、APP運營等運營崗位

從工作崗位來看，數據運營屬於運營的一個分支：從事數據采集、清理、分析、策略等工作，支撐整個運營體系朝精細化方向發展。

從思維方式來看，數據（化）運營屬於運營的一種技能；無論對於用戶運營、內容運營、產品運營、還是活動運營、社群運營、數據（化）運營都是一種必備技能或者思維方式，即通過數據分析的方法發現問題、解決問題、提升工作效率、促進業務增長。

3.數據運營有哪些常用的場景？

數據運營覆蓋整個用戶生命周期，包括：拉新、轉化、促活、留存和變現等常見的業務場景。

數據是反映產品和用戶狀態最真實的一種方式，通過數據指導運營決策、驅動業務增長，才是‘數據運營’的精髓。

二、數據運營的具體工作是什麼？

1.數據運營是做什麼的？

可將其歸納為數據規劃、數據采集、數據分析三大層次：

• 數據規劃:收集整理業務部門數據需求，搭建數據指標體系；
• 數據采集：采集業務數據，向業務部門提供數據報表；
• 數據分析:通過數據挖掘、數據模型等方式，深入分析業務數據；提供數據分析報告，定位問題，提出解決方案。

2.數據規劃

數據規劃是整個數據運營體系的基礎，它的目的是搞清楚“要什麼”。隻有先搞清楚自己目的是什麼、需要什麼樣的數據，接下來的數據采集和數據分析才更加有針對性。

兩個重要概念：指標和維度

（1）指標體系

指標，也稱度量。指標用來衡量具體的運營效果，比如UV（Unique Visitor，獨立訪客）,DAV（日均活躍用戶）,銷售金額，轉化率等等。指標的選擇來源於具體的業務需求，從需求中歸納事件，從事件對應指標。

69048dde1641f171c932c90cbfc54a3a

以電商數據為例，分析選擇指標的過程：

• 明確需求：網站主要業務是商品銷售，希望通過數據分析來提升網站銷售金額
• 歸納事件：用戶購買是一連串關鍵事件的結果，包括訪問網站、瀏覽商品、註冊賬號、加入購物車、開始結算、支付等
• 對應指標：銷售金額=訪問流量*下單轉化率*支付轉化率*客單價

可得出，銷售金額是OMTM(第一重要指標,One Metric That Metter)的結論。

同時，整個銷售金額的指標體系包括訪問流量、下單轉化率、支付轉化率和客單價四個可操作的指標。

（2）維度體系

維度是用來對指標進行細分的屬性，比如廣告來源、瀏覽器類型、訪問地區等等。

選擇維度的原則是：記錄那些對指標可能產生影響的維度。

3e58833228a91ca49f6a148ae7b7b154

以電商網站為例，需要監測不同訪問用戶的訪問來源（廣告還是自然流量）、平臺（PC還是移動端）、活躍度（瀏覽購買頻次）等等。

3.數據采集

數據運營要發揮數據采集、數據報表呈現的職責。並起到承前啟後的作用：收集業務部門的數據需求，撰寫需求文檔、向工程部門提交埋點需求。

（1）數據采集

目前常見的三種數據采集方案：埋點，可視化埋點和無埋點

• 埋點

也稱打點，通過在產品（網頁、APP等）中手動添加代碼收集需要的數據

• 可視化埋點

是埋點的延伸，通過可視化交互的方式來代替手動埋點。這種方法降低瞭用戶使用的門檻，提升瞭效率。

• 無埋點

無埋點隻需要加載一個SDK就可以采集全量的用戶行為數據，然後可以靈活自定義分析所有行為數據。

相對於埋點方案，無埋點成本低，速度快，不會發生錯埋、漏埋情況。

（2）數據報表

數據報表自動化

4.數據分析

數據分析是數據運營的重點工作，數據規劃和數據采集都是為數據分析服務的。最終目的是通過數據分析的方法定位問題，提出解決方案，促進業務增長。

三、互聯網產品運營常用的10個數據分析方法

這10個數據分析方法，覆蓋整個用戶生命周期。

1.來源管理

通過對投放的目標鏈接加上監測參數，實現對網頁訪問源、APP下載渠道的監測。

在你的網站已經加載監測代碼的基礎上，可以給你的投放鏈接加上下面5個常用參數，分別是utm_source(廣告來源)、utm_campaign(廣告名稱)、utm_medium(廣告媒介)、utm_content(廣告內容)和utm_term(關鍵詞)。

2.趨勢分析

趨勢分析是最基本、也是最常見的數據分析方法；通過對業務指標的監測來研究用戶行為規律，尋找增長點。

趨勢分析有兩大作用：數據監測和趨勢監測

如出現異常峰值，需要思考為什麼會這樣，要及時發現問題、定位問題。通過整個趨勢圖，運營需要預測接下來一段時間的指標走勢，為後期工作提供幫助。

3.維度拆解

從多個維度出發，比如地區、平臺、瀏覽器、訪問來源等等，拆解指標定位問題。

fb36dc9bb05b76dcdaffef2aaa855c38

4.轉化漏鬥

用戶在使用產品的過程中，天然存在系列轉化路徑，例如註冊、下單、下載等等。運營關註轉化路徑的轉化率，包括總轉化率及每一步的轉化率。

轉化漏鬥以一種可視化的方式將轉化路徑的每一步都展示出來，運營需要重點關註流失最大的環節，這往往是優化工作ROI最高的地方。

5.留存分析

留存，指的是新用戶首次訪問你的網站後回訪你的網站或者APP。留存分析一般用來探索用戶、產品與回訪之間的關聯程度。

互聯網運營可以通過分析不同用戶群組的留存差異，使用過不同功能用戶的留存差異來找到用戶增長點。

6.魔法數字

魔法數字是留存分析的延伸。

總結來說，就是分析用戶的行為組合“時間*功能*頻次”與用戶留存之間的相關系數。相關系數越大，兩者的關聯性越高。

7.用戶分群

精細化經營是目前的趨勢，運營需要對不同類別的用戶進行精準運營，而維度和指標組合條件是目前常用的篩選方法。

8.用戶細查

觀察用戶的行為軌跡，探索用戶與產品的交互過程；進而從中發現問題、激發靈感亦或驗證假設。

9.熱力圖

熱力圖，用高亮顏色來展示用戶的訪問偏好；一般來說，紅色代表最熱區域。通過熱圖，運營可以對自己網站每一個元素的被訪問情況一目瞭然。

對內容型網站，通過熱圖分析讀者的閱讀偏好，及時更換最新內容。

對於電商或者交易平臺，通過熱圖分析用戶的購買偏好，及時更新商品信息。

對於產品運營，借助熱力圖可以及時優化網站或者頁面佈局，提高轉化率等指標。

10.測試

運營需要熟練掌握假設檢驗的方法論，通過試驗或者測試來解決運營問題。A/B測試是指同時進行多個方案並行測試，但是每個方案僅有一個變量不同；然後以某種規則（例如用戶體驗、數據指標等）優勝劣汰選擇最優的方案。

四、如何選擇正確的數據指標？

‘North Star Metric’—北極星指標，又叫做‘OMTM’，One metric that matters,唯一重要的指標。

（1）衡量北極星指標的6個標準

首先回答以下問題：

1.你的產品的核心價值是什麼？這個指標可以讓你知道你的用戶體驗到瞭這種價值嗎？

比如，公司做的是投資APP，那麼用戶的核心價值是投資，所以北極星指標應該和投資有關。

2.這個指標能夠反映用戶的活躍程度嗎？

3. 如果這個指標變好瞭，是不是說明你的整個公司是在向好的方向發展？

4.這個指標是不是很容易被你的整個團隊理解和交流？

一般來說，建議選個絕對數作為北極星指標，而不是比例或者百分比；比如說，‘總訂單數’就比‘訂單額超過100元的訂單比例’好理解。

5.這個指標是一個先導指標，還是一個滯後指標？

如，公司喜歡用收入作為北極星指標，這不是一個壞指標，但是它確是一個滯後指標。有的用戶很可能已經停用瞭幾個月瞭，卻還在付費。在此情況下，‘月活躍用戶數’可能是一個更好的先導指標。

6.這個指標是不是一個可操作的指標？

簡單來說，如果對於一個指標，你什麼也做不瞭，那它對你來說相當於不存在。

（2）3個案例搞清北極星指標

（3）在業務實踐中不斷優化

運營：用數據分析做運營增長，需要做好這四個方面

精細化運營的四個方面：流量運營、用戶運營、產品運營、內容運營

如何用數據分析來解決流量運營、用戶運營、產品運營和內容運營中的增長問題？

1.流量運營：多維度分析，優化渠道

流量運營主要解決的是用戶從哪裡來的問題。過去粗放式的流量運營，僅僅關註PV、UV等虛榮指標，遠遠不夠。

（1）流量概覽指標體系

需要通過多維度指標判斷基本的流量情況，包括量級指標、基本質量指標和來訪用戶類型占比指標。

量級指標涉及不同平臺：

• Web端主要看訪問量、PV（page view）和UV(unique view)
• APP主要看啟動次數、DAU和NDAU
• 基本質量指標包括用戶的平均訪問時長、平均一次會話瀏覽頁數（即用戶深度）和跳出率等

通過這些指標可以判斷用戶的活躍度。產品的生命周期模型廣泛應用在互聯網運營中，在不同的產品生命周期中，訪客的類型一定有差異。

（2）多維度的流量分析

在網站流量分析中，主要包括訪問來源、流量入口（落地頁）、廣告（搜索詞）等角度。

<<<渠道——直接訪問

外部鏈接，如推廣、合作引用、媒體、廣告、投放鏈接

搜索引擎，各類搜索引擎：如百度，搜狗，谷歌，必應

社交媒體，如微博、知乎、微信公眾號>>>

首先，訪問來源包括直接訪問、外鏈、搜索引擎和社交媒體等。

在這個分析框架中，需要一層一層拆解，具體到每一個渠道進行流量分析。

以某博客為例，這是一個內容運營的子站，上面有很多數據分析和增長黑客的文章。通過分析訪問來源發現，相對於其他渠道，從微博過來的用戶數量和質量都偏低。在運營資源有限的情況下，我們可以重新規劃下媒體推廣的策略，把精力放到高質量渠道上。

其次，落地頁的分析對流量來說也是至關重要，因為落地頁是用戶到達你網站的入口。

如果用戶被導入到無效或者不相關的頁面，一般會有較高的跳出率。

最後，廣告投放也是目前流量運營的重要部分。

一般涉及到的廣告分析包括廣告來源、廣告內容、廣告形式（點擊、彈窗、效果引導）和銷售成分等，我們通過多維度的分析來優化廣告投放。

上面三個因素主要在web端的分析。對於APP分析，需要考慮分發渠道和app版本等因素。

（3）轉化漏鬥分析

在增長模型中，流量進入後，還需要進一步激活和轉化。激活在每個產品中的定義是不一樣的，無論如何，激活是需要一定的流程和步驟的。我們通過轉化漏鬥，可以發現每一步。

（4）渠道優化配置

在進行一系列的流量分析和轉化分析後，我們可以進行相對應的策略制訂，具體方式包括搜索詞、落地頁、廣告投放優化等等。

對於成本低、質量高的渠道需要加大投放；

對於成本高、質量高的渠道需要評估成本；

對於質量低的渠道也需要做好評估。

總體上，根據成本、流量轉化等綜合情況，對渠道配置進行整體整理和調優。

2.用戶運營：精細化運營，提高留存

（1）精細化運營

用戶在產品上的交互行為很多，可以通過用戶的行為對用戶進行分類；然後根據不同群體的特征，進行精細化運營，促進用戶的回訪。

以論壇為例，用戶在論壇上的行為包括：訪問、瀏覽帖子；回復、評論；發帖；轉發，分享等等。我們對用戶的每一類行為建立行為指數，例如根據用戶的轉發、分享等行為建立’傳播行為指數‘，通過這些指數給用戶分類。如此一來，論壇上的用戶被分為四個維度：A瀏覽類、B評論類、C傳播類和D內容生產類。用戶可能隻有一個標簽指數，也可能跨多個指數維度。

（2）提高用戶的留存

互聯網一般都關註用戶的留存，隻有用戶留下瞭瞭，才能進一步去推動變現和傳播。留存分析一般采用組群分析法，即對擁有相同特征的人群在一定范圍內進行分析。

上圖橫向展示瞭每周新增用戶在後續各周的留存率，豎向比較展示瞭不同周的新用戶在今後一段時間的留存表現。

留存時間及周期，和產品體驗完整周期有關，不同的業務和產品一般有著不同的時間群組劃分方法。比如高品類產品的日留存更好反映用戶與產品的關系，而工具類的周留存就比日留存更加具有業務意義。

通過時間維度的分析發現用戶留存的變化趨勢，通過行為維度的分析發現不同群組用戶的差異，找到產品或運營的增長點；這是用戶運營非常重要的一點。

3.產品運營：用數據來分析和監控功能

產品運營是一個非常大的話題，很多運營和產品都是圍繞產品來做的

（1）監測異常指標，發現用戶對你產品的’怒點‘

產品大的流程中，存在很多小的功能點，用戶的體驗就是建立在這些小的功能點上；就是這些小的功能點的使用情況，成為我們每一步轉化的關鍵。

以註冊流程為例，一般需要手機驗證。發送驗證碼是其中一個關鍵的轉化節點；當用戶點擊重新發送的次數激增時，這可能意味著我們的這個功能點存在一定問題。而這就是用戶’怒點‘所在，無法及時收到手機驗證碼。

（2）通過留存曲線檢驗新功能的效果

對於上線一段時間的產品，有時候會添加新功能。上線後，需要評估新功能的效果，是否滿足用戶的核心需求，是否給用戶帶來價值。

4.內容運營：精準分析每一篇文章的效果

什麼是內容運營？

在做內容運營之前，需要明白你的內容是作為一個產品（如知乎日報）出來，還是產品的一個輔助功能。隻有明白自己的定位，才能清晰目標。為瞭擴大內容運營的效果，需要對用戶需求進行分析，例如用戶感興趣的內容、內容閱讀和傳播的比例等。

（1）基於內容的推薦

以技術博客為例，該博客屬於PGC模式。博客中的內容有不同分類，為瞭降低用戶獲取信息的成本，我們在博客首頁設計瞭不同板塊的入口

（2）基於用戶的推薦

內容運營中的推薦，有時候和用戶的精細化運營息息相關。每一個用戶，都有自己喜歡的內容和類別，當我們根據用戶的興趣傾向進行推送的時候，效率肯定會更高。

同樣以博客為例，通過對訪問用戶的文章點擊情況進行統計，根據用戶偏好進行文章推薦。

五、數據驅動的精細化運營