CHAPTER 06

第6章

數據運營很重要

6.1數據運營的主要工作

數據運營，在眾多運營工作中顯得比較特殊，其他運營工作更多的是與前端的產品和用戶打交道，而數據運營更多的是與後端數字打交道。通過對各種產品數據和用戶數據的分析，找到數據中存在的問題，並提供解決方案，指導產品的發展方向。數據運營，在移動互聯網的各個環節都有着至關重要的作用。

6.1.1數據運營的目的和意義

在日常的產品工作和運營工作中，會經常通過「看數據」來找到更合理的方案。很多公司會專門設置相關的數據部門，負責數據統計和數據分析；有的公司會將數據統計放入研發部門，然後將數據分析的人員放到具體的業務部門。

美國麻省理工學院一項針對數字業務的研究發現，大多數情況下進行數據驅動決策的企業，生產率較一般企業高4%，利潤則要高6%。數據運營，也有的公司叫數據分析，主要工作是通過分析產品和用戶數據，找出數據變化的原因，根據分析結果優化產品和運營，並對未來的數據走勢做出預測，為產品決策提供合理建議，最終目的是使數據得到有效增長。

筆者在最開始就已經指出，運營的目的是增加用戶，提升用戶的活躍和留存，最終獲得更高的收入。數據運營的目的與運營的目的是一致的，在用戶增長、用戶活躍、用戶留存和增加收入的每個階段，都需要有嚴格的數據監控，保證效果最大化。

數據運營的前提是必須要收集儘可能多的數據，這是數據分析的基礎。同時，要設定合理的數據目標，如設定了「用1個月，將某產品的次日留存率提升5%」的數據目標，之後要分析對數據目標造成影響的因素有哪些。對次日留存率造成影響的指標，包括新增用戶、活躍用戶、是否付費用戶等。下面，就要確定是否將這些造成影響的指標進行準確的數據上報；然後持續觀察和分析，看看每個指標對最終目標的影響情況；最後，分析各個造成影響的指標的具體情況，如分析出某個渠道用戶質量較低，而影響了整體的新增用戶留存的原因，並提出可行的方案，提交給產品人員和運營人員，如圖6—1所示。

圖6—1數據分析

出色的運營人員會在做決策前先分析相關數據，並通過數據來指導產品的發展方向。

6.1.2數據運營的3個維度

作為一名合格的數據運營人員，應該充分了解產品的所有數據。一款移動端產品的核心數據，基本包括3個維度：用戶基礎數據、產品使用數據和用戶畫像數據，如圖6—2所示。下面，我們以一個網絡社區為例子，來看看這些數據具體包括哪些內容。

圖6—23個維度分析數據

用戶基礎數據，用來反饋使用產品的用戶的整體基本情況，也是數據運營人員日常中接觸最多的數據。這些數據包括日活躍用戶、周活躍用戶、月用戶活躍等用戶活躍數據，日新增用戶、周新增用戶、月新增用戶等新增用戶數據，啟動次數、啟動時間、總使用時長，用戶留存情況，分渠道的用戶數據等。網絡社區的數據運營，更關注新用戶數、活躍用戶數和用戶使用時長，等數據指標。

產品使用數據，基本也是用戶的使用數據，一般從各種維度來反饋用戶在產品內的使用行為。比如，產品頁面的瀏覽率、瀏覽人數、流失率，Push推送的到達率和點擊率，每個用戶進入產品后的行為是什麼樣的，用戶是從哪些頁面跳出應用的，用戶的訂單轉化率是怎麼樣的，支付轉化率是什麼樣的，會員用戶和非會員用戶的使用習慣有什麼差異等。同時，這部分數據還包括了產品的功能數據，主要指產品內的各個功能的埋點數據，反映出產品內各功能用戶的使用情況。從數據看出哪些功能是用戶比較常用的，該功能的使用場景是什麼樣的，用戶從什麼場景中點擊到這個功能模塊等。以網絡社區為例，用戶在網絡社區的行為包括訪問、瀏覽帖子，回復、評論帖子，以及發帖、轉發、分享等。後期做用戶運營時，可以根據用戶使用功能的不同，對其進行分類，有針對性地提升某類用戶的指標。

用戶畫像數據，這些數據通常是最有價值也是最需要加以運用的，通常會集合商業化目的來一起收集和使用。通過標籤等形式，為每個用戶打造相對應的用戶畫像，向有相同興趣標籤的新用戶推送一致的內容，並通過不斷的優化和學習，實現更精準的用戶畫像。要想使用戶畫像更完善，可以結合一些外部數據來進行聯合推薦，如可以了解到喜歡聽周杰倫歌曲的這類用戶，都喜歡購買什麼類型的衣服等。了解用戶更喜歡哪類內容，給用戶推薦相應的帖子，也可以根據用戶標籤給用戶推薦一些符合的商業化廣告。

以上這些數據，是從簡單到相對複雜的幾個層級，逐漸從用戶分析到商業收入，這些數據都是做數據運營的同學必須了解和掌握的基礎數據類型。結合每個產品的不同特點，會有不同的側重，如電商類產品會更注重產品使用數據，關注訂單的轉化率和流失率等；以廣告為核心收入的產品，會注重對用戶畫像數據的使用。

6.2數據分析驅動精細化運營

數據並不是只為產品而服務的，運營更需要「數據驅動」，將數據分析運用到運營的每個環節，有明確、有效的指標，才能實現精細化運營。

作為數據運營人員，需要從數據中找到規律，分析數據上升和下降的節點，並找到相應原因，從而指導運營工作。

6.2.1來看看一些案例吧

下面，來看一個和收入相關的案例。

一個移動工具類應用，主要收入模式是廣告收入，而近期的廣告收益下降較多，即使在平時高點的周期點，收益也有下降，這時需要從數據角度找原因。

我們可以按照前面提到的數據運營的幾個維度來分析。

首先要看用戶的基礎數據，看活躍用戶和新增用戶是否有減少；如果是新產品，基本上新增用戶占活躍用戶比例較大，新增的減少對於活躍用戶數量會有比較大的影響。活躍用戶減少，會直接引起用戶的瀏覽時間減少，導致廣告收入下降。如果新增用戶減少了，那麼必須找到下降的原因，是某個大渠道減少了投入，還是所有渠道都減少了。如果是所有渠道都減少了投入，是不是競品做了某些推廣，導致新增減少。如果是活躍用戶減少，是不是產品本身的問題，導致用戶無法使用；或者產品發佈新版后，不能達到用戶滿意而流失了用戶。

其次，從產品使用數據來看，必須確認產品相關的功能數據是否正常，如果功能使用數據沒有太多改變，可以看一下廣告模塊是否出現了問題，導致廣告無法正常展示等。還要看一下用戶在有廣告展示的頁面的行為是否正常、瀏覽時間是否下降明顯、廣告的點擊率是否變化明顯等。同時，關注廣告頁面的產品設計及運營規則是否出現了調整，是否造成了廣告展示頻率的下降。

最後，從用戶畫像上來看，必須明確是否延續了原有的廣告展示規則，是否根據用戶的興趣標籤進行了廣告匹配，廣告內容是否讓用戶感到厭惡等。

要從數據變化中，敏感地從各個方面找尋出數據變化的原因，從而採取相應的措施。分析數據，本質上是根據數據變化找到對應的解決方案。

下面，再來看一個和用戶運營相關的案例。

一個電商應用，在初期階段開展邀請有禮活動，老用戶通過微信、微博、短訊、電子郵件等方式邀請新用戶來註冊、使用產品，每星期邀請來的註冊用戶最多並且達到一定值的老用戶可以獲得一台手機。數據運營人員對於這類和用戶相關度較高的數據，應關注的是用戶基礎數據和產品使用數據。

首先是用戶基礎數據，基本上是和老用戶相關。包括老用戶分享的人數、次數，每種分享渠道的次數、每個渠道的點擊數、轉化為註冊的人數、邀請到不同人數的老用戶分佈情況，以及新增用戶的註冊流失率及主要在哪一步流失。

然後是產品使用數據，基本和新用戶相關。新用戶到來后的活躍情況、使用時長、使用頻次、使用軌跡、下單情況、付費轉化率及後續1天、3天、1個星期、兩個星期和1個月的留存情況等。後續能用到的數據就是與用戶畫像相關的數據，這些數據會更多地運用到前端商品的推薦上。

通過對用戶基礎數據、產品使用數據及用戶畫像數據的結合分析，基本可以判斷出哪種渠道的分享拉新成功率最高（即註冊為產品用戶），哪個渠道的新用戶質量最高（即新用戶有消費行為），老用戶對於這類活動的參與程度與反饋情況等。同時，要從成本環節來匹配送出的獎品與新增的用戶之間的投入產出比，以及成本投入與活動新增用戶產生的總銷售額的投入產出比。通過以上這些數據，基本能夠判斷出開展的活動對於刺激新增是否有效。

6.2.2通過正循環不斷優化數據

無論是產品還是運營，在測試效果時都需要數據來佐證，其中用的最多的是A/B測試。A/B測試，又叫ABTesting，指的是某個產品功能或某個頁面同時上線A、B兩個版本，隨機給一部分用戶展示A版本，給另外一部分用戶展示B版本，然後通過比較兩個版本的實際效果，來確定最終將哪個版本正式發到線上。要注意的是，A/B測試更多的是部署在伺服器端，以保證產品和運營需求能隨時切換和調整。

比如，圖6—3所示的產品，對某個欄目的展現形式做了A/B測試，圖中左側為單本圖書展現樣式，包括封面、書名、簡介、熱度及分類，圖中右側為橫排展現樣式，一行有3本，只展示封面和書名。如果A/B測試的目的是通過改變樣式而增加書城首頁頂部的圖書收入，而兩個樣式展示的是同樣內容，那就需要比較同等數量的用戶在A和B版本下的產品收入；如果在一定持續時間內（通常至少7天）兩者的收入對比，其中一個能比另外一個高5%以上，則通常被定義為有效。

通過A/B測試，可以獲得用戶對於不同的產品版本的實際反饋，通過對比找到產生問題的原因，通過不斷的嘗試和測試，達到正循環的效果。

圖6—3某閱讀產品A/B測試

除了A/B測試外，不同工種的做運營的同學還必須充分了解與自身工作相關的數據，通過不停地嘗試，將數據引入正向循環。

做內容運營的同學，需要關注和不斷優化以下數據。

內容的展示數據：是否有足夠的閱讀量，閱讀人數有多少，讀完率是多少，用戶停留時長是多少。

內容的轉化數據：通過閱讀能否引導用戶有進一步的轉化，付費人數是多少，付費金額是多少，什麼形式的內容對什麼類型的用戶轉化最有效。

內容的傳播數據：有多少次分享，分享帶來了多少用戶和轉化。

內容的用戶數據：用戶看完推送的內容還看了什麼內容，看相同內容的用戶有什麼特徵，相似的內容運用不同的展現形式，哪種更能促進用戶的點擊參與或付費。這些都需要通過數據來進行驗證。

做用戶運營的同學，關注的數據主要集中在以下用戶數據。

用戶基礎數據：新增用戶、活躍用戶、流失用戶、忠誠用戶等在日、周、月、年的數據。

用戶召回數據：通常用戶在什麼時候最容易流失，召回用戶時推送什麼內容效果最佳，對於付費用戶是否採用更個性化的推送方式等。

用戶價值數據：付費用戶佔比，付費用戶行為習慣統計等。

活動運營和數據密不可分，活動效果基本可以從數據上看出來，並需要不斷優化。

活動投放數據：每個渠道的宣傳成本與參與用戶數，哪種形式的宣傳效果最好。

活動效果數據：每個活動上線后的瀏覽量、參與人數、參與率、參與活動的用戶數據、獲獎用戶數據等。

活動成本數據：如何有效監控活動成本、單位用戶成本，哪種活動形式的效果最好，這些都要通過數據進行分析。

渠道運營需要數據分析來提升渠道質量。

渠道基礎數據：每個渠道的新增用戶數、活躍用戶數、流失用戶數、用戶留存數。

渠道成本數據：參與付費的渠道的單個廣告位的展示量、獲得用戶數、單用戶成本。

其實，產品和運營的每個階段都伴隨着數據運營，運營人員對每個模塊的數據進行分析是為了更好地完成各自的工作。有的時候，將這些數據分析結果結合起來看，會發現一些很有意思的數據現象，可以從中為產品在未來的發展找到一些不錯的方向。

6.3小結

（1）數據運營是通過分析產品和用戶數據，找出數據變化的原因，根據分析結果優化產品和運營，並對未來的數據走勢做出預測，為產品決策提供合理建議，其最終目的是使數據得到有效增長。

（2）作為一名運營人員，可以從用戶基礎數據、產品使用數據和用戶畫像數據這3個維度來分析數據。

（3）千萬不要忘記，很多時候數據推斷都是靠猜測，這些猜測需要經過線上的測試反覆驗證，不斷地校準數據，並得到更多的數據結論。

（4）有時候數據也會「騙人」，要相信數據，但不能只看數據。