運營涉及的定義實在是太廣又太細了，方方面面都離不開運營。

我剛做運營的時候，那會兒部門還在建設產品的報表系統，我被抓著做業務報表。你們能理解，一個還沒開始做業務的人，一上來就做業務報表并處理業務投訴的那種迷茫嗎？

但是，當我漸漸上手，規劃了一個又一個報表后，我再接管渠道，沒有經歷過渡期，直接就上手了。因為通過數據，我已經很了解整個業務的形態，以及業務的需求了。

今天，我想分享作為運營如何通過數據驅動運營，得到更有效的運營策略。

作為運營，我們每天都跟數據打交道，甚至可以說，滲透到了工作的方方面面。

但是，很多人也會感到迷茫，數據這么多，到底什么情況下應該看什么數據？數據應該怎么分析？怎么分析數據，才能給運營甚至產品帶來正面的導向？

01

為什么要做數據分析？

從宏觀角度看，做數據分析可以了解行業環境，知道整個市場有多大，用戶總量有多少，同類競品有多少，用戶屬性，自己的產品占比等。

從產品角度看， 做數據分析可以更清楚的知道產品的功能表現好不好，有哪些需要改進的地方？

從KPI角度看，做數據分析可以知道有哪些指標沒有完成，差距還有多少，怎么做才能按時完成目標？

02

運營關心的數據指標

在產品運營中，數據的分析，是為了更好的產品體驗，更多的在基于產品特性的情況下，滿足用戶的需求。

那么運營在數據分析中，需要關注哪些指標呢？

如果是靠廣告收入（如媒體）盈利的企業，則需要關注的指標是：流量*轉化率*單次點擊價格。

如果是靠傭金收入（如淘寶客）盈利的企業，則需要關注的指標是：GMV*傭金比例。

如果是靠訂單收入（如電商）盈利的企業，則需要關注的指標是：訪客數量uv*轉化率*客單價。

如果是靠增值服務（如視頻會員）盈利的企業，則需要關注的指標是：訪客數量uv*轉化率*APRU值。

綜上所述，運營分析需要關注的通用指標為：

我們再拆分得細致一些，比如，靠訂單收入盈利的企業，更細致的數據公式就是：

訂購金額=瀏覽UV*瀏覽轉化率*下單轉化率*付款轉化率*客單價

大家可以看到，瀏覽UV對應的其實就是導流，這是運營最需要去關注的。

當瀏覽UV很低的時候，意味著你的產品沒有人用。沒有人用的原因有很多種，可能是沒有人知道，也可能是產品不好用。這時候，我們就需要警惕，到底問題出在哪里。

導流的方式千千萬，獲得流量的渠道非常多種，你必須認識到你的渠道。可以參考波士頓矩陣理論，會把流量渠道分為明星類、瘦狗類、問題類、現金流類，給導流的渠道分類，定義優先級，再去進行不同的運營。

占比高、轉化高的渠道，比如活動運營，就是有效導流的一種方式。

那什么樣的活動才能吸引用戶？怎么做活動，才能在有限成本的情況下取得最高的效果？

平時我們的活動，我會關注的數據有活動頁面打開數，活動頁面打開數等，目的是為了知道活動推廣力度，以及活動的受歡迎程度。假如加大力度去推了，但是實際效果卻不理想，那有可能是活動不夠吸引。

舉個例子，我們過年的時候做過一個活動，用戶玩游戲可以獲得一定的充值折扣。

一直以來，我們做的都是抽獎活動。這次，想做個新的嘗試，先玩游戲后打折。由于今年是豬年，所以我們做的是“一起來喂豬”的游戲，既呼應豬年這個新年梗，又融合了養成小游戲的玩法。

結果呢，我們耗費了大量的人力去嘗試一種新的玩法，用戶卻不買單。公眾號的后臺幾乎每天至少10條留言是關于“我不就來充個值嘛，你還讓我玩游戲，玩就算了，玩完了也就9折而已”的內容。

所以，結合當時的活動頁面打開數，到參與活動人數，我們判斷，這個活動并不適合充值的用戶玩耍。

新老用戶也是如此，假如這個活動最初是為了吸引新用戶而做的，結果最后參加的老用戶卻遠遠多于新用戶。那可以說明，這個活動的設定有問題，沒有摸清楚新老用戶的脾性。

假如是針對老用戶做的活動，那還有一個數據值得關注，那就是留存率。針對老用戶做的活動，次月的留存率少得可憐，說明活動的作用有限，沒有有效去提高用戶的粘性。

前面我說了，我們做的活動，幾乎只有一種形式，就是抽獎。設計不同的界面不同的玩法，比如大轉盤，比如老虎機，比如福袋等。

為什么？

因為從數據分析我們得出，這樣的形式很受用戶的歡迎，用戶接受這樣的形式。用戶成功充值后，可以領取到不同的紅包金額，用于下一次充值抵扣。

由于用戶成功充值才能獲取，紅包可以下一次使用。也就是說，當我們的活動成本產生時，實際上用戶已經充值了至少2筆，這樣大大提高了用戶的粘性。因為用戶本來就是來充值的，你給一定的抵扣券，用戶會覺得你讓利了，也會積極參與。

增速慢但是占比高的渠道，我們需要花費更多的精力去培育這些渠道。

比如說，圖文推送。

在說圖文推送之前，我們先說，什么是用戶運營？

顧名思義就是以用戶為中心，遵循用戶的需求去設置運營活動和規則，制定運營戰略與運營目標，最終達到預期所設置的運營目標與任務。

以微信公眾號舉例：

對于微信公眾號的運營，我們的觸達方式無法就三種：

圖文消息推送，針對所有用戶無差別的進行運營；

模板消息推送，不同的用戶收到信息可能完全不一樣；

菜單欄引導。

圖文推送的特點就是，效果來得快，去得也快。

下面這個表，是我們平時的圖文消息推送后會看的一些數據。

我一直覺得，數據，并不是簡單的羅列，也不是盡可能的多。而是要知道，我們看到的數據，背后的結論是什么？數據怎么引導我們去運營？

下面這個表中，有2個標題我是標紅的，大家可以來看一下。

其實，這2篇推文講的內容意思是一樣的，就是充值達到一定的金額后，就能獲得對應的獎品。這2個標題推送位置一致，推送時間差不多，都是在早上的11點左右，但是推送的日期不一樣。

我們先看最后一個標題“9350個流量幣”，對于我們自己而言，一看就知道說的是可以兌換實物的一種虛擬券類。

但是，站在用戶的角度去思考，有多少用戶知道流量幣是什么？對于大部分用戶而言，這個名詞，他們沒有任何感知。

所以，同樣的內容，當標題換成“9G流量”后，閱讀量翻了接近10倍。

——這就是數據分析的意義。

通過對每一期圖文推送的數據分析，我們得到了一些針對我們公眾號的結論。比如，我們嘗試過周一至周日不同時間段去推送。

有一年除夕，大家歡騰團圓的時候，我絞盡腦汁兒寫了篇我以為是文藝與情感兼得、圖文并茂的文章，記錄了從小到離家后一個個與父母相處的片刻時光。結果，閱讀量是4萬，留言22，分享55。

可以說，這是我運營公眾號以來，寫過最走心的一篇文章，我簡直要沉浸在大伙兒看完后產生了無數共鳴、買買買來報答我的意淫中了。

然而，事實上，閱讀量不是最多的一次，留言和分享也表現平平。最尷尬的是收入，簡直不敢說這是做了一個活動。

換言之，往往我們覺得好的，用戶未必會買單。這時候，數據的作用就體現出來了。

總之，作為充值類產品的公眾號推文，我們通過長期的實踐以及數據分析中，得到的一些結論就是：

每周五上午11點-12點推送，效果會最好。

假期前夕推流量，比話費效果好。

月底推話費，比月初效果好，8-10日推話費，效果最好。

用戶隨便一瞄就能看完并理解的標題，更吸引點擊。

這就是更差的一些引流方式了，就是邊角料。

針對這些方式，我會選擇性去優化，有時間的時候會去琢磨；沒有時間則放棄，減少人力成本。

訂購轉化率，假如下單轉化率是不錯的，但付款轉化率卻比較低，就有可能是產品的支付方式或支付步驟，給了用戶一定的門檻。

像3月初的時候，我們的付款轉化率一下子就掉到了10%左右；也就是說，100個用戶下了單，最后成功付款的用戶就10個，這個轉化率低得嚇人。

我們一查，發現是因為支付匯率的影響，我們把所有支付方式都下了，只保留了一個匯率很低的支付方式。但是，很多用戶并沒有關聯這種支付方式，如果要購買，則需要注冊一種新的支付方式，無異于提高了用戶的支付門檻。

后來，我們保留了匯率低的支付方式，也把熱門的支付方式重新上線。但是，默認匯率低的支付方式為第一選擇，付款轉化率一下子到了65%左右。

對比前面的10%，看起來是不是很不錯？

但是，我們在分析對比歷史數據的時候發現，以前默認最熱門的支付方式作為付款第一選擇時，付款轉化率達到80%。所以，看起來這么簡單的一個調整，卻造成了非常大的影響。

客單價，受到產品屬性以及推廣的影響。

舉個例子：

一個產品有不同的規格，默認的規格是100元的，用戶下單最多的也是100元。

夏天的時候，連衣裙的訂購量比較多，冬天的時候，則大衣的訂購量比較多。當然，如果完全不按照規則走，比如夏天反季清倉大衣，即使大肆推廣，效果也非常有限。

所以說，每天都要觀察數據，根據數據并結合用戶的使用行為，去調整運營策略，往往很小的運營手段，也有可能達到事半功倍的效果。

03

如何營分析？

看到這里，我相信大家對運營數據分析的重要性，已經有很清楚的認知了。

那么，如何做運營數據分析呢？

在策劃執行一個運營策略之前，要先梳理清楚流程，明確運營目標，理清運營動作，并最終將梳理的結果體現在報表中。

比如，要做一個活動，我們關注的數據有哪些？這個在前文已經說過，就不再贅述。明確需要關注的數據，方便在執行過程中實時監測，及時發現問題。

當我們梳理好了需要關注的數據后，就需要監控指標。通過報表中的日常數據，理清這個運營動作的全貌，及時發現異常，并找到異常的原因。

出現異常時，如何找到問題點呢？

一般分為以下幾個點：

定位問題；

拆解問題；

提出假設；

分析驗證；

結論呈現。

定位問題，其實比較容易，數據中哪個環節出現了異常，就可以鎖定那個環節了；接下來就是拆解問題，一步步拆解分析之后，挖掘出變化異常的原因；再一步步驗證，最后得到結論并指導下一步的運營動作。

舉個例子：

12月1日，網站的訂購量突然增長了50%。那我們看一下數據，從訂購量分拆，是渠道訂購量增長，還是轉化率提高，還是人均訂購筆數增加？

再一層層分拆下去，發現是某一篇最近寫的文章閱讀量破了10W，而平時的文章閱讀量只有不到1W。因此，推斷是文章帶來的引流效果。

那接下來，繼續分析，是什么類型文章吸引了這么多的用戶，跟平時的文章主題有什么區別？

一層層抽絲剝繭之后，發現是娛樂主題帶來的效果。因為推送的是跟娛樂相關的產品，主題呼應，達到了非常好的效果。

當我們從數據得到了這個結論后，以后推送不同的產品，就可以往對應的往相關主題里靠攏，以達到更好的導流效果。

找到了問題之后，接下來就是提供運營建議了。

如之前的例子，我們的訂購量增長是因為廣告文章導流效果好，那我們就需要驗證一下是否是這個原因導致的。

首先，對12月1日的訂購用戶進行用戶分層。

通過RFM模型，建立用戶標簽，再回過頭驗證我們最初的設想—文章主題與推廣內容一致。

比如，再次推送同類型主題，看看閱讀量和轉化效果是否還是這么好？或者，看看新老用戶占比，假如老用戶占比大，說明可能不是靠文章導流的效果。

整個運營動作結束后，需要進行效果評估。

效果評估主要從以下幾個維度進行評估：與自身比較、與目標比較、與往期同類運營動作比較、與同期其他運營動作比較、與行業基準數據比較……根據這一系列的維度分析后，得出最后的經驗總結，為下一次運營動作打下鋪墊。

綜上所述，我們可以看到，數據分析，可以說是運營中必不可少的環節。

通過數據，可以對流量、對人群、對產品進行分層運營，以起到更好的效果。

來源：人人都是產品經理              

作者：芩小晶

更多干貨、市場分析、重磅案例、實戰課程歡迎訂閱 [農業行業觀察]公眾號：nyguancha