国产精品久久无码一区-精品国产偷窥一区二区-欧亚欧洲码国产-欧美乱人伦人妻中文字幕-国产av无码国产av毛片

A5創業項目春季招商 好項目招代理無憂

「數據」向來是互聯網企業的命脈。隨著運營的精細化，「數據運營」成為運營崗位的一個分支，專門從事數據的規劃、采集、分析等工作。而站在思維方式的角度，「數據運營」則是運營的一項通用技能。通過數據分析的方法發現并解決問題，促進業務增長，是每一個用戶運營、活動運營、內容運營或是其他運營崗位從業者實現自我提升的不二之選。

盡管「數據」是一個很具象的概念，我們對「數據運營」的概念卻不是那么明確。拿我運營的這個公眾號為例，是不是看看微信數據后臺的圖，關注下每篇文章的閱讀數、點贊數、評論數就是數據運營了呢?

做到這一步，頂多算是個數據分析。我們說，數據分析的目的在于通過數據來指導我們的下一步運營手段。如果只是關注數據，輸出分析報告，卻沒有進一步的操作，那先前的分析也只是浪費精力的徒勞。

知己知彼，我們首先來看看招聘部門對數據運營的崗位描述是怎樣的：

某公司數據運營崗位描述

梳理了上圖中的信息量，可以說，數據運營的崗位職責和我們預想的差不多，關鍵詞不外乎指標體系的建立、分析報告的形成以及實際業務的應用。再來看看同一崗位的要求——

某公司數據運營崗位要求

在崗位要求中，1、2兩條對工作年限、職業技能的要求屬于硬實力，而3、4兩條中的數據感知力、邏輯思維能力、分析并解決問題的能力等則屬于個人軟實力，難以測量卻又是數據運營所必須具備的專業素質。

根據數據運營的崗位描述，我們可以將數據運營的具體職責分為數據規劃、數據采集和數據分析。

數據規劃：收集、梳理業務部門的具體數據需求，搭建數據指標體系;

數據采集：采集業務數據，輸出數據報表;

數據分析：根據具體業務場景選擇數據分析方法，輸出數據分析報告并提供解決方案。

由于數據運營對整體運營業務的指導性影響，大部分運營在做有關數據的工作時也可以按照這三個層次來展開。而相對于數據分析師、數據挖掘師來說，數據運營弱化了對編程統計的要求，更加強調在現有工具基礎上靈活使用分析方法。因此，數據運營的首要核心，是關鍵數據指標體系的搭建，數據運營需要和產品、運營、市場等業務部門不斷溝通，做好基本的數據規劃，使得接下來的數據采集和數據分析更有針對性，更加高效。

可以說，數據規劃是整個數據運營體系的基礎，它從指標和維度兩個方面描繪出我們跑出來的數據要能傳遞什么信息。因此，指標設定的邏輯和指標取舍的度量，將會是卓有成效的數據運營區別于ppT演示、Excel報表華麗呈現的核心競爭力。

一、指標體系

我們用各項指標來衡量具體的運營效果，比如UV、DAU、ROI等等。搭建指標體系的過程就是為自家產品和服務選取關鍵性指標的過程，求精不求多。指標的選取源于具體的業務需求，從需求中得出關鍵行為，以關鍵行為對應指標。

以電商網站為例，選擇關鍵性指標的過程如下：

1、明確需求：網站主要業務是銷售商品，需要通過數據分析來提高銷售金額。

2、歸納行為：用戶購買是一連串關鍵行為的結果，包括訪問網站、瀏覽商品、注冊賬號、加入購物車、結算、支付等。

3、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。

在歸納行為這一步我們可以借助漏斗模型，分解用戶的各項關鍵行為。對電商網站而言，銷售金額即是網站的第一重要指標;同時，整個銷售金額的指標體系包括了訪問流量、下單轉化率、支付轉化率和客單價四個可操作的指標。這樣一來，我們對指標的監控就能更有針對性地指向提高銷售金額這一最終目的。

二、維度體系

維度是表示指標細分的屬性，比如人口屬性、設備屬性、行為屬性等等。選擇維度的原則是：記錄那些可能會對指標產生影響的維度。

維度類別

具體維度

人口屬性

性別、年齡、職業、愛好、城市、地區、國家

設備屬性

平臺、設備品牌、設備型號、屏幕大小、瀏覽器類型、屏幕方向

流量屬性

訪問來源、廣告來源、廣告內容、搜索詞、頁面來源

行為屬性

活躍度、是否注冊、是否下單

還是以電商網站為例，我們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。

我曾經基于AARRR模型對網易蝸牛讀書的指標進行如下分析：

現在看來，這也是我們在數據運營中可能會犯的通病：關聯指標過多，找不準關注重心。腦圖中的指標基本覆蓋了用戶運營、內容運營、產品運營的各個方面，但就產品的核心業務邏輯來說，用戶和網易蝸牛讀書的關聯在于，由網易蝸牛讀書向用戶提供正版電子書的閱讀，用戶向網易蝸牛讀書購買閱讀時長。

網易蝸牛讀書-產品業務邏輯

因此，該產品的盈利點就在于用戶發生購買閱讀時長的一系列行為，包括訪問App、登錄/注冊、購買、支付。其對應的指標即：銷售收入=用戶流量×支付轉化率×客單價。

當然，其他指標也是產品運營中不可獲取的數據，比如留存率的高低可以反映出用戶對產品的認可程度，同時留存率也是提高用戶購買率和復購率的關鍵。但通過「明確需求→歸納行為→對應指標」這樣的操作，顯然我們的注意力能更加聚焦到影響實際業務的關鍵性指標上，再從這些關鍵性指標的反饋來剖析哪個環節還有很大的提升空間，哪個流程出了紕漏等等。指標不會是孤立的，我們還要注意各項指標之間的關聯，保證數據收集的有效性，再通過數據采集和數據分析，真正實現數據驅動運營。