欢迎光临智优营家官方网站!

您贴身的
网络运营管家

 智优学院  / 内容运营 点击返回 > >

精细化管理——利用数据驱动运营!

来源:智优营家    发布日期:2020-02-20    关注:

很多运营同学都会觉得做运营是一件很苦的事情,重复地做着别人眼里没有技术含量的事儿。但运营真的就只是打杂的吗?本文中,我将结合自身数据运营经验分享一套通过精细化运营驱动产品增长的“组合拳”,帮助大家学会将“运营工作中纷乱繁杂的点串联成线,发挥出运营的效果”。

一、什么是运营?

围绕产品进行的推广、促活、拉新等一切干预手段都属于运营。用现在的话说就是“帮产品搞事情”。

运营“搞事情”的目的有2点:

让产品活的更久:活的久是要延长产品的生命周期,延长用户的生命的周期,更受用户喜欢。

让产品活的更好:活的更好就是通过广告、用户主动付费等方式获得收入,带来商业价值。

做运营就像是(产品)和用户在交朋友。终极目标是构建产品和用户之间的情感链接。

二、什么是精细化运营?

所谓的精细化运营是一种建立在数据基础上的思维方式——用较少的成本获得较好的效果。
 

精细化管理,运营

随着数据时代的来临,以前的粗放式管理已不再适应潮流,我们需要进行精细化管理,特别是以C端为驱动的运营模式,每一个运营的细节都离不开数据的支撑。

1、搭建数据指标体系

首先我们要搭建一套比较完善的数据指标体系。其实搭建数据指标体系,就是在梳理我们的分析思路,很多人在做数据分析时,经常会不知道从哪方面入手,分析的内容和指标也会比较散乱,因此也会被人质疑分析结果是否正确。所以搭建一套完善数据运营指标体系是非常有必要的,它可以帮助我们理顺思路,确保数据分析结构体系化、数据分析维度的完整性以及为后续数据分析的开展指引方向。

2、如何设计数据指标体系

指标是连接问题和数据的纽带,只有选择合适的指标才能充分反映问题,一个好的指标是要可量化、易观测的;那么如何来搭建数据指标体系呢?我们可以通过一些营销的管理模型来设计数据指标体系,例如5W2H分析法、4P分析理论、用户生命周期、逻辑树分析法等。

当然相应的分析模型肯定要结合实际业务模式和分析目的来进行,没有业务逻辑的数据分析是不会产生任何价值的。

例如,互金行业中的数据指标体系,我们可以根据用户生命周期来进行搭建。

数据指标体系设计完成后,我们就可以根据用户在不同阶段不同场景下,通过埋点事件来设计数据采集方案,这其实是通过业务驱动指标设计,再驱动数据收集的过程。
 
精细化管理,运营

三、数据驱动运营增长

那获取到用户数据后,我们要如何应用数据,让数据产生价值呢,我们主要通过以下三方面来进行描述。

1、用数据优化运营策略

通过用户行为数据收集之后,我们就可以知道在运营活动当中,用户浏览注册下载绑卡投资的转化率是多少,每个产品页面浏览时长,浏览次数是多少,首投人数、投资金额等;但数据是要结合业务场景,进行汇总对比分析,才会有意义的,否则就仅仅是数字而已。

例如我们常见的漏斗分析法,当我们发现用户的投资转化率有30%,这样一看,转化率好像还挺高的,但如果我们跟其他类似产品相对比,跟同环节不同细分用户群相对比,发现其他类似产品或其他细分用户群的转化率是40%,我们才知道这环节上还有很大的优化空间在。

2、利用数据验证运营策略

在互联网产品运营当中,我们经常会遇到多个产品设计和运营方案的选择,甚至于界面按钮颜色一句文案的不同也会有争议,虽然相对于整个运营方案来说,这只是一个细节问题,但对于C端用户来说,往往就是细节决定一切,在这个信息泛滥的时代,往往争取的就是你能不能在第一时刻进入用户的心里。

这时我们可以采取A/B测试,在一切条件都相同的前提下,只有一个变量不同,利用数据来告诉我们那种方案比较可行,让数据来验证运营策略是否正确,降低试错成本;当然在进行A/B测试时,数据量和数据密度不要太低,以及要有足够的时间进行测试,不然是比较难得到统计结果的。

举个例子,蚂蚁财富app,在引导新用户转化为首投用户时,采取了进度条的展示形式,主要目的就是为了制造紧迫感,虽然是利用用户心理层面因素,但展现形式却有多种。

上面这两种进度条的设计,第一种是利用用户焦虑、恐慌的情绪,让用户觉得在不进行抢购就没有了;第二种则是利用用户大众心理,抢购的人数这么多,那自己是否也可以跟着试试看;这两种设计,各有其考虑的因素,很难说那种会比较好,这时候就可以使用A/B测试,让数据来进行验证。

3、利用数据指导运营策略

数据与数据之间都是有关联的,如果你不知道,那只是你还没有发现它们之间的关联关系而已,当一个商业目标对多种行为、画像等信息有关联时,我们就可以通过数据挖掘手段进行数据建模,来预测用户的下一步行为,从而针对性的提出运营解决方案。

例如关于新用户流失严重问题,我们可以采取聚类算法,建立用户流失预测模型,通过数据刻画出流失用户的画像信息,有什么属性特征、行为特征以及流失周期是多长,这样我们可以更加准确的抓住具有潜在流失倾向的用户。

像互金行业,关于用户流失预测模型,我们就可以从用户的投资行为、在投资金以及流失周期来进行构建。

从上面,我们可以看出预流失用户的行为倾向是:近期内无投资行为、有在投资金但想提现的用户,那针对这部分用户,我们就要采取一些留存激活策略了。

数据分析可以给我们提供有效信息,指导营销决策,但也不要迷信数据,要换位思考,这样数据才能发挥其真正价值。