作为运营 一定要知道的数据真相包括「数据运营是什么意思」

互联网 2023-03-01 17:45:33

今天给大家普及一下作为运营 一定要知道的数据真相包括「数据运营是什么意思」相关知识,最近很多在问作为运营 一定要知道的数据真相包括「数据运营是什么意思」,希望能帮助到您。

运营人,要学会从数据里发现运营的可优化点,对流量、对人群、对产品进行分层运营,以起到更好的效果。

运营涉及的定义实在是太广又太细了,仿佛方方面面都离不开运营。

我刚做运营的时候,那会儿部门还在建设产品的报表系统,我被抓着做业务报表。你们能理解,一个还没开始做业务的人,一上来就做业务报表并处理业务投诉的那种迷茫吗?

但是,当我渐渐上手,规划了一个又一个报表后,我再接管渠道,没有经历过渡期,直接就上手了。因为通过数据,我已经很了解整个业务的形态,以及业务的需求了。

今天,我想分享作为运营,如何通过数据驱动运营,得到更有效的运营策略。

作为运营,我们每天都跟数据打交道,甚至可以说,渗透到了工作的方方面面。

但是,很多人也会感到迷茫,数据这么多,到底什么情况下应该看什么数据?数据应该怎么分析?怎么分析数据,才能给运营甚至产品带来正面的导向?

为什么要做数据分析?

从宏观角度看,做数据分析可以了解行业环境,知道整个市场有多大,用户总量有多少,同类竞品有多少,用户属性,自己的产品占比等。

从产品角度看, 做数据分析可以更清楚的知道产品的功能表现好不好,有哪些需要改进的地方?

从KPI角度看,做数据分析可以知道有哪些指标没有完成,差距还有多少,怎么做才能按时完成目标?

运营关心的数据指标

在产品运营中,数据的分析,是为了更好的产品体验,更多的在基于产品特性的情况下,满足用户的需求。

那么运营在数据分析中,需要关注哪些指标呢?

如果是靠广告收入(如媒体)盈利的企业,则需要关注的指标是:流量*转化率*单次点击价格。如果是靠佣金收入(如淘宝客)盈利的企业,则需要关注的指标是:GMV*佣金比例。如果是靠订单收入(如电商)盈利的企业,则需要关注的指标是:访客数量uv*转化率*客单价。如果是靠增值服务(如视频会员)盈利的企业,则需要关注的指标是:访客数量uv*转化率*APRU值。

综上所述,运营分析需要关注的通用指标为:

我们再拆分得细致一些,比如,靠订单收入盈利的企业,更细致的数据公式就是:

订购金额=浏览UV*浏览转化率*下单转化率*付款转化率*客单价

大家可以看到,浏览UV对应的其实就是导流,这是运营最需要去关注的,当浏览UV很低的时候,意味着你的产品没有人用。没有人用的原因有很多种,可能是没有人知道,也可能是产品不好用。

这时候,我们就需要警惕,到底问题出在哪里。导流的方式千千万,也就是说,获得流量的渠道非常多种,你必须认识到你的渠道。可以参考波士顿矩阵理论,会把流量渠道分为明星类、瘦狗类、问题类、现金流类,给导流的渠道分类,定义优先级,再去进行不同的运营。

第一类

占比高、转化高的渠道,比如活动运营,就是有效导流的一种方式。

那什么样的活动才能吸引用户?怎么做活动,才能在有限成本的情况下取得最高的效果?

平时我们的活动,我会关注的数据有活动页面打开数等等,活动页面打开数,目的是为了知道活动推广力度,以及活动的受欢迎程度。假如加大力度去推了,但是实际效果却不理想,那有可能是活动不够吸引。

举个例子,我们过年的时候做过一个活动,用户玩游戏可以获得一定的充值折扣。

一直以来,我们做的都是抽奖活动,这次想做个新的尝试—先玩游戏后打折,毕竟经常一个小游戏就可以引爆朋友圈。由于今年是猪年,所以我们做的是“一起来喂猪”的游戏,既呼应猪年这个新年梗,又融合了养成小游戏的玩法。

结果呢,我们耗费了大量的人力去尝试一种新的玩法,用户却不买单。公众号的后台几乎每天至少10条留言是关于,我不就来充个值嘛,你还让我玩游戏,玩就算了,玩完了也就9折而已这类的内容。所以,结合当时的活动页面打开数,到参与活动人数,我们判断,这个活动,并不适合充值的用户玩耍。

新老用户也是如此,假如这个活动最初是为了吸引新用户而做的,结果最后参加的老用户却远远多于新用户,那可以说明,这个活动的设定有问题,没有摸清楚新老用户的脾性。

假如是针对老用户做的活动,那还有一个数据值得关注,那就是留存率。针对老用户做的活动,次月的留存率少得可怜,说明活动的作用有限,没有有效去提高用户的粘性。

前面我说了,我们做的活动,几乎只有一种形式,就是抽奖,设计不同的界面不同的玩法,比如大转盘,比如老虎机,比如福袋等。为什么?

因为从数据分析我们得出,这样的形式,很受用户的欢迎,用户接受这样的形式。用户成功充值后可以领取到不同的红包金额,用于下一次充值抵扣。由于用户成功充值才能获取,下一次使用。也就是说,当我们的活动成本产生时,实际上用户已经充值了至少2笔,这样大大的提高了用户的粘性。而用户本来就是来充值的,你给一定的抵扣券,用户会觉得你让利了,也会积极参与。

第二类

增速慢但是占比高的渠道,我们需要花费更多的精力去培育这些渠道。

比如说,图文推送。

在说图文推送之前,我们先说,什么是用户运营?

顾名思义就是以用户为中心,遵循用户的需求去设置运营活动和规则,制定运营战略与运营目标,最终达到预期所设置的运营目标与任务。

以微信公众号举例,对于微信公众号的运营,我们的触达方式无法就三种,一是图文消息推送,也就是针对所有用户无差别的进行运营;二是模板消息推送,不同的用户收到信息可能完全不一样;三是菜单栏引导。图文推送的特点就是,效果来得快,去得也快。下面这个表,是我们平时的图文消息推送后会看的一些数据。

我一直觉得,数据,并不是简单的罗列,也不是尽可能的多,而是要知道,我们看到的数据,背后的结论是什么?数据怎么引导我们去运营?

下面这个表中,有2个标题我是标红的,大家可以来看一下。其实这2篇推文讲的内容意思是一样的,就是充值达到一定的金额后,就能获得对应的奖品。这2个标题推送位置一致,推送时间差不多,都是在早上的11点左右,但是推送的日期不一样。

我们先看最后一个标题—9350个流量币,对于我们自己而言,一看就知道说的是可以兑换实物的一种虚拟券类,但是,站在用户的角度去思考,有多少用户知道流量币是什么?对于大部分用户而言,这个名词,他们没有任何感知。所以,同样的内容,当标题换成“9G流量”后,阅读量翻了接近10倍。这就是数据分析的意义。

通过对每一期图文推送的数据分析,我们得到了一些针对我们公众号的结论,比如,我们尝试过周一-周日不同时间段去推送,是的,你没看错,为了得到有效的结论,我们周六日也试过推送。

有一年除夕,大家欢腾的团圆的时候,我绞尽脑汁儿写了篇我以为是文艺与情感兼得、图文并茂的文章,记录了从小到离家后一个个与父母相处的片刻时光。结果,阅读量是4万,留言22,分享55。

可以说,这是我运营公众号以来,写过最走心的一篇文章,我简直要沉浸在大伙儿看完后产生了无数共鸣,最后买买买来报答我的意淫中了。

然而,事实上,阅读量不是最多的一次,留言和分享也表现平平。最尴尬的是收入,简直不敢说这是做了一个活动。换言之,往往我们觉得好的,用户未必会买单。这时候,数据的作用就体现出来了。

总之,作为充值类产品的公众号推文,我们通过长期的实践以及数据分析中,得到的一些结论就是:

每周五上午11点-12点推送,效果会最好。假期前夕推流量,比话费效果好。月底推话费,比月初效果好,8-10日推话费,效果最好。用户随便一瞄就能看完并理解的标题,更吸引点击。第三类

更差的一些引流方式了,就是边角料。

针对这些方式,我会选择性的去优化,有时间的时候会去琢磨,没有时间则放弃,减少人力成本。

订购转化率,假如下单转化率是不错的,但到付款转化率却比较低,就有可能是产品的支付方式或支付步骤,给了用户一定的门槛。

像3月初的时候,我们的付款转化率一下子就掉到了10%左右,也就是说,100个用户下了单,最后成功付款的用户就10个。这个转化率低得吓人,我们一查,发现是因为我们因为支付汇率的影响把所有支付方式都下了,只保留了一个汇率很低的支付方式,但是很多用户并没有关联这种支付方式,如果要购买,则需要注册一种新的支付方式,无异于提高了用户的支付门槛。

后来我们保留了汇率低的支付方式,也把热门的支付方式重新上线,但是默认汇率低的支付方式为第一选择,付款转化率一下子到了65%左右。

对比前面的10%,看起来是不是很不错?

但是,我们在分析对比历史数据的时候发现,以前默认最热门的支付方式作为付款第一选择时,付款转化率达到80%。所以,看起来这么简单的一个调整,却造成了非常大的影响。

客单价,则受到产品属性以及推广的影响。

举个例子,一个产品有不同的规格,默认的规格是100元的,则用户下单最多的也是100元;夏天的时候,连衣裙的订购量比较多,冬天的时候,则大衣的订购量比较多。当然,如果完全不按照规则走,比如夏天反季清仓大衣,即使大肆推广,效果也非常有限。

所以说,每天观察数据,根据数据并结合用户的使用行为,去调整运营策略,往往很小的运营手段,也有可能达到事半功倍的效果。

三、如何做运营分析?

看到这里,我相信大家对运营数据分析的重要性,已经有很清楚的认知了。

那么,如何做运营数据分析呢?

在我们策划执行一个运营策略之前,我们要先梳理清楚流程,明确运营目标,理清运营动作,并最终将梳理的结果体现在报表中。比如要做一个活动,我们关注的数据有哪些?这个在前文已经说过,就不再赘述。明确需要关注的数据,方便在执行过程中实时监测,及时发现问题。

当我们梳理好了需要关注的数据后,就需要监控指标。通过报表中的日常数据,理清这个运营动作的全貌,及时发现异常,并找到异常的原因。

出现异常时,如何找到问题点呢?

一般分为以下几个点:定位问题→拆解问题→提出假设→分析验证→结论呈现。

定位问题,其实比较容易,数据中哪个环节出现了异常,就可以锁定那个环节了。接下来就是拆解问题,一步步拆解分析之后,挖掘出变化异常的原因,再一步步验证,最后得到结论并指导下一步的运营动作。

举个例子:

12月1日,网站的订购量突然增长了50%,那我们看一下数据,从订购量分拆,是渠道订购量增长,还是转化率提高,还是人均订购笔数增加?

再一层层分拆下去,发现是某一篇最近写的文章阅读量破了10W,而平时的文章阅读量只有不到1W,因此推断是文章带来的引流效果。

那接下来,继续分析,是什么类型文章,吸引了这么多的用户,跟平时的文章主题有什么区别?

一层层抽丝剥茧之后,发现是娱乐主题带来的效果,因为推送的是跟娱乐相关的产品,主题呼应,达到了非常好的效果。当我们从数据得到了这个结论后,以后推送不同的产品,就可以相对应的往相关主题里靠拢,以便达到更好的导流效果。

当我们已经找到了问题之后,接下来就是提供运营建议了。

如3的例子,我们定位订购量增长是因为广告文章导流效果好。那我们就需要验证一下是否真的是这个原因导致的。

首先,对12月1日的订购用户进行用户分层,通过RFM模型,建立用户标签,再回过头验证我们最初的设想—文章主题与推广内容一致。比如,再次推送同类型主题,看看阅读量和转化效果是否还是这么好?或者,看看新老用户占比,假如老用户占比大,说明可能不是靠文章导流的效果。因为用户分层涉及到另一个比较复杂的运营手段,这里就不一一描述。

整个运营动作结束后,需要进行效果评估。

效果评估主要从以下几个维度进行评估:与自身比较、与目标比较、与往期同类运营动作比较、与同期其他运营动作比较、与行业基准数据比较……根据这一系列的维度分析后,得出最后的经验总结,为下一次运营动作打下铺垫。

综上所述,我们可以看到,数据分析,可以说是运营中必不可少的环节。

通过数据,可以对流量、对人群、对产品进行分层运营,以起到更好的效果。

作者:岑小晶,某运营商运营经理,6年产品运营经验,曾策划过千万级流水的营销活动。

本文由 @岑小晶 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自unsplash,基于CC0协议