
一個(gè)優(yōu)秀的運(yùn)營應(yīng)該具備的四種數(shù)據(jù)分析能力
運(yùn)營是一門藝術(shù),更是一門技術(shù)。過去,“流量為王”的理念使得運(yùn)營人員的職責(zé)聚焦在拉新上。但是近幾年,流量成本不斷攀升,客觀上要求我們進(jìn)行精細(xì)化運(yùn)營,用最少的錢辦盡可能多的事。隨著市場環(huán)境的變化,運(yùn)營的渠道和方式不斷增加,運(yùn)營有了更加細(xì)致的分類。如何用數(shù)據(jù)分析來解決流量運(yùn)營、用戶運(yùn)營、產(chǎn)品運(yùn)營和內(nèi)容運(yùn)營中的增長問題,今天我們將和大家分享GrowingIO在數(shù)據(jù)運(yùn)營方面的實(shí)戰(zhàn)心得。
一、流量運(yùn)營:多維度分析,優(yōu)化渠道
流量運(yùn)營主要解決的是用戶從哪里來的問題。過去粗放式的流量運(yùn)營,僅僅關(guān)注PV、UV等虛榮指標(biāo),這是遠(yuǎn)遠(yuǎn)不夠的。
1.流量概覽指標(biāo)體系
我們需要通過多維度指標(biāo)判斷基本的流量情況,包括量級指標(biāo)、基本質(zhì)量指標(biāo)和來訪用戶類型占比指標(biāo)。量級指標(biāo)涉及不同平臺,Web端主要看訪問量、PV和UV,APP主要看啟動(dòng)次數(shù)、DAU和NDAU?;举|(zhì)量指標(biāo)包括用戶的平均訪問時(shí)長、平均一次會話瀏覽頁數(shù)(即訪問深度)和跳出率等,通過這些指標(biāo)可以判斷用戶的活躍度。產(chǎn)品的生命周期模型廣泛應(yīng)用在互聯(lián)網(wǎng)運(yùn)營中,在不同的產(chǎn)品生命周期中,訪客的類型一定有差異。
通過【概覽】頁面,運(yùn)營人員清楚掌握流量指標(biāo)及其變化趨勢,可以很好的評估過去的工作以及預(yù)測未來的流量走向。
2.多維度的流量分析
在網(wǎng)站流量分析中,主要包括訪問來源、流量入口(落地頁)、廣告(搜索詞)等角度。
首先,訪問來源包括直接訪問、外鏈、搜索引擎和社交媒體等。在這個(gè)分析框架下,需要一層一層拆解,具體到每一個(gè)渠道進(jìn)行流量分析。
以GrowingIO的博客為例,這是一個(gè)內(nèi)容運(yùn)營的子站,上面有很多數(shù)據(jù)分析和增長黑客的文章。我們通過訪問來源分析發(fā)現(xiàn),相比于其他渠道,從微博過來的用戶數(shù)量和質(zhì)量都偏低。在運(yùn)營資源有限的情況下,我們可以重新規(guī)劃一下媒體推廣的策略,把精力放到高質(zhì)量渠道上。
其次,落地頁的分析對流量來說也是至關(guān)重要,因?yàn)槁涞仨撌怯脩舻竭_(dá)你網(wǎng)站的入口。如果用戶被導(dǎo)入到無效或者不相關(guān)的頁面,一般會有較高的跳出率。
最后,廣告投放也是目前流量運(yùn)營的重要部分。一般涉及到的廣告分析包括廣告來源、廣告內(nèi)容、廣告形式(點(diǎn)擊、彈窗、效果引導(dǎo))和銷售分成等,我們通過多維度的分析來優(yōu)化廣告投放。
上面的三個(gè)因素主要是在web端的分析,對于APP分析,需要考慮分發(fā)渠道和app版本等因素。
3.轉(zhuǎn)化漏斗分析
在增長模型中,流量進(jìn)入后,還需要進(jìn)一步激活和轉(zhuǎn)化。激活在每個(gè)產(chǎn)品中的定義是不一樣,無論如何,激活是需要一定的流程和步驟的。我們通過轉(zhuǎn)化漏斗,可以發(fā)現(xiàn)每一步。
以上圖為例,我們分別對轉(zhuǎn)化的每一步進(jìn)行分析,分析左側(cè)的漏斗發(fā)現(xiàn)第一步到第二步的流失率最高,需要針對性優(yōu)化。右側(cè)對不同渠道進(jìn)行轉(zhuǎn)化率分析,發(fā)現(xiàn)總體轉(zhuǎn)化率為8%,但是來至百度品牌專區(qū)(bzclk.baidu.com)的轉(zhuǎn)化率高達(dá)44%,其他渠道的轉(zhuǎn)化率不足3%。有了各個(gè)渠道的轉(zhuǎn)化率數(shù)據(jù),我們可以針對性優(yōu)化渠道運(yùn)營策略。
4.渠道優(yōu)化配置
在進(jìn)行一系列的流量分析和轉(zhuǎn)化分析后,我們可以進(jìn)行相對應(yīng)的策略制定,具體方式包括搜索詞、落地頁、廣告投放優(yōu)化等等。
對于成本低、質(zhì)量高的渠道需要加大投放,對于成本高、質(zhì)量高的渠道需要評估成本,對于質(zhì)量低的渠道也需要做好評估??傮w上,根據(jù)成本、流量轉(zhuǎn)化等綜合情況,對渠道配置進(jìn)行整體管理和調(diào)優(yōu)。
二、用戶運(yùn)營:精細(xì)化運(yùn)營,提高留存
如果說流量運(yùn)營解決的是用戶從哪里來的問題,那么用戶運(yùn)營就是建立和維護(hù)與用戶的關(guān)系。
1.精細(xì)化運(yùn)營
用戶在產(chǎn)品上的交互行為很多,我們可以通過用戶的行為對用戶進(jìn)行分類;然后根據(jù)不同群體的特征,進(jìn)行精細(xì)化運(yùn)營,促進(jìn)用戶的回訪。
以論壇為例,用戶在論壇上的行為包括:訪問、瀏覽帖子;回復(fù)、評論;發(fā)帖;轉(zhuǎn)發(fā),分享等等。我們對用戶的每一類行為建立行為指數(shù),例如根據(jù)用戶的轉(zhuǎn)發(fā)、分享等行為建立“傳播行為指數(shù)”,通過這些指數(shù)給用戶分類。如此一來,論壇上的用戶被分為4個(gè)維度:A瀏覽類、B評論類、C傳播類和D內(nèi)容生產(chǎn)類。用戶可能只有一個(gè)標(biāo)簽指數(shù),也可能很跨多個(gè)指數(shù)維度。
用戶運(yùn)營中,可以根據(jù)這些標(biāo)簽進(jìn)行分類。比如UGC論壇,需要保持D類(內(nèi)容生產(chǎn)類)用戶的活躍度和增長率;同時(shí)在論壇推廣傳播中,需要對C類(傳播類)用戶進(jìn)行刺激,擴(kuò)大內(nèi)容的傳播力和影響力。
2.提高用戶的留存
互聯(lián)網(wǎng)產(chǎn)品一般都關(guān)注用戶的留存,只有用戶留下來了,才能進(jìn)一步去推動(dòng)變現(xiàn)和傳播。留存分析一般采用組群分析法,即對擁有相同特征的人群在一定時(shí)間范圍內(nèi)進(jìn)行分析。
上圖展示的留存圖,橫向比較展示了每周新增用戶在后續(xù)各周的留存率,豎向比較展示了不同周的新用戶在今后一段時(shí)間的留存表現(xiàn)。
留存時(shí)間及周期,和產(chǎn)品體驗(yàn)完整周期有關(guān),不同的業(yè)務(wù)和產(chǎn)品一般有著不同的時(shí)間群組劃分方法。比如高品類產(chǎn)品的日留存更好反映用戶與產(chǎn)品的關(guān)系,而工具類的周留存就比日留存更加具有業(yè)務(wù)意義。
通過時(shí)間維度的分析發(fā)現(xiàn)用戶留存的變化趨勢,通過行為維度的分析發(fā)現(xiàn)不同群組用戶的差異,找到產(chǎn)品或運(yùn)營的增長點(diǎn):這是用戶運(yùn)營非常重要的一點(diǎn)。
三、產(chǎn)品運(yùn)營:用數(shù)據(jù)來分析和監(jiān)控功能
產(chǎn)品運(yùn)營是一個(gè)非常大的話題,很多運(yùn)營和產(chǎn)品都是圍繞產(chǎn)品來做的;下面我們就產(chǎn)品功能的分析和監(jiān)控進(jìn)行討論。
1.監(jiān)測異常指標(biāo),發(fā)現(xiàn)用戶對你產(chǎn)品的“怒點(diǎn)”
產(chǎn)品大的流程中,存在很多小的功能點(diǎn),用戶的體驗(yàn)就是建立在這些小的功能點(diǎn)上;就是這些小的功能點(diǎn)的使用情況,成為我們每一步轉(zhuǎn)化的關(guān)鍵。
以注冊流程為例,一般需要手機(jī)驗(yàn)證。發(fā)送驗(yàn)證碼是其中一個(gè)關(guān)鍵的轉(zhuǎn)化節(jié)點(diǎn);當(dāng)用戶點(diǎn)擊重新發(fā)送的次數(shù)激增時(shí),可能意味著我們的這個(gè)功能點(diǎn)存在一定問題。而這就是用戶”怒點(diǎn)“所在,無法及時(shí)收到手機(jī)驗(yàn)證碼。
通過對關(guān)鍵指標(biāo)的監(jiān)測,便于我們及時(shí)發(fā)現(xiàn)問題所在,及時(shí)修復(fù)。
2.通過留存曲線檢驗(yàn)新功能的效果
對于上線一段時(shí)間的產(chǎn)品,有時(shí)候會添加新功能。上線后,需要評估新功能的效果,是否滿足用戶的核心需求,能否給用戶帶來價(jià)值。
通過留存曲線,我們不難發(fā)現(xiàn)該新功能第一天使用過的人之后持續(xù)使用的比例很低,這說明此功能并沒有很好地解決用戶問題;這提醒我們需要對新上線的功能進(jìn)行重新思考。
四、內(nèi)容運(yùn)營:精準(zhǔn)分析每一篇文章的效果
什么是內(nèi)容運(yùn)營?很多人認(rèn)為,內(nèi)容運(yùn)營就是編輯文章、發(fā)帖子,其實(shí)這是片面的。
在做內(nèi)容運(yùn)營之前,需要明白你的內(nèi)容是作為一個(gè)產(chǎn)品(如知乎日報(bào))出來,還是產(chǎn)品的一個(gè)輔助功能。只有明白自己的定位,才能清晰目標(biāo)。為了擴(kuò)大內(nèi)容運(yùn)營的效果,我們需要對用戶的需求進(jìn)行分析,例如用戶感興趣的內(nèi)容、內(nèi)容閱讀和傳播的比例等。
1.基于內(nèi)容的推薦
以GrowingIO 的技術(shù)博客為例,該博客屬于PGC模式。博客中的內(nèi)容有不同分類,為了降低用戶獲取信息的成本,我們在博客首頁設(shè)計(jì)了不同板塊的入口,包括左側(cè)分類導(dǎo)航、中部文章推薦和右側(cè)熱點(diǎn)推薦。
我們發(fā)現(xiàn)用戶主要通過左側(cè)的導(dǎo)航欄和中間的推薦閱讀文章,較少點(diǎn)擊右側(cè)的熱點(diǎn)推薦。所以,在移動(dòng)端的始終,我們?nèi)∠擞覀?cè)的熱點(diǎn)推薦,僅保留了分類導(dǎo)航和中間的推薦。既節(jié)省了空間,又最大化滿足了用戶的內(nèi)容需求。
同時(shí),我們也對分類導(dǎo)航欄的內(nèi)容進(jìn)行了分析,發(fā)現(xiàn)用戶對【案例分析】的內(nèi)容最感興趣,這對我們今后的內(nèi)容選擇是一個(gè)非常好的啟發(fā)。
2.基于用戶的推薦
內(nèi)容運(yùn)營中的推薦,有時(shí)候和用戶的精細(xì)化運(yùn)營息息相關(guān)。每一個(gè)用戶,都有自己喜歡的內(nèi)容和類別,當(dāng)我們根據(jù)用戶的興趣傾向進(jìn)行推送的時(shí)候,效率肯定會更高。
同樣以GrowingIO的博客為例,我們通過對訪問用戶的文章點(diǎn)擊情況進(jìn)行統(tǒng)計(jì),得到了上述表格的結(jié)果。顯然,用戶8對”增長秘籍“有著自己的偏好,用戶6、7、9對”案例分享“文章更青睞。那么在實(shí)際的內(nèi)容推送中,我們可以對用戶8推送增長秘籍類文章,向用戶679推送案例分析的文章,其他用戶無差別推送。
數(shù)據(jù)驅(qū)動(dòng)的精細(xì)化運(yùn)營
近年來流行的“Growth Hacker”的核心,其本質(zhì)就是通過技術(shù)創(chuàng)新和數(shù)據(jù)分析,實(shí)現(xiàn)精細(xì)化運(yùn)營,達(dá)到增長的目的。一個(gè)優(yōu)秀的運(yùn)營人員,應(yīng)該具備數(shù)據(jù)驅(qū)動(dòng)的思維,掌握一定的數(shù)據(jù)分析工具。在實(shí)際業(yè)務(wù)工作中,不斷從數(shù)據(jù)中提出問題,不斷嘗試,用數(shù)據(jù)來優(yōu)化運(yùn)營策略,進(jìn)而實(shí)現(xiàn)客戶和業(yè)務(wù)的增長。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11