99久久精品国产免费看,女人张开腿桶进牛鞭,欧洲美女黑人粗性暴交

99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

從零開始，構(gòu)建數(shù)據(jù)化運(yùn)營體系

2017-02-13

數(shù)據(jù)化運(yùn)營是一個近年來興起的概念，它在運(yùn)營的基礎(chǔ)上，提出了以數(shù)據(jù)驅(qū)動決策的口號。

在了解數(shù)據(jù)化運(yùn)營前，運(yùn)營們有沒有過如下的問題：

· 不同渠道，效果究竟是好是壞？
· 活躍數(shù)下降了，到底是因?yàn)槭裁丛颍?/span>
· 這次活動推廣成效如何？
· 發(fā)布了版本，用戶喜不喜歡？
· 我們總是說傳播，傳播到底有多大？

這是產(chǎn)品和運(yùn)營每天每時(shí)每刻都會遇到的問題。數(shù)據(jù)化運(yùn)營，實(shí)際以解決這些問題為根本。它從來不是 BAT 的專屬，也不是大數(shù)據(jù)的獨(dú)寵，每一家互聯(lián)網(wǎng)公司，都有適合的數(shù)據(jù)運(yùn)營土壤。

數(shù)據(jù)運(yùn)營體系，是數(shù)據(jù)分析的集合與應(yīng)用，也是數(shù)據(jù)先行的戰(zhàn)略，它不僅是運(yùn)營人員的工作，也是產(chǎn)品、市場和研發(fā)的共同愿景。從管理角度，是自上而下的推動，如果領(lǐng)導(dǎo)不重視，那么執(zhí)行者數(shù)據(jù)用得再好，也是半只腿走路。

如何構(gòu)建數(shù)據(jù)化運(yùn)營體系呢？以下是我的總結(jié)思考。

我將數(shù)據(jù)化運(yùn)營體系劃分成四層架構(gòu)，每一層架構(gòu)都逐步演進(jìn)互相依賴，每一層又不可缺少。這四層分別是數(shù)據(jù)收集層，數(shù)據(jù)產(chǎn)品層，數(shù)據(jù)運(yùn)營層，用戶觸達(dá)層。它是以運(yùn)營人員為視角的框架。

丨數(shù)據(jù)收集層

數(shù)據(jù)化運(yùn)營體系的底層是數(shù)據(jù)收集，數(shù)據(jù)是整個體系中的石油。

數(shù)據(jù)收集的核心是盡可能收集一切的數(shù)據(jù)，它有兩個原則：宜早不宜晚，宜全不宜少。

宜早不宜晚，意思是產(chǎn)品從創(chuàng)立階段，就需要有意識的收集數(shù)據(jù)，而不是等到公司發(fā)展到 B 輪、C 輪才去收集。數(shù)據(jù)化運(yùn)營貫徹產(chǎn)品全階段，不同階段有不同的運(yùn)營方法。

宜全不宜少，指的是只有不合適的數(shù)據(jù)，而沒有爛數(shù)據(jù)。像歷史數(shù)據(jù)、變更記錄或者細(xì)節(jié)處的數(shù)據(jù)，都存在價(jià)值。

舉一個例子，有一家金融產(chǎn)品，它的征信系統(tǒng)會詳細(xì)記錄用戶的行為，用戶在借貸時(shí)上傳擔(dān)保資料，會記錄用戶在這些頁面的操作步驟和時(shí)間。這里有一個假設(shè)，上傳擔(dān)保資料普通人一定是謹(jǐn)慎小心的，如果這步驟完成的非常順暢快速，很可能是會違約和欠款的人群：你操作那么溜，是不是想撈一筆？屬于熟練工作案。征信系統(tǒng)會把這些數(shù)據(jù)作為特征判斷風(fēng)險(xiǎn)。

需要收集的數(shù)據(jù)能劃分成四個主要類型：行為數(shù)據(jù)、流量數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、外部數(shù)據(jù)。

1.行為數(shù)據(jù)

它是記錄用戶在產(chǎn)品上一系列操作行為的集合，按時(shí)間順序記錄。用戶打開 APP，點(diǎn)擊菜單，瀏覽頁面是行為；用戶收藏歌曲、循環(huán)播放歌曲，快進(jìn)跳過歌曲是行為。

行為數(shù)據(jù)的核心是描述哪個用戶在哪個時(shí)間點(diǎn)、哪個地方，以哪種方式完成了哪類操作。

我們可以利用其分析用戶的偏好，頁面停留時(shí)間的長短，瀏覽的頻繁程度，點(diǎn)贊與否，都可以成為依據(jù)。另外一方面，用戶行為也是用戶運(yùn)營體系的基礎(chǔ)，按不同行為，如購買、評論、回復(fù)、添加好友等，劃分出不同梯度，定義核心用戶、重要用戶、普通用戶、潛在用戶的分層。

行為數(shù)據(jù)通過埋點(diǎn)技術(shù)收集。埋點(diǎn)有不同種的實(shí)現(xiàn)方式，采集到的數(shù)據(jù)內(nèi)容倒是沒有差別，主要以用戶 ID，用戶行為，行為時(shí)間戳為最主要的字段。用表格畫一個簡化的模型：

useId 用來標(biāo)示用戶唯一身份，通過它來確定具體是誰，理解成身份證號就行。active 就是具體操作的行為，需要在技術(shù)層面設(shè)置和定義，timestamp 就是發(fā)生行為的時(shí)間點(diǎn)，我這里只精確到分，一般會精確到毫秒。用戶的行為記錄應(yīng)該詳細(xì)，比如瀏覽了什么頁面，此時(shí)頁面有哪些元素（因?yàn)樵厥莿討B(tài)的，比如價(jià)格），它是半結(jié)構(gòu)化的 NoSQL 形式，我這里簡化了。

有時(shí)候?yàn)榱思夹g(shù)方便，行為數(shù)據(jù)只會采集用戶在產(chǎn)品瀏覽的頁面，像點(diǎn)擊、滑動這類操作不記錄。屬于折衷的方法。

除此以外，行為數(shù)據(jù)還會記錄用戶設(shè)備、IP 、地理位置等更詳細(xì)的信息。不同設(shè)備的屏幕寬度不一樣，用戶交互和設(shè)計(jì)體驗(yàn)是否會有差異和影響，怎么拿來分析？這也是數(shù)據(jù)化運(yùn)營的應(yīng)用之一，是宜全不宜少的體現(xiàn)。

2.流量數(shù)據(jù)

流量數(shù)據(jù)是行為數(shù)據(jù)的前輩，是 Web1.0 就興起的概念。它一般用于網(wǎng)頁端的記錄，行為數(shù)據(jù)在產(chǎn)品端。

流量數(shù)據(jù)和行為數(shù)據(jù)最大的差異在于，流量數(shù)據(jù)能夠知道用戶從哪里來，是通過搜索引擎、外鏈還是直接訪問。這也是 SEO、SEM 以及各渠道營銷的基礎(chǔ)。

雖然現(xiàn)在是移動時(shí)代，Web 時(shí)代的流量數(shù)據(jù)并不過時(shí)。比如微信朋友圈的內(nèi)容都是 HTML頁面，活動運(yùn)營需要基于此統(tǒng)計(jì)效果，我們可以把它看作一類流量數(shù)據(jù)。另外，不少產(chǎn)品是原生 +Web 的復(fù)合框架，內(nèi)置的活動頁大多通過前端實(shí)現(xiàn)，此時(shí)即算行為，也算流量數(shù)據(jù)，當(dāng)我們將活動頁發(fā)送到朋友圈時(shí)，相應(yīng)的統(tǒng)計(jì)只能依賴基于前端的流量數(shù)據(jù)來采集了。

流量數(shù)據(jù)是基于用戶訪問的網(wǎng)頁端產(chǎn)生。主要字段為用戶 ID 、用戶瀏覽頁面、頁面參數(shù)、時(shí)間戳四類，簡化模型如下。

url 是我們訪問的頁面，以 ***.com/*** 形式記錄，param 是描述這個頁面的參數(shù)，我們在頁面上的搜索、屬性信息會以參數(shù)的形式記錄。和行為數(shù)據(jù)一樣，如果流量數(shù)據(jù)需要更詳細(xì)的統(tǒng)計(jì)，也是以半結(jié)構(gòu)化為佳，囊括操作記錄。

它是活動及內(nèi)容運(yùn)營的好基友，活動的轉(zhuǎn)化率，文章被發(fā)到朋友圈的閱讀量等，都是作為流量數(shù)據(jù)被記錄。主要通過 JS 采集。

流量數(shù)據(jù)的統(tǒng)計(jì)已經(jīng)比較成熟，Google Analytics 和百度統(tǒng)計(jì)都是知名的第三方工具，最為常用。不過它們不支持私有化的部署，只能提供統(tǒng)計(jì)，我知道這個頁面有 100 人訪問，但這一百人是誰不能定位，數(shù)據(jù)也無法記錄在數(shù)據(jù)庫中，這對數(shù)據(jù)化運(yùn)營是一種麻煩。一些新式的工具則能支持這種更精細(xì)的需求，不過要收費(fèi)。

如果有可靠和先進(jìn)的技術(shù)手段，我們是能做到將行為數(shù)據(jù)和流量數(shù)據(jù)統(tǒng)一到一起，這是未來的趨勢。

3.業(yè)務(wù)數(shù)據(jù)

業(yè)務(wù)數(shù)據(jù)在產(chǎn)品運(yùn)營過程中伴隨業(yè)務(wù)產(chǎn)生。比如電商產(chǎn)品，我進(jìn)行了促銷，多少用戶領(lǐng)取了優(yōu)惠券，多少優(yōu)惠券被使用，優(yōu)惠券用在哪個商品上，這些數(shù)據(jù)和運(yùn)營息息相關(guān)又無法通過行為和流量解釋，那么就歸類到業(yè)務(wù)數(shù)據(jù)的范疇。

庫存、用戶快遞地址、商品信息、商品評價(jià)、促銷、好友關(guān)系鏈、運(yùn)營活動、產(chǎn)品功能等都是業(yè)務(wù)數(shù)據(jù)，不同行業(yè)的業(yè)務(wù)數(shù)據(jù)是不一樣的，業(yè)務(wù)數(shù)據(jù)沒有固定結(jié)構(gòu)。

業(yè)務(wù)數(shù)據(jù)需要后端研發(fā)進(jìn)行配置，因?yàn)榻Y(jié)構(gòu)不能通用化，最好提前和研發(fā)們打聲招呼提下需求。

行為數(shù)據(jù)、流量數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)構(gòu)成了數(shù)據(jù)來源的三駕馬車。統(tǒng)稱為原始數(shù)據(jù)，指沒有經(jīng)過任何加工。

4.外部數(shù)據(jù)

外部數(shù)據(jù)是一類特殊的數(shù)據(jù)，不在內(nèi)部產(chǎn)生，而是通過第三方來源獲取。比如微信公眾號，用戶關(guān)注后我們就能獲取他們的地區(qū)、性別等數(shù)據(jù)。比如支付寶的芝麻信用，很多金融產(chǎn)品會調(diào)用。還有公開數(shù)據(jù)，像天氣、人口、國民經(jīng)濟(jì)的相關(guān)指標(biāo)。

另外一種外部數(shù)據(jù)的獲取方式是爬蟲，我們可以爬取豆瓣電影評分、微博內(nèi)容、知乎回答、房地產(chǎn)信息為我們所用。第三方不可能支持你獲取，很多時(shí)候會有防爬蟲機(jī)制。它需要一定的技術(shù)支持，不屬于穩(wěn)定輕松的來源。

外部數(shù)據(jù)因?yàn)橘|(zhì)量難以保證，更多是一種參考的作用，不像內(nèi)部數(shù)據(jù)能產(chǎn)生巨大的作用。

這四類數(shù)據(jù)構(gòu)成了數(shù)據(jù)化運(yùn)營的基石。隨著互聯(lián)網(wǎng)公司數(shù)據(jù)化水平的提高，能夠利用的數(shù)據(jù)越來越多。數(shù)據(jù)結(jié)構(gòu)逐步從 SQL 到 NoSQL；信息源更加豐富，圖形和聲音數(shù)據(jù)越來越多；技術(shù)由單服務(wù)器演變成分布式；響應(yīng)從離線批處理到實(shí)時(shí)流式，都是數(shù)據(jù)收集的挑戰(zhàn)。

當(dāng)我們有了數(shù)據(jù)以后，進(jìn)入下面一層，數(shù)據(jù)產(chǎn)品層。

丨數(shù)據(jù)產(chǎn)品層

數(shù)據(jù)產(chǎn)品是對數(shù)據(jù)的加工和利用，它屬于技術(shù)和自動化的范疇，由計(jì)算機(jī)對原始數(shù)據(jù)進(jìn)行處理。它不是傳統(tǒng)意義上的數(shù)據(jù)產(chǎn)品（如廣告系統(tǒng)），而是以發(fā)揮數(shù)據(jù)價(jià)值和生產(chǎn)力為目的，理解成進(jìn)行數(shù)據(jù)加工的產(chǎn)品也可。

原始數(shù)據(jù)并不能直接為運(yùn)營所用，通常臟亂差，我們需要按照一定的標(biāo)準(zhǔn)整合、加工。

比如行為數(shù)據(jù)和流量數(shù)據(jù)，用戶在微信朋友圈看到一則活動覺得不錯，于是下載 APP，注冊后參與了活動。這里的行為數(shù)據(jù)和流量數(shù)據(jù)是完全獨(dú)立的。微信朋友圈的瀏覽，記錄的是用戶 weixinOpenId 和 cookie，下載后則是產(chǎn)品內(nèi)部使用的的 userId，兩者無法對應(yīng)，這就需要數(shù)據(jù)整合，將 cookie、手機(jī)號、userId 等信息映射 ( mapping ) 到同一個人。

這是技術(shù)層面的數(shù)據(jù)清洗。整個過程叫做ETL。

數(shù)據(jù)發(fā)揮價(jià)值的方式有很多種。即能通過 BI，將原始數(shù)據(jù)以維度和度量的方式聚合，進(jìn)行各類可視化的決策分析，也能數(shù)據(jù)挖掘。根據(jù)業(yè)務(wù)和場景決定數(shù)據(jù)的不同使用。這里最重要的是先有指標(biāo)。

1.數(shù)據(jù)指標(biāo)

我強(qiáng)調(diào)過盡可能的收集數(shù)據(jù)，然而原始數(shù)據(jù)那么多，怎么才能指導(dǎo)我們的業(yè)務(wù)呢？這要求我們從龐大的數(shù)據(jù)中找出方向。這時(shí)我們就要建立指標(biāo)，指標(biāo)就是我們的方向，它是業(yè)務(wù)和原始數(shù)據(jù)的連接器。

可以這樣說，指標(biāo)在數(shù)據(jù)化運(yùn)營體系中是承上啟下的潤滑油，它由原始數(shù)據(jù)加工而來，反過來又驅(qū)動其他產(chǎn)品。

需要有 BI？ BI 肯定是圍繞指標(biāo)建立儀表盤；要用機(jī)器學(xué)習(xí)算法？算法的目的就是提升指標(biāo)效果的；你要運(yùn)營？內(nèi)容、用戶、活動模塊的 KPI 也是圍繞指標(biāo)的。

指標(biāo)不是一個通常意義的數(shù)據(jù)產(chǎn)品，我更喜歡的解釋，是數(shù)據(jù)屆的產(chǎn)品經(jīng)理，是驅(qū)動、規(guī)劃其他數(shù)據(jù)產(chǎn)品以及配合運(yùn)營迭代業(yè)務(wù)的。這樣一說，大家就明白了。

指標(biāo)如何設(shè)立，是根據(jù)運(yùn)營業(yè)務(wù)所決定，也是運(yùn)營的第一驅(qū)動力。

我們簡單看一下指標(biāo)如何由原始數(shù)據(jù)加工而來，下圖是原始數(shù)據(jù)中記錄的用戶打開 APP 的情況。

每一個時(shí)間戳意味著對應(yīng)的用戶打開過 APP 一次，通過該表我們能計(jì)算每天有多少用戶打開過 APP，這是打開量，將用戶數(shù)去重，就是運(yùn)營中的重要指標(biāo)：活躍用戶數(shù)。通過對該表的進(jìn)一步復(fù)雜運(yùn)算，譬如用 SQL 的 Left Join，能獲得留存率。

文章閱讀量、日銷售額、活動參與人數(shù)，這些幾乎都是由原始數(shù)據(jù)匯總加工而出。指標(biāo)匯總以后，就是運(yùn)營人員產(chǎn)品人員每日的報(bào)表 Dashboard 。

有了指標(biāo)，我們再看其他的數(shù)據(jù)產(chǎn)品，因?yàn)槠邢?，我著重介紹一下用戶畫像。

2.用戶畫像

用戶畫像是常用的數(shù)據(jù)產(chǎn)品，對產(chǎn)品和運(yùn)營人員往往帶有神秘色彩。它有兩種解釋，也是很多新手歧義的根源，一種用戶畫像屬于市場營銷和用戶調(diào)研領(lǐng)域，叫做 Persona，更準(zhǔn)確的翻譯是用戶角色，描繪的是一個自然人的社會屬性，用于用戶需求和場景的確定。

而數(shù)據(jù)領(lǐng)域的用戶畫像，叫做 Profile，是將一系列數(shù)據(jù)加工出來描述人物屬性的數(shù)據(jù)標(biāo)簽。最知名的例子就是淘寶的千人千面：用戶去購買孕期的孕婦產(chǎn)品，很大可能被打上孕婦標(biāo)簽；瀏覽了汽車相關(guān)商品，會被打上汽車興趣的標(biāo)簽。

用戶畫像是一個依賴大數(shù)據(jù)和機(jī)器學(xué)習(xí)的復(fù)雜體系。準(zhǔn)確豐富的用戶畫像能呈指數(shù)級的提高運(yùn)營效果。

用戶畫像也有簡單的用法，沒有數(shù)據(jù)挖掘不要緊。用戶的性別、年齡、地區(qū)這些信息不難拿到吧？用戶行為簡單做一個喜愛偏好區(qū)分也不難吧。那么我們就有用戶畫像 V1.0 了.

推薦系統(tǒng)，精準(zhǔn)營銷、廣告投放都是常見的基于用戶畫像的應(yīng)用。你要推送化妝品促銷活動，選擇女性標(biāo)簽的用戶肯定有更高的成功率，更進(jìn)一步，如果運(yùn)營知道女性用戶偏好哪個品類的化妝品，效果會更好。

用戶畫像可以通過已有數(shù)據(jù)提煉獲得，比如擁有用戶的身份證信息，就能準(zhǔn)確獲得性別、籍貫、出生年月這三個標(biāo)簽。也能通過算法計(jì)算獲得，比如在淘寶購物遺留的收件人姓名，通過機(jī)器學(xué)習(xí)，以概率的形式獲得買家是男是女，建國很大可能是男性，翠蘭很大可能是女性。

用戶畫像是基于原始數(shù)據(jù)的加工，原始數(shù)據(jù)越全，用戶畫像就越豐富。

數(shù)據(jù)產(chǎn)品層中，我們將數(shù)據(jù)加工為指標(biāo)，以其為核心，構(gòu)建和規(guī)劃數(shù)據(jù)產(chǎn)品。如何展現(xiàn)指標(biāo)（BI），如何提高指標(biāo)（算法），如何計(jì)算出指標(biāo)（ETL），如何與指標(biāo)組合（用戶畫像）。

我們現(xiàn)在獲得了這些「產(chǎn)品」，接下來就是使用，運(yùn)營和產(chǎn)品人員就是它們的用戶。

丨數(shù)據(jù)運(yùn)營

數(shù)據(jù)運(yùn)營層，是運(yùn)營人員將數(shù)據(jù)轉(zhuǎn)化成運(yùn)營策略。以人為主要生產(chǎn)力，和數(shù)據(jù)產(chǎn)品的計(jì)算機(jī)自動化對應(yīng)。

在我們談及具體的方法前，強(qiáng)調(diào)一下人的作用。不論我們前面打造了多好的數(shù)據(jù)產(chǎn)品，員工的數(shù)據(jù)化運(yùn)營意識提高不上去，一切等于零。

對人的要求有三點(diǎn)：

其一，以數(shù)據(jù)做決策，既要知道數(shù)據(jù)能夠做什么，也要知道數(shù)據(jù)做不了什么。前者很容易理解，我工作中遇到很多次，在有數(shù)據(jù)可以提供決策的情況下，依舊相信個人經(jīng)驗(yàn)。這是應(yīng)該規(guī)避的思維，不是一個人，而是團(tuán)隊(duì)要做到。

數(shù)據(jù)化運(yùn)營也不是企業(yè)運(yùn)營的靈丹妙藥，得客觀承認(rèn)，公司體量越大，數(shù)據(jù)化運(yùn)營所能發(fā)揮的效果也越好。在創(chuàng)業(yè)公司或者小公司，會受到一定的限制，比如沒有技術(shù)支持，提升效果不夠，數(shù)據(jù)體量缺乏等原因，造成優(yōu)先級的延后。這是沒辦法的取舍問題，只能以解決問題為首先依據(jù)。

其二，是本身數(shù)據(jù)分析和運(yùn)營水平不過關(guān)。雖然有意識地利用，可員工僅限于求平均數(shù)的水平，那么也別期待太高了。

這一點(diǎn)，得通過不斷地系統(tǒng)培訓(xùn)，人員招聘解決。自上而下的倡導(dǎo)和發(fā)起是最好的結(jié)果，高層有數(shù)據(jù)化運(yùn)營的戰(zhàn)略和意識、管理層有數(shù)據(jù)化運(yùn)營的指導(dǎo)經(jīng)驗(yàn)，執(zhí)行層能將數(shù)據(jù)化運(yùn)營的落地，那么整個體系也推行成功了。

最后，是產(chǎn)品工具的使用。這是對員工的技能要求，諸如 MySQL 查詢數(shù)據(jù)、BI多維度分析、精準(zhǔn)營銷、 AB 測試、轉(zhuǎn)化率分析，都是必須的。將數(shù)據(jù)相關(guān)的工具玩得順溜，員工才能在發(fā)揮夠大的價(jià)值。

運(yùn)營和產(chǎn)品如何進(jìn)行數(shù)據(jù)運(yùn)營，具體的技巧和方法論太多了，我以核心思想為引子。大家著重了解思維。

不是全量，而是精細(xì)。不止精細(xì)，更是精益。

全量運(yùn)營是一種集中運(yùn)營的策略，活動、內(nèi)容推送、營銷、用戶關(guān)系維護(hù)，這些方式如果針對所有的用戶，這是運(yùn)營資源的浪費(fèi)，你不可能通過一種方式滿足所有的用戶，也不可能用一種方式做到最好。

用戶間是有差異的，這種差異需要用精細(xì)化運(yùn)營彌補(bǔ)。

精細(xì)是是將目標(biāo)拆分成更細(xì)的粒度，全國銷量變成上海銷量北京銷量、全年銷量變成第一季度銷量第二季度銷量，用戶變成新用戶老用戶。電商賣口罩，是賣給北京的用戶好，還是海南的？促銷化妝品，目標(biāo)人群選擇男人女人也是顯而易見的。精細(xì)(拆分)是一種數(shù)據(jù)分析的思路，也是一種運(yùn)營手段。

精益比精細(xì)更進(jìn)一步，精細(xì)是手段，精益是目標(biāo)。什么是精益？精益就是二八法則，找出最關(guān)鍵的用戶。我們都知道要將化妝品賣給女人，但一定會有部分女人支付更多，20% 的女人占了 80% 的銷量，精益就是找準(zhǔn)這 20%。

對最適合的用戶在最恰當(dāng)?shù)臅r(shí)機(jī)采取最合適的手段以產(chǎn)生最大的價(jià)值。

前面三個「最」說的是精細(xì)，后面一個「最」指的是精益：價(jià)值／目標(biāo)最大化。我有 CRM，那么就從 CRM 中找出最有價(jià)值的客戶去維護(hù)；我有風(fēng)險(xiǎn)管理，就找出最可能違約的投資；要做活動，歡迎的是產(chǎn)出最大而不是薅羊毛的用戶；積分中心，效果最好的只會是最優(yōu)質(zhì)的那批客戶。

未來比現(xiàn)在重要，現(xiàn)在比過去重要。

這個第二個核心，數(shù)據(jù)化運(yùn)營能夠預(yù)測未來，把握當(dāng)下。傳統(tǒng)的運(yùn)營方式，是知曉過去已經(jīng)發(fā)生的事，銷量是多少，活躍數(shù)是多少，這在日益嚴(yán)酷的競爭環(huán)境中還不夠。

把握當(dāng)下，是能獲得數(shù)據(jù)的立即反饋。你要推廣一個活動，可以提前挑選 5% 的用戶做一個測試，及時(shí)獲知用戶的反饋，轉(zhuǎn)化率高不高，響不響應(yīng)，然后按照數(shù)據(jù)決定后續(xù)的運(yùn)營是繼續(xù)還是改進(jìn)。這是技術(shù)帶來的進(jìn)步優(yōu)勢。

預(yù)測未來，是機(jī)器學(xué)習(xí)的領(lǐng)域，通過數(shù)據(jù)建模，獲得概率性的預(yù)測，用戶可不可能流失，會不會喜歡和購買這個商品，新上線的電影會否偏好…運(yùn)營則利用這些概率針對性的運(yùn)營。

如果限于技術(shù)無法使用機(jī)器學(xué)習(xí)，則需要根據(jù)現(xiàn)有數(shù)據(jù)趨勢去估計(jì)，這取決于運(yùn)營人員的經(jīng)驗(yàn)和數(shù)據(jù)敏感性。

系統(tǒng)化與自動化

數(shù)據(jù)化運(yùn)營體系的搭建過程中，運(yùn)營人員會用到很多的工具。

用戶積累到一定數(shù)量，我們考慮引入積分中心增加用戶粘性；產(chǎn)品涉及到地推和銷售人員，則要加入 CRM （客戶關(guān)系管理）以維系客群；O2O 和電商，基本配置肯定有優(yōu)惠券的發(fā)送；反饋越來越多，我們也需要客服中心解決各類疑問。這些與運(yùn)營息息相關(guān)的工具，在數(shù)據(jù)運(yùn)營體系中占據(jù)中重要的比例。

為了更好的達(dá)成目標(biāo)，會將其獨(dú)立成運(yùn)營模塊／運(yùn)營后臺。好的運(yùn)營后臺和用戶端的產(chǎn)品同等重要，也需要后臺產(chǎn)品經(jīng)理規(guī)劃。

以我們經(jīng)常接觸的優(yōu)惠券為例，它肯定要設(shè)置一套規(guī)則，核心目標(biāo)是財(cái)務(wù)數(shù)據(jù)，是優(yōu)惠券成本和收入之間的平衡：你不能濫發(fā)，那肯定虧錢，也不能少發(fā)，用戶連這東西都不知道。有哪些券、怎么發(fā)、發(fā)了多少用了多少、未來準(zhǔn)備發(fā)多少、發(fā)了有多少沒用掉，都是一套大框架的東西，于是做成了發(fā)券系統(tǒng)。

優(yōu)惠券能和 CRM 結(jié)合，CRM 通過幾個指標(biāo)將用戶劃分成了不同的價(jià)值和人群。這個用戶特別喜歡花錢，那么優(yōu)惠券給他滿 1000 減 100，肯定比滿 200 減 20 過癮。那個用戶還沒有消費(fèi)過，要用首單優(yōu)惠刺激他。還有用戶有段時(shí)間不消費(fèi)了，運(yùn)營們得加把勁營銷。上面東西從更高的視野看，是一連串效果、RO I、盈利的評估。這就是用數(shù)據(jù)做運(yùn)營策略。

CRM 又能和客服中心結(jié)合，電話號碼肯定和用戶的數(shù)據(jù)綁定，VIP 用戶電話進(jìn)來了，我們選客戶主管去接待，賓至如歸。普通用戶呢，也不能粗心，客服至少需要通過后臺的用戶畫像知道這個用戶是什么情況，這也有針對性的服務(wù)。數(shù)據(jù)運(yùn)營體系不止服務(wù)于運(yùn)營和產(chǎn)品的。

系統(tǒng)化，要求的是我們把運(yùn)營的整個過程和策略流程也當(dāng)作一款產(chǎn)品去締造：哪些方法好用，哪些手段效果好，哪種活動能持續(xù)做，把這些都固定下來，打造出一個運(yùn)營用的產(chǎn)品后臺，作為日常和招數(shù)。這種系統(tǒng)化思維也叫「復(fù)用」，之后則是把系統(tǒng)做得越來越自動，功能越來越強(qiáng)大，也是另外一種精益了。

以上種種，是將數(shù)據(jù)、產(chǎn)品運(yùn)營、系統(tǒng)和人員四者結(jié)合起來。系統(tǒng)之所以是系統(tǒng)，就是脫離了粗放的階段，一切皆是有序、規(guī)則和充滿策略。數(shù)據(jù)就是系統(tǒng)的潤滑劑，你沒有數(shù)據(jù)，怎么能有選擇性的發(fā)券、做活動、推送，維護(hù)用戶呢？

數(shù)據(jù)產(chǎn)品層加工出來的各類標(biāo)簽、用戶畫像、模型…就是要在數(shù)據(jù)運(yùn)營層最大化的被員工使用。數(shù)據(jù)本身沒有價(jià)值，變成策略才有價(jià)值。

這三條要點(diǎn)總結(jié)一下：我們系統(tǒng)化的使用各種加工后的數(shù)據(jù)，以精細(xì)和精細(xì)為手段目標(biāo)，以把握未來為方向，指定運(yùn)營策略。這是數(shù)據(jù)運(yùn)營層的核心。

丨用戶觸達(dá)

我們整個體系進(jìn)行到最后的環(huán)節(jié)，它需要面向用戶。數(shù)據(jù)收集得再多、加工得再好，運(yùn)營得再努力，如果不將它們傳遞給用戶，體系就是失敗的。

整個體系的前三層用戶都感知不到。用戶直接感知到的是產(chǎn)品的推送通知、Banner 、廣告位、活動、文案、商品的展示順序等。在與產(chǎn)品交互的過程中，用戶會以直接的反饋表達(dá)自己喜惡。

感興趣的會點(diǎn)擊，喜愛的會夠買，討厭的會退出…這些構(gòu)成了新一輪的行為數(shù)據(jù)，也構(gòu)成了反饋指標(biāo)：點(diǎn)擊率、轉(zhuǎn)化率、跳出率、購買率等。這些指標(biāo)就是用戶觸達(dá)層的結(jié)果體現(xiàn)，也是數(shù)據(jù)化運(yùn)營的結(jié)果體現(xiàn)。

好與不好，都需要驗(yàn)證。

結(jié)果不是終點(diǎn)。管理學(xué)有個概念叫 PDCA，翻譯成中文是計(jì)劃-執(zhí)行-檢查-改進(jìn)，以此為循環(huán)。用戶觸達(dá)層不是數(shù)據(jù)化運(yùn)營體系的結(jié)束，它是另外一種開始。通過反饋獲得的數(shù)據(jù)去優(yōu)化去改進(jìn)。

我的點(diǎn)擊率 5%，那么我能不能通過運(yùn)營優(yōu)化，達(dá)到 10% ？用戶接受推送后選擇了卸載，我們有什么方法挽回？留存率被提高，這種策略能不能應(yīng)用到其他用戶上面。

也許我們數(shù)據(jù)化運(yùn)營后，不會獲得一個滿意的結(jié)果，但如果我們連優(yōu)化改進(jìn)都不去做，那么連好的機(jī)會都不會有。

你看，優(yōu)秀的員工，不會以數(shù)據(jù)化運(yùn)營的結(jié)果沾沾自喜，而是進(jìn)行新一輪的開始。

是終點(diǎn)，又是起點(diǎn)，此過程就是迭代，是體系的核心。
丨總結(jié)
我們將四層串聯(lián)起來看待，下圖是一款產(chǎn)品簡化的數(shù)據(jù)化運(yùn)營閉環(huán)。

數(shù)據(jù)收集層：當(dāng)用戶打開 APP 時(shí)，瀏覽新聞，通過埋點(diǎn)記錄用戶的行為數(shù)據(jù)：何時(shí)何地是誰看了哪些新聞。

數(shù)據(jù)產(chǎn)品層：計(jì)算機(jī)將收集上來的行為數(shù)據(jù)進(jìn)行加工，統(tǒng)計(jì)用戶對軍事、科技、經(jīng)濟(jì)等不同類型新聞的閱讀數(shù)。用卡方檢驗(yàn)得到用戶的閱讀偏好在科技新聞，將其寫入到用戶畫像／標(biāo)簽系統(tǒng)。

數(shù)據(jù)運(yùn)營層：近期有一個科技類的活動，需要一定用戶量參與。運(yùn)營不能選擇全部的用戶推送吧，那么就從用戶池中篩選中對科技感興趣的用戶。

用戶觸達(dá)層：選擇用戶進(jìn)行精準(zhǔn)推送，用戶在手機(jī)端接收到消息。后臺則會記錄用戶是否打開推送通知，是否瀏覽頁面，是否參與了活動。轉(zhuǎn)化率作為反饋會被記錄下來，用以下次迭代改進(jìn)。

該例就是一次合格的閉環(huán)。數(shù)據(jù)化運(yùn)營體系既能簡單到用 Excel 完成，也能引入機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘分布式系統(tǒng)等高端技術(shù)，看的是思維和應(yīng)用。我們將體系中的四層簡化成四個模型，幫助大家理解：

數(shù)據(jù)收集：以用戶和產(chǎn)品的交互為輸入，原始數(shù)據(jù)（行為、業(yè)務(wù)、流量、外部）為輸出。

數(shù)據(jù)產(chǎn)品：以原始數(shù)據(jù)為輸入，以加工數(shù)據(jù)（標(biāo)簽、畫像、維度、指標(biāo)、算法結(jié)果）為輸出。

數(shù)據(jù)運(yùn)營：以加工數(shù)據(jù)為輸入，以運(yùn)營策略（用戶、內(nèi)容、活動、電商）為輸出。

用戶觸達(dá)：以運(yùn)營策略為輸入，以反饋行為（轉(zhuǎn)化率、點(diǎn)擊率、響應(yīng)率）為輸出。

用戶產(chǎn)生的反饋行為作為新的交互輸入，迭代和優(yōu)化，數(shù)據(jù)化運(yùn)營體系就良好地運(yùn)作起來。好的數(shù)據(jù)化運(yùn)營體系也是高度自動化的運(yùn)作，像個性化推薦，可以略過數(shù)據(jù)運(yùn)營層，服務(wù)器實(shí)時(shí)計(jì)算后直接將推薦結(jié)果給用戶，人就不用參與其中了。

這是四個互相聯(lián)系有先后順序的系統(tǒng)，以此構(gòu)成數(shù)據(jù)化運(yùn)營體系。因?yàn)榧夹g(shù)手段差異，實(shí)現(xiàn)方式會有不同，哪怕是 Excel，也能發(fā)出數(shù)據(jù)化運(yùn)營的光芒。

以上就是產(chǎn)品和運(yùn)營視角的數(shù)據(jù)化運(yùn)營體系，沒有過多的牽涉研發(fā)技術(shù)，實(shí)際復(fù)雜程度還要再高一點(diǎn)。當(dāng)然，萬千用法，存乎一心，希望大家學(xué)到的是理念和思維，實(shí)際工作中，還是有很多玩法留待大家挖掘。

————
數(shù)據(jù)化運(yùn)營是我最擅長寫的內(nèi)容，從去年便有動筆的想法，這篇文章創(chuàng)建時(shí)間遠(yuǎn)早于其他。

本文寫到一半的時(shí)候我猶豫過，因?yàn)槲抑皇翘畛淞斯羌埽€沒有賦予它血肉和肌理，缺乏以實(shí)例為主的方法論。雖然文章中補(bǔ)充了一些，作為指南，還是欠缺了豐富度。

其實(shí)，我對大段大段偏概念的東西，大家能否消化有疑慮。反過來如果細(xì)致，那么字?jǐn)?shù)是遠(yuǎn)遠(yuǎn)不夠的，內(nèi)容足夠成書。對于依舊一知半解的同學(xué)，我表示歉意。

作者秦路

CDA數(shù)據(jù)分析師考試相關(guān)入口一覽（建議收藏）：

? 想報(bào)名CDA認(rèn)證考試，點(diǎn)擊>>> “CDA報(bào)名” 了解CDA考試詳情；