隨著精細(xì)化理念的不斷深入人心, “數(shù)據(jù)運(yùn)營(yíng)” 這一概念得到了大家越來(lái)越多的重視。 那到底什么是數(shù)據(jù)運(yùn)營(yíng)? 數(shù)據(jù)運(yùn)營(yíng)能做什么? 有哪些經(jīng)常用到的數(shù)據(jù)分析模型？
“數(shù)據(jù)運(yùn)營(yíng)” 有兩層含義, 狹義指 “數(shù)據(jù)運(yùn)營(yíng)” 這一工作崗位, 廣義指“用數(shù)據(jù)指導(dǎo)運(yùn)營(yíng)決策、 驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)” 的思維方式。
近年來(lái), 越來(lái)越多的互聯(lián)網(wǎng)企業(yè)開設(shè)了 “數(shù)據(jù)運(yùn)營(yíng)” 這一工作崗位, 主要在一線運(yùn)營(yíng)部門。與數(shù)據(jù)分析師這一崗位不同的是,數(shù)據(jù)運(yùn)營(yíng)更加側(cè)重支持一線業(yè)務(wù)決策。廣義的“數(shù)據(jù)運(yùn)營(yíng)” 概念, 即數(shù)據(jù)化運(yùn)營(yíng), 泛指用數(shù)據(jù)指導(dǎo)運(yùn)營(yíng)決策、 驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)。
二、 數(shù)據(jù)運(yùn)營(yíng)與其他運(yùn)營(yíng)的區(qū)別?
在互聯(lián)網(wǎng)企業(yè)內(nèi), 廣泛存在用戶運(yùn)營(yíng)、 內(nèi)容運(yùn)營(yíng)、 產(chǎn)品運(yùn)營(yíng)、 活動(dòng)運(yùn)營(yíng)、 社群運(yùn)營(yíng)等運(yùn)營(yíng)崗位, 部分企業(yè)還有品類運(yùn)營(yíng)、 流量運(yùn)營(yíng)、 APP運(yùn)營(yíng)等細(xì)分崗位。
那么數(shù)據(jù)運(yùn)營(yíng)與其他運(yùn)營(yíng)區(qū)別在哪里?
從工作崗位上看, 數(shù)據(jù)運(yùn)營(yíng)屬于運(yùn)營(yíng)的一個(gè)分支:從事數(shù)據(jù)采集、,清理, 分析、 策略等工作, 支撐整個(gè)運(yùn)營(yíng)體系朝精細(xì)化方向發(fā)展。
從思維方式上看,數(shù)據(jù)(化)運(yùn)營(yíng)屬于運(yùn)營(yíng)的一種技能;無(wú)論對(duì)于用戶運(yùn)營(yíng)、內(nèi)容運(yùn)營(yíng)、產(chǎn)品運(yùn)營(yíng)、還是活動(dòng)運(yùn)營(yíng)、社群運(yùn)營(yíng)、數(shù)據(jù)(化)運(yùn)營(yíng)都是一種必備技能或者思維方式,即通過(guò)數(shù)據(jù)分析的方法發(fā)現(xiàn)問(wèn)題、解決問(wèn)題、提升工作效率、促進(jìn)業(yè)務(wù)增長(zhǎng)。
本文我們以廣義的 “數(shù)據(jù)運(yùn)營(yíng)” 概念為主, 和大家分享如何用數(shù)據(jù)指導(dǎo)運(yùn)營(yíng)決策, 驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)。
三、 數(shù)據(jù)運(yùn)營(yíng)有哪些常用的場(chǎng)景?
數(shù)據(jù)運(yùn)營(yíng)覆蓋整個(gè)用戶生命周期,包括拉新,轉(zhuǎn)化、促活,留存和變現(xiàn)等常見(jiàn)的業(yè)務(wù)場(chǎng)景。
那在具體的業(yè)務(wù)場(chǎng)景下, 數(shù)據(jù)運(yùn)營(yíng)又是如何操作的呢?
下面是來(lái)自GrowingIO聯(lián)合創(chuàng)始人吳繼業(yè)的分享, 談到了他在eBay和Linkedln數(shù)據(jù)運(yùn)營(yíng)經(jīng)歷。
(一)拉新
eBay特別注重是哪個(gè)搜索引擎、 哪個(gè)關(guān)鍵詞帶來(lái)的流量; 關(guān)鍵詞是付費(fèi)還是免費(fèi)的。從谷歌那邊搜素引擎詞帶來(lái)了很多流量, 但是這些流量是否在eBay 上成單, 所以這個(gè)數(shù)據(jù)還要跟eBay 本身數(shù)據(jù)結(jié)合、 然后再做渠道分配, 到底成單的是哪個(gè)渠道。 整個(gè)數(shù)據(jù)鏈要從頭到尾打通, 需要把兩邊的數(shù)據(jù)整合之后才能做到。
(二)轉(zhuǎn)化
以注冊(cè)轉(zhuǎn)化漏斗為例, 第一步我們知道網(wǎng)頁(yè)上有哪些注冊(cè)入口, 很多網(wǎng)站的注冊(cè)入口不只一個(gè),需要定義每個(gè)事件;我們還想知道下一步多少人、多少百分比的人點(diǎn)擊了注冊(cè)按鈕、 多少人打開了驗(yàn)證頁(yè); 多少人登錄了, 多少人完成了整個(gè)完整的注冊(cè)。
期間每一步都會(huì)有用戶流失, 漏斗做完后, 我們就可以直觀看到, 每個(gè)環(huán)節(jié)的流失率。
(三)促活
還有一個(gè)是用戶使用產(chǎn)品的流暢度.我們可以分析具體用戶行為,比如訪問(wèn)時(shí)長(zhǎng),在那個(gè)頁(yè)面上停留時(shí)間特別長(zhǎng),尤其在APP上會(huì)特別明顯.再有是完善用戶畫像,拿用戶行為分析做用戶畫像是比較準(zhǔn)的。
(四)留存
用戶流失不是說(shuō)一下子就流失了,一些細(xì)微、小的一些行為,就能預(yù)示他將來(lái)會(huì)流失。在LinkedIn的時(shí)候,我們要去追蹤用戶的使用行為。比如說(shuō)有沒(méi)有登錄、登錄之后有沒(méi)有搜簡(jiǎn)歷、有沒(méi)有上傳簡(jiǎn)歷等等。用戶這些點(diǎn)點(diǎn)滴滴的行為,都很重要。有了這些數(shù)據(jù)支撐,LinkedIn的產(chǎn)品、銷售每天都要去看用戶報(bào)告,最簡(jiǎn)單的就是用戶使用行為有沒(méi)有下降, 哪些行為下降, 哪些用戶用的特別好等, 以此來(lái)維護(hù)用戶關(guān)系.
(五)變現(xiàn)
Linkedln 是一家2C又2B的公司, 在全球有4億的用戶, 有很多真實(shí)用戶的簡(jiǎn)歷信息. 2B的業(yè)務(wù)是Linkedln 為每一個(gè)企業(yè)HR銷售的, 目的就是幫助美國(guó)的企業(yè)去找中高端的人才,這里面有很多的不同的產(chǎn)品線。Linkedln本身就是一個(gè)社交網(wǎng)絡(luò),用戶是經(jīng)理、VP還是總監(jiān),還是業(yè)務(wù)類的,市場(chǎng)的、銷售的等等這些數(shù)據(jù)在Linkedln 上都聚合成一個(gè)公司的緯度。
有了這個(gè)公司的緯度之后,我們就能夠很快讓銷售拿著這個(gè)賣給客戶。比如要跟星巴克談業(yè)務(wù), 最能震撼到星巴克 HR 的數(shù)據(jù)是人才流失率的列表。
如上圖,其員工在最近一年有哪些是從別的公司加入進(jìn)來(lái),上一家公司是誰(shuí),用藍(lán)色顯示。左邊做的是星巴克員工流失,其跳槽去了哪家公司,用紅色顯示.
通過(guò)這個(gè)簡(jiǎn)單的分布,就可以迅速看出來(lái)人才流失情況。如果是藍(lán)的多,說(shuō)明這家公司的人才吸引方面是強(qiáng)的,如果是紅色的多,說(shuō)明這家公司人才儲(chǔ)備和招聘方面正處于頹勢(shì)。我們把數(shù)據(jù)展示給最終客戶,基本上就可以拿到單子。我們可以通過(guò)數(shù)據(jù)來(lái)講故事。我們一開始做了很多的報(bào)告,銷售可以拿去講故事,可以很快促進(jìn)成單。
數(shù)據(jù)是反映產(chǎn)品和用戶狀態(tài)最真實(shí)的一種方式, 通過(guò)數(shù)據(jù)指導(dǎo)運(yùn)營(yíng)決策、 驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng),這才是“數(shù)據(jù)運(yùn)營(yíng)”的精髓!
四、數(shù)據(jù)運(yùn)營(yíng)的具體工作是什么？
我將數(shù)據(jù)運(yùn)營(yíng)歸納為數(shù)據(jù)數(shù)據(jù)規(guī)劃、數(shù)據(jù)采集、數(shù)據(jù)分析三大層次。
1、數(shù)據(jù)規(guī)劃
數(shù)據(jù)規(guī)劃是整個(gè)數(shù)據(jù)運(yùn)營(yíng)體系的基礎(chǔ), 它的目的是搞清楚“要什么”。 只有先搞清楚自己目的是什么、 需要什么樣的數(shù)據(jù), 接下來(lái)的數(shù)據(jù)采集和數(shù)據(jù)分析才更加有針對(duì)性。
這里有兩個(gè)重要概念:指標(biāo)和維度!
(ー)指標(biāo)體系
指標(biāo)(index),也有稱度量(measure) . 指標(biāo)用來(lái)衡量具體的運(yùn)營(yíng)效果,比如UV. DAU、 銷售金額、 轉(zhuǎn)化率等等。 指標(biāo)的選擇來(lái)源于具體的業(yè)務(wù)需求, 從需求中歸納事件, 從事件對(duì)應(yīng)指標(biāo)。
我們以一個(gè)電商網(wǎng)站為例,分析一下選擇指標(biāo)的過(guò)程:
1、 明確需求: 網(wǎng)站主要業(yè)務(wù)是商品銷售, 希望通過(guò)數(shù)據(jù)分析來(lái)提升網(wǎng)站銷售金額。
2、 歸納事件:用戶購(gòu)買是一連串關(guān)鍵事件的結(jié)果, 包括訪問(wèn)網(wǎng)站、 瀏覽商品、 注冊(cè)賬號(hào)、加入購(gòu)物車、開始結(jié)算、支付等。
3、對(duì)應(yīng)指標(biāo):不難得出公式,銷售金額=訪問(wèn)流量*下單轉(zhuǎn)化率*支付轉(zhuǎn)化率*客單價(jià)。
通過(guò)上述分析, 得出銷售金額是OMTM (第一重要指標(biāo), One Metric That Metter的結(jié)論。 同時(shí), 整個(gè)銷售金額的指標(biāo)體系包括訪問(wèn)流量、 下單轉(zhuǎn)化率、 支付轉(zhuǎn)化率和客單價(jià)四個(gè)可操作的指標(biāo)。
(二)維度體系
維度是用來(lái)對(duì)指標(biāo)進(jìn)行細(xì)分的屬性,比如廣告來(lái)源、瀏覽器類型、訪問(wèn)地區(qū)等等。選擇維度的原 則是:記錄 那些對(duì)指標(biāo)可能產(chǎn)生影響的維度。
以電商網(wǎng)站為例,我們需要監(jiān)測(cè)不同訪問(wèn)用戶的訪問(wèn)來(lái)源(廣告還是自然流量)、平臺(tái)(PC還是移動(dòng)端)、 活躍度(瀏覽購(gòu)買頻次)等等。對(duì)于初創(chuàng)公司來(lái)說(shuō)的, 性價(jià)比最高的做法就是用 SaaS服務(wù),通過(guò)第三方的 SDK 來(lái)完成多維度數(shù)據(jù)的獲取。
磨刀不誤砍柴工!數(shù)據(jù)運(yùn)營(yíng)需要和業(yè)務(wù)部門(市場(chǎng)、銷售、運(yùn)營(yíng)、產(chǎn)品等等)不斷溝通,只有做好數(shù)據(jù)規(guī)劃,接下來(lái)的數(shù)據(jù)采集和數(shù)據(jù)分析才能更加高效。
2、數(shù)據(jù)采集
傳統(tǒng)的數(shù)據(jù)采集是一件非?；〞r(shí)間、精力、人力的事情,對(duì)于很多企業(yè)來(lái)說(shuō)是一個(gè)巨大的門檻。巧婦難為無(wú)米之炊,數(shù)據(jù)采集的重要性不言而喻。數(shù)據(jù)運(yùn)營(yíng)要發(fā)揮數(shù)據(jù)采集、數(shù)據(jù)報(bào)表呈現(xiàn)的職責(zé)。
(一)數(shù)據(jù)采集
目前有三種常見(jiàn)的數(shù)據(jù)采集方案,分別是埋點(diǎn)、可視化埋點(diǎn)和無(wú)埋點(diǎn)。
2.1埋點(diǎn)
埋點(diǎn),也稱打點(diǎn),通過(guò)在產(chǎn)品(網(wǎng)頁(yè)、APP等)中手動(dòng)添加統(tǒng)計(jì)代碼收集需要的數(shù)據(jù)。假如要收集用戶注冊(cè)數(shù), 就需要在注冊(cè)按鈕處加載相應(yīng)的統(tǒng)計(jì)代碼。
Google Analytics(谷歌統(tǒng)計(jì))、 百度統(tǒng)計(jì)等工具采用的就是這一方法。
因?yàn)槁顸c(diǎn)的工程量大、 周期長(zhǎng), 而且容易發(fā)生漏埋、 錯(cuò)埋的情況, 埋點(diǎn)成為了數(shù)據(jù)從業(yè)者的一大痛點(diǎn)。
2.2可視化埋點(diǎn)
可視化埋點(diǎn)是埋點(diǎn)的延伸,通過(guò)可視化交互的方式來(lái)代替手動(dòng)埋點(diǎn)。這種方式降低了用戶使用的門檻, 提升了效率. Mixpanel 采用了可視化的埋點(diǎn)方案。
無(wú)論是埋點(diǎn)還是可視化埋點(diǎn), 數(shù)據(jù)運(yùn)營(yíng)都需要起到承前啟后的作用: 收集業(yè)務(wù)部門數(shù)據(jù)需求,撰寫需求文檔,向工程部門提交埋點(diǎn)需求。
2.3無(wú)埋點(diǎn)
無(wú)埋點(diǎn)顛覆了傳統(tǒng)的“先定義再采集”的流程,只需要加載一個(gè)SDK就可以采集全量的用戶行為數(shù)據(jù),然后可以靈活自定義分析所有行為數(shù)據(jù)。用戶行為數(shù)據(jù)分析產(chǎn)品GrowinglO采取的就是無(wú)埋點(diǎn)的技術(shù)方案。
相比于埋點(diǎn)方案,無(wú)埋點(diǎn)成本低、速度快,不會(huì)發(fā)生錯(cuò)錯(cuò)埋、漏埋情況。無(wú)埋點(diǎn)正在成為市場(chǎng)的新寵兒, 越來(lái)越多的企業(yè)采用了無(wú)埋點(diǎn)方案。 在無(wú)埋點(diǎn)情景下,數(shù)據(jù)運(yùn)營(yíng)可以擺脫埋點(diǎn)需求的桎梏,將更多時(shí)間放在業(yè)務(wù)分析上。
(二)、數(shù)據(jù)報(bào)表
定期向業(yè)務(wù)部門提交數(shù)據(jù)報(bào)表是數(shù)據(jù)運(yùn)營(yíng)的工作之一, 包括日?qǐng)?bào)、 周報(bào)、 月報(bào)甚至年報(bào)。數(shù)據(jù)報(bào)表建立在數(shù)據(jù)指標(biāo)體系的基礎(chǔ)上,數(shù)據(jù)運(yùn)營(yíng)應(yīng)該讓這部分工作盡量自動(dòng)化。搭建數(shù)據(jù)看板(Dashboard)是除了數(shù)據(jù)報(bào)表之后又一項(xiàng)工作,數(shù)據(jù)看板往往和企業(yè)的BI系統(tǒng)連在一起,屬于數(shù)據(jù)可視化的部分。在資源充足的企業(yè),往往采用自建的方式搭建數(shù)據(jù)平臺(tái);對(duì)于中小企業(yè),合理借助第三方數(shù)據(jù)工具是一個(gè)非常不錯(cuò)的選擇。
上圖展示的是GrowinglO的流量概覽看板,自動(dòng)展示相關(guān)數(shù)據(jù)指標(biāo)。在數(shù)據(jù)采集和數(shù)據(jù)可視化這個(gè)環(huán)節(jié),數(shù)據(jù)運(yùn)營(yíng)應(yīng)該善于借助工具,減少在數(shù)據(jù)采集、數(shù)據(jù)清理、數(shù)據(jù)可視化上面耗費(fèi)的時(shí)間.
3、 數(shù)據(jù)分析
數(shù)據(jù)分析是數(shù)據(jù)運(yùn)營(yíng)的重點(diǎn)工作, 數(shù)據(jù)規(guī)劃和數(shù)據(jù)采集都是為了數(shù)據(jù)分析服務(wù)的。 我們的最終目的是通過(guò)數(shù)據(jù)分析的方法定位問(wèn)題, 提出解決方案, 促進(jìn)業(yè)務(wù)增長(zhǎng)。
選擇什么樣的數(shù)據(jù)分析方法要和你的業(yè)務(wù)場(chǎng)景相結(jié)合, 下面這個(gè)表格匯總了目前常見(jiàn)的運(yùn)營(yíng)數(shù)據(jù)分析方法。
不同于數(shù)據(jù)分析師,數(shù)據(jù)運(yùn)營(yíng)崗位弱化了對(duì)編程統(tǒng)計(jì)的要求,更加強(qiáng)調(diào)在現(xiàn)有工具基礎(chǔ)上靈活使用分析方法。一個(gè)好的數(shù)據(jù)運(yùn)營(yíng)一定要及時(shí)發(fā)現(xiàn)問(wèn)題、定位問(wèn)題,并提出可行的解決方案。
五、數(shù)據(jù)運(yùn)營(yíng)常用的10個(gè)數(shù)據(jù)分析方法
數(shù)據(jù)分析已經(jīng)成為運(yùn)營(yíng)的必備技能之一,熟練掌握數(shù)據(jù)分析方法已經(jīng)成為運(yùn)營(yíng)的核心競(jìng)爭(zhēng)力。對(duì)于互聯(lián)網(wǎng)產(chǎn)品運(yùn)營(yíng),我們總結(jié)了10個(gè)常用的數(shù)據(jù)分析方法,覆蓋整個(gè)用戶生命周期。
1、來(lái)源管理
通過(guò)對(duì)投放的目標(biāo)鏈接加上監(jiān)測(cè)參數(shù),實(shí)現(xiàn)對(duì)網(wǎng)頁(yè)訪問(wèn)來(lái)源、App下載渠道的監(jiān)
測(cè)。目前主流的解決方案是UTM機(jī)制,數(shù)據(jù)分析工具 Google Analytics、Growing使用的都是這套機(jī)制。在你的網(wǎng)站已經(jīng)加載監(jiān)測(cè)代碼的基礎(chǔ)上,可以給你的投放鏈接加上下面的5個(gè)常用參數(shù),分別是 utm source(廣告來(lái)源)、 utm campaign(廣告名稱)utm mediun(廣告媒介)、 utm content(廣告內(nèi)容)和 utm term(關(guān)鍵詞)。
2、趨勢(shì)分析
趨勢(shì)分析是最基本、也是最常見(jiàn)的數(shù)據(jù)分析方法;通過(guò)對(duì)業(yè)務(wù)指標(biāo)的監(jiān)測(cè)來(lái)研究用戶行為規(guī)律,尋找增長(zhǎng)點(diǎn)。
趨勢(shì)分析有兩大作用:數(shù)據(jù)監(jiān)測(cè)和趨勢(shì)預(yù)測(cè)。
當(dāng)出現(xiàn)異常峰值時(shí)運(yùn)營(yíng)需要思考為什么會(huì)這樣,要及時(shí)發(fā)現(xiàn)問(wèn)題、定位問(wèn)題。通過(guò)整個(gè)趨勢(shì)圖,運(yùn)營(yíng)需要預(yù)測(cè)接下來(lái)一段時(shí)間的指標(biāo)走勢(shì),為后期工作提供幫助。
3、維度拆解
孤零零的一個(gè)數(shù)據(jù)指標(biāo),你是很難從異常數(shù)據(jù)中發(fā)現(xiàn)問(wèn)題的。我們需要從多個(gè)維度出發(fā),比如地區(qū)、平臺(tái)、瀏覽器、訪問(wèn)來(lái)源等等,拆解指標(biāo)定位問(wèn)題。
以常見(jiàn)的流量指標(biāo)為例,我們可以從廣告來(lái)源、地區(qū)、操作系統(tǒng)等維度出發(fā),觀察哪一類的用戶比重更多、哪一類的用戶價(jià)值更大,從而提升運(yùn)營(yíng)的效率。
4、轉(zhuǎn)化漏斗
用戶在使用產(chǎn)品的過(guò)程中,天然存在系列轉(zhuǎn)化路徑,例如注冊(cè)、下單、下載等等。運(yùn)營(yíng)關(guān)注轉(zhuǎn)化路徑的轉(zhuǎn)化率,包括總轉(zhuǎn)化率及每一步的轉(zhuǎn)化率，轉(zhuǎn)化漏斗以一種可視化的方式將轉(zhuǎn)化路徑的每一步都展示出來(lái),運(yùn)營(yíng)需要重點(diǎn)關(guān)注流失最大的環(huán)節(jié),這往往是優(yōu)化工作Roi最高的地方；
除了橫向拆解每一步的轉(zhuǎn)化率,我們還可以從時(shí)間維度觀察每一步轉(zhuǎn)化率的變化趨勢(shì)。
五、留存分析
留存,顧名思義,是指新用戶首次訪問(wèn)你的網(wǎng)站后回訪你的網(wǎng)站或者APP。留存分析一般用來(lái)探索用戶、產(chǎn)品與回訪之間的關(guān)聯(lián)程度。
我們可以從用戶、產(chǎn)品、自定義等多維度出發(fā),分析不同類別的用戶群體與留存率之間的關(guān)系?；ヂ?lián)網(wǎng)運(yùn)營(yíng)可以通過(guò)分析不同用戶群組的留存差異、使用過(guò)不同功能用戶的留存差異來(lái)找到用戶增長(zhǎng)點(diǎn)。
六、魔法數(shù)字
魔法數(shù)字( Magic Number)是留存分析的延伸,它和產(chǎn)品的核心功能息息相關(guān),已
經(jīng)得到了硅谷企業(yè)的廣泛重視
舉個(gè)例子,有過(guò)下面這些行為的用戶留存率都非常高
1、 LinkedIn發(fā)現(xiàn)新用戶一周內(nèi)添加5個(gè)好友
2、 Dropbox發(fā)現(xiàn)用戶在2個(gè)操作系統(tǒng)上存儲(chǔ)文件
3、銀行發(fā)現(xiàn)信用卡用戶一年內(nèi)消費(fèi)5筆。
那么,這些數(shù)字是怎么計(jì)算出來(lái)的呢?
總結(jié)起來(lái),就是分析用戶的行為組合“時(shí)間*功能*頻次”與用戶留存之間的相關(guān)系數(shù)
相關(guān)系數(shù)越大,兩者的關(guān)聯(lián)性越高。
七、用戶分群
精細(xì)化運(yùn)營(yíng)是目前的趨勢(shì),運(yùn)營(yíng)需要對(duì)不同類別的用戶進(jìn)行精準(zhǔn)運(yùn)營(yíng),而維度和指標(biāo)組合條件是目前常用的篩選方法。
假如上海某電商網(wǎng)站舉行一次 Phone手機(jī)配件促銷活動(dòng),可以將“上海市 有過(guò)兩
次購(gòu)物記錄的 Phone用戶”篩選為目標(biāo)用戶進(jìn)行營(yíng)銷,這樣遠(yuǎn)比漫無(wú)目的地群發(fā)郵件或者推送更加精準(zhǔn)
八、用戶細(xì)查
觀察用戶的行為軌跡,探索用戶與產(chǎn)品的交互過(guò)程;進(jìn)而從中發(fā)現(xiàn)問(wèn)題、激發(fā)靈感亦或驗(yàn)證假設(shè)。
產(chǎn)品運(yùn)營(yíng)過(guò)程中存在很多“怒點(diǎn)”,比如圖1中突出的【獲取手機(jī)驗(yàn)證碼】失效,導(dǎo)
致用戶重復(fù)點(diǎn)擊,此時(shí)用戶細(xì)查軌跡可以用來(lái)驗(yàn)證我們之前的猜想和假設(shè)。
九、熱圖
熱圖,也稱熱力圖,用高亮顏色來(lái)展示用戶的訪問(wèn)偏好;一般來(lái)說(shuō),紅色代表最熱區(qū)
域。通過(guò)熱圖,運(yùn)營(yíng)可以對(duì)自己網(wǎng)站每一個(gè)元素的被訪問(wèn)情況一目了然。
對(duì)于內(nèi)容型網(wǎng)站,通過(guò)熱圖分析讀者的閱讀偏好,及時(shí)更換最新內(nèi)容。對(duì)于電商或交易平臺(tái),通過(guò)熱圖分析用戶的購(gòu)買偏好,及時(shí)更新商品信息。對(duì)于產(chǎn)品運(yùn)營(yíng)來(lái)說(shuō),借助熱圖可以及時(shí)優(yōu)化網(wǎng)站或者頁(yè)面布局,提高轉(zhuǎn)化率等指標(biāo)。
十、測(cè)試
運(yùn)營(yíng)需要熟練掌握假設(shè)檢驗(yàn)的方法論,通過(guò)試驗(yàn)或測(cè)試來(lái)解決運(yùn)營(yíng)問(wèn)題。AB測(cè)試是指同時(shí)進(jìn)行多個(gè)方案并行測(cè)試,但是每個(gè)方案僅有一個(gè)變量不同;然后以某種規(guī)則(例如用戶體驗(yàn)、數(shù)據(jù)指標(biāo)等)優(yōu)勝略汰選擇最優(yōu)的方案。
但是對(duì)于很多創(chuàng)業(yè)公司或者流量不大的產(chǎn)品來(lái)說(shuō),可以采取直接上線的方式,用全量的流量來(lái)測(cè)試新的方案。然后對(duì)比前后的數(shù)據(jù)指標(biāo),判斷前后哪種方案更好。
這10個(gè)運(yùn)營(yíng)數(shù)據(jù)分析方法并無(wú)優(yōu)劣之分,在正確的湯景下使用了正確的方法就是高效的。
最后要說(shuō)的話：
數(shù)據(jù)充斥在產(chǎn)品和運(yùn)營(yíng)的各個(gè)環(huán)節(jié)，所以成功的運(yùn)營(yíng)增長(zhǎng)一定是基于數(shù)據(jù)的。在運(yùn)營(yíng)的各個(gè)環(huán)節(jié)，都需要以數(shù)據(jù)為基礎(chǔ)。當(dāng)我們養(yǎng)成以數(shù)據(jù)為導(dǎo)向的習(xí)慣之后，做運(yùn)營(yíng)就有了依據(jù)，不再是憑經(jīng)驗(yàn)盲目運(yùn)作，而是有的放矢。
聯(lián)系客服
