今天分享干貨——數據驅動運營，該從幾個維度分析？

如果你是互聯網創業者，想必你會有運營互聯網產品的經歷。做互聯網產品（除技術以外），其中一個很重要的環節非運營莫屬了，不知道大家有沒有運營的經歷，那些年我們運營過的產品。從創業以來我做得最多的莫過于梳理商業模式以及運營產品，今天我就分享一下運營產品的心得（順便吐槽一下那些讓CEO噴血的用戶嘿嘿~）。

在我創業的時候，我曾做過用戶運營以及產品運營，這讓我想起某個投資人的一個段子：作為CEO，一定要親自接觸用戶，親自做客服運營，因為會讓你“懷疑人生”。

想起第一次接觸運營的時候還是我大一的時候，那時候我做一個高校O2O產品，解決高校配送的痛點，做的正是用戶運營，給我的感覺簡直就是“毀三觀”，這讓我相信CEO還是得多磨練，做客服至少可以磨練你的脾氣。那時候我每天與用戶聊天聊到凌晨一倆點（挖掘需求，接近用戶，市場調研啊有木有）。這還好，問題是社會上總有些傻逼呀，我還真見識過一些傻逼用戶~心想：“我怎么會服務這些傻逼的用戶呀~”“這世界上怎么會有那么傻逼的用戶啊~”

運營不只是客服，“數據思維”更為重要|數據驅動運營·強運營的硬道理

對于“運營”特別是用戶運營，有很多人誤以為就是做客服，其實不然，其實客服只是其中一個環節。但是在運營產品中，有一個環節是尤為重要的卻總被人忽略的，就是數據；運營好一個產品，數據不可忽視。我就舉個最簡單的例子吧，微信公眾號，微信公眾號門檻極低，相信就算不是互聯網人都運營過，你可以把微信公眾號視為一個互聯網產品，說到微信自媒體，如今微信紅利已過，營銷起來也不比以前那般簡單了，隨隨便便就引來十來幾十萬粉絲。說到微信公眾號引流，大家想到的可能是靠優質內容，只關注內容。其實這是個誤區，靠內容只是營銷的環節，卻忽略了運營。無論是自媒體還是互聯網產品，都有一條服務鏈條，營銷——運營——交互——轉化服務。這個鏈條缺一不可，少了一個因素鏈條就斷了，營銷不過是其中一個環節。那么說到運營，我還是以微信公眾號為例子吧，很多做微信運營的應該會想到用戶運營、內容運營。你是不是就認為所謂運營就是與用戶聊天引導用戶服務以及內容運營？不盡然~僅僅依靠這樣的用戶運營是不夠的，因為這樣你不知道用戶需要什么，你的粉絲是否真的是你的目標用戶？你提供的服務是否是剛需？這些問題都需要運營者去考慮

如果你運營過公眾號，想必會有此困惑，為什么我每天很用心地運營我的公眾號，每天都生產優質內容，還是會掉粉，卻找不出原因，每天都有一定的流失率；這個時候就需要用到數據思維了，這個時候數據變成為很重要的角色，你要做的便是——數據驅動運營

數據思維|如何做到數據驅動運營

我在2年前第一次嘗試運營公眾號，那時候也是未曾注意到數據這一維度，然而就是好不容易引來的流量第二天就流失了~那么如何做好數據驅動運營呢？

誤區：不要僅盯用戶量

說到數據驅動，有很多運營狗可能就說了，誒我明明有關注數據啊，我每天都觀察用戶量的，怎么還是不行？

做互聯網產品，對于數據而言，用戶量固然重要，但卻不是判斷產品好壞最重要的數據指標。用戶量是基礎，但是影響用戶量的數據維度卻有很多，不僅如此，影響產品的因素也有很多例如：DAU、MAU、增長率、留存率等（之前有過跑投資的經歷，這些指標也是投資人及其關注的指標）

增長才是王道

其實關注用戶量，這個方向&出發點是沒有錯的，但是影響用戶量的最直接的指標便是用戶增長，這才是您應該關注的，做好增長提高用戶量不是什么難題。

增長是王道，如果不能增長就會衰退

數據分析，該關注哪幾個維度？|如何做好數據驅動運營

首先獲取數據源

運營互聯網產品，其本質無非就是洞察用戶行為以及驅動用戶行為，然而數據的產生就離不開用戶反饋，所以數據驅動運營，首先要獲取的便是用戶反饋了。

數據驅動運營，數據分析到底從哪幾個維度出發呢？儒商經試錯得出：“用戶量、用戶增長率、流失率、留存率、渠道轉化率、MAU（月活躍率）、DAU（日活躍率）、變現轉化率、回購率、人群畫像分布”這10個維度的數據尤其重要。

好像上文說到的，用戶增長，影響用戶量其中一個維度就是用戶增長；當然了，不僅僅這一個數據維度，每一項維度都有其影響的數據維度，比如說影響用戶增長的有可能是你的留存率以及推廣渠道的渠道轉化率。然而影響留存率的便是流失率

當然分析數據以及利用數據驅動運營除了數據之外，洞察用戶特征也很是重要

除了以上說到的幾個數據維度之外，還有一項也是尤為重要的便是用戶特征分析維度：地區分布、興趣愛好、用戶行為、性格等，按照如此分析，你能分析出他是不是目標用戶群體

就是我在文章開頭說到，優秀的運營應該盡可能地接近用戶了解用戶，才知道用戶需要什么。舉個簡單的例子，假如是做女裝電商的，那么你的用戶群體便是女生，在用戶分析你便要從性別來分析，那么你就可以很簡單地剔除男性用戶了，再進一步分析興趣愛好、地區、年齡等維度，從而分析出用戶行為以及引導用戶，這便影響著你的產品的變現率（畢竟在商言商嘛~商業本質在于變現，轉化消費才是王道）

用戶量是基礎，關注精準流量，投放渠道求ROI——渠道轉化率

所有數據分析的來源，都是要有數據，數據便從流量從人而來，所以用戶量便是基礎了，沒有用戶量沒有流量便是0，那么數據分析也無從談起。

這便說到了營銷，營銷最直接的方式便是投放媒體或投放推廣渠道，從別的渠道挖流量過來。有很多老板總說我投了那么多錢ROI（投資回報率）總是很低呀~那么這個時候你需要關注渠道轉化率了，渠道轉化影響著用戶增長以及用戶量。

如何投放，投放廣告也是非常有講究的，隨便投放當然是徒勞無功，首先不用說都知道，盡量投與你產品相類似的媒體或平臺（精準流量）

其次關注渠道轉化率，剔除轉化率較低的渠道。例如說，我投放廣告，投放了百度、微信以及微博的，那么你需要去分析不同渠道各自的轉化率是多少了，例如百度的轉化率是最高的，那么你就選擇投放百度，剔除微信以及微博的投放，以確保你的推廣渠道的轉化率

多維事件分析&漏斗分析法|如何做好數據驅動運營？

在運營產品當中，要時刻關注每一個數據指標以及影響其指標的數據維度：

基于用戶量、人群畫像時間分布、性別分布、用戶行為、日均交易額等維度分析流失率、增長率下降等問題

漏斗分析法

在分析數據的時候，如何做好數據驅動運營，我提供一個分析數據的方法——漏斗分析法

我舉個例子，還是做電商的例子，電商人都知道，電商的數據尤為重要的數據便是留存率、流失率以及消費轉化率。

然而影響流失率的有可能就是用戶體驗的問題以及交互環節，例如電商的用戶行為，最重要的便是支付環節，購買環節。然而有很多電商的平臺便是在支付和購買環節上流失率較高，這與用戶體驗有關系，有可能你的購買的環節太多了；比如，用戶看到一樣產品他想購買，但是你需要進入選擇產品接入支付接口，支付才能購買，這中間經過了四個環節，交互環節較多，用戶的時間成本高了，用戶就不想買了，用戶有可能在中間的某個環節就已經流失了。

這個時候作為運營你就需要去分析其中的情況，獲取用戶行為按照每個階段分析留存情況，然后再分析流失情況以及原因，再進行優化。

3、留存分析：

分析不同批用戶的用戶行為特征，分析其留存情況。

4、回訪分析：

A、分析用戶在一定時間內重復消費的分布。

B、調查用戶反饋。

把這些數據都做好，就能做到數據驅動運營，只要做到這點你的產品運營會更加貼近用戶，也能調查出你的產品問題出在哪里。

作者：儒商詩人，90后，創業小白，出身互聯網。熱愛商業 ，專注于TMT領域，傾力于商業知識服務，分享更多創業干貨，歡迎關注