精細化運營不得不說的那些事兒

資料分析v發表於2018-05-21

隨著智慧機市場趨於飽和，網際網路流量紅利消失的趨勢下，精細化資料運營對業務增長變得越來越重要，如何幫助初創公司解決運營細化尤為重要；

對於資料運營這一點，可能有些人從沒有看數的習慣到了看數的習慣那是一大進步，是不是能看幾個數這就叫資料運營了呢？這還遠遠不夠，這裡來說現有的創業公司在進行資料運營這件事情上存在的現狀。

一般初創公司會有一個資料工程師的角色，然後各個部門各個角色都會找他要資料，然而這個會帶來一個問題取數的等待週期太長，整個時機可能就錯過了。

有一些公司有了儀表盤可以看到公司上個季度、昨天總體的這些資料，還是很不錯的。對於決策層當然是很開心，但是，對於市場、運營這些同學來說可能就還不夠。活動資料無法細查，流量資料上升下降異常的時候也無法快速定位問題。

理想狀態的資料運營應該是怎麼樣的？就是一個自助式的資料分析，讓業務人員每一個人都能自己去進行資料分析，掌握這個資料。實現的方式就是我們先將資料來源本身整好，整全整細了，中間提供強大的分析工具，讓每一個業務員都能直接進行操作，大家併發的去做一些業務上的資料需求，這個效率就要高非常多。那麼接下來介紹下一般公司的大資料處理的流程：

資料採集

經使用者同意授權後，採集到全部資料，並且是多維度的，使用者訪問，使用者裝置，地域，購買行為，註冊行為等等全量的多維資料；

資料建模

通過開發同學把底層的原始資料做抽象處理，根據需求做出一張張的資料表。

資料分析

多維分析：

對於多維分析主要這裡面其實就是由三個關鍵的概念，一個就是事件，一個是維度，一個是指標。事件就是說任何一個網際網路產品，都可以把它抽象成一系列事件。

比如針對保險產品來說，可抽象到提交、訂單、註冊、提交保費一系列事件使用者行為。每一個事件裡面都包括一系列屬性。比如，他用作業系統版本是否連wifi；比如，保單相關的保費，這些東西，或者使用者的一些職能屬性，這些就是一系列維度。基於這些維度看一些指標的情況。比如，對於訪問來說，可能訪問總做成一個指標，訪問的人數是一個指標，平均的人均訪問次數這也是一個指標；

多維分析的價值：譬如對於註冊這個事件來說，針對整個總的註冊量這條曲線，按照時間的曲線會發現它一路在下跌。但下跌的時候，不能眼睜睜的看著它，一定要分析原因。如何分析就是拆分維度，比如我們按照地域，或者按照渠道，或者按照其他一些方式去拆開，按照年齡段、按照性別去拆開，看這些資料到底是不是整體在下跌，還是說某一類資料在下跌。

漏斗分析：

漏斗分析是用資料來看使用者從做第一步操作到後面每一步操作，實際的轉化過程。比如，一批使用者啟動了APP，有一部分人根本沒有啟動起來，剩下的啟動app的人去瀏覽了的首頁，瀏覽首頁之後可能一部分人就直接跑了，還有一部分人可能去點選到一個發現裡面去，點選到註冊可能又有很多人跑了，這其實就是一個漏斗。

通過這個漏斗，就能分析一步步的轉化情況，然後每一步都有流失，可以分析不同的渠道其轉化情況如何。比如，打廣告的時候發現來自百度的使用者漏斗轉化效果好，就可能在廣告投放上就在百度上多投一些。

留存分析：

比如，搞一個地推活動，然後來了一批註冊使用者，接下來看它的關鍵行為上面操作的特徵，比如當天它有操作，第二天有多少人會關鍵操作，第N天有多少操作，這就是看它留下來這個情況。

其他：

例如使用者參與分析；智慧路徑；路徑上下游分析；等等

其他分析內容請期待下期；

總結

通過精細化運營手段提升產品現狀，這也跟使用者留存、使用者轉化提升息息相關。這是一個系統化的工作，需要用科學的手段和工具去完成。

轉自：眾安數盟；

END