編輯導(dǎo)語(yǔ)：數(shù)據(jù)可以驅(qū)動(dòng)業(yè)務(wù)，同樣的，運(yùn)營(yíng)也可以結(jié)合數(shù)據(jù)，幫助企業(yè)找到新的增長(zhǎng)點(diǎn)，實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。具體而言，什么是數(shù)據(jù)化運(yùn)營(yíng)？本篇文章里，作者就數(shù)據(jù)化運(yùn)營(yíng)的定義、所需知識(shí)技能、以及基本流程等方面做了總結(jié)，一起來(lái)看一下。

互聯(lián)網(wǎng)下半場(chǎng)，流量紅利早已消耗殆盡，一方面是泡沫散去后投資人投資更加理性，沒那么多錢可以給到互聯(lián)網(wǎng)公司去燒錢拉客戶，另一方面，現(xiàn)在用戶信息過(guò)載、產(chǎn)品和服務(wù)同質(zhì)化嚴(yán)重，經(jīng)常是花了錢也得不到客戶，這樣導(dǎo)致企業(yè)獲客成本已經(jīng)非常昂貴。

過(guò)去獲取一個(gè)新客的成本可能幾毛錢幾塊錢，現(xiàn)在要幾百元，流量洼地幾乎不存在了。于是，大家紛紛把目光投向了大數(shù)據(jù)，希望利用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)，帶來(lái)新的增長(zhǎng)點(diǎn)，數(shù)字化轉(zhuǎn)型、數(shù)據(jù)化運(yùn)營(yíng)成了近幾年的熱潮。

那么，到底什么是數(shù)據(jù)化運(yùn)營(yíng)，該如何進(jìn)行數(shù)據(jù)化運(yùn)營(yíng)呢?

一、數(shù)據(jù)化運(yùn)營(yíng)與運(yùn)營(yíng)什么關(guān)系？

數(shù)據(jù)化運(yùn)營(yíng)：通過(guò)數(shù)據(jù)化的工具、技術(shù)和方法，對(duì)運(yùn)營(yíng)過(guò)程中的各個(gè)環(huán)節(jié)進(jìn)行科學(xué)的分析，為數(shù)據(jù)使用者提供專業(yè)、準(zhǔn)確的行業(yè)數(shù)據(jù)解決方案，從而達(dá)到優(yōu)化運(yùn)營(yíng)效果和效率、降低運(yùn)營(yíng)成本、提高效益的目的。

產(chǎn)品和運(yùn)營(yíng)是相輔相成無(wú)法分割的，舉個(gè)通俗的例子，產(chǎn)品誕生就像小孩出生，而運(yùn)營(yíng)則是讓孩子茁壯成長(zhǎng)，成為有用之才為為家、為國(guó)做貢獻(xiàn)的長(zhǎng)期過(guò)程。而數(shù)據(jù)化運(yùn)營(yíng)，則是將數(shù)據(jù)的能力貫穿運(yùn)營(yíng)的整個(gè)過(guò)程。

以AARRR的用戶增長(zhǎng)框架為例，數(shù)據(jù)化運(yùn)營(yíng)覆蓋：

• 經(jīng)營(yíng)管理：從拍腦袋定性決策，到一切用數(shù)據(jù)說(shuō)話的定量決策。
• 渠道運(yùn)營(yíng)：如何找到流量規(guī)模大、留存質(zhì)量高、又便宜的獲客渠道，渠道投放策略怎樣實(shí)現(xiàn)ROI最大化。
• 活動(dòng)運(yùn)營(yíng)：參與活動(dòng)的用戶具有什么特征，每個(gè)活動(dòng)的轉(zhuǎn)化效果以及ROI怎樣，是持續(xù)擴(kuò)大流量還是優(yōu)化調(diào)整策略。
• 產(chǎn)品運(yùn)營(yíng)：用戶是否可以流暢地完成操作流程，各個(gè)業(yè)務(wù)流程的轉(zhuǎn)化漏斗如何，哪個(gè)環(huán)節(jié)流失最多，是否可以通過(guò)產(chǎn)品優(yōu)化提升整體轉(zhuǎn)化率。
• 內(nèi)容運(yùn)營(yíng)：有些業(yè)務(wù)是商品運(yùn)營(yíng)，即哪些內(nèi)容更受用戶喜歡，如何實(shí)現(xiàn)人貨的最優(yōu)匹配。
• 用戶運(yùn)營(yíng)：用戶分層，不同用戶群體的差異化運(yùn)營(yíng)策略。

二、數(shù)據(jù)賦能運(yùn)營(yíng)的2個(gè)方向

數(shù)據(jù)在數(shù)據(jù)化運(yùn)營(yíng)過(guò)程中的價(jià)值概況主要就是兩個(gè)方向，一是通過(guò)數(shù)據(jù)進(jìn)行決策，還有就是把數(shù)據(jù)應(yīng)用到運(yùn)營(yíng)或產(chǎn)品流程，提升產(chǎn)品智能化能力。

1. 數(shù)據(jù)決策

業(yè)務(wù)數(shù)據(jù)化，把業(yè)務(wù)過(guò)程的數(shù)據(jù)進(jìn)行采集處理，用數(shù)據(jù)呈現(xiàn)業(yè)務(wù)經(jīng)營(yíng)情況是什么、怎么樣、為什么、如何做的問題。

2. 智能應(yīng)用

又可以分為兩個(gè)維度，一是智能營(yíng)銷運(yùn)營(yíng)，二是產(chǎn)品的智能。

智能化運(yùn)營(yíng)，典型的案例是基于用戶畫像實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。即通過(guò)用戶畫像分析挖掘，對(duì)用戶進(jìn)行差異化、精細(xì)化運(yùn)營(yíng)。產(chǎn)品智能常見的是個(gè)性化推薦、AI應(yīng)用，例如利用機(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)內(nèi)容的自動(dòng)化審核。

三、數(shù)據(jù)化運(yùn)營(yíng)的基本流程

1. 確定目標(biāo)

數(shù)據(jù)化運(yùn)營(yíng)第一步，要搞清楚業(yè)務(wù)的核心目標(biāo)是什么，用戶運(yùn)營(yíng)、產(chǎn)品運(yùn)營(yíng)不同的運(yùn)營(yíng)場(chǎng)景目標(biāo)不同，可以圍繞業(yè)務(wù)的KPI展開。

2. 指標(biāo)體系

業(yè)務(wù)目標(biāo)確定后，基于目標(biāo)進(jìn)行數(shù)據(jù)指標(biāo)的拆分，構(gòu)建業(yè)務(wù)監(jiān)控或結(jié)果評(píng)價(jià)的指標(biāo)體系。

3. 數(shù)據(jù)獲取

需要的數(shù)據(jù)從哪里來(lái)，對(duì)于流量、行為類的數(shù)據(jù)必須要先進(jìn)行埋點(diǎn)，在數(shù)據(jù)團(tuán)隊(duì)經(jīng)常遇到業(yè)務(wù)產(chǎn)品找數(shù)據(jù)PM要數(shù)據(jù)，到頭來(lái)卻發(fā)現(xiàn)都沒有埋點(diǎn)。

4. 數(shù)據(jù)分析

利用數(shù)據(jù)分析方法、數(shù)據(jù)可視化等方法對(duì)采集到的數(shù)據(jù)進(jìn)行處理，形成分析報(bào)告。

5. 策略建議

基于分析結(jié)果，發(fā)現(xiàn)業(yè)務(wù)問題或?qū)ふ覞撛谠鲩L(zhǎng)點(diǎn)，支撐業(yè)務(wù)決策、驅(qū)動(dòng)產(chǎn)品流程改進(jìn)優(yōu)化。

6. 評(píng)估優(yōu)化

分析結(jié)論或策略建議在產(chǎn)品或運(yùn)營(yíng)端實(shí)施后，通過(guò)AB測(cè)試對(duì)比、效果分析，持續(xù)優(yōu)化迭代。

四、數(shù)據(jù)化運(yùn)營(yíng)需要掌握的知識(shí)體系

1. 數(shù)據(jù)埋點(diǎn)

數(shù)據(jù)埋點(diǎn)是互聯(lián)網(wǎng)產(chǎn)品數(shù)據(jù)分析的根基，想要做好數(shù)據(jù)化運(yùn)營(yíng)，需要清楚埋點(diǎn)的流程、埋點(diǎn)方案選擇、數(shù)據(jù)驗(yàn)證方法?？梢圆榭矗骸?a href="http://m.codemsi.com/data-analysis/5153200.html" target="_blank" rel="noopener">用戶行為數(shù)據(jù)采集：常見埋點(diǎn)方案優(yōu)劣勢(shì)對(duì)比及選型建議》。

2. 指標(biāo)體系建設(shè)

好的指標(biāo)體系可以直觀地反應(yīng)當(dāng)前業(yè)務(wù)經(jīng)營(yíng)狀況的好壞，并且可以給出可以指導(dǎo)行動(dòng)的決策建議。數(shù)據(jù)化運(yùn)營(yíng)需要掌握指標(biāo)體系的構(gòu)建及管理方法。例如，通過(guò)OSM與UJM模型，構(gòu)建數(shù)據(jù)化運(yùn)營(yíng)指標(biāo)體系。

3. 數(shù)據(jù)分析方法

除了專業(yè)的數(shù)據(jù)分析崗位外，現(xiàn)在幾乎各個(gè)崗位都要求具備一定的數(shù)據(jù)分析技能，產(chǎn)品經(jīng)理掌握分析方法可以更好的做產(chǎn)品決策，運(yùn)營(yíng)具備分析能力，可以更高效的運(yùn)營(yíng)。目前市面上數(shù)據(jù)分析的課程非常多。

4. 用戶行為分析

過(guò)去數(shù)據(jù)分析以宏觀的數(shù)據(jù)指標(biāo)為主，例如流量、訂單、營(yíng)收等。隨著用戶增長(zhǎng)理論的發(fā)展，對(duì)個(gè)體行為的洞察分析成了新的方向。通過(guò)對(duì)用戶點(diǎn)擊事件、漏斗轉(zhuǎn)化、行為路徑、留存分析以及魔法數(shù)字分析，找出產(chǎn)品流程上的問題和改進(jìn)點(diǎn)，從而提升用戶轉(zhuǎn)化，促進(jìn)用戶增長(zhǎng)。

5. 數(shù)據(jù)可視化

運(yùn)營(yíng)數(shù)據(jù)分析報(bào)告、數(shù)據(jù)分析平臺(tái)都需要以更直觀的方式將分析結(jié)果或決策建議輸出，指導(dǎo)業(yè)務(wù)決策。因此，需要了解數(shù)據(jù)可視化圖表的應(yīng)用原則、可視化產(chǎn)品設(shè)計(jì)理念，以及常用的可視化工具，如Echart、百度圖說(shuō)，可以查看《數(shù)據(jù)可視化怎樣才有靈魂》。

6. 用戶畫像標(biāo)簽體系與精細(xì)化運(yùn)營(yíng)

精細(xì)化運(yùn)營(yíng)離不開用戶的分層運(yùn)營(yíng)，對(duì)用戶進(jìn)行更細(xì)粒度的分群，需要掌握用戶畫像理論、用戶畫像標(biāo)簽體系建設(shè)方法，將業(yè)務(wù)運(yùn)營(yíng)場(chǎng)景抽象成用戶標(biāo)簽，利用CDP/DMP平臺(tái)實(shí)現(xiàn)更高效的運(yùn)營(yíng)流程?？梢圆榭础?a href="http://m.codemsi.com/operate/5131997.html" target="_blank" rel="noopener">CDP、DMP、CRM都是什么，你分得清楚嗎？》、《數(shù)據(jù)中臺(tái)：從0-1，數(shù)據(jù)服務(wù)平臺(tái)（DMP）實(shí)踐》。

7. 算法挖掘應(yīng)用

基于運(yùn)營(yíng)經(jīng)驗(yàn)的規(guī)則運(yùn)營(yíng)需要和算法能力相結(jié)合，才能發(fā)揮更大的價(jià)值，例如人與商品的精準(zhǔn)推薦實(shí)現(xiàn)千人千面的個(gè)性化產(chǎn)品體驗(yàn)，或者將業(yè)務(wù)規(guī)則抽象成算法特征，利用AI能力預(yù)測(cè)用戶行為意向。可以查看：《數(shù)據(jù)化運(yùn)營(yíng)：算法模型可以取代業(yè)務(wù)經(jīng)驗(yàn)嗎？》。

五、總結(jié)

這篇文章主要是想讓你對(duì)數(shù)據(jù)化運(yùn)營(yíng)有個(gè)宏觀的認(rèn)知。了解數(shù)據(jù)化運(yùn)營(yíng)的流程，以及工作過(guò)程涉及的知識(shí)及技能，可以更有針對(duì)性地準(zhǔn)備。數(shù)據(jù)化運(yùn)營(yíng)是不斷實(shí)踐和積累的過(guò)程，后續(xù)也會(huì)針對(duì)各個(gè)方向的知識(shí)進(jìn)行單獨(dú)篇幅的介紹。

#專欄作家#

數(shù)據(jù)干飯人，微信號(hào)公眾號(hào)：數(shù)據(jù)干飯人，人人都是產(chǎn)品經(jīng)理專欄作家。專注數(shù)據(jù)中臺(tái)產(chǎn)品領(lǐng)域，覆蓋開發(fā)套件，數(shù)據(jù)資產(chǎn)與數(shù)據(jù)治理，BI與數(shù)據(jù)可視化，精準(zhǔn)營(yíng)銷平臺(tái)等數(shù)據(jù)產(chǎn)品。擅長(zhǎng)大數(shù)據(jù)解決方案規(guī)劃與產(chǎn)品方案設(shè)計(jì)。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash，基于CC0協(xié)議