數(shù)據(jù)化運(yùn)營(yíng)是一個(gè)近年來興起的概念，它在運(yùn)營(yíng)的基礎(chǔ)上，提出了以數(shù)據(jù)驅(qū)動(dòng)決策的口號(hào)。

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

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

這是產(chǎn)品和運(yùn)營(yíng)每天每時(shí)每刻都會(huì)遇到的問題。數(shù)據(jù)化運(yùn)營(yíng)，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(yíng)土壤。

數(shù)據(jù)運(yùn)營(yíng)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(yíng)人員的工作，也是產(chǎn)品、市場(chǎng)和研發(fā)的共同愿景。從管理角度，是自上而下的推動(dòng)，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(yíng)體系呢？以下是我的總結(jié)思考。

我將數(shù)據(jù)化運(yùn)營(yíng)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(yíng)層，用戶觸達(dá)層。它是以運(yùn)營(yíng)人員為視角的框架。

數(shù)據(jù)收集層

數(shù)據(jù)化運(yùn)營(yíng)體系的底層是數(shù)據(jù)收集，數(shù)據(jù)是整個(gè)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(gè)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(shí)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(yíng)貫徹產(chǎn)品全階段，不同階段有不同的運(yùn)營(yíng)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(gè)例子，有一家金融產(chǎn)品，它的征信系統(tǒng)會(huì)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(huì)記錄用戶在這些頁面的操作步驟和時(shí)間。這里有一個(gè)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(huì)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(huì)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(gè)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)。

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(gè)用戶在哪個(gè)時(shí)間點(diǎn)、哪個(gè)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(zhǎng)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(yíng)體系的基礎(chǔ)，按不同行為，如購(gòu)買、評(píng)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(gè)簡(jiǎn)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(hào)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(huì)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?dòng)態(tài)的，比如價(jià)格），它是半結(jié)構(gòu)化的NoSQL形式，我這里簡(jiǎn)化了。

有時(shí)候?yàn)榱思夹g(shù)方便，行為數(shù)據(jù)只會(huì)采集用戶在產(chǎn)品瀏覽的頁面，像點(diǎn)擊、滑動(dòng)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(huì)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(huì)有差異和影響，怎么拿來分析？這也是數(shù)據(jù)化運(yùn)營(yíng)的應(yīng)用之一，是宜全不宜少的體現(xiàn)。

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(yíng)銷的基礎(chǔ)。

雖然現(xiàn)在是移動(dòng)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(dòng)運(yùn)營(yíng)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(dòng)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(dòng)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(jiǎn)化模型如下：

url是我們?cè)L問的頁面，以 ***.com/*** 形式記錄，param是描述這個(gè)頁面的參數(shù)，我們?cè)陧撁嫔系乃阉鳌傩孕畔?huì)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(dòng)及內(nèi)容運(yùn)營(yíng)的好基友，活動(dòng)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(gè)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(duì)數(shù)據(jù)化運(yùn)營(yíng)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(shì)。

業(yè)務(wù)數(shù)據(jù)

業(yè)務(wù)數(shù)據(jù)在產(chǎn)品運(yùn)營(yíng)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(gè)商品上，這些數(shù)據(jù)和運(yùn)營(yíng)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(píng)價(jià)、促銷、好友關(guān)系鏈、運(yùn)營(yíng)活動(dòng)、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。

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(hào)，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(huì)調(diào)用。還有公開數(shù)據(jù)，像天氣、人口、國(guó)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(píng)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(huì)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(yíng)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。

數(shù)據(jù)產(chǎn)品層

數(shù)據(jù)產(chǎn)品是對(duì)數(shù)據(jù)的加工和利用，它屬于技術(shù)和自動(dòng)化的范疇，由計(jì)算機(jī)對(duì)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(yíng)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(dòng)覺得不錯(cuò)，于是下載APP，注冊(cè)后參與了活動(dòng)。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(duì)應(yīng)，這就需要數(shù)據(jù)整合，將cookie、手機(jī)號(hào)、userId等信息映射(mapping)到同一個(gè)人。

這是技術(shù)層面的數(shù)據(jù)清洗。整個(gè)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(chǎng)景決定數(shù)據(jù)的不同使用。這里最重要的是先有指標(biāo)。

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(yíng)體系中是承上啟下的潤(rùn)滑油，它由原始數(shù)據(jù)加工而來，反過來又驅(qū)動(dòng)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(yíng)？?jī)?nèi)容、用戶、活動(dòng)模塊的KPI也是圍繞指標(biāo)的。

指標(biāo)不是一個(gè)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(dòng)、規(guī)劃其他數(shù)據(jù)產(chǎn)品以及配合運(yùn)營(yíng)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(yíng)業(yè)務(wù)所決定，也是運(yùn)營(yíng)的第一驅(qū)動(dòng)力。

我們簡(jiǎn)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(gè)時(shí)間戳意味著對(duì)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(yíng)中的重要指標(biāo)：活躍用戶數(shù)。通過對(duì)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(dòng)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(yíng)人員產(chǎn)品人員每日的報(bào)表Dashboard。

有了指標(biāo)，我們?cè)倏雌渌臄?shù)據(jù)產(chǎn)品，因?yàn)槠邢蓿抑亟榻B一下用戶畫像。

用戶畫像

用戶畫像是常用的數(shù)據(jù)產(chǎn)品，對(duì)產(chǎn)品和運(yùn)營(yíng)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(chǎng)營(yíng)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(gè)自然人的社會(huì)屬性，用于用戶需求和場(chǎng)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(gòu)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(huì)被打上汽車興趣的標(biāo)簽。

用戶畫像是一個(gè)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(jí)的提高運(yùn)營(yíng)效果。

用戶畫像也有簡(jiǎn)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(jiǎn)單做一個(gè)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(yíng)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(dòng)，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(yíng)知道女性用戶偏好哪個(gè)品類的化妝品，效果會(huì)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(gè)標(biāo)簽。也能通過算法計(jì)算獲得，比如在淘寶購(gòu)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(guó)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(yíng)和產(chǎn)品人員就是它們的用戶。

數(shù)據(jù)運(yùn)營(yíng)

數(shù)據(jù)運(yùn)營(yíng)層，是運(yùn)營(yíng)人員將數(shù)據(jù)轉(zhuǎn)化成運(yùn)營(yíng)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(dòng)化對(duì)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(yíng)意識(shí)提高不上去，一切等于零。

對(duì)人的要求有三點(diǎn)：

（1）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(gè)人經(jīng)驗(yàn)。這是應(yīng)該規(guī)避的思維，不是一個(gè)人，而是團(tuán)隊(duì)要做到。

數(shù)據(jù)化運(yùn)營(yíng)也不是企業(yè)運(yùn)營(yíng)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(yíng)所能發(fā)揮的效果也越好。在創(chuàng)業(yè)公司或者小公司，會(huì)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(jí)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)。

（2）本身數(shù)據(jù)分析和運(yùn)營(yíng)水平不過關(guān)

雖然有意識(shí)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(yíng)的戰(zhàn)略和意識(shí)、管理層有數(shù)據(jù)化運(yùn)營(yíng)的指導(dǎo)經(jīng)驗(yàn)，執(zhí)行層能將數(shù)據(jù)化運(yùn)營(yíng)的落地，那么整個(gè)體系也推行成功了。

（3）產(chǎn)品工具的使用

這是對(duì)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(yíng)銷、 AB測(cè)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(yíng)和產(chǎn)品如何進(jìn)行數(shù)據(jù)運(yùn)營(yíng)，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。

1、不是全量，而是精細(xì)；不止精細(xì)，更是精益

全量運(yùn)營(yíng)是一種集中運(yùn)營(yíng)的策略，活動(dòng)、內(nèi)容推送、營(yíng)銷、用戶關(guān)系維護(hù)，這些方式如果針對(duì)所有的用戶，這是運(yùn)營(yíng)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(yíng)彌補(bǔ)。

精細(xì)是是將目標(biāo)拆分成更細(xì)的粒度，全國(guó)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(yíng)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(huì)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(duì)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(gè)「最」說的是精細(xì)，后面一個(gè)「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(dòng)，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(huì)是最優(yōu)質(zhì)的那批客戶。

2、未來比現(xiàn)在重要，現(xiàn)在比過去重要

這個(gè)第二個(gè)核心，數(shù)據(jù)化運(yùn)營(yíng)能夠預(yù)測(cè)未來，把握當(dāng)下。傳統(tǒng)的運(yùn)營(yíng)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(jìng)爭(zhēng)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(gè)活動(dòng)，可以提前挑選5%的用戶做一個(gè)測(cè)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(yíng)是繼續(xù)還是改進(jìn)。這是技術(shù)帶來的進(jìn)步優(yōu)勢(shì)。

預(yù)測(cè)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(cè)，用戶可不可能流失，會(huì)不會(huì)喜歡和購(gòu)買這個(gè)商品，新上線的電影會(huì)否偏好…運(yùn)營(yíng)則利用這些概率針對(duì)性的運(yùn)營(yíng)。

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(shì)去估計(jì)，這取決于運(yùn)營(yíng)人員的經(jīng)驗(yàn)和數(shù)據(jù)敏感性。

3、系統(tǒng)化與自動(dòng)化

數(shù)據(jù)化運(yùn)營(yíng)體系的搭建過程中，運(yùn)營(yíng)人員會(huì)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(yíng)息息相關(guān)的工具，在數(shù)據(jù)運(yùn)營(yíng)體系中占據(jù)中重要的比例。

為了更好的達(dá)成目標(biāo)，會(huì)將其獨(dú)立成運(yùn)營(yíng)模塊／運(yùn)營(yíng)后臺(tái)。好的運(yùn)營(yíng)后臺(tái)和用戶端的產(chǎn)品同等重要，也需要后臺(tái)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?zèng)]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(gè)指標(biāo)將用戶劃分成了不同的價(jià)值和人群。這個(gè)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(gè)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(yíng)們得加把勁營(yíng)銷。上面東西從更高的視野看，是一連串效果、ROI、盈利的評(píng)估。這就是用數(shù)據(jù)做運(yùn)營(yíng)策略。

CRM又能和客服中心結(jié)合，電話號(hào)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(tái)的用戶畫像知道這個(gè)用戶是什么情況，這也有針對(duì)性的服務(wù)。數(shù)據(jù)運(yùn)營(yíng)體系不止服務(wù)于運(yùn)營(yíng)和產(chǎn)品的。

系統(tǒng)化，要求的是我們把運(yùn)營(yíng)的整個(gè)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(dòng)能持續(xù)做，把這些都固定下來，打造出一個(gè)運(yùn)營(yíng)用的產(chǎn)品后臺(tái)，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(dòng)，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(yíng)、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(rùn)滑劑，你沒有數(shù)據(jù)，怎么能有選擇性的發(fā)券、做活動(dòng)、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(yíng)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(yíng)策略。這是數(shù)據(jù)運(yùn)營(yíng)層的核心。

用戶觸達(dá)

我們整個(gè)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(yíng)得再努力，如果不將它們傳遞給用戶，體系就是失敗的。

整個(gè)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(dòng)、文案、商品的展示順序等。在與產(chǎn)品交互的過程中，用戶會(huì)以直接的反饋表達(dá)自己喜惡。

感興趣的會(huì)點(diǎn)擊，喜愛的會(huì)夠買，討厭的會(huì)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(gòu)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(yíng)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(gè)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(yíng)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(yíng)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(yíng)后，不會(huì)獲得一個(gè)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(huì)都不會(huì)有。

你看，優(yōu)秀的員工，不會(huì)以數(shù)據(jù)化運(yùn)營(yíng)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。

總結(jié)

我們將四層串聯(lián)起來看待，下圖是一款產(chǎn)品簡(jiǎn)化的數(shù)據(jù)化運(yùn)營(yíng)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(duì)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(yíng)層：近期有一個(gè)科技類的活動(dòng)，需要一定用戶量參與。運(yùn)營(yíng)不能選擇全部的用戶推送吧，那么就從用戶池中篩選中對(duì)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(tái)則會(huì)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(dòng)。轉(zhuǎn)化率作為反饋會(huì)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(yíng)體系既能簡(jiǎn)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(jiǎn)化成四個(gè)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(yíng)：以加工數(shù)據(jù)為輸入，以運(yùn)營(yíng)策略（用戶、內(nèi)容、活動(dòng)、電商）為輸出。
• 用戶觸達(dá)：以運(yùn)營(yíng)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(yíng)體系就良好地運(yùn)作起來。好的數(shù)據(jù)化運(yùn)營(yíng)體系也是高度自動(dòng)化的運(yùn)作，像個(gè)性化推薦，可以略過數(shù)據(jù)運(yùn)營(yíng)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(gè)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(yíng)體系。因?yàn)榧夹g(shù)手段差異，實(shí)現(xiàn)方式會(huì)有不同，哪怕是Excel，也能發(fā)出數(shù)據(jù)化運(yùn)營(yíng)的光芒。

以上就是產(chǎn)品和運(yùn)營(yíng)視角的數(shù)據(jù)化運(yùn)營(yíng)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。

作者：秦路，微信公眾號(hào)ID：tracykanc

本文由 @秦路?原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。