编辑导语：数据分析在运营的工作中可以起到很大的作用，运营对于平台的数据波动比较关注，特别是如今是精细化运营时代，运营在工作中对于数据的分析就更加重视，根据数据波动更改运营策略；本文作者分享了关于数据分析如何驱动运营的思考，我们一起来了解一下。

想当年，还没有接触运营工作的适合，我以为我的工作内容是这样的：

早晨到公司看各种数据报表，各项指标良好，已经超额完成了任务，然后开始写下一阶段的运营计划；中午吃个饭，然后午休；下午和用户聊聊天或者写写宣传文案，19点准时下班回家。

然而，现实和理想之间总是有着太大的差距；现实运营工作中，从早忙到晚，不停地穿梭在各种会议之间，不停地解决工作中遇到的麻烦。

早上到公司发现数据不达标，连忙做数据分析；分析一半，到了领导组织的开会时间；会议结束时已经12点，赶快叫个外卖；午饭后刚准备把数据分析做完，领导临时发起了一个会议，针对今天数据不达标，叫来相关的人员进行批评；会议结束后的两个小时终于做完了数据分析，赶紧写一份报告发给领导，抄送产品团队和运营团队。

产品经理看到邮件后非常不开心，过来找你理论，你俩对了半小时的数据，产品经理终于承认自己更新的版本有一个小漏洞，导致今天的数据不达标；再看着日历上的安排，活动规划还没写完。刚准备写活动规划，领导针对产品的小漏洞召开紧急会议，产品经理和运营人员必须参加。会议结束时已经19点，其他人已经下班回家，你还要写活动规划；再想想第二天需要与设计人员要排期、向管理层要资源、跟产品经理对进度等。

运营是一个理性和感性相结合的岗位。感性的人可以做好活动运营，可以做好用户运营，反而容易失去大局观；理性的人可以做好流程规划，可以做好数据运营，反而很难做成超出用户预期的活动和文案。很多时候，我们需要在理性和感性之间进行权衡。

运营工作离不开数据的指导，特别是目前进入精细化运营时代，运营人员离开了数据分析做运营上的决定，与赌场中的赌徒并没有太大的差别；运营人员更不能为不符合预期的结果找借口，而是要基于数据统计分析实事求是地撰写运营计划复盘；所以，运营人员不能把运营方案寄托在感觉之上，而应该建立在理性的数据分析之上。

01产品运营需要通过数据找出波动背后的原因

在产品的不同阶段，关注不同的指标。

产品上线初期，亟待获得市场的反馈，并通过得到的数据验证最初产品的构想，为产品下一步发展找到具体的方向。

产品发展到一定阶段开始遇到瓶颈，增长曲线趋于平缓，需要通过收集产品的数据，找到下一个突破口。

一直运转良好的业务，某天突然出现下滑或者激增，通过数据评估产品改版（新功能）效果，发现产品改进关键点，构建用户画像，通过数据挖掘用户留存的关键行为，以便开展精细化运营，优化用户体验，发现业务运营中存在的问题，运营效果分析、ROI分析，数据总结与向上汇报。

比如之前某款工具类产品的初期，后台数据反馈用户安装后3分钟内的卸载率很高，通过分析用户行为路径数据发现，产品需要运行3～5分钟才能产生效果，而用户期待安装后立刻看到效果，导致用户以为安装的产品有缺陷，于是卸载了产品。

于是，在产品安装后新增了一句提示语：“等待5～10分钟，您就能看到效果。”也正因此，用户的留存率提升了36%。

02渠道运营人员需要通过数据衡量渠道的价值

互联网的渠道有很多，到底哪个渠道对于产品的价值最高？现在各个平台的规则不断完善，免费流量的获取难度逐渐增大。

单个流量越来越贵，因此运营人员通过渠道获取用户更要着重于数据分析，不然会造成产品不错的假象。

每个平台都可以算作一个渠道，因此互联网的渠道多到数不过来。那么，企业如何根据自己的产品特性，从众多渠道中选出合适的渠道呢？运营人员可以从产品属性、用户属性、掌握情况、时间周期4个维度进行考量。

对于推广App来说，SEM就不是好渠道，因为没有根据自己的产品特性选择合适的渠道。根据用户下载App的习惯，App最好的推广方式是ASO（应用商店的优化），也可以通过DSP方式投放，根据用户属性选择渠道对应的用户数据包投放广告。

如果通过渠道获取的新用户数多于流失的老用户数，那么看似产品的用户总量在不断增加，但本质上是产品不受喜爱或渠道质量不行；所以，运营人员在通过渠道获取用户时要计算次日留存率或7日留存率，分析产品是否受欢迎、渠道是否满足业务需求，把流量价值最大化。

无论选择哪个渠道，最终目的都是为了转化用户，完成企业的业务目标。其中，能够获得用户并直接形成转化的渠道是最优选择渠道。

• 如果你的目标是为了增加产品使用人数，那么围绕拉新工作设置运营流程的转化节点需要重点考虑。
• 如果你的目标是完成产品的销售额，那么扩大投放用户群体并优化购买流程需要重点考虑。

通过渠道拉新或利用运营技能转化用户的过程，每个节点都会影响最终的结果。所以，从渠道到转化的每个节点都应该做好数据统计工作，支撑后续的数据分析并优化节点的转化率。

03活动运营人员需要通过数据判断活动是否成功

电商平台的“38女王节”“618年中大促”“双十一”“年货节”等这些我们在日常生活中经常接触到的场景都是活动。活动运营对短时间内拉动相关指标增长非常有效。活动类型可分为日常提升活跃度的活动、完成销售额的促销活动、挽回老用户的召回活动等。

活动开展过程中，运营可以看的数据有访问数据PV/UV、活动参与数、页面登陆数、中奖数、兑奖数、活动转化人数/金额，以及用户信息等。运营对活动数据进行实时监控，及时了解活动实时走向，一旦活动出现任何问题，立马知道问题出现在哪里，下一步该怎么调整。

活动需要推广，推广就会涉及到活动投放渠道。运营在活动运营过程中，需要对渠道转化数据进行采集和分析。运营要根据多个指标来对分析每个渠道带来的转化率，比如哪个渠道带来的用户更精准，每个渠道带给app应用的用户成分（老用户占比多少，新用户占比多少，转化率如何等）；运营人员通过对比活动投放渠道的数据，确定哪个渠道能够为app活动吸引来更更多新用户且用户质量高。

活动结束后，对整个活动数据进行复盘很关键。有多少人参加了活动，活动给app带来多少流量，这些流量能够给app每天带来多少新注册用户，每个用户的成本是多少，每个渠道的效果分别是怎样等等。

04用户运营人员需要通过数据建立用户分层分析用户的关键性行为

运营人员要做到比用户更懂用户。

用户数量和用户价值是产品的核心指标，只有庞大的用户数量和高用户价值才能支撑起商业模式，所以用户运营是企业中比较核心的工作；运营人员需要对用户做深度分析后，才能决定采用何种运营技能。

用户运营通过各种属性将用户分层，如渠道、地域、性别、年龄、设备、RFM模型、用户行为节点等，用数据判断哪种属性下的用户对业务的价值更大。

目前，在运营文章中常见的用户分层模式为RFM模型：

• 最近一次消费（Recency）
• 消费频率（Frequency）
• 消费金额（Monetary）

我们根据RFM模型可以总结一句话：用户在平台上一共消费了多少次，花了多少钱，最后一次消费是什么时候。

按照RFM模型对用户进行分组，可以根据不同人群的特点采用不同的运营技能；根据这3个指标分析用户的行为数据，可以把用户分为重要价值用户、重要发展用户、重要保持用户、重要挽留用户、一般价值用户、一般发展用户、一般保持用户和一般挽留用户。

• 如果用户最后消费的时间比较近，消费频率比较高，消费金额也比较高，属于重要价值客户，也就是产品的骨灰级粉丝；
• 如果用户最后消费的时间比较近，消费频率不高，但消费金额很高，属于重要发展客户，需要引导他们增加消费频次；
• 如果用户最后消费的时间比较远，消费频率比较高，消费金额也比较高，说明用户已经很久没有登录平台，有流失的风险，属于重要保护客户；
• 如果用户最后消费的时间比较远，购买的频次比较少，但消费金额比较大，说明用户即将流失或已经流失，需要进行挽回，属于重要挽留客户；
• 如果用户最后消费的时间很近，购买频次不高，购买金额也不高，属于一般发展客户，需要做好引导工作；
• ······

运营人员需要把控产品生命周期和用户生命周期，在不同的周期采取不同的运营技能，只有这样才能做出更好的效果。

无论你运营的产品有多么丰富的功能，运营工作就是把产品最好的一面展现给用户，吸引用户使用产品，拿到用户的数据之后，通过数据分析可以给用户提供更好的服务，让用户在生活或工作中对产品产生依赖。

一般大中型企业的各种运营条件相对成熟，运营人员做出好结果的可能性较大；小企业或大企业的孵化团队没有基础的运营条件，而且运营资源奇缺，运营人员经常做出不符合预期的结果，尤其是活动运营人员。

如果结果与预期不符，运营人员不要惊慌，可以暂时搁置其他人对你能力的质疑，先脚踏实地做好复盘工作，通过统计和分析运营过程中的数据判断哪个环节出了问题，需要优化；哪个环节做得比较好，需要继续保持，为下一次运营工作做准备。