创头条App
扫码下载APP
扫码下载APP

您是个人用户,您可以认领企业号

    免密码登录
  • 图形验证码
  • 获取验证码
  • 立即登录
第三方账号登录
·
·

Hello,新朋友

在发表评论的时候你至少需要一个响亮的昵称

GO
资讯 > 干货 > 数据篇|如何成为一个运营大牛(一):运营中的那些数据
分享到

数据篇|如何成为一个运营大牛(一):运营中的那些数据

时间:12-18 10:41 阅读:52742次 转载来源:人人都是产品经理

摘要:在当下的互联网时代,几乎每一个人都知道大数据的强大,每一个企业主都在强调我们要以数据来说话,每一个做运营的同学都知道数据很有用。那么,我们说的运营的中的数据运营,到底是以一个什么样的东西呢?这也是我们数据篇里首先要提的:数据它不仅仅是那些阿拉伯数字,它的意义在于它背后的那些“因”和“果”。所以它首先是一个逻辑思维。种的什么样的“因”,才能得到什么样的“果”,那我们如何才能知道呢?这个就要依赖于数据了。数据是“果”,而之前的运营工作是“因”,我们要改

在当下的互联网时代,几乎每一个人都知道大数据的强大,每一个企业主都在强调我们要以数据来说话,每一个做运营的同学都知道数据很有用。那么,我们说的运营的中的数据运营,到底是以一个什么样的东西呢?

这也是我们数据篇里首先要提的:数据它不仅仅是那些阿拉伯数字,它的意义在于它背后的那些“因”和“果”。所以它首先是一个逻辑思维。种的什么样的“因”,才能得到什么样的“果”,那我们如何才能知道呢?这个就要依赖于数据了。数据是“果”,而之前的运营工作是“因”,我们要改变“果”,就要改变“因”。

我们先以一个通俗易懂的案例来说一下数据运营的几个步骤:

我们平时都要定期的去体检,体检完成之后我们会拿到一张体检报告(上面有各种指标数据),我们看了数据之后会和标准数据进行对比,对比完成之后我们会发现我们身体上比较健康的部位和差的部位,然后我们会根据我们比较差的身体部位想解决的办法,最后我们通过调理或治愈那些差的部位来获得整个身体的健康。

我们来分析以上步骤:

我们去做体检,就是我们开始做数据运营这件事了。

每个体检套餐上的数据数量是不一样的,我们选择了哪个套餐,就是完成了我们的数据规划的工作。

我们拿到一张体检报告,就是我们完成了我们数据收集的工作。

我们通过对比发现了我们较差的身体部位,并找到了改善的方法,就是完成了我们数据分析的工作。

我们通过实现方法最终把整个身体体质改善,就是完成了一次数据驱动运营

而那张体检表上所有的数据,就是我们的数据模型

我们看下图,数据运营的步骤:

这一次的体检,他对我们有什么帮助呢?

  • 它直观的告诉了我们目前身体的状况。
  • 它告诉了我们哪些点是好的,哪些点是差的?
  • 它会引导我们对我们身上的某个器官有更深入的了解。
  • 它能帮助我们找到改善的方法。
  • 它最终让我们身体变的更健康。

我们把“身体”换成“公司”,数据运营的作用就马上出来了:告诉你运营当前状况、告诉你运营情况的好或坏、让你对用户有更深入的了解、帮助你找到改善效果的方法,最终让公司能够更好的发展。这就是数据运营的作用。

接下来我们进入主题了,我们应该怎么做呢?

我们来看一看体检那个案例,如果把体检作为一次数据运营来看的话,要完成首先有两个必要前提:

  1. 知道要哪些数据;
  2. 知道每个数据背后意味着身体的什么状况。

同样,在我们的运营过程中,我们首选也必须知道:

  1. 我们要收集哪些数据;
  2. 每个数据背后意味着运营的什么情况。

很多做运营的同学特别是一些新手运营会觉得,数据太多了,感觉什么都有用,但同时又无法下手。其实数据并没有我们想的那么复杂。

在正式说数据之前,我们先来明白两个概念

  1. 数据分析是一个极为庞大的学科,在各行各业各领域都会大量的应用,需要统计学、数据库技术、编程技术等。我们这里说的,只是在一家公司业务体系下,针对用户,围绕用户所进行的的一些数据运营工作。
  2. 数据运营是一个向下无极限的工作,理论上来说,随着数据量的增大和维度的不断拆解,可以无限制的精细化。

举个例子:我们统计了1天的新增用户量。这个是普通的公司会收集的一个数据。但随着数据量的上升,我们可以对此进行维度拆解:

  • 比如维度区域:我们拆成省份,再拆变成市,再拆变成区县、再拆变成区域 ……
  • 比如维度时间:我们拆成每小时,再拆变成每分钟,再拆变成每秒钟……
  • 比如维度人群:我们拆成性别,再拆变成职业,再拆变成年龄……
  • 比如维度设备:我们拆成操作系统,再拆变成手机型号……

如果我们拆成以上的维度,我们很有可能得到一条极其精细化的数据,比如:在某天的几点几时,在某市某小区里面,一个25岁的女性,职业是教师,拿着iphone7手机,成为了我们的用户。

只要掌握了我们面向对象的思维,拆维度并不难,我们只需要判断的是:在我们当下的运营工作中,需要拆到哪个维度就可以了。

我们常说的大数据中的“大”,其实就是数据量的“大”+ 维度的“多”。

接下来我们要开始规划我们的数据了,我们的运营工作中到底有多少核心指标呢?

第一步:我们要找到我们最顶层的核心数据指标

所谓最顶层的数据指标,其实就是一个指路的方向,它引导着我们所有的运营工作忘一个方向去前行。也是一家公司的总战略方向,这是必不可少的一点。那我们怎么确定我们最顶层的数据指标呢?我们可以回顾一下我们的《思维篇|如何成为一个运营大牛(二):运营立方体》,我们就知道,抛开产品之外,对绝大部分公司而言,最重要的指标就是:用户量和单客利润,单客利润也称ARPU(Average Revenue Per User,即每用户平均收入)。

 大家通过前面的篇章也了解,除了像电商之类的是直接从拉新到转化一步打通,大部分情况我们在转化之前,需要做留存和促活两步的铺垫。所以我们要获取ARPU之前,留存率和活跃度非常重要,所以:留存率和活跃度(一般用日活做标准,简称DAU)这两项指标也是顶层的核心指标。

显然,这是我们最重要的几个数据指标。这样,我们确定了最顶层的四个常用的核心指标:用户量、留存率、活跃度(DAU)、每用户平均收入(ARPU)。其实以上四个指标也是对应了我们拉新、留存、促活、转化四步。

第二步:最顶层的数据指标只能有一个

虽然用户量、留存率、活跃度(DAU)、每用户平均收入(ARPU),这四个指标都是非常的重要,也是在运营的工作中必须需要同时抓的,但是运营的不同阶段,我们也必须在这四个里面选出一个老大来。这个没有一个明确的选择标准,会根据公司的实际情况(行业、模式、背后的资本支持等)进行调整。一般来说初期会以用户量,中期会以留存和活跃度,后期会以每用户平均收入为核心指标,如果一家创业公司进行融资,产品算是A轮的话,那么以上几个指标分别对应的可能就是B轮、C轮和IPO轮。

第三步:我们开始往下拆分我们的指标

我们知道用户量、留存率、活跃度(DAU)、每用户平均收入(ARPU)这四个指标是我们的核心指标了,但如果只是看这四个指标的话,会在很多的情况下有失偏颇,所以围绕着这四个,我们还有一些重要的核心指标。

1、用户量

看过前面文章的同学都知道,我们的用户量是通过渠道来的,而渠道来源于:自有产品渠道、外部免费渠道、外部收费渠道。不管是以上哪种,我们做的都是:让某内容,在某个渠道下的曝光后,让某些用户看到,最后获取到了用户。

那么,在不考虑渠道成本的情况下,如自有渠道和免费渠道,我们都可以分解成以下两个数据指标:UV(独立访问数)、新用户转化率。而新用户转化率=本次新增用户数/ UV(独立访问数)。

在考虑渠道成本的情况下,我们必然又多考虑一个指标:新用户获取成本。

比如:

  • 渠道A:投放10000元,带来5000流量,转化成1000个用户,转化率是20%。
  • 渠道B:投放2000元,带来3000流量,转化成450个用户,转化率是15%。

以上述的数据来看,虽然渠道B不管在流量、转化率各方面都低于渠道A。我们还是会优先选择渠道B,因为它的新用户获取成本比较低。

当然,不能仅仅以新用户获取成本来判断一个渠道的好坏,我们还要综合考虑这些用户后期的留存和活跃情况,否则就要惨遭羊毛党的毒手了。

这样,我们在这个环节多了三个核心指标:UV(独立访问数)、新用户转化率、新用户获取成本。

2、留存率

留存率比较容易理解,就是指一个新用户在一定时间之后,仍然留下来的比例。由于留存率是一个线性的概念,所以我们一般从时间的维度对他进行分解,我们又多了三个常用的核心指标:日留存率、周留存率、月留存率。一般我们主要看月留存,但日留存和周留存对一些高频使用的产品是非常重要的。

3、活跃度(DAU)

其实“活跃度”这个东西,不同的公司不同的产品,都没有一个明确的界定。特别是一些低频的产品,比如旅游型APP,大部分人会在想旅游的时候才会打开,这种时候就要用一些高频的辅助输出来支持了。参考《结构篇|如何成为一个运营大牛(四):一图览运营》

日活也是一个线性的概念,但它不能单独来看,必须结合日活增长来综合考虑,原因我们举个例子:

某产品第一天的日活为10000,第二天的日活是11000。从表面上看数据不错。

但实际上第一天里面有2000个是当日新增并活跃(DNU),第二天里面也有2000个是当日新增并活跃。所以第一天的日活增长为2000/10000=20%,第二天的日活增长为2000/11000= 18.2%。换句话说,日活确实是在增长,但是增长的加速度减慢了。

 大家通过物理知识都知道,加速度是一个非常重要的东西,当加速度开始减小的时候,虽然速度还是在增大,但也是呈衰退趋势了,需要我们警惕。如果有一天日活增长为0的时候,那就说明没有新增活跃用户了。当时Facebook的扎克伯格去见投资人的时候,亮出的所有数据全部低于当时的竞争对手Myspace,唯独一个数据:日活增长。通过这个数据投资人相信了Facebook会在一年内超过Myspace,而事实也确实如此。所以,日活增长也是我们的一个核心数据指标。

这里,我们又多了两个核心数据指标:当日新增并活跃DNU、日活增长(DNU/DAU)

4、每用户平均收入(ARPU)

ARPU是一个有时间的数值,一般以月为单位。一般理解为每一个付费用户的平均月收入,公式为月总收入/月付费用户数。所以ARPU必须和付费用户数联系起来一起看。举个例子:

  • 公司A:一个月收入为10000,免费用户990个,付费用户10个,月ARPU值为1000。
  • 公司B:一个月收入为50000,免费用户500个,付费用户500个,月ARPU值为100。

 从这个例子看,虽然公司A的ARPU值远大于公司B,但肯定没有公司B好,原因就是付费用户转化率没有B高。所以,这里我们又多了一个核心指标:付费用户转化率。

另外,我们知道一个概念,就是:每一个产品是有生命周期的,有些长,有些短。举例:

  • 产品A:它的生命周期为三个月,它的ARPU为1000元/月。
  • 产品B:它的生命周期为1年,它的ARPU为800元/月。

那么很显然,产品B比产品A更有吸引力,所以我们需要再引进一个指标,用户生命周期价值(LTV)。即为用户在整个产品的生命周期中,贡献的价值,如上例:A为3000元,B为9600元。

但凡说到收益的东西,我们就必然要想到成本,大家还记得我们运营结构中的那个盒子么,有入口和出口,所以,投资回报率ROI也是我们必须要抓的一个核心指标。

好了,到这一步为止,我们已经把整个运营中最重要的这些核心指标列了出来。当然,我们还可以继续:

第四步:根据实际的需要再继续往下拆分

前三步的几个数据指标几乎是任何公司必需的核心指标,从这一步开始,基本就没有什么标准了,不同的行业不同的公司不同的阶段,都可以不断的往下无限制的细化。比如:

新用户需要注册的,我们可以分为:引导页转化率、注册页转化率、完成页转化率等。

渠道可以根据渠道的类型(CPM、CPC、CPA),我们可以再拆分为:到达率、点击率等。

流失这块可以分为:付费前流失率、付费后流失率等。

活跃这块我们可以根据设定的活跃标准分为:轻度活跃率、中度活跃率、重度活跃率等。

成交这块我们可以分为:收藏转化率、订单转化率、成交转化率等。

我们还可以根据时间维度、区域维度、设备维度、用户维度等等各种维度在上面的基础上不断细化。

科技的进步从某个程度上来说也意味着数据的不断精细化吧,或许这就是人工智能的未来吧。

好了,至此,我们把我们要的一些核心数据指标全部列出来了,如下图:

我们之所以要把以上数据指标单独每个解释一遍而不解释其他数据,是因为以上指标直接关系着一家公司的生死存亡,是我们运营体系中最重要的核心指标。在我们的运营体系中,这些指标都属于三维空间的指标,而其他的都属于二维空间或一维空间的指标。至于运营指标的四维空间,我们会在下一篇中结合分析方法进行描述,敬请关注。

接下来,我们用一道小题目来思考一下:

题目:  我们现在在运营一款产品,它的运营数据如下:

产品的新用户日、周、月留存分别是80%、40%、20%,此后稳定在20%

我们把留存中的前20%设定为活跃用户

我们产品中有一款付费产品,每次交易可带来10元的利润

这款产品的生命周期为1年

所有活跃用户平均每2天登录一次,每3次会产生1次交易

所有非活跃用户平均每6天登录一次,每5次会产生1次交易

在产品第三个月初的时候,我们准备了一次软文投放,按惯例这篇软文的注册转化率在5%,此次投放金额10万元。

问题: 

  1. 本次软文的阅读量达到多少的时候,基本可以确保收回投资?
  2. 假设此时有另外一家渠道报价CPC单价为1元/次,那么我们在该渠道上的预计ROI是多少呢?

(注:如果您的计算时间超过5分钟,那么应该就是方法不对了。)

大家可以稍微思考一下,我们将在本文结束的时候公布答案。

我们先继续本篇的内容,刚上面的这张图可以算是我们的运营的数据体系了吗?

不,还不是。纵使我们把很多的维度都细化了,也只是算是一个数据模型,还达不到数据体系的要求。因为以上的数据是加工过的数据,是表现层的。

什么意思呢?我们来看上面的那些数据,什么转化率、留存率、活跃率啊等等,这些其实是我们主观要的数据,而非直接可以拿到的数据。也就是说,我们要的是一个加工过的数据,而我们要拿到这些数据,我们必须要有接入层的原始数据。

我们来举个例子:

我们做了一次活动,有成两个页面,分别是引导页、注册页,在A渠道上进行投放。我们现在想知道本次活动在A渠道上的新用户转化率

我们要的这个新用户转化率是一个加工后的数据,在原始数据里是不会直接告诉我们这个数据的。所以我们必须要根据这个加工后的数据,来设计它的原始数据。如下图:

我们根据这个表,我们可以知道,A渠道上来了4个人,通过他们的行为记录,我们可以知道,最后完成注册的有1位,新用户转化率是25%。这里,用户来源、用户、行为、时间是原始数据,最后新用户转化率是加工后的数据。

原始数据一般通过以下几个方面去获取:

(1)通过用户的属性和行为来设定

比如用户的年龄、性别等以及用户做了哪些行为操作等。

(2)通过产品的功能细分来设定

这个主要针对的是APP等一些互联网产品,整个产品流程中每一个细分功能的数据,比如:收藏、评论、领优惠券等等也是我们的原始数据。

(3)通过外部数据的调用

一般就是调用外部产品的API接口,比如调用了微信的接口,我们就获取了我们微信上面的各种数据。土一点的办法也可以通过报表的导出和导入来实现。

我们要搭建我们最终的数据体系,需要首选确定我们的加工数据,然后再根据这些加工数据,来搭建其背后的原始数据。这样,才算真正完成了数据规划。

最后我们来看这么一张图:

我们通过收集接入层的原始数据,进行加工,产出加工的数据,进行展现,再通过分析的手段进行分析,找出问题并形成有效的运营解决策略,再进行实施,最后产生新一轮的原始数据。这就是数据驱动的一个闭环。

好了,到这里我们才算真正的把数据运营前期的数据规划工作全部做完。但值得一提的是,数据的规划不是一步到位的,事实上也很难一步到位。我们应尽早尽可能的把数据体系搭的完善一点,并在运营的过程中不断的完善和优化。希望本篇也能帮助您完成你自己的数据规划。

最后,我们就用上面的小题目的解题来完成此篇文章吧:

  • 先辨别出此处的日留存、周留存是个坑。
  • 算出LTV:
    1. 假设有100个新用户,那么会产生20个留存用户,其中4个为活跃,16个为非活跃.
    2. 活跃用户的平均产出是1笔交易/6天,即5笔交易/月=50元/月,由于产品生命周期还有10个月,所以产出500元/人,4个人即2000元。
    3. 非活跃用户的平均产出是1笔交易/30天,即1笔交易/月=10元/月,由于产品生命周期还有10个月,所以产出100元/人,16个人即1600元。
    4. 总计3600元,除100,得LTV=36元/人

(1)即至少确保有效阅读量达到55560,才能保证这次10万元的投资在10个月后可以收回成本。

(2)CPC单价为1元/次,根据我们的转化率,我们的新用户获取成本为20元/人,结合我们上述的LTV36元/人,我们的投资回报率在ROI=36-20/20=80%。

小结

数据是数据运营的关键和前提,最好数据规划也是数据运营首选要做的一步。当然,我们得到了我们的数据,如何可以有效的展现并合理使用最终产生效果呢,这就要说说数据使用的场景了和数据分析的方法了,请关注下一篇:如何成为一个运营大牛——数据篇(二):数据使用的三测。

 

作者:致远,连续创业者,曾为多家上市公司提供过运营整案服务,曾任 Mr&Mrs连锁健身互联网中心总经理,现任 Muma 儿童艺术联合创始人兼运营顾问,肤智COO 兼联合创始人。

本文由 @致远 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 unsplash,基于 CC0 协议

声明:该文章版权归原作者所有,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与本网联系。

评论

未登录的游客
游客

    为您推荐
  • 推荐
  • 人物
  • 专题
  • 干货
  • 地方
  • 行业
+加载更多资讯

阅读下一篇

CBNData年度洞察|新世代的新零售:物流发力,无人零售前景未知

CBNData年度洞察|新世代的新零售:物流发力,无人零售前景未知

返回创头条首页

©2015 创头条版权所有ICP许可证书京ICP备15013664号RSS