内容来源：本文为腾讯移动分析与人人都是产品经理联合举办产品测评大赛的参赛作品。
参赛者：陈宗朋，人人都是产品经理专栏作家， 负责To B产品规划 。
编辑：Fiona
在如今的互联网时代，整个互联网产品的体验业务流程都变得越来越同质化，在这个情况下，运营的能力很可能决定一个企业的成败。运营需要决策，决策需要依据，依据来源于数据。当企业在走「数据驱动决策」、「精细化运营」之路时，数据就成为了一个企业的裁判，经营者不再是凭经验盲目运作，而是有的放矢。
数据运营障碍在哪？
数据运营绝不仅仅只是自身产品各纬度数据的统计、罗列，更重要的还有分析与决策。此外，产品的类型、商业模式、发展阶段的差异，导致运营的方式和需要的结果都不一样。一个好的数据运营，需要匹配当前的业务模型，产品发展阶段，得出最适合自身的结论来指导后续的工作。
问题来了，大量的中小型企业，其产品线内并没有专业的数据分析师，很多时候都是产品经理或产品运营来兼职，使用腾讯移动分析、Google Analytic、神策数据等现有的数据分析平台，看着界面上的各种图表也是两眼一懵逼。产品现阶段，需要什么样的数据来指导产品改进怎么做、产品运营怎么做？用户留存曲线、用户信息知道了之后，我能干什么？如何提高留存？如何知道那部分用户是我的主要目标用户？……
由于缺乏数据分析的模型及数据运营的目标，很多产品经理及产品运营使用这类数据统计分析平台的目的就仅仅变成了验证—验证新版本的改进对用户留存是否促进、新上线的活动对各阶段的转化率是否提高等等一些简单的工作。
一个产品需要怎样的数据运营？
分析重于罗列
看到过很多“数据分析”，仅仅是数据的罗列，但是光看各个维度的数据往往无法得出有效的结论，需要多个维度关联分析才能得出关键结论。
举个栗子：在运营AARRR模型里面，针对渠道拉新留存效果的分析，从图表里面可以得出各个渠道新客户的拉新能力以及各个渠道获取客户的留存率。新客户获取数量最多的渠道，说明其拉新效率最高，用户留存率高的渠道，说明该渠道推广的效果最好，但是缺乏每个渠道的投入资金，而仅仅看这两个数据无法衡量每个渠道效果的投入产出比。每个渠道的单位获客成本多少，与其平均每用户收入（ARPPU）的差距是多少？这些更加深入的数据是决策后续渠道投入的重要依据。
从现有的分析平台得到的数据仅仅是产品在外部表现的现象，数据分析是一系列“透过现象看本质”的过程，从而找到真正的产品推广问题及有利于产品发展的方向。因此数据运营中，光罗列数据是不够的，分析重于罗列。
决策重于分析
通过一系列的数据分析之后，可以得到有效结论。根据现有的结论，结合业务模式，产品发展现状，进行决策至关重要。
再举个栗子：经过一系列的数据分析之后，得出这样的结论：用户群A的活跃度和留存率较高，但是通过用户路径分析，发现较多用户使用产品上出现问题，在一些界面上反复跳转；用户群B的活跃度和留存率较低，页面跳出率高，经过针对这部分用户的调研反馈，要求更多的服务。
那在后续的产品改进和运营上该如何决策？资源应该倾向于哪个用户群？
决策的差异直接决定后续产品的发展！研究表明，航空公司对头等舱常客用户群体验的提升收益是对一般旅客用户群体验提升收益的8倍。因此，针对不同的用户群，投入不同的资源将会对收益产生明显的差异。
MTA竞争力如何？
分析MTA产品竞争力，可以从以下三点切入：
• 看自身能力：以大数据为基础的平台，MTA大数据能力如何？
• 看竞争对手：竞争对手相对于MTA的差异化在哪，满足客户什么需求？
• 看客户需求：客户对数据运营的诉求MTA满足了多少？
基础能力
以腾讯积淀的数据量，MTA在大数据方面拥有天然的优势。QQ及微信的数据输入，使得MTA在用户画像方面的数据竞争力遥遥领先。用户的兴趣，行为，购买力，性别，年龄，职业，学历的信息，能够更有效地帮助企业锁定精准的目标用户群体，在主要的目标客户，目标场景下，针对此类用户群体的特点，把他们的需求满足到最好。因此，在用户的数据方面，MTA具有极大的竞争力。
但是，想要做好数据运营，精准的用户画像定位目标客户仅仅是一小步。在不同行业不同产品的数据储备，不同产品上下游产业数据的储备，都可以更好地帮助客户在使用MTA过程中，定位自身在行业内自身的产品竞争力如何，在哪些方面存在差距，需要改进。而在这方面，MTA并没有存在明显的优势。
竞争对手
*业务匹配度
如上内容所述，从客户的需求出发，做数据运营还需要适配自身的业务。研究其他分析品牌如Talking data、神策数据，在适配客户的业务上具有明显的差异化优势。显而易见的，游戏产品、互金产品、电商产品等不同类型的产品，在数据采集、获取、分析上具有极大的差别。神策数据的数据分析平台将应用分为9大类，其客户可以根据自身的业务属性，选择对应的分析模版，进行数据运营。反观MTA，仅在借贷业务分析及反作弊分析上，做了额外的模块。因此，在业务匹配度上，MTA对比其他产品具有一定的劣势。
*产品体验
拿神策数据的应用分析平台对比，由于在业务结合度上，神策存在较大的竞争优势，因此的负责不同产品的使用者能够明确地选择对应的数据分析模型。因为适合，所以简单，大量不具备数据分析经验的产品经理和产品运营都可以快速上手，大幅度降低数据分析门槛，契合业务的数据展示，也能更好地引导客户分析数据及做出决策。
客户需求
一个产品需要什么样的数据运营，之前已经阐述过。本质上，客户在数据运营的需求是要通过数据分析，决策产品改进和产品推广。那么MTA在帮助客户达到这个目标上，满足到什么程度？
首先，是产品适应性方面，由于产品的呈现方式逐渐多样化，微信小程序在打磨了一年多之后，逐渐火起来。如果数据分析不能适应产品的发展，数据分析更无从谈起。MTA全面支持App、HTML5、微信小程序三类主流产品的分析，相比于其他大多数平台只能支持网站流量分析，具有明显的优势。
其次，在数据分析方面，由于MTA的应用分析是个通用的分析模版，即使本身在数据方面有较强的储备，但是客户想要发挥出MTA在数据方面的优势，需要其本身具备较强的数据分析能力，即MTA目前而言，使用门槛较高。这就造成了，大量产品经理或者运营在使用MTA时，只能做简单的新版本价值验证及一些浅显的问题。在“透过现象看本质”这条线上，还不够深。
最后，在决策方面，由于决策模型与数据分析存在依赖关系，如果客户在数据分析这一步很难做好，当然也很难做出正确的决策来促进产品改进及产品推广。
因此，MTA在客户业务的匹配度、产品的易用性方面，仍需进一步改进。
MTA如何能在众多分析平台中脱颖而出？
在如今的移动互联网时代，产品数以亿计。由于市场竞争激烈，产品想要获得成功，运营显得尤为重要。因此，数据分析平台也就应运而生，竞争同样激烈。MTA如何能在众多分析平台中脱颖而出？
我认为是：不拘泥于常规的数据分析方法，结合客户业务场景，站在成就客户，让产品成功的角度，提供数据运营最佳实践模型，降低数据分析与决策门槛，让客户对MTA欲罢不能。
产品从0到1阶段 — 产品快速成功
在产品从0到1的阶段，产品刚刚成型，目标是需要快速成功。在产品可用的前提下，快速验证产品价值，然后在该价值得到市场验证、获得认可的条件下，快速迭代，打磨产品。在该价值上体验做到极致，以此切入市场，占据一席之地。
因此，在产品刚成型阶段，数据运营能做什么？
产品冷启动阶段，推广引入首批种子客户，种子用户的状态监控，数据分析尤为重要。为了能够在客户认可的价值上打磨产品，一个强有效的方式就是建立种子客户健康模型。以终为始，从目标出发，定义产品成功的各项数据指标，通过对比各个关联指标现状及目标的差距，找到产品及运营的差距点，从而打磨产品，让产品快速成功。
拿最近较火的短视频产品举个简单的栗子：推出一款短视频产品，推广引进1000个种子客户。然后我们可以定义种子客户的健康状态指标。由于短视频是内容产品，有两个很明确的指标就是内容生产及内容消费。原型示意图如下所示：假设在1000个种子客户中，健康用户数有500个，统计的健康用户画像仅显示此500用户的信息，信息出了基础属性还包含此类用户浏览视频的属性及生产视频的属性。
数据分析可以得到以下结论（虚拟数据）：
1. 现有用户的实际平均指标差距为浏览视频数10/日，生产视频数0.4/日；
2. 目标用户群为年龄18-24岁之间的用户，职业为学生、自由职业者、白领；
3. 最容易火的内容为帅哥美女类、挑战活动类、高效类视频；
4. 主要内容生产方式：话题活动、热门音乐。
产品改进决策：
1. 提升内容生产效率：添加精选的热门背景音乐，降低用户参与生产视频内容门槛；主动发起与“帅哥美女”、“挑战活动”、“搞笑”相关的活动，促进用户参与内容生产。
2. 提升内容消费效率：根据用户兴趣喜好，点赞历史记录，推送兴趣相关的视频；
产品推广决策：
针对目标用户群体，将推广资源倾向最容易获取目标客户（学生、自由职业者、白领）的渠道。
产品从1到+∞阶段—产品持续成功
产品持续成功，需要在产品切入细分市场，针对特定的用户群体取得一定成功之后，持续关注更大范围用户的需求，并进行产品改进，附加价值，让产品切分更大的市场。
在促进客户的产品成功，构建的最佳实践数据运营模型更加复杂，不同用户群的需求分析、流失用户根因分析、用户抱怨根因分析、用户体验障碍分析等等，都需要单独的模型，关联各种维度的数据进行分析，才能看到本质，促进产品改进。因篇幅关系，且各个维度并未深度思考，尚无明确的模型。之前发表过的文章《身为产品经理的你，该如何持续改进产品？》中，有一些感悟和想法，欢迎各位有兴趣的伙伴交流。
畅想未来
时代发展越来约迅速，我们正在面临时代的大变。从互联网到移动互联网再到物联网，从云计算到大数据。产品的竞争只会越来越剧烈，因此适合产品的运营重要性日益突出。纵览现有的分析平台，虽有不少已区分业务，针对不同的业务做更好的分析方法结合，但始终停留在数据罗列的维度上，并没有站在产品发展所需的维度，关联相关的数据，给出最适合产品现状发展，最简单实用的分析模型。
雄厚的大数据储备、深度结合产品业务属性、最佳实践分析模型，可以让MTA不仅仅是一个数据分析的工具，而成为一个企业的虚拟数据分析师，充分发挥数据的魅力，帮助更多的小白客户依据数据做出正确的分析与决策，成就万千产品。若能实现，MTA本身就能成为一个伟大的产品，成就一番伟大事业。
相关阅读
腾讯移动分析产品测评大赛火热进行中，丰厚大奖等你来！
腾讯移动分析测评大赛结果公布｜这一次，且听我娓娓道来
本文为「人人都是产品经理」社区和腾讯移动分析MTA共同举办的#腾讯移动分析产品测评大赛#的参赛作品，转载请联系人人都是产品经理
有关产品测评大赛合作事宜，请联系邮箱：[email protected]