运营中的数据tips

本篇，是在2018年终复盘的数据运营模块的整理版，跟大家分享一下~

数据能力的体现

jd或者简历上，不可避免的提到数据能力，根据自己实际经历来说，可以从以下路径和角度来体现：从小白开始，直接找数据部门要数据、到结合老板的支持梳理项目数据需求、到结合业务需求，建立数据体系指标，最后自己跑数据，做一些探索的需求，进行用户分层运营，同时，在活动开始及复盘的时候，确认想看的数据指标，以此来强调数据驱动业务的能力和产品、运营迭代的能力。

tips1：如何跟数据部门要数据

在要数据的时候，包含几个要素，准确说清楚，数据部门才会开心且高效的给你跑。

1.简述业务背景，让他们觉得跑数是有意义的，这个就跟提产品需求一样，谁都不希望费时间做一个没有意义的任务。

2.数据需求必须清晰准确。清晰是指思路清晰，在整个业务流程的环节中，需要某些环节的数据，一般要按照正常环节的顺序，罗列数据需求，由始至终，环环相扣，好像一个漏斗---这个也是运营必须掌握的数据漏斗。还有就是准确，对于每个数据，要进行准确的定义，比如时间范围、用户类型等。如果运营了解一些数据库的常识就更好了，对于一些常用且麻烦的数据指标，都可以让技术做成现成的标签。比如连续学习5天的用户，数据跑的时候要跑出每个用户每次登陆的时间，然后再放到一起，筛选目标数据。如果让技术加一个数据标签，直接检索「5」这个条件即可。

3.简单结合业务需求和数据排期，给定期待拿到数据的时间。

tips2：面向业务侧的数据需求梳理

我们整理数据需求的时候，一般来源有两个，所以主要分为以下两块：

1.宏观数据，这个是给老板做决策用的，注重大盘且常规、有下步决策作用的准确性数据。大盘指项目的整体数据，综合了时间周期、不同用户类型等细节数据。比如这个项目整体留存、日活、周活、人均时长等常规数据指标。另外就是一些通过ab test取得的偏好的数据，作为下一步动作的数据支撑。

2.细节数据，这个主要是给自己看的。辅助做精细化运营探索。比如不同人群留存有什么区别，不同价值的用户有什么偏好等，ab test结论中比较差的那些数据，这些数据可以加强我们对用户的认知，设置不同的用户运营方案。作为我们的切入点，提高整体数据水平。

tips3：面向数据侧的数据维度的梳理

在和大数据部门沟通的时候，基于他们的技术后台逻辑，沉淀出了以下2个数据监控角度，这个梳理，能够让我们更清楚、可行的梳理我们运营的需求，然后整理成数据的需求，进而大数据沟通，提高我们的运营效率：

用户角度：：以用户为主线，通过数据标签去丰富该用户的用户标签，当前，这些数据标签是经过验证的，可以在一定程度上区分用户不同的行为，并且我们通过这些不同的行为做不同的动作，可以起到好的效果的。比如RMF模型，用户画像，用户行为路径、AARRR模型等，就是通过用户为主线的数据监控体系很好的体现。

AARRR

产品角度：以产品为主线，通过用户不同的行为，去验证或者迭代该产品的新功能、报名的页面等。这些数据标签可以经过验证的，可以在同类型产品上共用的，也可以进行对比的。比如，我新上了一个新课程，那么我要关注的是和其他课程相比，用户在这个新课程里面的停留时长、留存率、完课率等指标。再比如，我新上了一个报名页面，我关注的是属于这个报名流程中的「曝光-点击-有效浏览-付费点击-成交」的整个漏斗数据。

这个在我的实际应用中的就是：我们业务体系分为引流（拉新）的课程，还有卖钱的正价课程。前者引流课程，侧重的是用户的转化付费，所以他的数据重点是从用户角度观察，挖掘付费用户的用户特征，并结合付费场景优化，满足用户需求，提高转化率。而正价课侧重的是用户的满意程度，期待用户的分享及扩科。所以我们要以产品为主线，提供满足或者超出用户预期的体验。

tips4：建立数据指标体系

这个同样和数据需求类似，同样分宏观数据和细节数据。宏观数据给老板看，细节数据给运营人员看。

首先是了解业务需求，通过业务需求，拆解到用户路径中的每个环节，在每个环节中监测数据，前期数据可以做的大而全，后面根据经验，找到能够驱动运营，有明显数据价值的中间监控即可。这些点，其实就是「破局点」。

「如果达成一项目标，通过数据确认影响的有N个因素，那么把这N个因素列出来，然后逐个去优化—看数据—优化即可」

以上，分享了自己前期数据需求的整理、中期数据需求的满足及后期数据体系的建立所总结的几个tips。之前总说到分层运营，精细化运营，数据策略等，接触数据这块半年，算是对运营有了一个新的维度的理解，后续会结合数据针对这几个模块具体的分享。

keep moving