隨著近幾年移動互聯(lián)網(wǎng)的發(fā)展，“大數(shù)據(jù)”越來越火,，我將從這4個方面分享一下如何通過數(shù)據(jù)驅(qū)動業(yè)務(wù)發(fā)展,。

01  數(shù)據(jù)化管理；

02  從0到1搭建數(shù)據(jù)運營體系,；

03  數(shù)據(jù)深度分析,；

04  用戶管理策略。

1,、數(shù)據(jù)化管理的誤區(qū)

①  數(shù)據(jù)多一定能驅(qū)動數(shù)據(jù)發(fā)展嗎,？

大家都談大數(shù)據(jù)，我要采集很多很多的數(shù)據(jù),，但其實這一條是不成立的,。

首先是數(shù)據(jù)質(zhì)量參差不齊，比如會有刷量這種行為,；

其次在采集數(shù)據(jù)時,，如果不夠標準，不夠規(guī)范化,，在后面進行數(shù)據(jù)分析時,，就會發(fā)現(xiàn)采集的數(shù)據(jù)都是垃圾數(shù)據(jù),，對業(yè)務(wù)分析根本沒有實質(zhì)性的作用。

第三是采數(shù)據(jù)易,，用數(shù)據(jù)難,。騰訊做了這么多年，有自己的一套數(shù)據(jù)分析體系和方法論,。但是剛建立這套系統(tǒng)時,，也要長時間的訓(xùn)練、實踐,、一次次迭代,，最終才能達到好的效果。很多像移動,、銀行以及一些傳統(tǒng)企業(yè),，他們有很多數(shù)據(jù)，但是不知道怎么用,，這是個大問題,。

②  數(shù)據(jù)分析團隊一定會發(fā)現(xiàn)問題與機會嗎？

很多公司都有數(shù)據(jù)分析團隊,，有的認為組建一支數(shù)據(jù)分析團隊就可以解決公司運營的問題,，或者可以發(fā)現(xiàn)更多機會，其實這也很難成立,。

在我接觸的很多公司里,，數(shù)據(jù)分析團隊和業(yè)務(wù)團隊是割裂的。數(shù)據(jù)分析團隊會提供一些數(shù)據(jù)分析結(jié)果,，但僅僅是一些機械的報表分析,，比如哪天數(shù)據(jù)突然增長或者下降，數(shù)據(jù)分析團隊可能會從他理解的維度來分析并給出結(jié)論,。但是由于獨立于業(yè)務(wù)團隊,，缺乏對業(yè)務(wù)的了解,，因此很難給出針對性的意見,。

舉個例子，在我們產(chǎn)品推廣初期,，我把數(shù)據(jù)分析團隊引入整個團隊內(nèi)部,，希望他們對業(yè)務(wù)增長做出有效分析，但是我發(fā)現(xiàn),，如果只把數(shù)據(jù)扔給數(shù)據(jù)分析團隊,，分析的結(jié)果對業(yè)務(wù)并沒有產(chǎn)生實質(zhì)性的增長效果。

隨后我進行調(diào)整,，成立了項目組,，運營團隊和數(shù)據(jù)分析團隊融合成一個項目組,，這樣后者就知道前者設(shè)計的數(shù)據(jù)指標，在實際使用過程中是什么樣的,。這種合作方式,，最終確實還是有效果的。

③  分析報表,，一定是最優(yōu)解決方案嗎,？

如果是做APP的，應(yīng)該每天看各種日報,，每周看各種周報,，但是認真思考一下，這些報表給出的結(jié)論是不是符合業(yè)務(wù)目標,？

有時分析的維度過于單一,，可能只是簡單的從時間、地域,、甚至版本的維度來分析,。而如果我們做足夠深入的分析，那些結(jié)論可能就不成立了,。

另一方面數(shù)據(jù)質(zhì)量對分析結(jié)果有干擾,，比如數(shù)據(jù)的穩(wěn)定性、準確性,，都會有影響,，另外還有一些無關(guān)的數(shù)據(jù)也值得警惕。

2,、數(shù)據(jù)化管理的思路

我們的數(shù)據(jù)化管理主要奉行這樣的思路：數(shù)據(jù)采集 - 數(shù)據(jù)分析 - 行動策略 - 快速執(zhí)行,。

①   數(shù)據(jù)采集

數(shù)據(jù)采集要有一個非常清晰的規(guī)劃，包括基礎(chǔ)數(shù)據(jù)統(tǒng)計,、用戶屬性統(tǒng)計,，用戶來源統(tǒng)計、用戶行為統(tǒng)計,，還有模型數(shù)據(jù)統(tǒng)計,。

基礎(chǔ)數(shù)據(jù)統(tǒng)計是日常業(yè)務(wù)相關(guān)的，比如新增活躍,、新增次數(shù)流程等一些基礎(chǔ)數(shù)據(jù),；用戶屬性統(tǒng)計包含兩個方面——社會屬性和設(shè)備屬性，前者即我們常說的性別,、年齡,、學(xué)歷等，后者則是一些機型,、操作系統(tǒng),、聯(lián)網(wǎng)方式這些,；用戶來源統(tǒng)計就是一些渠道，還有版本,；用戶行為統(tǒng)計很重要,，因為它可以反映用戶使用產(chǎn)品的路徑、行為習(xí)慣,，然后根據(jù)用戶的特征來刻畫用戶畫像,，甚至可以做產(chǎn)品迭代。

②數(shù)據(jù)分析

數(shù)據(jù)本身是沒有意義的,，要通過數(shù)據(jù)分析來得到你想要的結(jié)果,。

數(shù)據(jù)分析第一個是多維交叉分析，從多個維度分析數(shù)據(jù)表現(xiàn),，比如“新增用戶”,，不僅要看整體的增長情況，還要看各個地域,、各個版本,、甚至不同機型的增長情況；

第二是用戶人群分析,，需要對用戶分群,，并確立不同群體的特征，到了成熟期,，需要針對不同用戶做差異化用戶策略,，才能達到最優(yōu)效果；

第三個產(chǎn)品質(zhì)量主要是看產(chǎn)品的表現(xiàn),，比如結(jié)果調(diào)用的情況,、產(chǎn)品是否耗流量、是否耗電等,。

③  行動策略

比較偏向于用戶周期管理,，主要包括拉新、提活,、流失挽回,、回流關(guān)懷，下文會詳細講,。

④  快速執(zhí)行

最后是快速執(zhí)行,，如果有了數(shù)據(jù)分析,、行動策略,，但是不能執(zhí)行的話，前面的工作都沒有什么意義,，最終一定要落地,，才能看到結(jié)果,。要有精準觸達用戶的分層管理，要有執(zhí)行結(jié)果的反饋,，然后根據(jù)用戶反饋做持續(xù)的迭代計劃,。

1、搭建思路

①  指標規(guī)劃

要想采集好哪些數(shù)據(jù),，就是制定采集的指標規(guī)劃,，包括指標定義、維度設(shè)置,、更新周期,，其中更新周期會涉及到資源的分配，是時時更新,，還是每周,、每月更新。

②  數(shù)據(jù)采集

數(shù)據(jù)采集是基于主要規(guī)劃之后要做的,，比如字段分類,、數(shù)據(jù)埋點、數(shù)據(jù)上報,。采集什么數(shù)據(jù),，以什么形式上報，這些都要考慮清楚,。

③  報表呈現(xiàn)

數(shù)據(jù)采集上來之后,，我們可以做報表呈現(xiàn)。這里有很多坑,，比如要做報表的趨勢圖,，是用柱狀圖還是折線圖？列表就是一個用戶的詳細類似表,；篩選控件,，如果要做到可視化，你需要考慮將來在實際運用時需要從哪些維度去篩選,，比如國家,、版本、渠道這些,；最后是有效性,、準確性的驗證，我們做了數(shù)據(jù)上報之后,，如果是一堆垃圾數(shù)據(jù),，或是不準確的數(shù)據(jù)，對后續(xù)的運營就沒有什么幫助。

④  數(shù)據(jù)產(chǎn)品

基礎(chǔ)的數(shù)據(jù)采集都OK了,，就可以考慮做數(shù)據(jù)產(chǎn)品的建設(shè),，比如做數(shù)據(jù)可視化展現(xiàn)，迭代優(yōu)化,，并增加新功能,。

2、建設(shè)方式

建設(shè)方式有兩種,，一種是自建,，另一種是采用第三方服務(wù)。

自建有利有弊,，優(yōu)點第一個是埋點靈活便捷,，想埋哪里埋哪里，第二個是可以跟業(yè)務(wù)數(shù)據(jù)打通,，這一點也很重要,。因為在采用第三方數(shù)據(jù)統(tǒng)計時，大家平常用的只是基礎(chǔ)指標,，在沒有打通給自己的銷售數(shù)據(jù)時,，這種付費數(shù)據(jù)往往是和業(yè)務(wù)割裂的。

缺點一個是自建一套數(shù)據(jù)分析系統(tǒng)的成本很高,，二是自建的系統(tǒng)不能跟運營工具（指廣告平臺）打通,。

舉個例子。在自建某個數(shù)據(jù)分析系統(tǒng)時,，產(chǎn)品有自己的用戶體系或標簽體系,，假如我想針對對閱讀感興趣的用戶投放，很可能最終的投放效果不是特別理想,，因為自建體系和其他平臺在匹配時會有比較大的偏差,。騰訊自己也會做一些投放，比如在今日頭條等渠道,，發(fā)現(xiàn)我們拿自己的數(shù)據(jù)包去投放,，可能不是效果很好。我們投了六千多元,，一個用戶的成本居然飚到了六百多元,，這個就是很大的問題。

第二種是第三方服務(wù),，很多都是免費的,，他們的產(chǎn)品也比較專業(yè)，展示友好,，支持運營工具打通,，提高運營的效率,，最大的缺點就是不夠靈活，可能不能跟自己的業(yè)務(wù)數(shù)據(jù)打通,。

3,、迭代優(yōu)化,，逐步完善

數(shù)據(jù)運營體系也不是一蹴而就的,，在人力資源有限的情況下，我們可以根據(jù)當前所處的階段做選擇性建設(shè),，我把 App 的整個生命周期分為四個時期,，初創(chuàng)期、成長期,、成熟期,、衰退期。

在初創(chuàng)期大家都會關(guān)注整個產(chǎn)品的增長速度,，我覺得還要關(guān)注新增活躍和用戶來源,。這些對產(chǎn)品初創(chuàng)期實現(xiàn)業(yè)務(wù)增長有幫助。產(chǎn)品質(zhì)量也很重要,，App如果耗電量很大,，或者網(wǎng)絡(luò)連接特別慢，那么產(chǎn)品還沒推廣可能就已經(jīng)死掉了,。

成長期,，應(yīng)該關(guān)注用戶增長速度和用戶行為數(shù)據(jù)，此時產(chǎn)品有一定的規(guī)模了,，我們就需要去關(guān)注用戶在整個產(chǎn)品里的一些行為,。比如啟動的次數(shù)是不是夠多，停留的時間是不是夠長,，使用深度是不是夠深等,。

成熟期基本上產(chǎn)品已經(jīng)穩(wěn)定了，這個時期做拉新效果應(yīng)該不會特別好,，所以你看所有大型App,，騰訊系的像愛奇藝、唯品會,，內(nèi)部的QQ,、微信等，到了一定規(guī)模就不再追求更大規(guī)模的用戶量,，而是把存量用戶活躍起來,，這很重要。

所以這個階段要更深層次挖掘活躍用戶,，預(yù)防流失,。我們需要做一個用戶流失監(jiān)測，比如流失預(yù)警，我們需要做一個模型來監(jiān)測,，通過用戶的哪些行為可以判斷某用戶基本上要流失了,。

比如信貸類的App，如果他選擇分期借款,，然后某一天一次性把借款全部還掉了,，很可能他是一個流失用戶。當然這只是一個維度,，我們要從多個維度去評估,，比如說他已經(jīng)半個月沒有使用App，這也是一個維度,，所有的模型都要從很多維度判斷是不是真的流失了,。

到衰退期數(shù)據(jù)指標不再增加了，我們做過很多測試,，用戶一旦流失,，很難再挽回，所以不如看看用戶興趣轉(zhuǎn)移到哪,，然后開拓新的業(yè)務(wù),。

這是MTA的指標體系，基礎(chǔ)指標包含以上這些,。

1,、多維度向下分析

第一個是多維度向下分析，這是我們經(jīng)常用的方法,，因為在定位問題時,，我們看到的是整體數(shù)據(jù)的變化，但是最終要找準問題,，肯定要抽絲剝繭,，每個維度都去排查。

常用的一些維度,，包括渠道,、版本、用戶群,、標簽,、頁面、地域,，然后從這些角度分析,，哪些用戶下降的很厲害，哪些群體發(fā)生大的波動,。

2,、用戶畫像洞察

這是我們建設(shè)的一整套的標簽,，包括一級、二級標簽,，二級下面還有一層更細的,。用戶畫像洞察不僅幫助我們認識用戶，還有助于變現(xiàn),。比如了解你的用戶群體是哪個類型,，有助于分析投哪類廣告的效果會更好。

3,、漏斗轉(zhuǎn)化分析

這也是一個經(jīng)常用的分析方法,，因為它不僅可以幫你分析從第一步到最終的轉(zhuǎn)化率的情況,，還可以分析每步的轉(zhuǎn)化率,。對于漏斗，單一的分析沒有意義,，如果不去對比,，很難發(fā)現(xiàn)問題所在，所以要通過趨勢,、比較,、細分，做一個更細致的分析,。

這個是我們平臺的表現(xiàn)（這些數(shù)據(jù)是經(jīng)過處理的）,。我們的產(chǎn)品是面向開發(fā)者的，他們通過集成我們的 SDK 后上報數(shù)據(jù),，最終在應(yīng)用商店發(fā)布,。我們看7月份數(shù)據(jù)時，發(fā)現(xiàn)注冊測試波動比較大,，5月份40%,，6月份40%左右，但是7月份下降到21%,，而后兩步的數(shù)據(jù),，基本上和5月6月沒有太大差異，于是分析,，這個比率的變化可能是分子沒有變,，但是分母變了。

可以看到,，5,、6、7月份的新增用戶增長數(shù)據(jù)中,，7月份大幅度增長,，但是測試用戶和上線用戶都沒有大的波動,，那就要去排查到底是哪里出現(xiàn)了問題，所以就要做下鉆分析,。

下鉆分析首先看各個版本的增長情況,，然后看各個渠道的增長情況。用戶渠道有很多,，用戶自發(fā)官網(wǎng)注冊,，還有微信、QQ開放平臺帶來的量,，最終我們發(fā)現(xiàn)官網(wǎng)增長量很大,，地域集中在廣東，再排查廣東省7月份做了什么活動,，我們發(fā)現(xiàn)做了一輪有獎答題活動,。

只要參加答題就可以獲得Q幣、騰訊視頻會員的福利,，吸引了很多不相關(guān)用戶來注冊賬號然后答題,，導(dǎo)致數(shù)據(jù)有很大的增長，因此定位到“7月份廣東活動中有很多薅毛的用戶”這樣的一個問題,。

1,、用戶生命周期管理

用戶管理策略，就是在數(shù)據(jù)采集分析之后,，基于數(shù)據(jù)做一些運營活動,。

分為6個階段：潛在用戶階段、新手階段,、有效活躍階段,、活躍下降階段、即將流失階段,、流失階段,。每個階段，都依賴于具體的數(shù)據(jù)的分析,，然后再做針對性的運營活動,。

這個是騰訊某個槍戰(zhàn)游戲案例，看看他們用戶管理是怎么做的,。

1.先精準拉新,。

精準拉新是根據(jù)歷史玩家取樣作分析，根據(jù)歷史日志梳理了600個拉新字段,，判斷哪些用戶最可能成為用戶,，不過創(chuàng)業(yè)公司，可能不超過20個字段,。

以歷史玩家為樣品建立拉新模型,。比如投放時,，針對18到20歲喜歡閱讀的女性投放，然后做 A/B test,。剛開始的時候,，這個效果不太好，實驗組和普通大盤相比沒有明顯的提升,，這個模型經(jīng)過了大概10輪訓(xùn)練,，整個拉新增長了30%到60%，是相當給力的,。

2.然后是新手關(guān)懷,。

對所有玩家先分析興趣偏好，在此基礎(chǔ)上推送一些產(chǎn)品,，比如在新手任務(wù)中,，針對男用戶和女用戶有不同的任務(wù)，送的禮品也是不一樣的,。這種個性化的關(guān)懷獎勵可以提高留存,，這也是現(xiàn)在常說的精準推薦,，所謂的千人千面是同樣的邏輯,。

3.活躍成長。這是一個槍戰(zhàn)類的游戲,，在做完數(shù)據(jù)分析之后,，“有戰(zhàn)隊”的留存率會比“未加入戰(zhàn)隊”的普通玩家高一些，這和常說的 Facebook 的留存率是一樣的,，即如果加的好友越多,，留存就越高。所以在產(chǎn)品中加入社交關(guān)系鏈是一個很可靠的活躍手段,。

4.還有防流失干預(yù),。首先要監(jiān)測用戶的活躍度，如果下降,，可能就是流失的開始,，這時要把這部分用戶篩選出來，做一些流失干預(yù),，比如送一些關(guān)懷——消息推送,、短信等。假如用戶已經(jīng)不想打開App,，收不到消息是不會回來的,，所以可以做一些用戶消息類推送。

5.最后流失回流,。要監(jiān)控整個流失人群的增長情況,，還可以設(shè)計一些回流活動,，但是根據(jù)經(jīng)驗來看，一旦用戶流失之后再想拉回來很難,，尤其是當他卸載App之后,。所以與其在流失的時候回流，還不如盡早干預(yù),，這樣效果會更好,。

2、用戶分群管理

首先是為什么要做分群管理,。因為分群可以把具有特別屬性,、特定行為的用戶群圈出來，也為后續(xù)的差異化運營提供基礎(chǔ),。

第二如何創(chuàng)建分群,。

我們根據(jù)統(tǒng)計的指標，比如年齡,、性別,、地域、使用時長（1-2小時的,、3-4小時的）,，還有注冊的狀態(tài)，比如免費,、試用,、付費用戶。還有購買歷史,、訪問位置都是做分群的依據(jù),。

最后在哪里應(yīng)用呢？首先做數(shù)據(jù)分析,，比如不同用戶群體的屬性,、行為特征分析，這個可以用報告或者數(shù)據(jù)可視化的形式分析,。還有差異化的運營,，可以做個性化內(nèi)容、活動推送,。還有就是精準拉新,，知道哪些用戶是高價值的，了解用戶的特征后,，做更有效的推廣,。

再看一個案例，這是一個電商APP,。

現(xiàn)在的問題是用戶推廣跟用戶訂單成交量不成正比,，ROI 轉(zhuǎn)化特別低,。

針對這個案例，首先建立了3個分群,，第一個分群是大盤用戶,，即所有的活躍用戶；第二個分群是成交用戶,，也就是付費成功的用戶,；第三個是高價值用戶，就是付款金額大于100的用戶,。

分層建立之后,，開始進行人群特征對比。

首先是性別,，大盤用戶當中,，男性比例比較多，成交用戶和高價值用戶中女性比較多,，反映出所有用戶中男性用戶比較多,，但成交比較多的是女性。

我們再看一下,，人群偏好對比,，相比大盤，成交人群,、高價值人群對購物和金融類都比較感興趣,，其實這是一個興趣標簽。

進一步分析,，第一個可能是用戶引流渠道問題，高價值用戶是女性,，但是引流來的大盤用戶卻是男性居多,；

第二個是商品定位調(diào)整，因為 App 里的商品可能對男性用戶吸引力不高,，或不符合他們的品味,。

對比了兩個原因之后，如果針對引流的渠道做優(yōu)化,，見效的時間就比較快,；如果調(diào)整整個商品定位會比較難。

所以優(yōu)先選擇比較快的第一種優(yōu)化方式,，然后看整個渠道的數(shù)據(jù),。一共五個渠道，渠道 A,、D,、E 的成交率都比較高,，其中渠道 D 的留存率是27.51%，可以認為渠道 D 是一個優(yōu)質(zhì)渠道,，渠道 E 也算是一個成交率較好渠道,。渠道 A 的成交率很高，但新增用戶量很低,，這個要多考慮,。

要驗證渠道 A 用戶是不是高價值用戶群體，首先要驗證 A 渠道用戶是否符合上文說的兩個策略,，發(fā)現(xiàn)它的女性比例高達62.36%,，而且對購物類 App 興趣程度較高，符合高價值用戶的特征,。

做完分析之后,，就可以執(zhí)行策略驗證效果，首先調(diào)整渠道投放比例,，調(diào)高渠道A的投放,，減少 B 和 C 的投放，然后做五周測試,。

在執(zhí)行完之后觀察數(shù)據(jù),，發(fā)現(xiàn)整個新增有一定的增長，可以看到最終的轉(zhuǎn)化率從7.52%提高到9%,。這就是一個完整的數(shù)據(jù)分析,、策略制定、行動的案例,。