關(guān)鍵環(huán)節(jié)：運(yùn)營(yíng)目標(biāo)＞指標(biāo)庫(kù)＞數(shù)據(jù)集合＞分析挖掘＞校驗(yàn)/審視/預(yù)測(cè)＞調(diào)整目標(biāo)

本題中,，運(yùn)營(yíng)是探討研究主體,，數(shù)據(jù)是工具；所以下面以運(yùn)營(yíng)作為主要闡述內(nèi)容,，來(lái)分析數(shù)據(jù)在運(yùn)營(yíng)各環(huán)節(jié)中的運(yùn)用：

一,、確定運(yùn)營(yíng)主體對(duì)象及運(yùn)營(yíng)目標(biāo)；

我們所開(kāi)展的運(yùn)營(yíng)工作中,，一般主要包括：產(chǎn)品運(yùn)營(yíng),，用戶運(yùn)用，活動(dòng)運(yùn)營(yíng)三大類(lèi)型,；側(cè)重運(yùn)營(yíng)主體對(duì)象不同的,，所制定的目標(biāo)及采取的運(yùn)行模式和工具都會(huì)不同。所以在運(yùn)營(yíng)工作開(kāi)展前,，我們必須弄清楚運(yùn)營(yíng)主體對(duì)象是誰(shuí),；

1、 運(yùn)營(yíng)主體對(duì)象簡(jiǎn)析：

1）產(chǎn)品運(yùn)營(yíng),；側(cè)重產(chǎn)品功能為中心,，對(duì)產(chǎn)品生命周期的有效管理；

產(chǎn)品生命周期包括：研發(fā)期→測(cè)試期→成長(zhǎng)期→成熟期→衰退期,；

（也可以根據(jù)自己的產(chǎn)品特性更為細(xì)化的周期階段）

2）用戶運(yùn)營(yíng),；側(cè)重以用戶畫(huà)像為中心，管理用戶生命周期,；

用戶生命周期包括：認(rèn)知期→試用期→活躍期→衰退期

3）活動(dòng)運(yùn)營(yíng),；側(cè)重活動(dòng)內(nèi)容為中心，管理活動(dòng)運(yùn)行內(nèi)容制定及效果達(dá)成,；

其中,，活動(dòng)類(lèi)型一般分為：營(yíng)銷(xiāo)類(lèi),，傳播類(lèi)；

2,、運(yùn)營(yíng)目標(biāo)制定及分解簡(jiǎn)析：

1）運(yùn)營(yíng)過(guò)程中,，經(jīng)常以上三類(lèi)運(yùn)營(yíng)工作是交叉同步進(jìn)行的，而我們?cè)谛ｒ?yàn)產(chǎn)品或服務(wù)功能,，針對(duì)用戶畫(huà)像,，及活動(dòng)效果評(píng)估時(shí)，會(huì)困頓于運(yùn)營(yíng)現(xiàn)狀,，到底是因哪個(gè)或哪些關(guān)鍵因素造成,；這時(shí)，需要逐一選取單項(xiàng)運(yùn)營(yíng)類(lèi)別對(duì)應(yīng)運(yùn)營(yíng)目標(biāo),，進(jìn)行變量因素除躁,，降低干擾,，進(jìn)行逐一排除篩查,；

2）運(yùn)營(yíng)的總體目標(biāo)主要包括：營(yíng)銷(xiāo)收益,，品牌推廣；然后通過(guò)產(chǎn)品,，用戶,，活動(dòng)等類(lèi)型維度進(jìn)行目標(biāo)分解；根據(jù)不同的運(yùn)營(yíng)主體對(duì)象的生命周期,，進(jìn)行二級(jí)目標(biāo)的制定,；

二、指標(biāo)庫(kù)建立,；（工具：BSC）

目標(biāo)確定的同時(shí),，相應(yīng)的指標(biāo)也同時(shí)建立；比如：

1,、產(chǎn)品具備哪些功能,，種子用戶獲取及成本，原生病毒性是否能匹配市場(chǎng)剛性需求,；

2,、目標(biāo)用戶具備哪些特征，獲取渠道及獲取成本,，用戶數(shù)量,，客單價(jià)，復(fù)購(gòu)率等,；

3,、活動(dòng)內(nèi)容及推廣模式，覆蓋率，參與度,，轉(zhuǎn)化率等等,；

三、數(shù)據(jù)集合,；（Python,，Mysql，Excel,；）

根據(jù)制定的二級(jí)目標(biāo)下的指標(biāo)庫(kù),，進(jìn)行對(duì)應(yīng)數(shù)據(jù)收集，這類(lèi)數(shù)據(jù)基本都是具備業(yè)務(wù)邏輯的特性,；

-- 注意數(shù)據(jù)的類(lèi)型,，避免產(chǎn)生采集數(shù)據(jù)時(shí),，出現(xiàn)數(shù)據(jù)盲點(diǎn),，以及重構(gòu)變量；

1,、采集數(shù)據(jù)時(shí),，確保數(shù)據(jù)信度效度；

2,、避免“數(shù)據(jù)盲點(diǎn)”,；

3、結(jié)構(gòu)化的數(shù)據(jù)多于非結(jié)構(gòu)化的變量數(shù)據(jù),；

— 非結(jié)構(gòu)化的變量數(shù)據(jù)常常會(huì)因不可計(jì)量化被人為忽視或遺棄,；

— 大量的非結(jié)構(gòu)化數(shù)據(jù)隱藏著企業(yè)或項(xiàng)目現(xiàn)狀描述及發(fā)展趨勢(shì)信息，我們常用利用數(shù)據(jù)可視化工具分析非結(jié)構(gòu)化數(shù)據(jù),，來(lái)豐滿數(shù)據(jù)分析結(jié)果的完整性,；

— 在數(shù)據(jù)收集時(shí)需要注意，將非結(jié)構(gòu)化變量數(shù)據(jù)重構(gòu)給可計(jì)量的結(jié)構(gòu)化數(shù)據(jù),；

四,、數(shù)據(jù)分析挖掘；

這里選擇合適的數(shù)據(jù)工具和算法,；

1）數(shù)據(jù)分析挖掘工具：

一類(lèi)側(cè)重可視化應(yīng)用層面：如Excel,，GA，SPSS等分析型,；

一類(lèi)側(cè)重業(yè)務(wù)邏輯架構(gòu)層面：SAS,、Python、R等挖掘型,；

2）算法：

常用建模算法包括相關(guān),、聚類(lèi)、分類(lèi)（決策樹(shù)）、時(shí)間序列,、回歸,、神經(jīng)網(wǎng)絡(luò)等。

比如：劃分消費(fèi)者群體：聚類(lèi),，分類(lèi),；購(gòu)物車(chē)分析：相關(guān)，聚類(lèi),；購(gòu)買(mǎi)金額預(yù)測(cè)：回歸,，時(shí)間序列；滿意度調(diào)查：回歸,，聚類(lèi),，分類(lèi)等等。

3）建模：常用建模工具：SPSS,，R,，SAS等；

五,、校驗(yàn)/審視/預(yù)測(cè)

數(shù)據(jù)分析及挖掘的輸出結(jié)果作用主要體現(xiàn)在以下三個(gè)方面：

1,、與過(guò)往結(jié)果進(jìn)行對(duì)比，分析校驗(yàn)過(guò)往運(yùn)營(yíng)過(guò)程中的產(chǎn)品,，策略,，手段，渠道及工具是否形成一定的規(guī)律性,；

2,、與現(xiàn)在狀況進(jìn)行對(duì)比，分析與運(yùn)營(yíng)目標(biāo)存在差距的主要原因,，調(diào)整并重新組合產(chǎn)品,，策略，工具,，渠道等運(yùn)營(yíng)內(nèi)容,，通過(guò)多次反復(fù)操作及監(jiān)控對(duì)比數(shù)據(jù)，從而獲得能達(dá)成運(yùn)營(yíng)目標(biāo)的規(guī)律性模式,；

3,、與未來(lái)逾期進(jìn)行對(duì)比，分析挖掘潛在需求或目標(biāo),，通過(guò)數(shù)據(jù)數(shù)據(jù)綜合維度的模型設(shè)計(jì)及算法驗(yàn)證,，推演出未來(lái)運(yùn)營(yíng)目標(biāo)逾期；并用于指導(dǎo)運(yùn)營(yíng)具體實(shí)施,；

6.調(diào)整目標(biāo),；

我們?cè)谶\(yùn)營(yíng)初始,，往往因?yàn)榻?jīng)驗(yàn)或信息缺失的狀態(tài)下，制定的目標(biāo)精準(zhǔn)度都存在誤差,，甚至完全錯(cuò)誤,，而在運(yùn)營(yíng)過(guò)程中，及時(shí)有效的收集匯總及分析數(shù)據(jù)的周期變化,，可以隨時(shí)調(diào)整目標(biāo)產(chǎn)生的誤差及方向,，這也是數(shù)據(jù)化運(yùn)營(yíng)最核心的價(jià)值點(diǎn)之一；

以上簡(jiǎn)述了數(shù)據(jù)如何驅(qū)動(dòng)運(yùn)營(yíng),，其中運(yùn)營(yíng)是主體及基礎(chǔ),，數(shù)據(jù)只是工具；

-- 只有把運(yùn)營(yíng)目標(biāo)及核心關(guān)鍵指標(biāo)確定清晰后,，數(shù)據(jù)才開(kāi)始介入,；

-- 數(shù)據(jù)的采集，匯總,，清洗,，處理分析，建模挖掘,，輸出結(jié)果過(guò)程,，都取決于運(yùn)營(yíng)目的及關(guān)鍵指標(biāo)準(zhǔn)確及有效性，否則數(shù)據(jù)再多也無(wú)法驅(qū)動(dòng)運(yùn)營(yíng),；

關(guān)于數(shù)據(jù)在運(yùn)營(yíng)過(guò)程中的具體操作及工具使用，有興趣的朋友可以翻閱本人問(wèn)答內(nèi)容,，里面有比較詳盡的闡述,；

《在產(chǎn)品運(yùn)營(yíng)過(guò)程中，怎么利用數(shù)據(jù)分析去發(fā)現(xiàn)和挖掘用戶變化或者新增的需求,？》

《除了CRM后臺(tái)分析工具,，要想做到精準(zhǔn)營(yíng)銷(xiāo)，對(duì)用戶數(shù)據(jù)分析最好用哪些工具,？》

《為實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo),，用戶行為數(shù)據(jù)該怎樣建模？》

《如何做營(yíng)銷(xiāo)傳播才會(huì)更有效果,？》

《如何高效地抓住已有的客戶資源做營(yíng)銷(xiāo),？》

【墨蔸集】作者：

連續(xù)創(chuàng)業(yè)者，專(zhuān)注商業(yè)數(shù)據(jù)分析及團(tuán)隊(duì)管理,。定期輸出大數(shù)據(jù)商業(yè)運(yùn)營(yíng)管理實(shí)戰(zhàn)經(jīng)驗(yàn),。歡迎探討交流，謝謝關(guān)注,。