从广义来讲,数据是反映产品和用户状态最真实的一种方式,通过数据指导运营决策、驱动业务增长。与数据分析师的岗位不同,数据运营更加侧重支持一线业务决策。而运用在产品运营的整个生命周期中,数据运营就是属于一种技能,通过数据分析发现解决问题,提升效率促进增长。 一、数据运营都需要学习些什么知识? 1. 明确数据分析的目的 做数据分析,必须要有一个明确的目的,知道自己为什么要做数据分析,想要达到什么效果。比如:为了评估产品改版后的效果比之前有所提升;或通过数据分析,找到产品迭代的方向等。 明确了数据分析的目的,接下来需要确定应该收集的数据都有哪些。 2. 收集数据的方法 说到收集数据,首先要做好数据埋点。 所谓“埋点”,就是在正常的功能逻辑中添加统计代码,将自己需要的数据统计出来。 目前主流的数据埋点方式有两种: 第一种:自己开发。开发时加入统计代码,并搭建自己的数据查询系统。 第二种:利用第三方统计工具。 常见的第三方统计工具有: 网站分析工具:Alexa、Google Analytics、百度统计 移动应用分析工具:Google Analytics、友盟、TalkingData、Crashlytics 不同产品,不同目的,需要的支持数据不同,确定好数据指标后,选择适合自己公司的方式来收集相应数据。 3. 产品的基本数据指标 新增:新用户增加的数量和速度。如:日新增、月新增等。 活跃:有多少人正在使用产品。如日活跃(DAU)、月活跃(MAU)等。用户的活跃数越多,越有可能为产品带来价值。 留存率:用户会在多长时间内使用产品。如:次日留存率、周留存率等。 传播:平均每位老用户会带来几位新用户。 流失率:一段时间内流失的用户,占这段时间内活跃用户数的比例。 4. 常见的数据分析法和模型 这里讲下漏斗分析法和AARRR分析模型 漏斗分析法 用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势,从而寻找到最佳的优化空间,这个方法被普遍用于产品各个关键流程的分析中。 比如,这个例子是分析从用户进入网站到最终购买商品的变化趋势。
从用户进入网站到浏览商品页面,转化率是40%;浏览商品到加入购物车转化率是20%等,那要找出哪个环节的转化率最低,我们需要有对比数据。 比如第一个,进入网站到浏览商品,如果同行业水平的转化率是45%,而我们只有40%,那说明这个过程,没有达到行业平均水平,我们就需要分析具体原因在哪里,再有针对性的去优化和改善。 当然,上面这是我们设计的一种理想化的漏斗模型,数据有可能是经过汇总后得出的。而真实的用户行为往往可能并不是按照这个简单流程来的。此时需要分析用户为什么要经过那么复杂的路径来达到最终目的,思考这中间有没有可以优化的空间。 AARRR模型 这个是所有的做产品的小伙伴都必须要掌握的一个数据分析模型。 所谓获取用户,就是拉新就是吸引新的用户。对于APP来说,拉新意味着新的用户下载注册;而对于众多的微信公众号、微博、贴吧运营个体而言,拉新指的是吸引新的粉丝关注。 在罗列你的渠道时,需要注意的是每个渠道都需要有根有据,包括这个渠道是不是跟你的目标人群相契合、还有单价高或低以及渠道的二次传播行不行等等因素。而现在推广APP的渠道都会包括: 获取用户就是通过各个渠道拉新的过程。除了换量合作,在各大论坛贴吧等社区发帖,社群营销等免费方式。付费方式包括但不限于利用搜索引擎、微信微博头条等自媒体、网盟广告、线下活动,互联网电视这些方式。增长黑客这种特别的方式也有人在使用。 拉新是否有效有一个评判标准——触发关键行为。比如用户下载了APP不一定会使用。关键行为根据产品的情况而定,它可能是浏览文章,观看视频、发送消息、开始游戏或者填写邮箱等。 好渠道并不意味着用户量最大的渠道,也不是成本最低的渠道。不断探索用户的喜好和分布,才能更加优化合理的确定投入策略,不断最小化CAC。每个渠道获取用户的数量,质量,成本都不一样,需要通过用户获取成本(CAC),用户量,留存率,ARPU数剧等综合评判。 当然除了通过外部渠道获得新客户,如果用户体量较大,也可以从产品设计的角度完成拉新。 第一、主动告知用户,有三种方式:APP的push消息、EDM邮件、短信通知,可以根据用户画像来进行消息推送的时间,内容和用户。 (责任编辑:admin) |