从零开始，构建数据化运营体系_市场营销策划2021_社区电商运营系列_doc可编辑版.docxVIP

从零开始，构建数据化运营体系 数据化运营是一个近年来兴起的概念，它在运营的基础上，提出了以 数据化运营是一个近年来兴起的概念，它在运营的基础上，提出了以 数据驱动决策的口号。 在了解数据化运营前，运营们有没有过如下的问题： 不同渠道，效果究竟是好是坏？ 活跃数下降了，到底是因为什么原因？ 这次活动推广成效如何？ 发布了版本，用户喜不喜欢？ 我们总是说传播，传播到底有多大？ 这是产品和运营每天每时每刻都会遇到的问题。数据化运营，实际以 解决这些问题为根本。它从来不是 BAT 的专属，也不是大数据的独宠，每一家互联网公司，都有适合的数据运营土壤。 数据运营体系，是数据分析的集合与应用，也是数据先行的战略，它 不仅是运营人员的工作，也是产品、市场和研发的共同愿景。从管理 角度，是自上而下的推动，如果领导不重视，那么执行者数据用得再 好，也是半只腿走路。 如何构建数据化运营体系呢？以下是我的总结思考。 我将数据化运营体系划分成四层架构，每一层架构都逐步演进互相依 赖，每一层又不可缺少。这四层分别是数据收集层，数据产品层，数 据运营层，用户触达层。它是以运营人员为视角的框架。 数据收集层 数据化运营体系的底层是数据收集，数据是整个体系中的石油。 数据收集的核心是尽可能收集一切的数据，它有两个原则：宜早不宜 晚，宜全不宜少。 宜早不宜晚，意思是产品从创立阶段，就需要有意识的收集 数据，而不是等到公司发展到 B 轮、C 轮才去收集。数据化 运营贯彻产品全阶段，不同阶段有不同的运营方法。 宜全不宜少，指的是只有不合适的数据，而没有烂数据。像 历史数据、变更记录或者细节处的数据，都存在价值。 举一个例子，有一家金融产品，它的征信系统会详细记录用户的行为，用户在借贷时上传担保资料，会记录用户在这些页面的操作步骤 和时间。这里有一个假设，上传担保资料普通人一定是谨慎小心的， 如果这步骤完成的非常顺畅快速，很可能是会违约和欠款的人群：你 操作那么溜，是不是想捞一笔？属于熟练工作案。征信系统会把这些 数据作为特征判断风险。 需要收集的数据能划分成四个主要类型：行为数据、流量数据、业务 数据、外部数据。 行为数据 它是记录用户在产品上一系列操作行为的集合，按时间顺序记录。用户打开 APP，点击菜单，浏览页面是行为；用户收藏歌曲、循环播放歌曲，快进跳过歌曲是行为。 行为数据的核心是描述哪个用户在哪个时间点、哪个地方，以哪种方 式完成了哪类操作。 我们可以利用其分析用户的偏好，页面停留时间的长短，浏览的频繁 程度，点赞与否，都可以成为依据。另外一方面，用户行为也是用户 运营体系的基础，按不同行为，如购买、评论、回复、添加好友等， 划分出不同梯度，定义核心用户、重要用户、普通用户、潜在用户的 分层。 行为数据通过埋点技术收集。埋点有不同种的实现方式，采集到的数据内容倒是没有差别，主要以用户 ID，用户行为，行为时间戳为最主要的字段。用表格画一个简化的模型： useId 用来标示用户唯一身份，通过它来确定具体是谁，理解成身份证号就行。active 就是具体操作的行为，需要在技术层面设置和定义， timestamp 就是发生行为的时间点，我这里只精确到分，一般会精确到毫秒。用户的行为记录应该详细，比如浏览了什么页面，此时页面有 哪些元素（因为元素是动态的，比如价格），它是半结构化的 NoSQL 形式，我这里简化了。 有时候为了技术方便，行为数据只会采集用户在产品浏览的页面，像 点击、滑动这类操作不记录。属于折衷的方法。 除此以外，行为数据还会记录用户设备、IP、地理位置等更详细的信 息。不同设备的屏幕宽度不一样，用户交互和设计体验是否会有差异 和影响，怎么拿来分析？这也是数据化运营的应用之一，是宜全不宜 少的体现。 流量数据 流量数据是行为数据的前辈，是 Web1.0 就兴起的概念。它一般用于网页端的记录，行为数据在产品端。 流量数据和行为数据最大的差异在于，流量数据能够知道用户从哪里来，是通过搜索引擎、外链还是直接访问。这也是 SEO、SEM 以及各渠道营销的基础。 虽然现在是移动时代，Web 时代的流量数据并不过时。比如微信朋友圈的内容都是 HTML 页面，活动运营需要基于此统计效果，我们可以把它看作一类流量数据。另外，不少产品是原生+Web 的复合框架，内置的活动页大多通过前端实现，此时即算行为，也算流量数据，当我们将 活动页发送到朋友圈时，相应的统计只能依赖基于前端的流量数据来 采集了。 流量数据是基于用户访问的网页端产生。主要字段为用户 ID、用户浏览页面、页面参数、时间戳四类，简化模型如下： url 是我们访问的页面，以 ***.com/***