7张图,看懂数据分析如何助力运营

2021-06-25

01 运营迭代升级怎么做

运营之所以喜欢说迭代,首先是因为运营有大量的基础套路、模板、案例可以参照,完全不需要从头做起。所以不需要用“创新、设计、创造”这种词。

男生们可以回忆一下你们玩的游戏,是不是首充送XX,七日登录送XX,竞技比赛有勋章,套路非常相似。女生们可以回顾一下购物网站的各种满减、优惠、抽奖,是不是看起来很相似。就是这个感觉!

比如运营最喜欢说的AARRR,其实每个方面,都有大堆套路(如下图):

其次是因为随着环境变化、企业规模扩大,套路总不能一杆子捅到底,总会随着时间变化有些变化。这种变化可以分为五个等级(如下图):

这个五个等级变化,会按一个流程开展:

看完以上内容,是不是一下觉得数据能做好多事情!且慢,具体做多少,还得看运营的具体工种,如果没选对服务对象,有可能起到画蛇添足的作用。

02 不同运营对数据的需求

虽然都叫运营,但是运营实际包含的工作内容非常多。不同运营工作,具体痛的位置不一样。对于这些痛点,数据分析能治疗的程度也有区别。

从本质上看,数据分析方法代表着理性、逻辑、计算。可这不是工作的全部,工作中还有很多感性、情绪、创意。因此有的工作天生就不咋需要数据帮忙,看个现状结果就行了,有的则需要缜密的计算和分析。综合以上要素,可以归纳如下:

这就是为啥大家能见到的细致分析都和用户有关。因为用户运营本身是个非常有策略性工作。

用户运营本身也非常重要,很多互联网公司为了上市圈钱,需要把用户量、用户增长率、付费转化率做到一定水平,在渠道运营(拉新),用户运营(育旧)上非常舍得砸钱。

03 数据能支持哪些问题

数据分析适合解决理性问题,因此看了上边分类大家大概知道数据分析适合哪些问题。但别忘了,运营最大的问题是没钱。所以还得把每类工作对费用需求程度加上,先解决那些缺钱部门的费用问题(如下图)。

因此,理论上,数据支持运营的第一步,应该从“分钱”开始。先回答和钱有关的,非常理性的,战略方向性的问题,比如:

公司发现目标是(行业第一?营收破100亿?)

● 基于此目标,需要新用户XX万,老活跃用户维持在XX水平

● 基于新用户数,按目前市场价,渠道成本为XXX亿

● 基于目前措施,老用户维护成本为XXX亿

以上目标,通过阶段性大促完成x%,日常渠道/用户投入X%

有了这些分析(其实就是经营分析),分清楚钱、时间、责任,后续运营干活非常清爽!从来不怕目标高,就怕费用没给到。有了资金支持和适当的时间安排,后续也好选择具体的落地方法(如下图):

至于具体的落地层面,细分类型太多,一篇文章很难讲清楚。有机会我们慢慢更新。

04 怎么把数据落实到位

然而,仅仅有这些分析思路和方法是没有用的!更重要的环节是:落地。道理讲出来,大家都懂,真到落地的时候就蛋疼了: 

▌1、分析和决策脱离:这是最大、最大、最大的问题。往往做决策是拍脑袋、凭经验、抄对手、听安排,缺少真正的分析,做分析的实际上仅仅在更新数据,没有意见,没有解读,没有洞察。 

▌2、决策与执行脱离:这是第二大的问题。往往方向、费用、策略,是上层领导决定的,基层同学们每天忙着:做方案-请示-改方案-请示-改方案-请示。对于为什么这么干,干到哪里才算完全部晕头晕脑。啥分析都没用。

▌3、理论与实际脱离:这是第三大问题,讲起AARRR如数家珍,可具体到一个行业,一个业务,一个活动,一次文案,到底数据形态是啥样,到底该做到多少合适,完全没有头绪。 

▌4、缺少历史经验积累:对过往数据没有采集,没有积累,甚至很多做数据的同学连业务目前在干什么都不知道,更别提以前干过的,这能分析就见鬼了。

▌5、缺少活动、策划案、文案标签体系:就如同没有打用户标签很难理解用户一样,没有打这些业务标签,也没法具体分类对比业务,更没法总结套路。 

以上种种,归纳起来就是:好的数据支撑体系,从来都是业务数据一体运营,集体作战的结果,从来都没有一个神仙级数据分析师能振臂一呼“啊啦啦啦”就摆平所有问题。包括案例分享也是,很多同学喜欢说:来两个牛逼案例。最后发现牛逼的案例,从来都是牛逼的公司催化出来的。想要复现,还是得练好基本功,比如如何贴业务标签。