作为运营人员,你必须知道这些数据的真实指向

唯销客2019-12-24运营日记浏览:20


操作的定义太宽泛、太详细,好像所有的方面都离不开操作。


当我第一次开始运营的时候,该部门还在建立一个产品报告系统,我被发现在做商业报告。


你能理解一个还没有开始创业的人的困惑吗?他一出现就做商业报告和处理商业投诉。


然而,当我逐渐开始计划一个接一个的报道时,我又接管了这个频道,没有经过过渡期,直接开始了。


因为通过这些数据,我已经对整个业务形式和业务需求有了很好的了解。


今天,我想分享如何通过数据驱动操作作为一种操作来获得更有效的操作策略。


作为一项操作,我们每天都在处理数据,甚至渗透到我们工作的各个方面。


然而,许多人也会感到困惑。有这么多数据,在什么情况下我们应该查看哪些数据?应该如何分析数据?如何分析数据给运营甚至产品带来积极的方向?


为什么要进行数据分析?


从宏观角度来看,数据分析可以用来了解行业环境、整个市场的规模、用户总数、同类竞争产品的数量、用户属性、自己产品的比例等。


从产品的角度来看,数据分析可以清楚地知道产品是否运行良好以及需要改进的地方。


从关键绩效指标的角度来看,是否进行数据分析以了解哪些指标尚未完成,还有多少差距,以及如何按时实现目标?


一.业务关切的数据指标


在产品运行中,数据分析是为了获得更好的产品体验,更好地满足用户基于产品特性的需求。


那么,在运营数据分析中应该注意哪些指标呢?


如果是从广告收入中获利的企业(如媒体),需要注意的指标是:流量*转换率*每次点击价格。


如果是从佣金收入中获利的企业(如淘宝客人),需要注意的指标是:GMV*佣金比率。


如果是从订单收入中获利的企业(如电子商务),需要注意的指标是:访客数量uv*转化率*客户单价。


如果是从增值服务(如视频会员)中获利的企业,需要注意的指标是:访客数量uv*转化率*APRU值。


综上所述,运行分析中需要注意的常见指标有:


让我们更仔细地把它分开。例如,对于从订单收入中获利的企业,更详细的数据公式是:


订单金额=浏览紫外线*浏览转换率*订单转换率*付款转换率*单价


如你所见,浏览紫外线相当于转移注意力,这是操作最需要注意的。当浏览紫外线很低时,这意味着你的产品没有被任何人使用。


没有人使用它有很多原因,要么没有人知道,要么产品不容易使用。此时,我们需要对问题所在保持警惕。


有数千万种分流方式,也就是说,有许多渠道获得流量。你必须意识到你的渠道。


参考波士顿矩阵理论,交通渠道将被分为明星类、瘦狗类、问题类和现金流类,分流渠道将被分类,优先级将被定义,然后将进行不同的操作。


第一类:


高比例、高转化率的通道,如活性操作,是有效分流的一种方式。


什么样的活动能吸引用户?如何在有限的成本条件下进行活动以达到最高的效果?


在我们平时的活动中,我会注意的数据包括打开的活动页面的数量等,以及打开的活动页面的数量,以便了解活动的推广力度和受欢迎程度。


如果我们更加努力,但实际效果并不理想,可能是活动不够吸引人。


例如,我们在春节期间做了一项活动。用户在玩游戏时可以得到一定的折扣。


一直以来,我们做的是抽奖。这次我们想做一个新的尝试——先玩游戏,然后打折。毕竟,通常一个小游戏可以引发一个朋友圈。


由于今年是猪年,我们正在玩“一起喂猪”的游戏,这不仅呼应了猪年的新年梗,而且还整合了开发小游戏的方法。


结果,我们花了大量的人力去尝试一个新游戏,但是用户没有付费。


几乎每天都有至少10条信息发布在公众号码的后台。我要为此收费。你也让我玩游戏。如果不行,我只能打九折。


因此,考虑到当时打开的活动页面的数量和参与者的数量,我们判断这个活动不适合充值用户玩。


新老用户也是如此。如果这项活动最初是为了吸引新用户,那么参加这项活动的旧用户数量远远多于新用户。


可以解释的是,这项活动的设置有问题,新老用户的气质也不清楚。


如果活动针对的是老用户,还有另一个值得注意的数据,那就是保留率。


对于老用户的活动,下个月的保留率低得可怜,说明这些活动效果有限,没有有效提高用户的粘性。


正如我之前所说,我们做的活动几乎只有一种形式,那就是抽签,设计不同的界面和不同的游戏方法,比如大型转盘,比如吃角子老虎机,比如幸运袋等。为什么?


因为从对数据的分析中,我们可以得出结论,这种形式非常受用户欢迎,并且用户接受这种形式。


成功充值后,用户可以收到不同的红包,用于下次充值扣款。由于用户只能在成功充电后才能获得,因此下次将使用它。


换句话说,当我们的活动发生成本时,用户实际上至少已经充值了2笔交易,从而大大提高了用户的粘性。而用户是要充值的,你给一定的扣款凭证,用户会认为你放弃了,会积极参与。


第二类:


对于增长缓慢但比例较高的渠道,我们需要投入更多的精力来培育这些渠道。


例如,图片和文本推送。


在我们谈论推送图片和文本之前,让我们先说,什么是用户操作?


顾名思义,它是以用户为中心,遵循用户的需求来建立操作活动和规则,制定操作策略和目标,最终实现预期的一组操作目标和任务。


以微信公众号为例:微信公众号操作有三种方式无法到达:——


一个是图形和文本信息的推动,也就是说,不加区别地为所有用户操作;


第二,模板消息推送,不同的用户可能会收到完全不同的信息;第三是菜单栏指南。


图文推送的特点是:效果来得快,效果也快。


下表是推送图形和文本消息后我们将查看的一些数据。


我一直觉得数据不仅仅是简单的列出或者尽可能的多,但是我们需要知道我们看到的数据背后的结论是什么。数据如何指导我们操作?


在下表中,我有两个标为红色的标题,所以你可以看看。事实上,这两条推文的内容是一样的,也就是说,在充值达到一定金额后,你可以获得相应的奖励。


这两个标题被推到同一个位置,在同一时间,大约上午11点,但日期不同。


让我们看看最后一个标题-9350交通硬币。对我们自己来说,我们一眼就能看出这是一种可以兑换成实物的虚拟凭证。


然而,从用户的角度来看,有多少用户知道什么是交通硬币?


对大多数用户来说,他们对这个术语没有概念。因此,对于同样的内容,当标题改为“9G流量”时,阅读量翻了近10倍。这就是数据分析的意义。


通过对每期图文推送的数据分析,我们得到了一些关于我们公开号码的结论。


例如,我们试着从周一到周日在不同的时间推。是的,你是对的。为了得到一个有效的结论,我们也试着在周六和周日推进。


一个除夕,当每个人都在欢聚一堂时,我绞尽脑汁,写了一篇我认为是文学、艺术和情感相结合的文章,用图片和图画记录了我从童年到离开家与父母共度的时光。


因此,阅读量为40,000,留下22条信息,共享55条。


可以说,这是我自公开号码以来写的最让人分心的文章。我几乎沉浸在每个人读完它后都感受到的无数共鸣中,最后买了买了来偿还我的性心理。


然而,事实上,阅读并不是最多的,评论和分享也是平庸的。


最尴尬的是收入。我不敢说这是一项活动。换句话说,用户可能不一定为我们认为好的东西付费。此时,数据的作用得到了反映。


总之,作为一个针对充值产品的公开数字推文,我们通过长期实践和数据分析得出了一些结论。


每周五从上午11点推到中午12点,效果最好。


在假期前推动交通比打电话收费要好。


月底的效果比月初好。最好的效果是把电话费从8英镑提高到10英镑。


用户一眼就能阅读和理解的标题更有吸引力。


第三类:


更糟糕的是,一些排水方法是下脚料。


鉴于这些方法,我将有选择地优化它们。当我有时间的时候,我会想到它们,当我没有时间降低劳动力成本的时候,我会放弃。


订购的转换率,如果订购的转换率不错,但付款的转换率相对较低,可能是产品的付款方式或步骤,给了用户一定的门槛。


截至3月初,我们的支付转化率突然下降到10%左右,也就是说,100个用户下单,最后10个用户成功支付。


这一转化率低得惊人。经检查,我们发现这是因为受支付汇率的影响,我们降低了所有的支付方式,只留下一种汇率非常低的支付方式。


然而,许多用户与这种支付方式无关。如果你想购买,你需要注册一个新的支付方式,这相当于提高用户的支付门槛。


后来我们保留了低汇率的支付方式,将流行的支付方式重新上线,但低汇率的默认支付方式是首选,支付转换率突然达到65%左右。


与前10%相比,它看起来好吗?


然而,在分析和比较历史数据时,我们发现当最流行的违约支付方式被用作支付的首选时,支付的转化率达到80%。


因此,这种简单的调整似乎产生了很大的影响。


客户单价受产品属性和促销的影响。


例如:一个产品有不同的规格,默认规格是100元,那么用户订购最多是100元;夏天订购的衣服比冬天多,订购的外套也多。


当然,如果你根本不遵守规则,比如夏季淡季清仓大衣,即使它被广泛推广,效果也是非常有限的。


因此,每天观察数据,根据数据并结合用户的使用行为调整操作策略,往往是非常小的操作方法,可能事半功倍。


三、如何做操作分析?


看到这一点,我相信每个人都清楚运营数据分析的重要性。


那么,如何进行操作数据的分析呢?


在我们计划实施运营战略之前,我们应该首先整理流程,明确运营目标,整理运营行动,最后在报表中反映整理后的结果。例如,要做一项活动,我们关注哪些数据?这一点以前已经提到过,所以这里不再重复。清除需要注意的数据,以便于在实施过程中实时监控和及时发现问题。

image.png

当我们整理出需要关注的数据后,我们需要监控指标。通过报表中的日常数据,明确本次操作的整体情况,及时发现异常情况,并找出异常原因。


当出现异常时,如何找到问题?


一般来说,可以分为以下几个方面:定位问题→拆卸问题→提出假设→分析验证→结论呈现。


位置问题实际上相对容易。如果数据中的任何链接异常,该链接可以被锁定。


以下是拆卸问题。在逐步拆除和分析后,将逐步发现和验证异常变化的原因。最后,得出结论并指导下一步操作。


例如:


12月1日,该网站的订单量突然增加了50%。让我们看看数据。从订单量来看,是渠道订单量的增加、转换率的增加,还是人均订单数的增加?


一篇接一篇地发现,最近写的文章的阅读量是10W,而正常文章的阅读量小于1 W。因此,推断是文章带来的排水效应。


然后,继续分析,什么类型的文章吸引了这么多用户,与通常的主题有什么不同?


经过层层粉碎后,发现效果是由娱乐主题带来的,因为推出的产品与娱乐有关。这个主题得到了呼应,并取得了很好的效果。


从数据中得出这一结论后,我们可以推动不同的产品向相关主题靠拢,以达到更好的分流效果。


当我们发现问题时,下一步是提供操作建议。


如例3所示,我们将订单量的增加定位于广告商品的良好分流效果。然后我们需要验证它是否真的是由这个原因引起的。


首先,对12月1日订单的用户进行分层,通过RFM模型建立用户标签,然后验证我们最初的假设——文章的主题与推广内容一致。


例如,再次推动相同的主题,看看阅读量和转换效果是否仍然如此好?


或者,看看新老用户的比例。如果老用户的比例很大,这可能不取决于文章分流的效果。


因为用户分层涉及另一种更复杂的操作方法,所以这里不再描述。


整个操作完成后,需要进行效果评估。


效果评价主要从以下几个维度进行:与自身的比较、与目标的比较、与前期类似操作的比较、与同期其他操作的比较、与行业基准数据的比较.


根据这一系列的尺寸分析,获得最终的经验总结,为下一步操作奠定基础。总之,我们可以看到数据分析可以说是操作中的一个重要环节。


通过数据,交通、人群和产品可以分层操作,达到更好的效果。


相关文章