数据化运营系列:数据化运营解决什么问题

什么是数据化运营

利用数据分析,得到隐藏在数据背后的业务规律,利用这些规则来给运营提供方向、方案、策略,并收集数据结果,进行不断优化,从而提升运营的效率与效果。

数据化运营系列:数据化运营解决什么问题

运营是什么?

运营工作是一个很细,方向性,目标性强的工作。例如:这个月期望新增活跃用户达到100万【明确的运营目标】,运营就是用尽量少的资源达到期望的目标。

??一、定义清楚目标

运营定义目标,活跃用户的定义是什么?例如:是本月有过购买订单,用户有登录?,有过评论?

??二、目标分解

目标分解,活跃用户来源构成,例如:如下图所示;这个更多是从业务角度来说,根据业务经验,会怎么进行目标分解。同时非常明确各个用户的定义,规模有多大,这个规模就需要从数据上提供。

数据化运营系列:数据化运营解决什么问题

三、运营目标差距

运营人员利用经验进行了目标分解后,制定目标分解的逻辑。接下来需要数据分析师,数据分析需要帮忙运营人员提取相关的数据。通过数据让业务人员精准的了解业务结构。

数据化运营系列:数据化运营解决什么问题

通过看这些数据,数据化运营人员就可以非常清楚以下几种事情:

1、?如何不采取任何运营动作,那目前每月活跃用户大概50万老用户,27万的新注册会员。流失用户、休眠用户、注册未激活用户可能会有一定的比例用户会在本月活跃,比例分别为:1%、2%、1%,合计会有10万活跃用户。全月预计会至少有87万的活跃。

2、?根据数据的测算,运营人员非常明确离当月设定的目标大概有13万的距离,这就是运营目标与实际的gap。因为运营人员需要根据目标差距去获取相应的运营资源来达到目标。

对很多公司来说,如何数据团队你准确、快速给运营人员这些数据,让运营人员通过数据可以非常准确的了解结构,对运营人员是很幸福的事情。通过这些数据分析,运营人员也有运营方向,可以根据目标差距,可获取资源来决定本次针对哪类型的人群来进行发力【数据分析提供了瞄准器,通过这些数据运营人员已经有明确的方向】。

接下来需要更深入的数据分析,分析各个类型的用户有什么样的特征,例如:休眠用户中有多少之前是高消费,之前主要购买了什么,从而建立了用户画像,对用户有全面的了解。运营人员根据这些数据分析的结果就知道可以制定什么样的策略,设计什么样的方案。

对于数据分析师来说,可能需要一定的数据分析、数据挖掘的方法,例如:建立RFM模型,通过聚类算法建立用户细分模型,通过流失模型预测每个用户的流失概率。

深入分析用户为什么流失,是因为对价格不满意,商品缺货,商品品质等,还是竞争对手搞活动。通过这些模型和深入的专题分析,让运营人员利用数据来制定非常有针对性的方案。例如,针对流失会员中的之前消费频率高,消费金额高,设计满减活动来挽回。

有二名话来形容数据化运营的话:

瞄准器,心中有数,循环迭代

提升运营效率,提高运营ROI

后续将开始写数据化运营之数据分析,会员分析等方面的文章。

作者:数据海洋

来源:中国统计网

本文出处:,链接:,采用「CC BY-SA 4.0 CN」协议转载学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请联系「我们」处理。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言 大数据交流群: 统  计  学 数据分析网-统计学 商业智能 数据分析网-商业智能 数据挖掘 数据分析-数据挖掘 数据产品 数据分析网-数据产品

QR code