從未有一篇文章如此接地氣的把運營和數據間的關系講清楚！

圖片來自pixabay

注：本連載分為【認知運營】、【運營的基礎修煉和入門】、【運營的幾項核心技能】、【運營的一些宏觀規律和邏輯】、【一個運營的成長路徑】、【我作為一個運營從業者的一些思考】6大部分。

本文為【運營的幾項核心技能】部分的第二篇連載。

（一）

上一篇連載，我們聊了關于運營指標的拆解和落地。

這一篇，我們來講講另一件可能會貫穿你的運營生涯始終的事情——數據在運營工作中的運用。或者，也可以說是如何用數據來指導你的運營工作。

這里要先提一嘴，數據的背后，其實是邏輯和推理。換句話講，想要讓數據可以更好地為你服務，你需要先有好的邏輯和推理分析能力。假如連這一層都做不到，即便你看過了這篇文章并拍案叫絕，很可能也是只得其形，未得其神。

而至于如何評估自己的邏輯能力，我給一個大體的參照——

邏輯能力較強的人語言表達方面往往是有組織的。說話表達往往有框架有條理，思路清晰。比如，在回答問題時ta會喜歡用“起因-經過-結果”、“案例-問題-分析原因-解決方法”等框架來進行回答?？蚣懿皇菫榱耸`思維，而是用來整理思路。

在此基礎上，一般談話話題容易跑題萬里拉不回來的人，以及經常容易表達上前后自相矛盾難以自圓其說的人邏輯可能都是比較差的。

但，邏輯這個事，也不是不可以練習，只是一定需要投入大量時間。

比如，

嘗試給自己建立某種思考框架（如我們前面說過的“案例-問題-原因-解決方案”這樣的框架），并嘗試在自己所有可能會經歷的相關場景中都持續強制自己使用相應框架進行思考和表達，這樣持續幾個月后，通常是會有些效果的。

此外，也推薦可以參考一下《思考的技術》、《麥肯錫教我的思考方法》、《創新者的思考》、《學會提問-批判性思維》等書，都是我看過關于邏輯和思考方法方面的一些好書。

另外，很多人尤其是文科生在提及數據時往往會覺得比較怵，但數據其實一點也不可怕，只要思路捋清楚了，你會發現數據其實還挺有趣的。在今天的內容里，我就會試著給你呈現一些有趣的例子。

（二）

好了，接下來我們正經聊數據在運營中的作用。

說到數據，阿里的數據系統在整個國內互聯網行業應該是最強大的了，很可能可能沒有之一。

此前有一位從阿里離職的芮曦同學寫過一篇“我在阿里3年的運營經驗都在這里了”。其中對于數據的價值和運營工作中的具體使用場景，我覺得很多地方講得是比較到位的。（你可以通過百度搜索，或向三節課公號回復“0426”看到這篇文章）

如果我們需要總結一下的話，簡而言之，數據對于運營的價值可能包括了如下幾方面——

1.數據可以客觀反應出一款產品當前的狀態好壞和所處階段。

比如，三節課定位的用戶群主要是互聯網行業的產品經理+產品運營，這群人假如有300萬人，目前我們已經有了10W用戶，且依靠口碑形成的自增長還比較迅速，那么我們是不是應該去加大一些推廣和營銷的力度，把推廣做得更好一些了？

又或者，假如我們現在才只有1W用戶，且課程等產品體驗還比較一般，那其實我們當前的主要核心任務是不是更應該是先節奏慢點兒，踏實把產品體驗搞好了再說？

2.假如做完了一件事但效果不好，數據可以告訴你，你的問題出在哪里。

比如，三節課新做了一個圍繞著課程推廣的活動，但結束了之后發現真正愿意去參加課程的人不是太多，那你是不是該去看看，到底是引流引得不夠多，還是課程頁面轉化率太低，還是整個報名流程有問題？

3.假如你想要實現某個目標，數據可以幫助你找到達成的最佳路徑。

這個跟我們上一篇連載提到的東西類似，好比你老板讓你要把銷售額提升5倍，你是不是得去看看，銷售額的提升到底該從哪里來更合適？是搞進來更多流量？還是用心把付費轉化率做上去？還是好好提一下客單價？或者老板要的是用戶量提升50萬，你是不是得去看看，這50萬用戶從哪里來更靠譜？多少可以來自于用戶口碑和自增長？多少可以來自于網盟？多少可以來自于豆瓣小組新浪微博？

4.極度精細的數據分析可以幫助你通過層層拆分，對于用戶更了解，也對整個站內的生態更有掌控力。

比如，三節課站內這么多課程，我們是完全可以通過數據得到以下問題的答案的——從課程的層面來看看，到底什么樣的課程更受大家喜歡？然后，大家聽課的習慣是怎樣的？是喜歡同一堂課認真聽很多遍？還是一堂課只聽了3-5分鐘就走掉了？再然后，一個還沒畢業的大學畢業生和一個已經工作了2-3年的互聯網從業者，雖然同樣都是想要學習，但學習習慣和訴求是不是應該是有所不同的？以及，假如我們想要盡其所能的服務好三節課的全部用戶，我們是不是可以把這些用戶劃分為各種不同的類別，然后分別推送給他們不同的課程和學習內容，引導他們去完成各種不同的用戶行為？

5.數據當中可能隱藏著一些潛在的能讓你把一件事情變得更好的線索和彩蛋，有待于你去發現和挖掘。

好比，在三節課的用戶群中，我們要是通過數據的分析發現了這樣一個結論——在過去1個月內，但凡是跑到三節課來報名上課的用戶，70%都是因為看了我們的某篇文章才跑過來的，這時候你覺得你應該做點啥？

毫無疑問，當然是把這篇文章放到首頁顯眼處，或者放到新用戶注冊或訪問過程中的某個必經節點上，用它去刺激更多的新用戶啊！

上述5點中，關于1的部分，也即如何從宏觀上結合產品形態和產品發展趨勢判斷一款產品所處的階段，并制定相應的運營策略，我會在后面連載的第四部分中再具體來聊。

所以，下面，我們來結合更詳細的實例依次聊一下上面提到的2345四種價值體現。

（三）

先說第一種：假如你做完了一件事但效果不好，這時如何通過數據來界定問題到底出在哪里。

我們來看一個真實的例子：

某O2O課程學習平臺，注冊用戶5W，模式為用戶通過線上付費報名，線下實地上課，日前上線了一個專題，聚合了6堂課程進行打包推廣，預期每堂課至少報名40人以上，但從結果來看，效果不佳。該專題頁相關數據如下（看不清可點擊放大）：

現在，我們想要知道這個專題的具體問題到底出在哪里，請問該怎么做？注意，這里我建議你可以自己先花點時間動動腦子思考一下，有了一些自己的判斷和結論后，再繼續往下看我的答案會更好。

這里要就要提到我們曾經在《連載2.6：想成為年薪30W+的運營，你必須具備這4個“運營思維”》里提到的4個“運營思維”的其中之一了：流程化思維。也即是說，要先梳理清楚流程，再來流程來反推問題的所在。

比如說，圍繞著一個課程專題的運營，其觸達到用戶的整個流程大體應該是如下這樣的：

于是，我們可以依據這個流程回過去看，到底整個專題的問題出在哪里？比如說，是推廣本身不給力？還是推廣到專題頁的轉化率太低？還是專題頁的跳出太高，基本沒人進入到課程？又或者是課程頁面到報名的轉化太差？還是說報名后的訂單確認和支付流程流失掉了太多的人？

以及，如果我們已經界定清楚了，以上幾個大環節中的某一個環節存在問題，比如說，我們已經發現了推廣到專題的流量數據太差，那具體又是什么原因導致的？是因為我們去到鋪得太少，還是因為渠道執行力度不夠？還是推廣素材和文案太差？

如果按照以上的思路來對于這個專題的數據進行分析，我們可以發現，該專題的問題可能主要出現在以下幾方面——

1.專題頁的整體UV就很差。累計1000出頭的UV對于一個專題來說實在是太可憐了。而具體的原因，可能包括：

1）專題上線時間太匆忙?？梢钥吹剑?月3號就要開課的專題7月31號才上線；

2）專題推廣不是特別給力，具體是鋪設的渠道不夠，還是在特定渠道內沒做好執行，這個可能需要進一步具體去看每個渠道的具體流量構成和結合執行情況來進行分析了。

2.專題頁的效率普遍較差。一方面是其跳出率超過40%，另一方面則是從專題頁導到單堂課程的UV，最多也不過187，僅相當于專題頁流量的10%左右，這個效率還是低得有些可怕的。

3.從單堂課程的層面來看，課程3對用戶的吸引力可能比較差（報名和課程頁訪問都很少），課程4的課程詳情頁或定價等可能有可以優化的空間（訪問很多，報名很少），課程6則是報名轉化率還不錯，但目測整體在站內得到曝光的機會比較少。

走完了這個例子，是不是感覺數據真的可以幫助我們把問題界定得無比精細，讓我們言之有物目標確鑿？

（四）

下面我們再來說數據的第二類價值體現：假如你想達成某個特定目標，如何通過數據來評估和具體化你的最佳達成路徑？

這個問題，其實跟上一篇連載里提到的“指標拆解”一脈相承。

我們也來看一個例子：

假如三節課在接下來一個月的目標是要把日均報名上課人次這個指標提升到20000（當前為2000）的話，投入預算成本最低的情況下，我們可以怎么做？

拿到這個問題后，我們首先可以依照上一篇連載里提到的目標拆解方法對于我們的目標進行拆解，于是可得——

課程報名人次=網站流量*課程轉化率*人均報名課程數

然后，既然是要把目標指標提升10倍，我們要分別評估一下提升3個因子的可能性。

先看網站流量，假定三節課的目標用戶主要是3歲以內的互聯網產品+運營領域的從業者，目標用戶共計約100W左右，但目前網站日UV只有不到3000，那么以正常邏輯推斷，在網站正常日UV方面拉升到目標用戶的10分之一左右，也就是10W應該都是可以的。但這個流量如果是需要在短期內拉動，肯定是需要投入一些費用的。

再看課程轉化率，假使目前網站整體UV-課程報名人數的轉化率為2%，同時又經過分析發現，每天訪問課程頁面的UV為2000左右，那么依據經驗判斷，這已經是一個還算不錯的轉化數據了。按照我們參考其他同類課程學習類網站的數據，3%已經是很上等的網站UV/報名數轉化率。我們在此暫且認為我們經過流程梳理后，可以在加強站內課程曝光引導、優化課程列表頁、詳情頁等布局以及課程文案、優化課程報名流程&體驗等環節均作出一定優化，從而實現3%的轉化率，整體提升1.5倍。

最后是人均報名課程數，假使我們發現目前三節課的平均每用戶報名課程數量為2堂，而站內每月會同時開出25堂課，且這25堂課間往往都是彼此關聯存在邏輯遞進關系的。于是我們可以據此判定了，人均報名課程數這個因子是存在明顯可以提升的空間的。因為三節課目前主要有兩個主要的課程體系，且每個體系課程目前已有12堂課，所以我們姑且推斷，依靠課程打包、相關課程推薦、站內消息告知、一次性報名多堂課程贈送絕密資料等等一系列運營手段，應該可以把單用戶人均報名課程數提升到10堂課左右，整體提升5倍。

好了，因為我們的命題要求是“預算最低”，所以我們的思路一定是優先考慮無預算的指標拉升手段，再考慮有預算的指標拉升手段。那么基于以上的推斷，我們應該可以在不做預算投入的情況下做到以下狀態——

課程報名人次=網站流量*（課程轉化率*1.5）*（人均報名課程數*5）=（課程報名人次=網站流量*課程轉化率*人均報名課程數）*7.5

此時我們發現，如果按照這個推斷，課程報名人次這個指標，已經被我們提升了將近7.5倍。也就是說，為了達成10倍的目標，理論上我們只需要再投入一些預算，把網站流量再提升到原有基礎1.33倍以上即可有望達成預定目標。

至此，我們的這個最低成本達成目標的運營方案，算是成形。

上述這個不斷尋找對標數據來反復進行推導思考的過程，也希望可以帶給你一些啟發。

（五）

下面再看數據的第三類價值體現：極度精細的數據分析可以幫助你通過層層深入，對于用戶更了解，也對整個站內的生態更有掌控力。

還是來看個例子：假如目前所有站內數據可以對我們開放，那么站在運營端，若我們需要對于三節課的用戶行為有更加深入精確的理解，從而更好指導我們的運營工作，我們該以何種思路去對于數據進行分析和比對，從而得出一些更有價值的信息？

這里要先引入兩個數據分析中的基本概念：維度和度量。

簡單來說，度量就是具體的數據指標，它通常表現為某個量化過后的數據值。而維度則是去看待這些指標的不同角度。

舉例，

網站的UV（用戶訪問數）是一個數據指標，而我們去看待它的時候，可以從日期的維度去看，以便評估一周或一個月內哪幾天流量偏高或偏低，是否存在規律；

也可以從24小時時間劃分的維度去看，以評估每天在不同時間段的流量分布情況是怎樣的；還可以從地域的維度去看，了解不同地區的用戶訪問使用網站的習慣和情況是否存在差異……

理解了這兩個詞，最終你會發現，所謂數據分析，無非就是界定清楚了你要評估的度量有哪些，然后需要知道你可能有哪些維度去看待這些度量，偶爾可能還需要在不同維度和度量間交叉做一下分析和比對，最后產出結論，把結果用圖表等方式呈現出來就好了。

所以，回歸到這個例子，我們如果要結合具體的產品形態，對于三節課的用戶生態和使用習慣有更加深入的了解，我們或許可以先界定清楚，我們需要去評估的度量有哪些？這個度量需要結合你的核心產品功能來想，因為三節課網站上目前主要的產品功能就是上課學習，以用戶可能會在這個網站上發生的核心行為為主線來看的話，我們要重點關注的是以下三類行為：訪問、報名、上課。于是，圍繞著上述3個行為，我們要重點關注的度量就可能包括了：

網站訪問數，注冊數，報名課程數，實際上課用戶數，視頻停留時間，單視頻重復播放數。

同時，對于以上的部分度量，我們應該有一個自己預設的合理區間（這個區間需要基于你自己對于行業和用戶的了解來進行判斷得出，或者是通過持續探索得出），比如說，單課程的實際上課用戶數為該課程的報名用戶數的20%-50%之間我們可能認為是比較合理的，那么如果該數值高于或低于了這個區間，均可視為異常。

然后，接下來的一步，就是我們需要再來逐次圍繞著每一個度量來去看看，我們可以有哪些維度去看待它、分析它、評估它。

比如，

拿最簡單的課程報名數來舉例，我們要評估這個數據的維度可能包括了日期、時間、地區、新老用戶等，如果要把這個評估做到極致，我們可能需要從每一個維度依次去評估報名數這個指標的變化，從中發現一些線索或結論。

基本上，這種評估的出口有二：

一是判斷數據是否有一些異常需要注意的情況（如果出現異常數據，一定要分析原因）；

二則是為了給自己的運營工作找到一些方向性的指導，比如說，我現在要是想要發起一個要把站內課程月報名數提升10倍，我是否可以從用戶行為和習慣之間去得到一些具體的啟發？且，很多時候，這兩個目的是可能會合一的。

好比，假如我們看到過去30天里的報名數據是這樣的：

(編輯：小酷)