在我刚开始对运营感兴趣的时候，我就从我的前辈那里了解到，运营是一个和数据分析结合非常紧密的职业。运营策略要依靠运营数据来做支撑和改进。然而，很多情况下，运营都只是依靠人为的想法和经验在做，在和产品、开发提出一些需求的时候，很容易就会被怼翻在地。人生最后悔的事情，可能就是，吵架没发挥好，晚上躺在床上一想，不对啊！我当时应该这么说啊！这种后知后觉的心累感应该是每个运营人都体会过的吧？为啥我的策划就不行？为啥这么傻的活动方案我怎么反驳都没用！公司根本不重视运营的建议，只知道埋头和拍脑袋！那你还说个啥？数据有没有拿出来？
来，看个案例~
还是我之前待过的那家创业公司，当时加入的时候作为产品运营，了解一下当时产品的情况。运营同学和我介绍，说他们刚做了产品上线第一次活动推广，活动期间有了5000+下载用户，注册用户数3000+，活动结束后一周，留存不到5%，分析原因，觉得是产品的社区内容不够好，没有留住用户。于是接下来的策略，就变成了如何更好的充实内容，再之后社区内容就不光引进了各种日报新闻，实事分析，还和非常多的本地自媒体达成合作，引用他们的优质内容素材。韬光养晦了一阵，觉得社区内容稍微有些厚度了，决定再做一次活动，我来的这个时间段，正好是活动正在策划的阶段。
BOSS问我“Luna，你看看活动策划，有没有什么想法？” 我看完觉得就目前阶段来说，直接再上一场活动对社区比较吃力，毕竟按照当时社区他们的内容调性来说，内容丰富度是远远不够的，不过活动是小范围的，一面吸引新的目标用户加入社区，一面继续充实社区内容，感觉没啥冲突，可以两不误。但基于上次惨淡的留存情况，我没回答，我决定先把上次活动的数据先扒一遍。
活动首日当天下载量1500，注册过1000。但这批注册用户，留存不超过50个。当时有个更关键的因素被运营人员忽略了，那就是当时APP的内容，是可以在不注册的情况下阅览的，不论是浏览本地新闻，吃喝玩乐，还是社区发的帖子，全部都可以看得到。当时的产品，没有设定强注册，用户可以随意阅览整个社区，只是在用户要点赞、回复他人，或者发贴的时候，我们才会引导用户去注册。这说明了一个问题，当时社区内容即使在不完整的情况下，仍然是有用户愿意来注册互动的，因此就认为是由于内容不够好才导致用户离开是不够全面的。
调查活动当天注册用户的次日和三日留存率，几乎两个没什么差别，都是一落千丈。用户几乎就是在使用了一次APP，注册后，就消失了。问题一定出现在注册之后的某个环节上。
模拟用户注册使用APP的全过程，注册，获取验证码，注册成功，没有问题。就在这时，收到一条验证消息：
“恭喜您成为社区【新人】，在这个阶段，您还不能发帖哦，快复制邀请码邀请两个用户注册就可以获得发帖资格”
和数据显示的一样，就是在刚注册后收到这条消息之后，用户就离开APP，再没有回来过。系统自动发送的这条信息，就是一个很大激怒用户的因素。具体化一些，就是，注册后，用户的正常行为被打断了，这种打断，造成了用户对于APP的愤怒，所以最后留存惨淡。以用户的角度来分析，我在正常浏览完社区，觉得你这个社区不错，又看到一条有趣的帖子，我想回复一下，点击回复，弹出【注册】按钮，完成注册，想着可以在社区互动，却突然出现这么一条“完成任务”式的消息。这时候被控制感油然而生，怒卸载APP。
当时我和BOSS提出这个问题的时候，他并没有觉得这条信息有什么不妥，毕竟只是不能发帖，还是可以正常回复帖子的，并且他提出，注册APP后就发帖的用户不到1%的。搬出数据给他看，修改了提示信息，把信息出现的时间点从已注册就自动发送，到用户点击【发帖】再发送。信息内容没有再多做优化，因为BOSS表示他对这条信息很有自信。调整后，次日留存和三日留存开始上升。
这时候就凸显了看数据的重要性，有时候运营会拿不准，我这个活动或者文案效果好与不好到底是什么原因造成的，只会寻找一些看得见的方面的问题，例如内容选题不够好，或者活动推广不够大，但有些时候，其实是产品的一些小的功能项出现了问题，需要通过数据来分析，才能确定到底是哪一方面出现了偏差。
那当遇到实际运营情况如何用数据来分析？
1）明晰产品各个数据的均值
每个运营，对于产品使用流程以及各个流程产生的日常数据都应该了如指掌。了解产品的平均数据情况，DAU，互动率，内容点击率，打开率甚至还有流量投放的渠道以及各个渠道每日可以带来的流量。这些都应该在心里形成一个标准，像是给产品定了一个正确运转的数据指标，当数据在这个指标范围内，那产品的运营是没有问题的，一旦有异常值出现，就可以立刻意识到，问题可能出现在那一方面。
举个例子，我曾经在某浏览器小说产品社区做运营。当时每日小说社区都会投放一定的流量，并且流量来源不是单一的，是多渠道的。某次我写了一次活动的文案，上线后，流量很大，阅读量很大，我就很开心，认为我这个活动应该是成功了吧。结果我leader看了一眼当天的渠道数据，发现问题是当天配置的浏览器推荐带来了大量的流量，而且是超大流量，原因是当天浏览器自身有大活动，渠道流量大增，所以我这个活动说效果好是不能单单通过这一个指标就判断的。我当时就是不了解浏览器推荐能带来多大的流量，所以就按照阅读高，活动效果就好下了评判，言之过早矣。
2）确定评判指标
在评判一个运营行为产生的结果好还是不好的时候，都需要一个评判指标，也可以说是这里评判的“唯一重要指标”，我一般叫唯重指标（没啥原因，只是方便顺口）。这个唯重指标是要经过多方权衡考虑筛选出来作为运营工作指导性目标的（有些KPI就是的！）。
比如当时评判活动的好坏采用了互动率指标，是评论数/阅读数。为什么不是点赞量/阅读数？为什么不是（评论+点赞）/阅读数？这就要多方考虑，当时社区发展的主要目标是要提升用户活跃度，也就是要提升访问率（关注并访问的用户／关注用户数）。点赞的操作复杂性远远低于评论，并且根据当时投放流量的内容展示和产品架构方面，点赞可以在外层进行操作，即不进入详情页就可点赞，因此评估效果远远没有达到期望。而（评论＋点赞），数据部分有很大重叠，会放大结果，最后自己反而会被数据误导。综合考虑就采用评论／阅读数来衡量当时帖子和活动的参与情况。这就是很典型的通过多方权衡来获得唯重指标的例子。
3）拆分数据维度
有时候我们知道了数据指标，但依然是无法对这些数据进行分析，不知道到底问题出在哪里。这种时候，需要把数据按照不同维度拆分开来，逐一排除寻找问题。
开展了线上活动，效果不是很理想，阅读量接近均值，但参与量非常少，用户的互动率很低。为什么互动率很低？看一下阅读数据和评论数据，评论用户都来自哪个渠道？各个渠道平常的参与率是多少？是不是那个质量最优的渠道参与度出了问题？再看用户，质量最好的渠道来源的用户都参与什么类型话题？用户类型和特殊属性是什么？按照这种思路进行维度拆分分析，更容易通过数据定位运营问题。
通常的拆分维度
我认为运营人员都应该明白一点，就是看数据不只是看数据，要明白数据所代表的具体意义，知道数据的变化对产品产生的影响，了解如何去改进一方面的数据，并通过数据的变化来指导产品的改进。这样，通过数据的手段，清晰定位运营问题，有效施展运营手段，再加上运营人员的聪明才智，一定会让运营决策不再只是拍脑袋，而是切切实实的科学运营。
PS：大家有什么好的案例或者运营问题，欢迎讨论~
网友评论