第1个回答 2022-07-18
2014年,我买了一个MAC本,装范用。我妈不太高兴。老人节约惯了,认为我正在用的联想本长的瓷实,又便宜,我就拿数据说话,做了个正相关。我说:老太太哎,你看,我用联想本,速度慢,我基本上每天都得凌晨2点睡觉,自从有了MAC本,速度超快,我9点就休息了。老太太高兴了,直接说:要不买两个吧,那岂不是吃完饭就能休息了。
天下父母都是后厨,谁不对自己孩子健康着想呢 ?就这样,我又趁机买了个ipad。
这是数据在现实生活中的说服作用,呈堂证供。
运营岗位也一样,要靠产品、技术、消息引擎、市场等后厨吃饭,如果没有数据说话,就很难撬动他们。
但我们做运营的,数据本身天然弱项,像我,念书时没好好学数学,又不懂统计学,去菜市场买个菜都算不来账,感性意识浓,怎么办?无解,只能日常历练,所以自从2010年起,就尝试着靠数据说话,练逻辑能力,我平时很懒,唯独数据,特勤快,有时间就看就记。
这些年下来,和数据产品经理、数据分析师、统计大拿都打过交道,每次听他们说了一个新概念,都要百度查阅,但现在依然不知道什么是置信区间、什么是概率分布,脑子笨,所以自我说服,提出了一个极简数据、优化源表的概念,试图靠一张Excel表、浅显的数据去做决策,数据小白也能上手,快速提升自己的业务增长。本文就总结一下我那些年靠极简数据提升业务目标增长的一些案例。
先说一下极简数据的4大特征:
1、数据极易获取,比如微信的后台数据、GA数据、公司数据部做的标准报表数据等等。
2、分析起来极简,只需用Excel就能得到真知灼见。我原来喜欢用GA,因为里面功能强大还免费,各种维度去看数据,显得高端有档次。但是自从GA被封之后,公司不用了,我就开始琢磨着自己做一套本地的数据,把所有的运营项目都梳理出来一个日常表,我起名叫优化源表。这样我就可以借助Excel强大的数据分析功能,比如透视表来指导我运营了。
3、数据运营的思路极简,运营就是发现问题,然后搞定问题的过程,高深的数据模型一般是供商业决策的,运营显性,基本用不上。
4、极简数据有一定误差,会有个人主观经验在里面。我一般只要对数据有信心,就会做决策,世上没有精确的数据,只有相对准确的数据。曾经看过一句话:一次能让人有所收获的犯错,远好于什么都没干,很适合运营。
此外,本文的所有案例,数据部分都做了极简处理,绕过埋点、监控策略制定、实施、数据清洗等环节,只讲核心方法,让大家能一目了然,里面提到了我经常挂在嘴边的两个核心词,试错和优化。试错是方法,优化是灵魂。
好,我们来看本文的分享大纲:
我经常做优化源表,把每天的数据记录下来,有时候如果数据部门有标准报表,会更省事一些。
优化源表短期内不会给你带来太大价值,但是当数据积累到一定量级后,你就会从这张表中得到很多真知灼见。比如,你可以靠业务目标日常表现表十分合理地推演分解出月目标,周目标、日目标,真正做到每日的运营行为都‘心中有数’。因为日常目标表现表展示的是你的业务规律,尤其是当你负责整个产品项目的运营,给手下定KPI的时候,手下 再也不会说你拍脑袋了。
我举个例子,这是我从《数据化管理》一书中学到的。自从2014年我看了这本书后,这个技巧就被我拿来应用在互联网产品运营上了。遵循极简原则,我只讲如何分解到月,因为分解到周和日的思路大同小异。我简单的提供一个思路。
首先,需要找到历史数据。我从公司数据平台上找到PC端用户全年的日UV数据。这里我拿UV来举例,您也可以拿LV、Visit、PV来做。
通过日期数据计算出第N周和星期字段的值。把异常日期排除在外,主要是节假日,因为节假日一般网站的流量都不太正常,还有,把特殊推广期的日期也排除在外,这要靠平时的运营日记,把每天的运营行为做一个记录。然后得到这张图:
我们开始透视这张表做分解。
透视的时候把假日信息和特殊推广日标识出来,在透视的时候过滤掉,不计入总表中。
发现了吗?你看折线图,很明显,业务有淡旺季之分。所以我们完成全年目标的时候,也要合理的分出淡季完成多少,旺季完成多少。而不是平均每月完成多少。
权重是供我们计算用户的一个人为附值。一般先把最低值附值为1,比如图中的5月,然后其他月份的平均UV值除以5月的UV值,就能得出各个月份的权重了。
比如2015年的总UV是8.8ww,老板给你翻了个倍。那么你通过权重就能平摊到每个月要完成多少。比如图中的1月份,我算出一月份的权重占总权重的比值,然后再用KPI乘以这个比值,就得到了1月份要完成的KPI了。
那么,我们分解KPI的目的是什么?
1、尽早做年度运营规划,第一个月如果完不成目标,和老板及时反馈,早早申请资源;
2、管理老板的期望值,控制kpi完成的节奏,别第一个月没控制住,早早就完成了,那时候老板就给你定更高kpi了,有时候运营的坑都是自己挖的。
这是我们集体团队策划的活动,共5人,我主要担当文案和数据统计工作。
当时老板放话了,对新产品团队成员说,你们可以在现有4000万用户中随意选择20万用户当种子用户,然后给新产品引入10万初始用户,平均单用户成本不要超过5元,撂下这句话就走了。
我们有了资源,有了成本限额。先抛出去成本不谈。20万种子用户的筛选至关重要。这是细分用户的能力了。我们思来想去,马上就要秋招了,应届生求职欲望比较强烈。于是我们精挑细选了20万高活跃应届生用户做种子,开启燎原之路。
我们针对这部分用户策划了一个促分享拉新的活动。恰好,那年应届生秋招提前,有不少500强客户提前进入校招。所以我们的活动噱头就从这些大客户入手。主题就是部分名企提前校招,邀请同学加入能拿红包,给个多变的酬赏,红包不设上限。
接下来,我们按这个主题策划了一个可传播的活动。我们是怎么做的?我复盘的时候梳理了一下流程,大家看这张Excel表。
这张表就是全程的优化页面和效果的数据,我挑一些关键点去讲。
比如渠道策略,从哪个渠道拉新,哪部分用户用来做测试,哪部分正式大规模推广等,因为微信平台的特殊性,短信、app push、页面广告或拦截、EDM等渠道都不太方便用户,我们也想通过我们自己的微信大号来做,但我们的微信号粉丝的用户什么身份都有,不仅仅是应届生。比较来比较去,根据经验,择优选择了某一渠道来做。
还有,策划初稿的时候,活动流程及关键节点数据一定要提前规划埋点,监控好。这点需要说一下,既然是活动规划,所以一定要考虑周全,否则你上线后技术很有可能看不到日志数据,比如渠道转化率,通过渠道带来的分享数,注册成功数,这时候你就算白忙乎了,我在这个活动中就犯了极大的错误。
不要活动一上线就全量去推广。要不断优化关键页面或关键流程节点,把页面和流程的转化都优化到一定程度后,觉得再优化不上去了,或者通过节点转化数据去反推,根据得到的转化率我们算出来能完成目标了,再去全量推广。
因为这个案例主要是页面的转化率,所以我把渠道的转化、分享与邀请的比例关系在第一次测试的时候就固定了。比如本次活动渠道转化达到了32%左右,分享与邀请的比例为1:5,即1个分享能带来5个注册用户。
还有一些转化数据我们不太可控,比如注册流程的转化,注册流程是标准化的功能模块,优化改动比较大,所以这块优化略去,不做重点关注。当然了,我们在这个活动中,注册流程其实折损了不少用户。
固定一些次要变量后,我们把优化的目标放在了两个关键页面上,一个页面就是引入种子用户的页面,我叫促分享页。还有一个页面是,当用户分享给好友或朋友圈的时候,好友点击进入的页面,我叫转注册页。这两个页面,我们不断测试,总计测试了三版,直到将分享率和注册成功率优化至最佳水平。才去大规模推广。
这个环节最关键、也最纠结。我们折腾了足足有一个月的时间。最终结果是,通过这三个大的优化回合,我们成功完成了目标。1个月的时间,优化了3版活动,我们认为是值得的,因为这样的活动流程和模式被我们验证为可行,能长期做的,扩展性特别强。比如我们可以做活动后台,专门针对不同用户群去复制我们的活动模式。所以,前期的慢是为了后期的快。有了后台工具,我们基本上一周就能做一个类似的活动了。这是优化的价值,优化是修炼内功,目的是增强核心运营能力。
现在讲页面的优化思路,我们是怎么思考的,其实现在总结出来,只有3个关键点:
比如第一版的促分享页,我们把伯乐奖变成了红包,然后分享转化就提高了3个点,转注册页更明显,我们把按钮加入了邀请的元素,不再自话自说第一时间报名,快速拿Offer,我用分享人的邀请来做文章。这就好比是你的同事对你说,我们今晚去吃大餐吧,你可能还犹豫一下,因为你不确定是他请是AA还是他吃完饭之后忽然说一句,我忘带钱包了。而如果你同事说,走,我请你去吃大餐,要是我,我肯定去。所以我们转化了一个思路,转注册页的转化率就提升了10个点。
我们第一版和第二版的时候,忽略了这个元素,把名企做成了列表,后来思考,我们感觉用户可能觉得这个列表是可点击的,造成了误导,然后用户发现不能点击,会有点情绪,分享动力和注册动力就不足。所以第三版的时候,我们从视觉设计上排除了这个干扰。
关键点在第三版,我们转变了一个思路,第一版第二版的时候,我们是用户邀请好友加入注册成功后才得红包。如果我们让种子用户转发就能拿红包,强制去做转发,想象一下,用户会觉得这个活动可信度很高,分享率也会提高的,也许他不仅仅分享到朋友圈,会去各个群里分享也不一定。所以,我们在用户点击马上加入按钮的时候,弹出浮层,提醒用户分享后就能拿红包,引入同学加入还能拿。
就沿着这个思路,我们成功完成了目标,并获得了一个活动模式。在优化的过程中,聚焦数据,把每次活动的数据都记录下来,实时监控换算,让每一次试错都有数据展示。大家可以看刚才分享的那张图里,我把关键数据都列出来了。
最后,我们全量推的时候,引入的注册用户是57000多,为何最终引入注册量会达到近10万。而且这个最终引入注册用户只是推广当天的数据,第二天还在增长。是因为引入的注册用户成为了种子用户,他们也开始去滚雪球转发了。
我们的APP刚上线的时候,除了通过一些统计工具被动接收用户反馈外,无法直接触达用户,比如我们有重大活动的通知、拉回沉默用户、调研等等。所以我们的产品做了一个PUSH通知产品,我暂时称之为求职小助手,它类似于app内置的公号。我会隔三差五的推送一些信息。
因为我们的文案水平经过长期的锤炼,已经有了很好的经验。我就想,单靠文案的力量可能无法再拔高push的点击率了,我是不是还有其他拔高业绩的缺口没有找到,思来想去,忽然想到,如果我知道用户对push内容的喜好程度,然后去推送相关内容,是不是就能再提高一筹点击率?
我的需求出来了:我渴望得到用户对内容的偏好程度。
那么,我如何去洞察呢?我需要做一个试错策略,我在运营工作中最喜欢的一个工作方法。
试错是运营最靠谱的手段,是运营岗位之所以存在的核心。试错最怕不合理,所以试错策略很重要。
我的试错策略,大家看这张表:
简单讲解如下:
试错用户在不同时间点对内容的偏好程度。我把目标放在了总结月度规律上了。如果你的业务也有规律可循,可以放在季度、甚至于周上。
文案点击率。如果用户对内容的喜好有规律性,绝对是在某个时间点上有比较高的点击率的。
敲定试错变量是试错策略之所以合理的关键节点,上表中标了橘黄色的字段为变量。
要提前分类好。我试错的是内容类型,而非单篇文章。什么是内容类型?比如门户站的频道,科技、娱乐、军事、新闻等。我集中选出了7类内容。比如面试攻略、网申攻略、简历攻略等,提前规划好,并合理安排到每周。按部就班的发布。比如,我每周一都发信息汇总贴,周二推简历攻略,周三推面试等等。
时间点,就是每天的固定时间去发,比如,我都选择晚8点来发。至于这个时间点是怎么来的,我是调研得来的。我有一个测文案的微信号,因为我平时经常回答应届生的问题,所以他们对我很好,我发一个调研贴问他们什么时间push信息给他们合适,他们80%都说晚7-9点。
做过APP 通知产品的朋友都知道,iOS是统计不到接收数据的。我们为了更科学,只拿Android客户端来测试。文案点击率看点击接收比,比看点击下发比更靠谱一些。
即找谁试错。这个很重要,我现在是知道,应届生的用户只要是push相关求职信息,大部分同学是不太嫌烦的。因为求职是刚需,如果求职成功了,他们大多都是关掉通知或卸载APP了。但是当时不知道,觉得push信息是很扰民的。所以,为了天天发信息不让用户投诉,我只选择某一类特征的用户,比如高活跃用户,即那些当天有过登陆行为且有过投递行为的用户;或者沉默用户,这样能更减少骚扰,因为如果沉默用户被我的push激活了,立即就归到活跃池了,就不会接收到我的push了。而且,沉默用户之所以沉默,有可能是没了需求,如果他点击了我的push,证明他是喜好我的内容的。正好符合我的试错目的。
大家都知道,Android的标题是可以自定义的,不像iOS,标题只能是品牌名。因为我的目的是试错,不是为了拿点击率的效果,所以我的标题不做自定义处理,直接写品牌名。这样更好控制一些。
最难把控的一个变量。标题党有最大的点击效果,但是这属于试错的异常数据,我一定要保证文案水平在一个力度区间,才能合理的得出业务认知。这又涉及到一个文案力度的试错策略。这个更复杂,今天不讲。我在原来的微信和内容频道的工作经验中曾试错总结过文案力度的大小,我知道哪些文案的力度高,哪些文案的力度低,因为是我亲自操盘:我每天都在记录数据,所以我能合理的知道每个文案的正常点击水平。大家只要记住,文案力度是有等级的。本案例采取2级文案力度水平,正常情况下点击率有2个点的浮动。
当然了,如果你没有文案等级,也可以每个内容类型精编几篇文章,然后从目标用户细分上下功夫,比如取当日登陆用户并设置过滤机制:每个用户在试错期间内只接收一次等。这样你就可以给同一类型用户固定push这些文章了。
数据清洗时要重视。比如有时候发送通道不稳定,没发送出去,或者统计错误,这些异常数据都要在清洗的时候排除出去。
这样,我就敲定了7个影响我业务认知的变量。力争得到合理科学的建议!
1年后,试错结束,我开始总结规律。我透视出这样一张表来:
大家看出来了吗?标粉色部分的内容类型绝对是当月最受欢迎的内容。那么,在下一年的某个月份,我加大用户最喜好的内容力度,是不是就能拔高一筹业绩呢。
这就是我的内容试错策略。结论很简单,过程很纠结。
当然了,我的这个试错案例是长线作战,因为我们是成熟期产品。如果你的产品是初创期或成长期,你可以选择短线试错,只要把控好两点即可:
一,务必明确试错目标,目标必须唯一化。因为试错是为了得到业务认知,而不是为了试错而试错;
二、试错一定要想办法敲定影响你试错结论的变量因素,力争最小化的影响业务认知。
这是2015年的案例,在我的文章《我和慕容雪菲深夜聊运营》一文中有所提及,写的比较粗糙,今天我又梳理了一下思路,有条理的和大家说一下,并放出我的一张微信号运营用的优化源表。另外,大家注意一点:2015年的时候微信统计的分享收藏数是放在一起的。不像现在,分享和收藏的统计分开了,让这样定位内容的方法更科学了。
我刚接手一个微信号内容运营的时候,每日净增粉丝数是负的,那么我是怎么解决这个问题的呢?我依然是从内容上下功夫。领导很着急见到效果,我没时间去做内容试错策略了,那我就可以从历史数据中发现规律。我简单描述一下:
明确我的业务问题:微信日净增粉丝数为负。
分析问题,此问题其实有两种解决思路:
1、节流,这是内容选题问题:我究竟要做哪类内容才能满足用户需求,让用户不跑路。即从现有粉丝上做文章,减少粉丝流失;
2、拉新,如果粉丝继续掉,但我把日增粉数做的超过了掉粉数,那么日净增粉丝不就是正的了吗?日增粉数和转发数息息相关,一般来说是正相关的,转发越多增粉越多。而转发又和内容息息相关。
所以,我的业务问题其实是内容定位问题。我需要找到用户对微信内容的偏好,我的思路很简单。
如下图,这张图我做了一个阅读排序。
发送人数,因为涉及业务隐私,我给略去了
这张表就是我的一张优化源表的真实面貌。我有一个习惯,每做一个运营项目的时候,大到整个产品的运营, 小到一个导航类目、焦点图、推荐位等,我都会自己琢磨出一张这样的表来发现问题,总结规律,进而指导运营行为。
我花了两天时间把近1年的历史推送数据全部人工采集到这张表里。更累人的是给这些内容一一分类。我把这些内容大致分了10个类别。然后给每一篇文章都归到这10大类里(表中的分类字段),然后这张源数据表就出来了。
1、新关注人数(模糊)字段数即第二天增粉数,非精准数据,仅供参考。如果你的微信号每天只发一条内容,此数据会更精准一些。
2、如果你的历史推送图文无固定条数,需要你去粗略的计算一下转发与增粉的比值,然后按单条文章的转发数将增粉数归因到单条图文里。这是一个繁重的工程,需要你逐条去清晰数据,并将难以把控的异常值排除在外。
3、如果你不想按第二条来做,避免清洗数据的麻烦,也可以按上篇制定一个短期的内容试错策略,就可以每天去发送单条图文消息,把这个试错变量固化了。
然后,通过透视分析,我的微信号内容运营策略就出来了,如下图:
你看“确定内容类型”一栏,会发现,薪资、职场、励志、技能类等内容超出了平均增粉数。问题迎刃而解:我集中选择这四类内容来做。然后我又研究了一下阅读数高的标题,争取每篇文章都把阅读量做大,大概10个工作日,我就成功将日净增粉丝数‘由负转正’了。”
很多做微信内容运营的我,看到别人做的内容阅读数不错拿来就发,其实这样并不是最高效的,别人的粉丝不一定和你的粉丝有同样的内容需求。 同样一篇文章,在别人的微信号上能达到100000+,在你的微信号上不一定能做到这个效果。
当我把日净增粉扶正之后,接下来做了什么呢?扶正之后,这个号就是健康运行状态了。我不甘心只做一个运行经理,我就把下一个目标定位在了增粉速度上。增粉运营策略就是下一个问题了,此处不表!
最后,第五个案例,我们说一下根上的问题,数据在现实工作中的价值是什么?运营为什么要做数据分析?我总结如下:
1、发现问题:问题就是驱动元素,要不断去监控产品表现,分析数据,找出影响业务目标的问题,并排除它。
2、降低成本:约翰.沃纳梅克说:我的广告费有一半浪费掉了,可我不知道是哪一半。分析可以有效降低成本。
3、决策依据:在企业,一般大BOSS需要靠数据来做投资决策、营销决策和战略决策。
一句话:分析能监控效果、发现问题、获得见解、控制成本、完成业务价值最大化的目标。那么,我说的是对是错呢。我说的没错,但这在多数情况下解决不了现实问题。我们需要接地气。正像我开篇聊到的,在现实工作中,经过我多年的经历,数据最大的作用是“沟通证供”。就好比你犯事了,不承认,然后律师去搜集证据一样。
这就是数据的第四个作用:
4、沟通证供:分析可以提供呈堂证供,有效决策运营方案。运营要去监控优化各个部门的业务表现,然后提供有效的证据来说服相关业务部门。然后达到我们优化产品和服务的目的。
有时候,很多产品,肉眼或自己去体验一下,就知道有问题,但是相关业务部门就是不改,要数据说话。然后我们就会想方设法去找证据。
比如,我去优化招聘网站各大流程转化率的时候,自己体验了无数次,感觉实在是繁琐,但产品不改,需要证据。还有第二个优化的案例,我没有讲注册流程的转化,事实上那个流程的折损也很高。太复杂。
然后,这时候,你为了寻找证据,就需要找数据,可以借助漏斗图。比如下面这张简历投递漏斗图。
看到没有,4步投递流程,漏水的地方太多了。各流程节点折损比例“高不可攀”。于是我赶紧将分析指导意义附在图下,鉴于业务秘密,就不放出来了。其实一看就明白,只不过是措辞问题,写的婉转点而已。像“很、太”等描述性字眼就慎用,要不产品会生气。
给了产品后,产品依然纠结数据的准确性,然后我又想了一个方法,体验数据方法派上用场了,我想看一看竞争对手的各大流程是什么样的?我决定从用户任务负荷和完成任务用时上来佐证比较。我印象最深的是,那是2014年的夏天,热的人心理特别烦躁,我光着膀子,一个人在那里哼哧哼哧的体验竞品的三大流程,并记录数据,最终结果如下:
三大流程,用户完成任务用时和动作次数明显高于竞争对手,这可不是一个好现象,也侧面印证了上文说的流失率高的原因:招聘平台本就很多,用户为了投递一份简历而费时费力,转移平台的意愿就会很高。
最终,我借助漏斗图工具和体验数据,完成了一份优化证供。提交产品审阅了。
还是那句话,数据不一定精确,但是 一次能让人有所收获的犯错,远好于什么都没干 ,与大家共勉。