随着大数据,机器学习,各种数据分析的算法满天飞,很多人都迷失在各种算法实现,各种运营的手段的海洋中,各种焦虑,今天主要说一下自己对题目的三个东西的理解。
1. 什么是运营
运营负责创造短期用户价值+协助产品完善长期价值
1.1 按运营类型分类
1.1.1 内容运营
围绕着内容的产生和消费搭建起来一个良性循环,持续提升各类跟内容相关的数据, 如内容梳理,内容浏览量,内容互动数,内容传播数
1.1.2 用户运营
围绕着用户的新增--留存--活跃--传播以及用户之间的价值供给关系建立起来一个良性的循环,持续提升各类跟用户有关的数据,如用户数,活跃用户数,精英用户数,用户停留时间等
1.1.3 活动运营
围绕一个或一系列活动的策划,资源确认,宣传推广,效果评估等一系列流程做好全流程的项目推进,进度管理和执行落地
1.1.4 产品运营
通过一系列各式各样的运营手段(比如活动策划,内外部资源拓展和对接,优化产品方案,内容组织等),去拉升某个产品的特定数据,如装机量,注册量,用户访问深度,用户访问频次,用户关系对数据,发帖量等
1.1.5 其他运营
例如:新媒体运营,APP商店推广运营,SEO/SEM运营,广告投放运营/流量运营,淘宝店铺运营,QQ群,小组运营等
1.2 按运营内容分类
1.2.1 工具类产品
注重效率和体验,通常是产品大于运营的,因而较长的时间里,运营端最重要的关注点就是用户增长,主要手段包括:渠道推广,BD和部分活动等,运营跟数据打交道会比较多
1.2.2 社交/社区类产品
社交/社区类产品注重社交氛围,话题和玩法,是一种需要运营和产品并重的产品形态
1.2.3 内容类产品
持续做出独特,高质量的好内容,并把这些内容包装好,让用户更易于消费
1.2.4 电商类产品
关于商品和品类的运营,要关注的问题包括选择一些什么样的商品品类来进行售卖,售卖过程中要重点去推哪几款商品,商品的定价策略如何制定,商品的库存管理和供应链管理等;各种促销活动的策划和落地执行;推广和流量建设;用户关怀和用户维系的东西。
1.2.5 平台类产品
注重策略和用户维系。比如淘宝商家,可能需要按地区,按售卖商品,按客单价等各种不同维度分成很多类,然后再分别对其进行维系。
1.2.6 游戏类产品
推广,各种对接渠道,各种看转化率,各种盯数据;收入,比如,对于游戏中有更大付费可能的一群人,游戏公司可能会有一个专门的团队围绕着这群人转,通过各种策略和运营手段促进这群人的付费。
1.3 按运营工作内容分类
1.3.1 用户拉新,引流,转化
1.3.2 用户维系
2. 数据对于运营的价值
- 数据可以客观放映出一款产品当前的状态好坏和所处阶段
- 假如做完了一件事但效果不好,数据可以告诉你,你的问题出在哪里
- 假如你想要实现某个目标,数据可以帮助你找到达成目标的最佳路径
- 极度精细的数据分析可以帮助你通过层层拆分,对用户更了解,也对整个站内的生态更有掌控力
- 数据当中可能隐藏着一些潜在的能让你把一件事情变得更好的线索和彩蛋,有待于你取发现和挖掘
3. 什么是数据分析
3.1 基本思路
- 对比:可以进行用户之间的对比,业务之间的对比,时间点之间的对比
- 比率=目标资源/现有资源
- 两者的区别:对比只能是口径相同,维度也相同的两个数据之间的分析,如金额与金额比,人数与人数比,时长与时长比等;但比率可以是相同口径下的跨维度的数据直接的分析,如金额比人数,金额比时间等。比如分析每个用户身上花费的运营成本时,花费的资金数额就是目标资源,而由这些资金驱动的用户数量就是现有资源
3.2 工作内容
3.2.1 数据规划
需要根据运营的目标定义相应的指标。指标是用来衡量具体的运营效果,比如:UV,DAU,销售金额,转化率等,指标的选择来源于具体的业务需求,从需求中归纳事件,从事件对应指标。维度是用来对指标进行细分的熟悉,比如广告来源,浏览器类型,访问地区等等。选择维度的原则是,记录那些对指标可能产生影响的维度
3.2.2 数据采集
- 采集的方案:埋点,无埋点,可视化埋点
- 数据来源:外部数据(excel,监控平台,其他网站数据),内部数据(系统日志,数据库数据)
3.2.3 数据分析
A. 访问量,点击量 访问量是对产品的整体的情况有一个宏观上的认知;点击量是作为交互设计的评价依据 B. 转化率,漏斗模型 转化根据业务目标和业务核心的流程,人为地设立了特定的分析目标--转化路径。漏斗模型是一种针对转化情况的可视化方法 C. 用户画像,用户分群 用户画像,就是要把用户的样子直观的呈现出来,这里的样子是指用户的特点,比如,用户在地域上集中于二线城市,年龄上以20-30左右。当我们做了用户画像后,我们脑海中的用户就开始出现分化了,按照不用的维度将整个用户群切分开之后,得到的每个用户群都有各自不同的画像。
3.2.4 数据可视化
A. 条形图:表示数量关系,数量比大小 B. 饼图:总分关系,部分与总体比较,看比重 C. 折线图:序列关系,相邻数据比较,看趋势 D. 散点图:一个变量在两个维度上的分布情况 E. 堆积图:看到几个分类的数据以及在总体之中的比例,又能看到几个分类的数据相加之后的总体情况的比较
3.2.4 数据自动化
前面的四个步骤,可以自动化进行运作,为运营人员持续提供数据分析的报表
3. python
这个是一门万能的语言,具体的介绍网上百度一下,这里只是说一下跟数据运营相关的内容。 A. 爬虫:当你需要获取竞争对手网站的数据,通过爬虫可以方便的获取对方的数据,进行分析处理 B. web,手机自动化:当你需求处理重复的页面操作或者手机操作时间,可以用这个编写代码代替人工操作,提高操作的效率 C. qq,微信机器人:当你运营一个qq群或者微信群的时候,可以通过编写机器人完成一些简单的回复,或者自动化的操作,例如定时发送信息,群发信息等 D. 数据分析:panda包可以对数据进行很方便的数据操作,几行代码就可以处理很复杂的数据内容 E. 机器学习:Scikit-learn包封装了很多机器学习的模型的算法,可以很方法的进行使用 F.可视化:matplotlib包含了丰富的图形
4. 例子
上面已经对数据,运营,python有一个初步的认识,下面通过一个例子贯彻整个流程,具体的实现会在后面的文章说明。 运营的目标: 需要识别客户中价值最高的用户,并对该用户群体进行精细化运营 A. 指标:消费频次,最近一次购买时间,最近一次购买金额 B.数据采集:通过数据库的数据获取以上三个数据 C. 通过RFM模型进行分析 D. 通过python的k-means聚类的方法进行处理 #5. 总结 如果把运营比作 是一场战争,数据就是这场战争中的情报数据,python是对情报的数据进行破译的工具,战争快人一步就是胜利。
关注公众号