如何利用数据实现增长运营？

如何利用数据实现增长运营？

2018年，做运营的人都回避不了一个词：“裂变”。增长黑客的背景再加上网易、新世相等裂变营销的成功赋予了这两个字一种魔力，但裂变并不能代表增长思维，最多算一种手段。互联网流量枯竭，让增长的热度不断升温，越来越多的公司有了增长这个岗位甚至部门，一时间增长人才供需不平衡，boss们大多纷纷开出高薪，期待招募到精英来缓解自己的焦虑。那么增长是什么呢？本文将通过一个场景分享增长运营在数据统计维度上的一些思路。

“老大，他们增长组又欺负人了！”

昨天的晨会上，我刚刚坐进会议室，头上的汗还没干呢，就听技术老大在跟boss抱怨，眼神那叫一个犀利，手里的笔指着我，就像端着一把只在空投里出现的M249。

至于原因嘛，开会的前一天我跟boss提了一个重新统计运营数据维度的需求，boss让我跟技术沟通，我就连夜做了一份数据统计需求扔到了技术老大的微信，就是下面这张：

看不清楚没关系，下文会有详细说明，放在这就是为了让大家看看这个需要统计的点有多少，但数量不可怕，质量更可怕。

面对技术老大的抱怨，boss云淡风轻的做了一把和事老：“人家提了需求要尽量满足嘛，根据你现在项目的排期，尽快给实现了，需求多可以分几个版本迭代呀。”

哎呦，这是要拖？这可不行。“老大，这些需求的优先级可得排在最前面呀，没有数据分析平台，我们增长就很难实现了，再说了，我这些需求都是基本的统计，没有太难呀。”

“这还是基本？基本统计我们已经做了，PV/UV/留存/活跃……这些现在的平台上都有，你们看这些不就行了么？增长就去做活动啊，做裂变啊，做社群啊！”技术老大又一次咆哮。

这就遇到了增长运营的第一个误区：增长绝不等于裂变，也不等于社群，增长是利用数据驱动的用户增长行为，需要通过数据建立产品、用户、市场三个维度的认知。

一、增长数据统计与常规运营数据统计的区别

目前，大多数互联网团队在做统计分析时会统计PV/UV/下载量/注册量/APP启动次数以及次日、3日、7日、15日、30日的留存分析，付费产品还会统计付费用户数量以及销售额，做到对产品运营情况有明确认知，运营指标也大多围绕这些考核数据。

但对于增长运营来说，数据统计的维度需要更加细化，在做数据统计维度时常常引入“用户故事地图”“漏斗分析”“用户数据画像”等主要概念。

“等等，你给我解释下用户画像这些数据统计的理由，这叫什么用户画像啊？”还没等我讲完，技术老大又一次咆哮。

以用户画像的数据统计为例，常规用户画像是通过年龄、性别、地域、职业、消费能力等情况对用户进行整体概括，但增长运营中的用户画像是通过统计用户特征数据，对用户进行多维度筛选，比如在我的统计维度中就包括地区、设备等用户相关信息以及访问时长、转发数量、浏览文章关键词等产品使用数据进行多维度筛选，对筛选结果用户进行针对性运营。

比如电商商家可以针对24小时内浏览过某一商品但未购买用户且停留时间大于30秒的用户推送这一商品的优惠券。对于互联网产品的运营来说，可以筛选用户浏览文章关键词、文章阅读时长等维度为用户有针对性的推送相关话题的长或短篇文章。

二、增长运营要通过数据建立3种认知

“很好，这个需求一定要实现。”boss看着技术老大，技术老大抽了一下嘴角……“继续讲，整体说下思路吧。”

得到boss的认可，不由得恶从胆边生，我打算回去再做一个数据统计2.0版本的迭代。扫了一眼表情凝固的技术老大，压抑住内心的狂欢，继续享受属于一个增长运营的孤单。

增长运营通过数据统计分析需要建立运营工作的产品认知、市场认知和用户认知。

1. 产品认知-利用数据反馈产品和内容的用户体验

产品认知是指通过数据统计用户使用行为，以资讯类APP产品为例，用户使用产品主要是为了阅读资讯，那么用户使用行为就包括用户使用时长、阶段时间内阅读文章数量、文章阅读进度、阅读速度以及单篇文章阅读时长。

在这里需要说明的是，产品认知要统计产品的主要功能点，比如用户转发、评论也属于用户行为，但并不是资讯产品的主要功能点，而是属于用户认知的范畴。

通过数据反馈的产品认知，如果某一页面的跳转率过低，可以从优化体验、查找bug等方向产品方向思考；如果某一篇文章的用户平均浏览时间过短或退出APP的用户过多，那么可能是文章质量出现了严重的问题。

产品认知是收集用户反馈的一种有效方式，在5年前的运营团队中，我们常常扮演客服的角色潜入用户群，来收集用户反馈意见，但产品经理中有一句话叫：“用户告诉你的往往不是他的真实需求”，因为用户只知道不爽，却不知道该怎么才爽。而数据是真实的，产品认知是建立产品、运营团队与用户3者之间有效沟通的方式。

2. 市场认知-利用数据优化推广策略和预算

市场认知主要针对于产品推广进行数据统计，用于优化推广渠道和推广成本核算。现在很多推广平台都有自己的数据统计后台，但一方面可能数据不够准确，另外一方面多渠道推广后的数据无法统一整合。

相比于基础的推广数据统计，增长运营的市场认知更偏重于全流程监控与优化，分为触达渠道、用户转化、角色分析、落地体验、关键引导等5个环节，在推广环节引入“用户故事地图”的思路，除了分析渠道推广效果，还要对推广全流程负责。

基础推广数据大多统计不同渠道的获客数量与转化效果，但往往忽略来源渠道的用户属性，也就是增长运营中的第三个环节：角色分析。

角色分析需要与上文提到的用户画像筛选相结合来使用，以来源渠道为第一维度，统计不同渠道的用户角色特征，比如使用次数低、注册后不访问等特征，来分析出推广常见的死粉、羊毛党等低质量用户。

而落地体验这个环节是用来优化用户的流失率，主要统计推广落地页的用户体验数据，分析用户在落地页环节中的体验感受。落地页大多用于引导用户下载、注册或购买商品，更多目的在于留下销售线索，那么通过“漏斗分析”和“行为分析”，可以查看用户流失环节，有针对性的进行优化。

3. 用户认知-精细化运营用户的分层依据

其实，无论是增长黑客还是流量池等最近爆火的运营思维，都提出了精细化运营的思路，就像推广渠道中提供的用户筛选功能、今日头条等资讯平台的智能化分发，都是对用户精细化运营的实践和诠释。

移动互联网运营都在抓用户的碎片化时间，然而碎片化时间就那么多，用户更加关注有用、有关、有趣、时效和新奇类的内容或产品，也就是营销行业中常说的一句话：“你刚好需要，我刚好专业”。

用户认知更多是对存量用户活跃和粘性的提升，也就是说要满足现有用户的痛点需求。相比于常规运营模式，往往一个PUSH推送给所有用户，造成用户打扰和资源浪费。现在越来越多的大厂，比如腾讯、阿里、魅族等品牌都在做用户分层，进行精准推送。

增长运营的数据统计分为整体数据统计，行为特征统计、用户画像统计等几个方向，整体数据是对用户行为平均值的分析，作为用户分层的参考指标，行为特征统计要根据产品特点来设计。

比如资讯类产品关注用户粘性，可以分析用户的停留时间、访问深度（浏览文章数量）和互动指数（收藏、分享、评论、UGC等）等数据，电商产品以用户的付费行为为关键指标，就可以根据用户浏览产品特征、交易产品数量、单笔平均交易价格、优惠吸引度等数据进行分层。

通过数据筛选对用户进行分层后，需要有有效的触达方式，对用户进行鼓励、唤醒、刺激转化、引爆成单等关键行为的引导。

整个思路讲完，boss仍然一脸平静，但嘴角微微上扬，技术老大沉默不语，嘴角剧烈抖动，沉默了半分钟后技术老大说：“我需要招4个人，算法、数据挖掘、前端还有UI，工期最少半年，还要加一台服务器，差不多要投入50万，老大你同意么？”

boss有点不平静了，“说出你的理由！”

“这根本不是数据统计，不像埋点那么简单，需要打通各个渠道的接口，包括推广和触达，还要对数据进行清洗、运算分析、视觉呈现，这都是保守估计了，按这个做法，半年能实现就不错了，而且后期保不齐他还有什么幺蛾子！”

boss恢复了平静，“有没有其他办法？”

对于增长运营来说，目前面临着这样一种尴尬，企业想要增长，但缺少数据分析平台，自主开发确实会面临高成本。对于小团队来说，可以通过第三方数据统计分析平台，来指导运营行为。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。