运营口袋笔记：怎么做数据运营（上篇）
编辑导语：产品运营者离不开数据的支撑，需要通过数据调查和分析查找自己在运营中的不足，以便后续更好地运营。随着互联网的发展，企业产品运营逐渐精细化，意味着我们对于数据的运营要求更加高。作者从数据化运营的基础流程、用户数据以及竞品数据三个方面展开，总结如何做好数据运营的方法，一起来看下吧。
任何产品运营者都不敢说自己的运营是完美的，再好的运营也有纰漏。因此，产品运营者必须要做好数据调查和分析工作，通过数据信息和用户反馈发现运营中的不足，弥补失误，为下次运营做好准备。
一、数据化运营基础流程
产品运营离不开数据，因为数据可以帮产品运营者分析和反馈信息，也可以帮产品运营者认识到不足。如今是数据时代，每个企业都讲究数据，每个产品也都讲究数据化运营。数据化运营已经成为有经验的产品运营者的必需品。
随着互联网、媒体、用户、市场的发展变化，企业产品运营逐渐由粗放式走向精细化，以此实现广告投放效率最大化。数据分析的好处在于可以对目标用户群体或者个体进行特征画像追踪，分析用户在某个时间段的特征和习惯，向用户提供专属服务。
数据化运营并非口号，而是有实际的流程，主要分为以下四步。
1. 数据收集
数据收集是产品数据分析的第一步，也是整个数据化运营的基础。数据收集伴随产品运营全过程，无论是初级阶段还是中级阶段，无论是测试还是评估，都要用到数据收集。产品运营以用户为核心，数据收集的重点是收集用户的需求数据。
数据采集方法主要有同卷调查、用户访谈、提问答卷、数据工具等。产品运营者要设计一系列针对性的问题，通过互联网等方式大面积铺放调查，最终导出特定信息，完成数据收集。
2. 数据处理
产品运营者收集完产品数据，接下来的工作就是数据处理。数据处理顾名思义，就是对数据的存储、检索、加工、变换和传输。数据处理的基本目的是从庞大的数据中获取对产品运营起到帮助的数据。
如今数据处理不再是人工，而是有专门的工具以及各种各样的数据处理方法。但是，不管使用哪一种数据处理工具和方法，都需要遵循不变的原则。
简约原则。在处理数据时，产品运营者要选择有用的数据，丢掉那些没有意义的数据。按照简约原则对数据进行简化，这样处理过的数据才是精炼和有分量的。
定义原则。产品运营者需要对不会说话的数据进行定义。换句话说，所收集到的大数据究竟代表了什么，需要给它下一个定义。这就要考验产品运营者的感悟、分析、推理、判断和阐释等能力。只有对数据下了定义，才能挖掘出数据背后隐藏的真正有价值的信息。
3. 数据分析
数据分析是数据化运营的核心环节。主要是指用适当的统计分析方法对收集来的大量数据进行客观分析，提取有用信息，形成结论，并对数据加以详细研究与概括总结。
我们可以用“5W2H法则”来进行数据分析，“5W2H法则”即做这件事的原因（Why）、具体做什么事（What），什么人去做（Who），什么时间去做（When），在什么地方做（ Where），怎么做（How），做到什么程度（ How much）。
这个法则应用相对广泛，可用于用户行为分析、业务问题专题分析、营销活动分析等，对产品的决策和执行性的活动措施能起到非常大的帮助，也有助于弥补一些数据缺失和缺陷。
产品运营者还可以利用逻辑树或者思维导图来进行数据分析。见下图思维导图。将问题的所有子问题分层罗列出来，从最高层开始，逐步向下扩展。这可以帮助企业理清产品思路，避免对产品进行重复和无关的思考。
产品运营者还要强化和分析用户行为数据。主要从用户对产品的认知、熟悉、购买过程出发。这方面，产品运营者可通过用户行为理论，梳理各关键指标之间的逻辑关系，构建符合实际业务的分析指标体系。
4. 数据展现
完成数据分析之后，接下来要把分析得到的数据通过某种方式展现出来。数据展现非常关键，展现得当，企业才能快速得到准确的信息。通常情况下，数据展现采取的是可视化方式。
数据可视化是指把每一个数据项目作为单个图文元素表现出来，这样企业就可以从不同的维度观察产品数据，从而行更深入的观察和分析。
同时，产品运营者还要将数据导成图片展示出来。常见的数据展现模式有柱状图、饼状图、拆线图、雷达图等。这些图都有专业的制作工具，产品运营者可以自行了解并学习，在这里不再赘述。
二、用户数据分析：了解产品活跃度，提升运营实力
产品运营者对产品运营的每一次改进都要根据数据来进行，数据的作用非同小可。产品运营中，有几个关键数据点是不能少的，产品运营者需要分析并掌握它们。
我们以互联网产品为例，来具体分析这些关键数据点。产品运营中的五大关键数据点见下图。
1. UV数
UV数，简单来说是指每天的用户访问量。对互联网产品运营者来说UV数是非常重要的数据点。在这里，我们首先要区分几个访客数的概念。
UV数：也称独立访客数，访问网站的一个电脑客户端为一个访客00:00-24:00相同的客户端只能算一次即当天有多少台电脑访问，一般以COOKIE来统计。
独立IP数：指当天记录的唯一的IP数，一般根据IP地址来统计。
PV数：指同一个IP地址，不同的电脑访问过的数量，即页面浏览量或点击量，用户每次刷新就算一次。
综上所述，UV数主要是以 COOKIE为依据进行统计的，每个电子产品的COOKIE存在明显的差别，所以，UV数比IP数更真实准确地反映用户数量。关注产品的UV数可以让企业了解产品的活跃度以及新增用户量。如果新增用户量减少，企业就需要考虑进行一些拉新活动。
2. 访问次数
访问次数与UV数是不同的概念，访问次数是指访客完整打开页面进行访问的次数。访问次数是页面访问速度的衡量标准。如果访问次数明显少于访客数，说明用户没有完全打开产品页面时就关闭了。
如果出现这种情况，企业就要检查一下页面的打开速度是否足够流畅。一般来说，访问次数是大于UV数的。
3. 页面停留时间
页面停留时间指的是用户花费在一个网站页面上的时间，也可以理解为用户总共在浏览产品信息上面花费的时间。企业为什么要关注页面停留时间呢？产品运营者关注页面停留时间的作用见下图。
（1）可用于判断页面的用户体验
产品运营者必须清楚，页面停留时间是在用户产生后续行为的情况下统计出来的。因此，通过对比分析每个页面的停留时间，就可以得出用户停留时间长或短的原因。
如果用户在搜索结果页面停留时间较长，那么分析判断，很可能是因为搜索结果不能让用户满意。
如果用户在列表页面停留时间过长，可能是因为产品在列表页筛选方面做得不够人性化。
如果用户在产品尾页停留时间过长，有可能是因为尾页展示的内容过多或用户难以找到想要的内容。由此，产品运营者可以下次改进完善。
（2）可进行访客再营销
产品运营者可以记录下那些在页面浏览时间很长，但最后没有完成购买行为的用户数据，然后对这些用户进行再营销。
（3）可弹出优惠信息
当用户在产品页面停留时，产品运营者可以抓住这个契机，弹出产品的优惠信息，促进用户购买，实现成交。当然，也可以弹出温馨的客服窗，为用户解决困难，促使用户下单。
4. 跳出率
跳出率是指用户进入产品页面之后，仅浏览了一个页面就马上离开。观察跳出率对产品运营者来说也是一个非常重要的环节。
跳出率可以让产品运营者知道用户对产品内容的认可度，或了解产品对用户到底有多大的吸引力。在互联网产品运营中，跳出率是衡量产品内容质量的重要标准。
很多产品运营者为跳出率过高而担忧，到底是什么原因导致产品的跳出率过高呢？跳出率高的原因主要如下：
（1）关键词不够精准
选择正确关键词的前提是对产品有充分的了解。产品运营者首先要充分了解自己的产品，了解用户的点击行为，然后根据用户反应和用户行为定位关键词的匹配度。
关键词精准了，最终的化率也会更高，并且可以有效节省产品推广成本。
（2）网页速度过慢
如果打开产品页面的时间超过3秒，用户跳出几率就会大大增加。因此，一定要提高页面打开的速度。
（3）广告太多
很多产品运营者为了赚取广告费，把广告的载入顺序优化一一先载入广告再载入产品内容。过长的广告载入时间会直接导致用户关闭页面。
（4）URL不准确
很多时候，产品运营者不知道，链接太长可能会使系统无法完全识别链接。越短的URL越有利于产品推广，也能在很大程度上减少出率
5. 转化率
转化率指的是在一个统计周期内，完成转化行为的次数占推广信息总点击次数的比率。转化率是一款产品最终能否赢利的核心，提升产品转化率是产品综合运营实力的结果。产品运营者要特别注重转化率的数据分析。
三、竞品数据分析：快速把握市场，掌握运营新玩法
产品运营者要通过竞品数据分析为制定产品规划提供可靠的依据和帮助。竞品数据分析对初创企业来说更是不可或缺的，通过对竞品的数据分析可帮助产品运营者快速熟悉并把握市场。对成熟的企业来说，通过竞品分析可以掌握互联网产品运营的新玩法并优化方向。
关于竞品数据分析，产品运营者需要掌握“四部曲”：明确竞品目标、明确做竞品分析目的、搜集资料、持续跟进。
1. 明确竞品目标
竞品数据分析，首先要明确竞品目标。
直接竞争者，包括市场目标方向一致、用户群体基本一致、产品功能相似度极高的产品。
间接竞争者，市场用户群体目标不一致，但是在产品功能需求方面互补的产品。
同行业不同模式的竞争者。
2. 明确竞品数据分析的目的
竞品数据分析可以是针对产品在所在的市场做宏观的分析，也可以是挑选某一款或几款竞品做细致入微的调查，从需求、功能、优劣势等方面进行分析。
必须清楚竞品数据分析的目的：一是了解目标市场的容量、市场规模、竞品所处位置、核心功能等，然后指导自己的产品进行相关改造、改进、优化、差异化；二是单点突破，走差异化路线，设计独特的卖点。
成熟的产品运营者往往集中分析竞品数据，而且将其当作重要的长期工作，并非临时起意。
3. 搜集资料
前文提到，竞品数据分析是产品运营者的长期工作，随时随地搜集竞品数据资料。通常情况下，进行竞品数据分析，首先要有一颗对数据和信息异常敏感的心。一般情况下，竞品数据来源有以下几个。
（1）行业报告
所谓的行业报告，主要是指通过行业网站、行业里的大咖或者领袖（从他们的微博、微信、博客等）获取的资料报告。
（2）公司内部、外部资料
公司内部、外部的一些共享资料。包括团队群组、公司外部相关行业公司内部、外部的一些共享资料。包括团队群组、公司外部相关行业的QQ群、微信群组等群组的资料分享，经常会有一些关于行业、竞品的趋势报告和信息。
（3）用户
通过用户访谈、用户回访等环节，与用户交流，获取用户对自己产品和竞品的不同看法，产品运营者可以对两者进行比较和分析，得出报告资料。
（4）长期关注竞品信息
产品运营者选择竞品目标之后，可以坚持长期用这款竞品，并关注竞品的企业员工或者服务人员的空间论坛等还可以关注竞品的官方网站和公告，获取更多关于竞品的有效信息。
（5）与行业相关的专业书籍、杂志
进行上述等多方面的长期观测之后，产品运营者就会很轻易得出一份有价值的竞品分析资料，之后就要定期整理并且写出书面的竞品分析资料文档。
通常情况下，一份竞品分析资料文档的结构应该是这样的：
首先对行业现状和市场趋势进行分析；然后分析竞品的定位和发展策略；中间部分主要阐述对竞品的分析，包括竞品的目标用户、产品市场占有率、功能、交互特点、产品优势、推广工作；最后做出总结，总结自己产品需要做出的改进。
4. 持续跟进
竞品数据分析需要长期的过程，产品运营者如果决定着手进行竞品数据分析，就一定要持续眼进。
例如，如果你也做电商APP，那么淘宝、天猫、唯品会等APP可以被当作竞品。优秀的APP都有固定的版本更新周期，譬如一个月更新一至两次。
在了解竞品资料分析之后，接下来就要持续观察该APP每次的版本更新情况，原则上，产品运营者至少每个月会配合APP的版本升级做一次详细的竞品分析报告，详细记录APP每次版本开级的变化和优势。
持续几个月之后，你会发现竞品分析报告对你自身的APP产品运营有很大的帮助。
作者
Kenfai，前网易高级产品经理，现已成为资深产品分析新手、优秀交互设计小白、卓越需求管理学徒
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
