6个步骤，教你搭建数据化运营知识体系

正文

请到「今天看啥」查看全文

这样做的目的主要是通过数据沉淀、数据分析了解产品的用户群有哪些，用户分类是什么情况，利用产品对用户的精细化运营。

此外还有一个目的就是了解产品生态的上下游，如上游用户获取情况，下游用户的转化和分发情况，对于平台类产品或需要上下游业务支撑的产品来说，对于产品后期发展有很大的价值。

3.发现潜在方向

大数据时代，尤其是大数据产品的需求发现往往是通过数据分析结果发现用户需求，从而衍生出来解决用户需求的产品。所以，有些情况下通过对数据的分析可以发现更多用户没有通过表象展现出来的问题和痛点。

拿数据挖掘中经典的啤酒尿布案例来说，就是通过对用户购买数据的关联性分析，从而发现了尿布和啤酒两个看似毫无关系的物品之间的潜在联系，从而通过一定的运营策略提升两者的购买量。

所以通过数据化运营，也可以找到用户的潜在需求，从而诞生一款解决用户问题的新功能或新产品。

4.通过问题解决问题

某婚恋网站近期有大量用户投诉有女性用户作为酒托卖酒，作为产品的负责人，需要去解决酒托用户问题，减少用户投诉。那么如何通过举报的女性用户去定位更多的酒托呢？

首先通过问题去定位数据，找到被举报的酒托用户行为数据和属性，发现这类用户近期频繁添加大量男性用户，每次同时与多个男性用户同时聊天，并且聊天时间较短。

结合用户行为及用户属性，从用户数据库中定位疑似酒托用户，再通过数据监控去识别是否为真实酒托。

上述这个案例就是通过问题去定位数据，通过数据运营找到解决问题的方法，从而更好的解决问题。

二、数据指标制定

2.1 明确指标

在这里要区分宏观指标和可行动指标的区别：

宏观指标，通常是boss或leader提出的指标，这类指标一般没有可执行性，如leader分配任务要求你本月让产品盈利20万。这个指标并没有实际指导价值。

可行动指标，通常是可以执行的指标，如通过微信引流新用户10万，提升付费转化率到5%等，这些是可以找到具体执行策略的指标。

在日常工作当中会经常遇到将宏观指标转化为可行动指标的问题，所以用什么方法去对指标进行转化就成为了核心问题。

这里推荐使用OKR指标拆解法，通过OKR体系，将宏观指标进行拆解，分解成一个个可行动指标，通过对可行动指标的达成，最终达成宏观指标要求。

关于OKR指标拆解方法可参考网上结构化思维的相关介绍。

2.2 指标构成

本文对常用的数据指标进行了总结和分析，请注意本文提出的所有数据指标都是基于常用和大众的数据指标，根据不同的产品和不同业务请具体指标具体分析，不要盲目照搬套用。

1. 基础指标

基础指标体系参考了AARRR模型的五个阶段：

1. 拉新：新用户注册数

2. 活跃：用户登录数（日、周、月）

3. 留存：流失用户数（日、周、月）

4. 转化：付费用户数

5. 传播：分享用户数（微信分享、微博分享等，具体参考产品分享功能设计）

请到「今天看啥」查看全文