下载掌阅APP，畅读海量书库
立即打开
数据并不是只为产品而服务的，运营更需要“数据驱动”，将数据分析运用到运营的每个环节，有明确、有效的指标，才能实现精细化运营。
作为数据运营人员，需要从数据中找到规律，分析数据上升和下降的节点，并找到相应原因，从而指导运营工作。
下面，来看一个和收入相关的案例。
一个移动工具类应用，主要收入模式是广告收入，而近期的广告收益下降较多，即使在平时高点的周期点，收益也有下降，这时需要从数据角度找原因。
我们可以按照前面提到的数据运营的几个维度来分析。
首先要看用户的基础数据，看活跃用户和新增用户是否有减少；如果是新产品，基本上新增用户占活跃用户比例较大，新增的减少对于活跃用户数量会有比较大的影响。活跃用户减少，会直接引起用户的浏览时间减少，导致广告收入下降。如果新增用户减少了，那么必须找到下降的原因，是某个大渠道减少了投入，还是所有渠道都减少了。如果是所有渠道都减少了投入，是不是竞品做了某些推广，导致新增减少。如果是活跃用户减少，是不是产品本身的问题，导致用户无法使用；或者产品发布新版后，不能达到用户满意而流失了用户。
其次，从产品使用数据来看，必须确认产品相关的功能数据是否正常，如果功能使用数据没有太多改变，可以看一下广告模块是否出现了问题，导致广告无法正常展示等。还要看一下用户在有广告展示的页面的行为是否正常、浏览时间是否下降明显、广告的点击率是否变化明显等。同时，关注广告页面的产品设计及运营规则是否出现了调整，是否造成了广告展示频率的下降。
最后，从用户画像上来看，必须明确是否延续了原有的广告展示规则，是否根据用户的兴趣标签进行了广告匹配，广告内容是否让用户感到厌恶等。
要从数据变化中，敏感地从各个方面找寻出数据变化的原因，从而采取相应的措施。分析数据，本质上是根据数据变化找到对应的解决方案。
下面，再来看一个和用户运营相关的案例。
一个电商应用，在初期阶段开展邀请有礼活动，老用户通过微信、微博、短信、电子邮件等方式邀请新用户来注册、使用产品，每星期邀请来的注册用户最多并且达到一定值的老用户可以获得一台手机。数据运营人员对于这类和用户相关度较高的数据，应关注的是用户基础数据和产品使用数据。
首先是用户基础数据，基本上是和老用户相关。包括老用户分享的人数、次数，每种分享渠道的次数、每个渠道的点击数、转化为注册的人数、邀请到不同人数的老用户分布情况，以及新增用户的注册流失率及主要在哪一步流失。
然后是产品使用数据，基本和新用户相关。新用户到来后的活跃情况、使用时长、使用频次、使用轨迹、下单情况、付费转化率及后续1天、3天、1个星期、两个星期和1个月的留存情况等。后续能用到的数据就是与用户画像相关的数据，这些数据会更多地运用到前端商品的推荐上。
通过对用户基础数据、产品使用数据及用户画像数据的结合分析，基本可以判断出哪种渠道的分享拉新成功率最高（即注册为产品用户），哪个渠道的新用户质量最高（即新用户有消费行为），老用户对于这类活动的参与程度与反馈情况等。同时，要从成本环节来匹配送出的奖品与新增的用户之间的投入产出比，以及成本投入与活动新增用户产生的总销售额的投入产出比。通过以上这些数据，基本能够判断出开展的活动对于刺激新增是否有效。
无论是产品还是运营，在测试效果时都需要数据来佐证，其中用的最多的是A/B测试。A/B测试，又叫AB Testing，指的是某个产品功能或某个页面同时上线A、B两个版本，随机给一部分用户展示A版本，给另外一部分用户展示B版本，然后通过比较两个版本的实际效果，来确定最终将哪个版本正式发到线上。要注意的是，A/B测试更多的是部署在服务器端，以保证产品和运营需求能随时切换和调整。
比如，图6-3所示的产品，对某个栏目的展现形式做了A/B测试，图中左侧为单本图书展现样式，包括封面、书名、简介、热度及分类，图中右侧为横排展现样式，一行有3本，只展示封面和书名。如果A/B测试的目的是通过改变样式而增加书城首页顶部的图书收入，而两个样式展示的是同样内容，那就需要比较同等数量的用户在A和B版本下的产品收入；如果在一定持续时间内（通常至少7天）两者的收入对比，其中一个能比另外一个高5%以上，则通常被定义为有效。
通过A/B测试，可以获得用户对于不同的产品版本的实际反馈，通过对比找到产生问题的原因，通过不断的尝试和测试，达到正循环的效果。
图6-3 某阅读产品A/B测试
除了A/B测试外，不同工种的做运营的同学还必须充分了解与自身工作相关的数据，通过不停地尝试，将数据引入正向循环。
做内容运营的同学，需要关注和不断优化以下数据。
内容的展示数据： 是否有足够的阅读量，阅读人数有多少，读完率是多少，用户停留时长是多少。
内容的转化数据： 通过阅读能否引导用户有进一步的转化，付费人数是多少，付费金额是多少，什么形式的内容对什么类型的用户转化最有效。
内容的传播数据： 有多少次分享，分享带来了多少用户和转化。
内容的用户数据： 用户看完推送的内容还看了什么内容，看相同内容的用户有什么特征，相似的内容运用不同的展现形式，哪种更能促进用户的点击参与或付费。这些都需要通过数据来进行验证。
做用户运营的同学，关注的数据主要集中在以下用户数据。
用户基础数据： 新增用户、活跃用户、流失用户、忠诚用户等在日、周、月、年的数据。
用户召回数据： 通常用户在什么时候最容易流失，召回用户时推送什么内容效果最佳，对于付费用户是否采用更个性化的推送方式等。
用户价值数据： 付费用户占比，付费用户行为习惯统计等。
活动运营和数据密不可分，活动效果基本可以从数据上看出来，并需要不断优化。
活动投放数据： 每个渠道的宣传成本与参与用户数，哪种形式的宣传效果最好。
活动效果数据： 每个活动上线后的浏览量、参与人数、参与率、参与活动的用户数据、获奖用户数据等。
活动成本数据： 如何有效监控活动成本、单位用户成本，哪种活动形式的效果最好，这些都要通过数据进行分析。
渠道运营需要数据分析来提升渠道质量。
渠道基础数据： 每个渠道的新增用户数、活跃用户数、流失用户数、用户留存数。
渠道成本数据： 参与付费的渠道的单个广告位的展示量、获得用户数、单用户成本。
其实，产品和运营的每个阶段都伴随着数据运营，运营人员对每个模块的数据进行分析是为了更好地完成各自的工作。有的时候，将这些数据分析结果结合起来看，会发现一些很有意思的数据现象，可以从中为产品在未来的发展找到一些不错的方向。