产品运营必读：数据驱动运营之庖丁解牛六式

本文为受邀参加“腾讯移动分析产品测评大赛”之参赛文，非付费枪文，干货居多，案例均针对一款记账APP，腾讯移动分析（MTA）以下简称MTA。

庖丁解牛之第一式：宏观了解

即数据概览中：实时数据和历史趋势功能

1、实时数据：这里主要给运营人每日例行工作中进行的实时数据监控，此处没有特别要说的。

亮点：

①活跃账号数。此功能在后面也多次出现，算是MTA的特色，官方介绍如下：

“通过账号统计，可以实现对多种账号应用系统的统计，如微信/qq/微博等账号分类及统计，统计数据指标含新增账号、活跃账号等，相对于设备维度统计，可以帮助开发者更贴合业务统计用户注册以及登录情况。

支持统计的账号分类如下：1/通用账号：手机号、邮箱2/第三方账号1）国内：QQ号、微信openid、QQ openid、新浪微博、支付宝、淘宝、豆瓣、百度、京东、钉钉、小米；2）国外：facebook、twitter、google、linkin、line、instagram、3/游客模式、4/自定义”

还是很强大的。

②利用指标切换重叠实现数据多维交叉分析。每一张报表都可以筛选版本和渠道、用户群，数据挖掘中可以实现数据多维交叉分析。

不足：①没有时段对比功能②没有数据导出功能 ③指标不能自定义

2、历史趋势：这里是运营人复盘和系统分析的根据地，把数据驱动运营看做庖丁解牛的话，这里就是告诉你这头牛的种类、身高、体重、健康、饮食、习性及身体结构。

亮点：如图所示，

• 1、可按自定义用户群筛选；
• 2、可以按活跃账号筛选；
• 3、新增用户（含重复安装）

筛选：“为更准确的帮您描述新增用户，我们将逐步移除包含重复安装的新增用户指标，历史卸载但当日回流安装激活的用户将不会被计入当日新增用户。”4、异常波动提醒及添加看板功能（MTA每处都可随手添加到看板）。

不足：①指标不能自定义②日期选择长周期翻页上有点费劲

应用：

① 通过累计用户可以清晰看到项目启动点为2016年8月12日，从官方AppStore更新日志上看也吻合

②从2017年1月中到2017年4月10日之间，产品无论是从新增用户还是到活跃用户都仿佛进入了停摆期

因为是本次主要为MTA做Demo分析，所以具体原因无从知晓，从官方AppStore更新日志上看此期间基本还在正常维护。猜测一个是春节因素，一个更可能是此期间官方出现了较大bug或服务器停摆。

③增长峰值点，一个还项目刚上线的一波拉新高峰，再就是停摆期后二次启动的高峰

从日活来看，4月二次启动后的活跃用户数几乎等于新增数量之和，也就是说经历了4个多月的停摆，产品几乎从0开始重新启动。每次增长峰值背后都值得运营同学进行专项复盘，结合后面的其他招式，可以很好的总结提升。

庖丁解牛之第二式：用户拉新

作为一名运营人，拉新自然是下刀第一步。MTA在传统的“版本/渠道分析”上做的中规中矩，比较有特色的是“安装来源分析”，官方甚至拿出顶部导航“广告监测”来突出此处。

“安装来源分析是腾讯移动分析推出的增值服务，可以帮助产品和运营人员：推广效果监控：推广效果实时反馈，洞察快人一步；自定义投放计划，自由配置渠道，同时支持多种推广渠道，方便汇总统计；渠道安装对比：基于设备ID追踪，全链路监测，方便对比不同渠道效果；支持多种落地方式，无论是从软件市场下载还是落地H5页面，均可精准统计。”

不管对于免费推广还是付费推广，渠道效果监控都是运营很重要的工作，特别是在“增长黑客”流行的年代，每一份ROI背后都是运营人拿血（lian）泪（mian）付出的结果。

亮点：依靠着腾讯大数据以及广点通的强大背景，在常规给了运营人拉新渠道、版本分析之外，更可以通过用户行为路径进行埋点、监测，自定义事件组合后结合用户属性圈定“超级用户”。同时一建方便的导出到广点通等渠道平台，实现拉新中从选取->投放->监控->数据分析的闭环。

应用：本次分析案例中渠道太多单一，ios只有AppStore，安卓只有应用宝，现实中的大部分运营人渠道肯定是越多越好，特别是安卓版，可以用第三方平台一键批量上架。另外，针对一款定位于“信贷”行业的App来说，没有买量、换量的行为我只能理解为大厂思维。

庖丁解牛之第三式：用户分群

一直在说，运营要注意搭建用户成长体系和激励体系，前期是要了解你的用户，对不同用户进行分层。MTA的用户分群功能是这次我体验中印象最深之一，作为一款金融行业产品，对用户按照一定条件进行区分处理，找到未来运营的高净值用户即“超级用户”是能否完成转化（ARPU）的关键步骤。通过结合埋点、自定义事件及用户画像，可以实现精准用户分群

应用：下图是我为这款产品做的一个“高消费人群”的用户分群条件：

首先圈定了在某个阶段活跃的用户，用户属性通过“等级”、“消费能力”两个维度的筛选、加上设备属性高尖端（姑且让我认为这样的人一般不差钱）最后最重要的加上一个自定义事件：即在这个周期内通过埋点按钮“在线购买理财产品”四大条件交集后，找到活跃的、有一定忠诚度、有消费能力且有消费动机（购买理财）的“高消费人群”。

对于这样的潜在“超级用户”，应该放到用户运营最优先级，包括不仅限于：诱导分享、定向活动推送、活动邀请等。对于这样的用户，就是充分利用运营手段，把LTV（生命周期价值）做到最大，同时利用他们的自传播（Refer）低成本拉新。传播学中，K=每个用户向他的朋友们发出的邀请的数量*接收到邀请的人转化为新用户的转化率，通过营销方式结合，当k>1时，用户群就会象滚雪球一样增大。可以针对上面筛选出来的“高消费人群”发送充值优惠券、积分兑奖、邀请朋友得红包、转发朋友圈送礼品等来实现传播裂变。

亮点：另外，特别值得一提的是：在用户运营中的“流失与回流”，MTA很贴心的新增了流失人群分析利器，可以一键生成流失用户群及回流用户群，分析群体画像，将用户群导出拉回等，非常方便。如下图：

点击某一日的回流用户后：

系统已把相关选取条件自动匹配，一键即可把回流用户保存为特定用户群，配合后期定向运营活动。例如针对这部分流失用户做召回处理，做push推送、EDM邮件、短信通知、优惠券发送等。

庖丁解牛之第四式：了解用户

用户拉新进来，分群后，你怎么了解你的用户？

1、 用户画像：了解你的用户属性，包括基本属性和设备属性，这块没什么要说的，拼的就是装机量和数据库，腾讯在这方面应该有优势。官方如此说的“不同的平台最全覆盖的精准用户画像，懂你的用户腾讯拥有亿级用户数据，最精准地提供用户的兴趣，行为，购买力，性别，年龄，职业，学历等信息，真正做到基于用户数据，制定产品和运营的策略。”。

2、 用户数据：包括活跃度、活跃天数、留存率、流失与回流、使用时段、用户构成等。这里引用朋友张添“别局限于意义上的“活跃”不同的公司也会用不同的方式来定义它们的活跃用户，比如：登录账户或打开应用的注册用户；至少关注30个其他用户，并且至少有一个关注者的注册用户；日均登录时长大于5分钟，且周均打开频次在10次以上的注册用户；有过消费行为且购物车还有商品的用户”

3、用户行为：使用频率、页面访问、页面路径及来源等，这些都是最基本了解用户行为的维度。不过如果要精细化运营，就得用上自定义事件，甚至配合漏斗分析法了。自定义事件分析，可实现埋点追踪用户行为，如按钮点击次数等，

亮点：上文提到的用户分群调用的自定义事件如图所示，不过这里要说的是MTA的可视化埋点这个功能，“通过管理台快速埋点、跳过代码部署和发版，节省人力和时间，大大提高效率”，虽说行内对这个功能有存在不太精准的说法，不过能免费提供也算是亮点了。

庖丁解牛之第五式：转化分析

做了这么多，最终目的就是为了转化（Revenue），一般用的比较多的就是漏斗分析法。“业务转化分析利器，结合业务流程，识别关键步骤（自定义事件），利用漏斗模型分析每一步的流失与转化”。

用来分析从潜在用户到超级用户这个过程中用户数量的变化趋势和比例，从而寻找到优化方案，漏斗显示最终转化率与每步之间转化率，同时通过趋势、对比、下钻分析进行分析，这个方法被普遍用于产品各个关键流程得分析中。如图所示，官方介绍漏斗模型时用的案例：

从进入网站->浏览商品->购买按钮点击量和最终购买成功的转化率，我们通过这样的漏斗模型就可以找出哪个环节的转化率最低，同时和行内标准值进行对比，没有达到的，要去分析具体原因在哪里，再去针对性的优化和改善。

应用：老付有次在对一款家居后APP做漏斗分析的时候，发现从首页到订单中心的转化率有80%，但是从订单中心到最终下单竟然只有5%，最后通过给订单中心做分步骤埋点，发现是在进入订单中心后，缺乏当前步骤的提醒，落地页的UI设计和在线传图的UE也有问题，对比竞品和做A/B测试后，最终转化率提升几倍。

亮点：这里要多提一点的就是，MTA为了配合业务分析，推出行业业务分析功能：

庖丁解牛之第六式：质量控制

做了这么多，最后一招就是要通过数据监控达到产品的质量控制。做运营的，最怕的就是“后院起火”。MTA在常规“错误监控”“实时调试”外，也有一些亮点：
亮点：移动报表，支持通过MTA公众号直接查看所属应用的各种数据与分析报表1. 通过扫描二维码实现绑定，绑定快速，解绑方便；2. 微信与QQ帐号一对一绑定，权限统3. 报表种类丰富，从实时数据到历史趋势，从自定义事件到用户画像全面覆盖；

此外用户反馈、指标波动提醒以及反作弊分析当属眼前一亮：

总结：在超级用户时代，在流量红利消失的互联网下半场，我们应该更注重通过数据洞察用户需求、研究用户行为，做好用户留存和转化，提升用户LTV。

我们正在经历从粗放式运营到精细化运营、重流量到重LTV、想办法让用户来到想办法不让用户走、用户只是访客到和用户做朋友。

通过数据规划（运营目标指标化、可量化）、采集（通过代码埋点或无埋点采集用户基础数据、用户属性、用户来源、用户行为等数据）、建模（根据数据规划，对采集到的数据进行建模）、分析（对数据进行多维度交叉、行为事件、转化漏斗、留存回访等分析）指导运营决策、驱动运营行动执行、达成目标。

独学而无友,则孤陋而寡闻。

文：老付说运营（laofu027）

产品运营相关文章推荐：

《新媒体运营每天都要面对：标题撰写方法的总结》
《产品数据运营-海盗指标及三个增长方法》
《从用户画像看新媒体‘’深夜发媸”的订阅号定位》

更多精彩，关注：增长黑客（GrowthHK.cn）

增长黑客（Growth Hacker）是依靠技术和数据来达成各种营销目标的新型团队角色。从单线思维者时常忽略的角度和高度，梳理整合产品发展的因素，实现低成本甚至零成本带来的有效增长…