在精细化运营的趋势下，我们越来越需要去“认清”用户本来的样子，而合理有效使用数据已经成为必须要get和升级的技能。
         
        前两天看到一份有趣的大数据报告——《“宅一族”学习类App使用时长增幅近两倍，他们真的不求上进吗？》。这份数据报告竟然让我有一种茅塞顿开的感觉。

         

        原本觉得“宅一族”是游戏、视频类APP的重度用户，没想到他们会花不少时间在学习类和健身类App上。特别是学习类APP，不仅使用时长涨幅超前，使用总时长也排名前三。这样的报告结果与大家思维定式中的结果大相径庭，继而也让我开始思考，自己在运营的用户群是否也发生了变化？

         

        在用户存量为王的时代里，作为一条运营狗，只有真正了解用户与时俱进完成KPI，才能不被狗带。这个时候数据分析就成了我们的葵花宝典，练得好就能策划出口碑与流量双丰收的“明星”内容。但是宝典千千万，哪一些是我真正需要的？有了数据又该怎样正确使用呢？

         

         

        数据那么多，全都想要怎么办？

         

        用户的数据是海量的，全都拿来分析是不切实际的，所以需要从数据的不同维度来分类，在我看来可分为基础数据和个性化数据两个大类。

         

        基础数据是每一个APP运营都需要清晰了解的数据，比如用户的男女比例、年龄成分、用户活跃情况等。这些数据是运营工作开展的基础，如果你还不了解这些数据，麻烦停下手头的工作，重新做一遍新员工培训吧。

         

        个性化数据则是有针对性的数据，是根据不同的用户场景或者运营需求进行标签化抽取后筛选出来的，拿APP的用户日常活动运营来说：

         

        在前期策划时，用户的群体画像能够引导活动的策划方向，而用户的需求决定了活动的目标；通过了解用户的兴趣，来确定活动的内容及展示方式；通过了解用户行为的一致性，来决定活动推广的时间节点。

         

        在运营中，通过详细的事件统计，自定义埋点，进一步分析用户在活动中的行为，了解整个活动各环节的数据转化情况，再根据数据的反馈进行活动优化以及活动投入的调整。

       

        而在活动结束时，可以通过对用户新增、活跃、留存，甚至卸载情况进行分析，评估整个活动的效果，为下一次活动提供宝贵的数据对比参考。

         

        因此随着精细化运营变得越来越重要，个性化数据的统计、分析以及应用才是数据运营的核心能力，也将成为运营成功的关键所在。

         

         

        运营是长情的，怎么才能抓住用户善变的心？

         

        用户都是善变的，我们不知道他们想要什么，怎么能够期望与用户天长地久。数据反应的是单一维度的结果，如何将这些数据组合起来变成用户真实的画像，融合性地去分析，真正地了解用户读懂用户，就考验运营的同学对数据的应用能力了。

         

       

16870577735b3327c8930373.02542041.png

                                             

        - 用户数据需要多维度的组合（图片来自网络）-

         

        首先，构成用户画像的数据可以分为属性数据、行为数据和场景数据。

         

       

               
                        属性数据反应的是用户的客观属性，即很长一段时间内不会改变的数据，如性别、年龄段、消费水平等。
               
                         
       
       

               
                        行为数据反应出用户近期的行为，如用户近期喜欢的应用、近期去过的场景等。
               
                         
       
       

               
                        场景数据反应用户实时所处的场景。通过使用LBS地理围栏技术，结合用户的地理位置来判定用户当前所处的场景。
       

         

        这三大数据有机结合起来使用，可以形成数百种的用户标签，把用户的千人千面真正具象化，方便运营者做精细化的用户运营。这里推荐下我常用的个推的用户分析工具“个像”。个像可以帮助我对用户线上线下行为数据进行分析，并通过“个像”平台的数十种属性标签和数百种兴趣爱好标签，形成非常完整且精准的用户画像。

         

       

7272471935b3327eaf33d87.47544977.jpg

         

        -“个像”的用户标签体系 -

         

        这些丰富的用户标签，可以帮我更精准地找到目标用户群。举个例子，在电影宣发时，精准的数据运营对发行策略是很有帮助的。喜欢看《冈仁波齐》的用户会具有某些共同的特点，比如电影类APP的重度用户喜欢写影评或偏好使用文青类APP等。那么我们可以通过数据分析去挖掘这批文青用户，并与之互动，通过他们去带动更大的受众市场。

         

        这里我们要划重点的概念是用户近期的行为数据。它可以反应用户的成长周期、用户的兴趣点转移等情况，对内容运营尤为重要。比如说旅游类的APP，可以通过用户近期的行为数据，了解用户近期去过的旅游场景，避免重复推荐；了解用户近期的行为喜好，从用户感兴趣的角度推荐适合的出行内容。

         

         

        没有对比就没有伤害，让数据说真话?

         

        数据内涵的挖掘是门技术活。对于运营来说最初级的数据分析就是数据对比，有对比才有真（shang）相（hai）。对于运营者来说需要认真分析的数据有两种：一种是APP自有数据，即用户在使用APP时产生的数据，比如APP内页面的浏览数据，消费数据等；另一种是APP外部数据，比如行业公开数据、研究数据等。

         

        在APP自有数据的分析上，我们可以通过添加时间点、环节点、对比数据等方法，进行“花式”比较。

         

        以营销活动为例，不仅要看最后的销售数据，还需要在营销整个环节中进行埋点，统计各个环节的转化情况。比如营销活动页打开情况，点击商品介绍页面情况，点击加入购物车情况等。在整个营销活动的各个环节都会有转化、有流失，但是到底用户在哪个环节流失最多，才是运营人真正需要去追问的关键所在。

         

       

14850783585b3328267f0e13.90990046.png

         

        - 在各环节买点关注事件进程及转化 -

         

        外部数据的对比分析对于很多企业来说很难独立去做，他们往往缺少大体量的数据覆盖和行业的趋势对比，这时候有必要借助第三方数据服务商的帮助。

         

        据了解，现在一些处于行业头部的第三方大数据服务商，通过多年积累的海量数据和强大的数据分析能力，能够很好地帮助企业进行更全面的数据分析。前两天我又种草了个推的应用数据统计分析产品“个数”。个数最吸引我的地方在于它可以提供行业对比、卸载分析等独具特色的数据分析服务，对优化运营工作非常有价值。

         

        行业对比指数可以帮助运营者了解市场的整体发展情况，APP的行业竞争力，以及自有APP所处的发展阶段，对运营者的决策起到指引作用。

         

        卸载用户分析的应用场景更具针对性：1、可对比获客和流失数据，辅助判定产品的生命周期；2、分析各来源渠道用户卸载率，优化广告投放策略；3、结合自定义埋点深层挖掘卸载用户特征，分析卸载原因；4、活动期间，关联分析卸载数据，评估活动对用户的负面影响程度。

         

       

6638207425b3328389b14e0.84692927.png

         

        - “个数”的卸载用户流向展示 -

         

        充分地解读数据，挖掘数据背后的价值，能够为运营工作提供较为客观的反馈，有效避免人为的认知偏差。

         

         

        综上所述，在精细化运营的趋势下，我们越来越需要去“认清”用户本来的样子，而合理有效使用数据已经成为必须要get和升级的技能。只有用对了方法，我们才能更深入地了解用户，从而给运营工作提供新的思路。

   

创富吧：每日更新全网精品资源！

展开全文

        在精细化运营的趋势下，我们越来越需要去“认清”用户本来的样子，而合理有效使用数据已经成为必须要get和升级的技能。
         
        前两天看到一份有趣的大数据报告——《“宅一族”学习类App使用时长增幅近两倍，他们真的不求上进吗？》。这份数据报告竟然让我有一种茅塞顿开的感觉。

         

        原本觉得“宅一族”是游戏、视频类APP的重度用户，没想到他们会花不少时间在学习类和健身类App上。特别是学习类APP，不仅使用时长涨幅超前，使用总时长也排名前三。这样的报告结果与大家思维定式中的结果大相径庭，继而也让我开始思考，自己在运营的用户群是否也发生了变化？

         

        在用户存量为王的时代里，作为一条运营狗，只有真正了解用户与时俱进完成KPI，才能不被狗带。这个时候数据分析就成了我们的葵花宝典，练得好就能策划出口碑与流量双丰收的“明星”内容。但是宝典千千万，哪一些是我真正需要的？有了数据又该怎样正确使用呢？

         

         

        数据那么多，全都想要怎么办？

         

        用户的数据是海量的，全都拿来分析是不切实际的，所以需要从数据的不同维度来分类，在我看来可分为基础数据和个性化数据两个大类。

         

        基础数据是每一个APP运营都需要清晰了解的数据，比如用户的男女比例、年龄成分、用户活跃情况等。这些数据是运营工作开展的基础，如果你还不了解这些数据，麻烦停下手头的工作，重新做一遍新员工培训吧。

         

        个性化数据则是有针对性的数据，是根据不同的用户场景或者运营需求进行标签化抽取后筛选出来的，拿APP的用户日常活动运营来说：

         

        在前期策划时，用户的群体画像能够引导活动的策划方向，而用户的需求决定了活动的目标；通过了解用户的兴趣，来确定活动的内容及展示方式；通过了解用户行为的一致性，来决定活动推广的时间节点。

         

        在运营中，通过详细的事件统计，自定义埋点，进一步分析用户在活动中的行为，了解整个活动各环节的数据转化情况，再根据数据的反馈进行活动优化以及活动投入的调整。

       

        而在活动结束时，可以通过对用户新增、活跃、留存，甚至卸载情况进行分析，评估整个活动的效果，为下一次活动提供宝贵的数据对比参考。

         

        因此随着精细化运营变得越来越重要，个性化数据的统计、分析以及应用才是数据运营的核心能力，也将成为运营成功的关键所在。

         

         

        运营是长情的，怎么才能抓住用户善变的心？

         

        用户都是善变的，我们不知道他们想要什么，怎么能够期望与用户天长地久。数据反应的是单一维度的结果，如何将这些数据组合起来变成用户真实的画像，融合性地去分析，真正地了解用户读懂用户，就考验运营的同学对数据的应用能力了。

         

       

16870577735b3327c8930373.02542041.png

                                             

        - 用户数据需要多维度的组合（图片来自网络）-

         

        首先，构成用户画像的数据可以分为属性数据、行为数据和场景数据。

         

       

               
                        属性数据反应的是用户的客观属性，即很长一段时间内不会改变的数据，如性别、年龄段、消费水平等。
               
                         
       
       

               
                        行为数据反应出用户近期的行为，如用户近期喜欢的应用、近期去过的场景等。
               
                         
       
       

               
                        场景数据反应用户实时所处的场景。通过使用LBS地理围栏技术，结合用户的地理位置来判定用户当前所处的场景。
       

         

        这三大数据有机结合起来使用，可以形成数百种的用户标签，把用户的千人千面真正具象化，方便运营者做精细化的用户运营。这里推荐下我常用的个推的用户分析工具“个像”。个像可以帮助我对用户线上线下行为数据进行分析，并通过“个像”平台的数十种属性标签和数百种兴趣爱好标签，形成非常完整且精准的用户画像。

         

       

7272471935b3327eaf33d87.47544977.jpg

         

        -“个像”的用户标签体系 -

         

        这些丰富的用户标签，可以帮我更精准地找到目标用户群。举个例子，在电影宣发时，精准的数据运营对发行策略是很有帮助的。喜欢看《冈仁波齐》的用户会具有某些共同的特点，比如电影类APP的重度用户喜欢写影评或偏好使用文青类APP等。那么我们可以通过数据分析去挖掘这批文青用户，并与之互动，通过他们去带动更大的受众市场。

         

        这里我们要划重点的概念是用户近期的行为数据。它可以反应用户的成长周期、用户的兴趣点转移等情况，对内容运营尤为重要。比如说旅游类的APP，可以通过用户近期的行为数据，了解用户近期去过的旅游场景，避免重复推荐；了解用户近期的行为喜好，从用户感兴趣的角度推荐适合的出行内容。

         

         

        没有对比就没有伤害，让数据说真话?

         

        数据内涵的挖掘是门技术活。对于运营来说最初级的数据分析就是数据对比，有对比才有真（shang）相（hai）。对于运营者来说需要认真分析的数据有两种：一种是APP自有数据，即用户在使用APP时产生的数据，比如APP内页面的浏览数据，消费数据等；另一种是APP外部数据，比如行业公开数据、研究数据等。

         

        在APP自有数据的分析上，我们可以通过添加时间点、环节点、对比数据等方法，进行“花式”比较。

         

        以营销活动为例，不仅要看最后的销售数据，还需要在营销整个环节中进行埋点，统计各个环节的转化情况。比如营销活动页打开情况，点击商品介绍页面情况，点击加入购物车情况等。在整个营销活动的各个环节都会有转化、有流失，但是到底用户在哪个环节流失最多，才是运营人真正需要去追问的关键所在。

         

       

14850783585b3328267f0e13.90990046.png

         

        - 在各环节买点关注事件进程及转化 -

         

        外部数据的对比分析对于很多企业来说很难独立去做，他们往往缺少大体量的数据覆盖和行业的趋势对比，这时候有必要借助第三方数据服务商的帮助。

         

        据了解，现在一些处于行业头部的第三方大数据服务商，通过多年积累的海量数据和强大的数据分析能力，能够很好地帮助企业进行更全面的数据分析。前两天我又种草了个推的应用数据统计分析产品“个数”。个数最吸引我的地方在于它可以提供行业对比、卸载分析等独具特色的数据分析服务，对优化运营工作非常有价值。

         

        行业对比指数可以帮助运营者了解市场的整体发展情况，APP的行业竞争力，以及自有APP所处的发展阶段，对运营者的决策起到指引作用。

         

        卸载用户分析的应用场景更具针对性：1、可对比获客和流失数据，辅助判定产品的生命周期；2、分析各来源渠道用户卸载率，优化广告投放策略；3、结合自定义埋点深层挖掘卸载用户特征，分析卸载原因；4、活动期间，关联分析卸载数据，评估活动对用户的负面影响程度。

         

       

6638207425b3328389b14e0.84692927.png

         

        - “个数”的卸载用户流向展示 -

         

        充分地解读数据，挖掘数据背后的价值，能够为运营工作提供较为客观的反馈，有效避免人为的认知偏差。

         

         

        综上所述，在精细化运营的趋势下，我们越来越需要去“认清”用户本来的样子，而合理有效使用数据已经成为必须要get和升级的技能。只有用对了方法，我们才能更深入地了解用户，从而给运营工作提供新的思路。

   

创富吧：每日更新全网精品资源！

展开全文