域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過

前兩天看到一份有趣的大數(shù)據(jù)報(bào)告——《“宅一族”學(xué)習(xí)類App使用時(shí)長(zhǎng)增幅近兩倍，他們真的不求上進(jìn)嗎？》。這份數(shù)據(jù)報(bào)告竟然讓我有一種茅塞頓開的感覺。

原本覺得“宅一族”是游戲、視頻類APP的重度用戶，沒想到他們會(huì)花不少時(shí)間在學(xué)習(xí)類和健身類App上。特別是學(xué)習(xí)類APP，不僅使用時(shí)長(zhǎng)漲幅超前，使用總時(shí)長(zhǎng)也排名前三。這樣的報(bào)告結(jié)果與大家思維定式中的結(jié)果大相徑庭，繼而也讓我開始思考，自己在運(yùn)營(yíng)的用戶群是否也發(fā)生了變化？

在用戶存量為王的時(shí)代里，作為一條運(yùn)營(yíng)狗，只有真正了解用戶與時(shí)俱進(jìn)完成KPI，才能不被狗帶。這個(gè)時(shí)候數(shù)據(jù)分析就成了我們的葵花寶典，練得好就能策劃出口碑與流量雙豐收的“明星”內(nèi)容。但是寶典千千萬，哪一些是我真正需要的？有了數(shù)據(jù)又該怎樣正確使用呢？

數(shù)據(jù)那么多，全都想要怎么辦？

用戶的數(shù)據(jù)是海量的，全都拿來分析是不切實(shí)際的，所以需要從數(shù)據(jù)的不同維度來分類，在我看來可分為基礎(chǔ)數(shù)據(jù)和個(gè)性化數(shù)據(jù)兩個(gè)大類。

基礎(chǔ)數(shù)據(jù)是每一個(gè)APP運(yùn)營(yíng)都需要清晰了解的數(shù)據(jù)，比如用戶的男女比例、年齡成分、用戶活躍情況等。這些數(shù)據(jù)是運(yùn)營(yíng)工作開展的基礎(chǔ)，如果你還不了解這些數(shù)據(jù)，麻煩停下手頭的工作，重新做一遍新員工培訓(xùn)吧。

個(gè)性化數(shù)據(jù)則是有針對(duì)性的數(shù)據(jù)，是根據(jù)不同的用戶場(chǎng)景或者運(yùn)營(yíng)需求進(jìn)行標(biāo)簽化抽取后篩選出來的，拿APP的用戶日?；顒?dòng)運(yùn)營(yíng)來說：

在前期策劃時(shí)，用戶的群體畫像能夠引導(dǎo)活動(dòng)的策劃方向，而用戶的需求決定了活動(dòng)的目標(biāo)；通過了解用戶的興趣，來確定活動(dòng)的內(nèi)容及展示方式；通過了解用戶行為的一致性，來決定活動(dòng)推廣的時(shí)間節(jié)點(diǎn)。

在運(yùn)營(yíng)中，通過詳細(xì)的事件統(tǒng)計(jì)，自定義埋點(diǎn)，進(jìn)一步分析用戶在活動(dòng)中的行為，了解整個(gè)活動(dòng)各環(huán)節(jié)的數(shù)據(jù)轉(zhuǎn)化情況，再根據(jù)數(shù)據(jù)的反饋進(jìn)行活動(dòng)優(yōu)化以及活動(dòng)投入的調(diào)整。

而在活動(dòng)結(jié)束時(shí)，可以通過對(duì)用戶新增、活躍、留存，甚至卸載情況進(jìn)行分析，評(píng)估整個(gè)活動(dòng)的效果，為下一次活動(dòng)提供寶貴的數(shù)據(jù)對(duì)比參考。

因此隨著精細(xì)化運(yùn)營(yíng)變得越來越重要，個(gè)性化數(shù)據(jù)的統(tǒng)計(jì)、分析以及應(yīng)用才是數(shù)據(jù)運(yùn)營(yíng)的核心能力，也將成為運(yùn)營(yíng)成功的關(guān)鍵所在。

運(yùn)營(yíng)是長(zhǎng)情的，怎么才能抓住用戶善變的心？

用戶都是善變的，我們不知道他們想要什么，怎么能夠期望與用戶天長(zhǎng)地久。數(shù)據(jù)反應(yīng)的是單一維度的結(jié)果，如何將這些數(shù)據(jù)組合起來變成用戶真實(shí)的畫像，融合性地去分析，真正地了解用戶讀懂用戶，就考驗(yàn)運(yùn)營(yíng)的同學(xué)對(duì)數(shù)據(jù)的應(yīng)用能力了。

用戶數(shù)據(jù)需要多維度的組合（圖片來自網(wǎng)絡(luò)）

首先，構(gòu)成用戶畫像的數(shù)據(jù)可以分為屬性數(shù)據(jù)、行為數(shù)據(jù)和場(chǎng)景數(shù)據(jù)。

屬性數(shù)據(jù)反應(yīng)的是用戶的客觀屬性，即很長(zhǎng)一段時(shí)間內(nèi)不會(huì)改變的數(shù)據(jù)，如性別、年齡段、消費(fèi)水平等。

行為數(shù)據(jù)反應(yīng)出用戶近期的行為，如用戶近期喜歡的應(yīng)用、近期去過的場(chǎng)景等。

場(chǎng)景數(shù)據(jù)反應(yīng)用戶實(shí)時(shí)所處的場(chǎng)景。通過使用LBS地理圍欄技術(shù)，結(jié)合用戶的地理位置來判定用戶當(dāng)前所處的場(chǎng)景。

這三大數(shù)據(jù)有機(jī)結(jié)合起來使用，可以形成數(shù)百種的用戶標(biāo)簽，把用戶的千人千面真正具象化，方便運(yùn)營(yíng)者做精細(xì)化的用戶運(yùn)營(yíng)。這里推薦下我常用的個(gè)推的用戶分析工具“個(gè)像”。個(gè)像可以幫助我對(duì)用戶線上線下行為數(shù)據(jù)進(jìn)行分析，并通過“個(gè)像”平臺(tái)的數(shù)十種屬性標(biāo)簽和數(shù)百種興趣愛好標(biāo)簽，形成非常完整且精準(zhǔn)的用戶畫像。

“個(gè)像”的用戶標(biāo)簽體系

這些豐富的用戶標(biāo)簽，可以幫我更精準(zhǔn)地找到目標(biāo)用戶群。舉個(gè)例子，在電影宣發(fā)時(shí)，精準(zhǔn)的數(shù)據(jù)運(yùn)營(yíng)對(duì)發(fā)行策略是很有幫助的。喜歡看《岡仁波齊》的用戶會(huì)具有某些共同的特點(diǎn)，比如電影類APP的重度用戶喜歡寫影評(píng)或偏好使用文青類APP等。那么我們可以通過數(shù)據(jù)分析去挖掘這批文青用戶，并與之互動(dòng)，通過他們?nèi)?dòng)更大的受眾市場(chǎng)。

這里我們要?jiǎng)澲攸c(diǎn)的概念是用戶近期的行為數(shù)據(jù)。它可以反應(yīng)用戶的成長(zhǎng)周期、用戶的興趣點(diǎn)轉(zhuǎn)移等情況，對(duì)內(nèi)容運(yùn)營(yíng)尤為重要。比如說旅游類的APP，可以通過用戶近期的行為數(shù)據(jù)，了解用戶近期去過的旅游場(chǎng)景，避免重復(fù)推薦；了解用戶近期的行為喜好，從用戶感興趣的角度推薦適合的出行內(nèi)容。

沒有對(duì)比就沒有傷害，讓數(shù)據(jù)說真話?

數(shù)據(jù)內(nèi)涵的挖掘是門技術(shù)活。對(duì)于運(yùn)營(yíng)來說最初級(jí)的數(shù)據(jù)分析就是數(shù)據(jù)對(duì)比，有對(duì)比才有真（shang）相（hai）。對(duì)于運(yùn)營(yíng)者來說需要認(rèn)真分析的數(shù)據(jù)有兩種：一種是APP自有數(shù)據(jù)，即用戶在使用APP時(shí)產(chǎn)生的數(shù)據(jù)，比如APP內(nèi)頁(yè)面的瀏覽數(shù)據(jù)，消費(fèi)數(shù)據(jù)等；另一種是APP外部數(shù)據(jù)，比如行業(yè)公開數(shù)據(jù)、研究數(shù)據(jù)等。

在APP自有數(shù)據(jù)的分析上，我們可以通過添加時(shí)間點(diǎn)、環(huán)節(jié)點(diǎn)、對(duì)比數(shù)據(jù)等方法，進(jìn)行“花式”比較。

以營(yíng)銷活動(dòng)為例，不僅要看

最后的銷售數(shù)據(jù)，還需要在營(yíng)銷整個(gè)環(huán)節(jié)中進(jìn)行埋點(diǎn)，統(tǒng)計(jì)各個(gè)環(huán)節(jié)的轉(zhuǎn)化情況。比如營(yíng)銷活動(dòng)頁(yè)打開情況，點(diǎn)擊商品介紹頁(yè)

面情況，點(diǎn)擊加入購(gòu)物車情況等。在整個(gè)營(yíng)銷活動(dòng)的各個(gè)環(huán)節(jié)都會(huì)有轉(zhuǎn)化、有流失，但是到底用戶在哪個(gè)環(huán)節(jié)流失最多，才是運(yùn)營(yíng)人真正需要去追問的關(guān)鍵所在。

在各環(huán)節(jié)買點(diǎn)關(guān)注事件進(jìn)程及轉(zhuǎn)化

外部數(shù)據(jù)的對(duì)比分析對(duì)于很多企業(yè)來說很難獨(dú)立去做，他們往往缺少大體量的數(shù)據(jù)覆蓋和行業(yè)的趨勢(shì)對(duì)比，這時(shí)候有必要借助第三方數(shù)據(jù)服務(wù)商的幫助。

據(jù)了解，現(xiàn)在一些處于行業(yè)頭部的第三方大數(shù)據(jù)服務(wù)商，通過多年積累的海量數(shù)據(jù)和強(qiáng)大的數(shù)據(jù)分析能力，能夠很好地幫助企業(yè)進(jìn)行更全面的數(shù)據(jù)分析。前兩天我又種草了個(gè)推的應(yīng)用數(shù)據(jù)統(tǒng)計(jì)分析產(chǎn)品“個(gè)數(shù)”。個(gè)數(shù)最吸引我的地方在于它可以提供行業(yè)對(duì)比、卸載分析等獨(dú)具特色的數(shù)據(jù)分析服務(wù)，對(duì)優(yōu)化運(yùn)營(yíng)工作非常有價(jià)值。

行業(yè)對(duì)比指數(shù)可以幫助運(yùn)營(yíng)者了解市場(chǎng)的整體發(fā)展情況，APP的行業(yè)競(jìng)爭(zhēng)力，以及自有APP所處的發(fā)展階段，對(duì)運(yùn)營(yíng)者的決策起到指引作用。

卸載用戶分析的應(yīng)用場(chǎng)景更具針對(duì)性：1、可對(duì)比獲客和流失數(shù)據(jù)，輔助判定產(chǎn)品的生命周期；2、分析各來源渠道用戶卸載率，優(yōu)化廣告投放策略；3、結(jié)合自定義埋點(diǎn)深層挖掘卸載用戶特征，分析卸載原因；4、活動(dòng)期間，關(guān)聯(lián)分析卸載數(shù)據(jù)，評(píng)估活動(dòng)對(duì)用戶的負(fù)面影響程度。

“個(gè)數(shù)”的卸載用戶流向展示

充分地解讀數(shù)據(jù)，挖掘數(shù)據(jù)背后的價(jià)值，能夠?yàn)檫\(yùn)營(yíng)工作提供較為客觀的反饋，有效避免人為的認(rèn)知偏差。

綜上所述，在精細(xì)化運(yùn)營(yíng)的趨勢(shì)下，我們?cè)絹碓叫枰?ldquo;認(rèn)清”用戶本來的樣子，而合理有效使用數(shù)據(jù)已經(jīng)成為必須要get和升級(jí)的技能。只有用對(duì)了方法，我們才能更深入地了解用戶，從而給運(yùn)營(yíng)工作提供新的思路。

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！