2024數(shù)據(jù)運(yùn)營(yíng)全流程手冊(cè)

隨著數(shù)據(jù)正式成為繼土地、勞動(dòng)力、資本、技術(shù)后的第五大生產(chǎn)要素，其在當(dāng)今社會(huì)扮演的角色地位不言而喻。對(duì)于企業(yè)來(lái)說(shuō)，在日常經(jīng)營(yíng)的過(guò)程中，各個(gè)環(huán)節(jié)、各個(gè)流程、各個(gè)部門等都在產(chǎn)生著各種各樣的數(shù)據(jù)。數(shù)據(jù)也已經(jīng)成為企業(yè)在進(jìn)行運(yùn)營(yíng)策略、產(chǎn)品規(guī)劃、品牌戰(zhàn)略等幾乎所有經(jīng)營(yíng)活動(dòng)時(shí)，不可或缺的信息來(lái)源和參考依據(jù)。如果把企業(yè)比作舵手，數(shù)據(jù)就是導(dǎo)航。能正確應(yīng)用導(dǎo)航的舵手，將率先到達(dá)目的地；同樣，能正確應(yīng)用數(shù)據(jù)的企業(yè)，也將在商業(yè)競(jìng)爭(zhēng)中建立起自己的核心競(jìng)爭(zhēng)力。為了方便大家更好地了解數(shù)據(jù)運(yùn)營(yíng)這一職能崗位，我們從眾多JD（JobDescription，崗位職責(zé)描述）中選取了比較有代表性的工作經(jīng)驗(yàn)在1-3年、3-5年、5-10年的數(shù)據(jù)運(yùn)營(yíng)JD（見圖1-1）。1-1JD對(duì)于企業(yè)中的每一個(gè)崗位，數(shù)據(jù)運(yùn)營(yíng)的能力幾乎作用在我們?cè)谌粘９ぷ髦械姆椒矫婷妫?，通過(guò)數(shù)據(jù)證明自己的工作價(jià)值、通過(guò)數(shù)據(jù)發(fā)現(xiàn)工作問(wèn)題并解決問(wèn)題、通過(guò)數(shù)據(jù)提升工作效率并驅(qū)動(dòng)業(yè)績(jī)?cè)鲩L(zhǎng)。掌握數(shù)據(jù)運(yùn)營(yíng)的能力，對(duì)每一個(gè)崗位個(gè)階段（見圖1-2）：1-2階段一：業(yè)務(wù)數(shù)據(jù)化。這是當(dāng)前絕大多數(shù)企業(yè)所處的階段，企業(yè)只有在這個(gè)階段與用戶建立起全面的數(shù)字觸點(diǎn)，并在這些數(shù)字觸點(diǎn)之上進(jìn)一步承載業(yè)務(wù)的發(fā)展，才能進(jìn)化到下一個(gè)階段；階段二：數(shù)據(jù)資產(chǎn)化。在這個(gè)階段的企業(yè)，能對(duì)不同用戶，基于屬性、習(xí)慣、場(chǎng)景等因素打上不同的標(biāo)簽，生成單個(gè)&群體用戶畫像，并能對(duì)用戶進(jìn)行精細(xì)運(yùn)營(yíng)、個(gè)性運(yùn)營(yíng)、精準(zhǔn)運(yùn)營(yíng)；根據(jù)易觀對(duì)國(guó)內(nèi)行業(yè)的觀察，目前國(guó)內(nèi)走到數(shù)據(jù)資產(chǎn)化階段的企業(yè)不超過(guò)3%，走到資產(chǎn)業(yè)務(wù)化階段的企業(yè)更是鳳毛麟角。對(duì)于企業(yè)而言，如何經(jīng)營(yíng)好數(shù)字用戶資產(chǎn)，如何最大化每一份資產(chǎn)中的價(jià)值，仍然是當(dāng)下的核心命題。方舟提出數(shù)據(jù)運(yùn)營(yíng)閉環(huán)（見圖1-3），包括理數(shù)、收數(shù)、看數(shù)、用數(shù)四個(gè)環(huán)節(jié)。1-3“收數(shù)”做好準(zhǔn)備。本電子書的第2章將系統(tǒng)介紹“理數(shù)”的四個(gè)步驟：梳理數(shù)據(jù)指標(biāo)、明確北極星指標(biāo)、定義指標(biāo)口徑、搭建指標(biāo)體系。其中「OSM模型+ARGO模型+金字塔原則」指標(biāo)體系搭建的整體框架，將帶你系統(tǒng)搭建適用于具后兩個(gè)環(huán)節(jié)能否正確進(jìn)行。本電子書的第3章將系統(tǒng)介紹數(shù)據(jù)采集的原理，并總察和數(shù)據(jù)分析，為“用數(shù)”做好準(zhǔn)備。本電子書的第4章，我們邀請(qǐng)到觀遠(yuǎn)數(shù)據(jù)和方法，并分享常用的11大數(shù)據(jù)分析模型?！坝脭?shù)”體現(xiàn)在企業(yè)各種經(jīng)營(yíng)活動(dòng)的各個(gè)環(huán)節(jié)。本電子書的第5章將著重介紹數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品迭代、Workfow（自動(dòng)化工作流）助力精細(xì)化運(yùn)營(yíng)、“量質(zhì)轉(zhuǎn)化點(diǎn)“提升用戶留存，并在第6章以幸福西餅、蜜雪冰城、九陽(yáng)膠囊豆?jié){機(jī)necp為案例，拆解其數(shù)據(jù)運(yùn)營(yíng)如何在企業(yè)內(nèi)具體應(yīng)用和發(fā)揮作用。指標(biāo)又稱度量，是量化衡量的標(biāo)準(zhǔn)。例如，衡量APP基礎(chǔ)運(yùn)營(yíng)情況的指標(biāo)我們可以將數(shù)據(jù)指標(biāo)分為五大類：拉新指標(biāo)、活躍指標(biāo)、留存指標(biāo)、轉(zhuǎn)化指標(biāo)、傳播指標(biāo)。|道被用戶瀏覽的次數(shù)。與瀏覽量相對(duì)應(yīng)的是點(diǎn)擊量，點(diǎn)擊量與瀏覽量之比即為CTR（CTR=點(diǎn)擊量/瀏覽量），CTR常被廣告平臺(tái)用來(lái)評(píng)估廣告質(zhì)量；下載量：根據(jù)業(yè)務(wù)的不同，可能代表APP安裝次數(shù)、資料下載數(shù)等，是衡無(wú)效用戶。每個(gè)產(chǎn)品對(duì)于用戶的界定都不一樣，大部分產(chǎn)品是將用戶注冊(cè)APP行見的成本計(jì)算方式有CPM（CostPerMille，千人展現(xiàn)成本）、CPC（CostPerClick，單次點(diǎn)擊成本）、CPA（CostPerAction，單次獲客成本）。|活躍用戶數(shù)：DAU（DailyActiveUsers）指日活躍用戶數(shù)，一般指在24小時(shí)內(nèi)活躍用戶的總量；以此類推還有WAU（WeeklyActiveUsers，周活躍用戶數(shù)）、MAU（MonthlyActiveUsers，月活躍用戶數(shù)）等指標(biāo)；活躍率：頁(yè)面瀏覽量：簡(jiǎn)稱PV（PageView），常見的UV（UniqueVisitor）則是指一定時(shí)間內(nèi)訪問(wèn)網(wǎng)頁(yè)的人數(shù)，用戶在1個(gè)網(wǎng)頁(yè)的訪問(wèn)請(qǐng)求即為1PV，以此類推10個(gè)網(wǎng)頁(yè)即為10PV。|用戶流失率：10萬(wàn)用戶，月流失率為20%，幾個(gè)月后產(chǎn)品用戶將流失殆盡。|GMV：GMV全稱GrossMerchandiseVolume，即商品交易總額，是指一ARPU：ARPU（AverageRevenuePerUser，每用戶平均收入）=總收入÷復(fù)購(gòu)率：和新增用戶一樣，獲取1個(gè)新付費(fèi)用戶的成本遠(yuǎn)遠(yuǎn)高于維護(hù)1個(gè)熟客的成本。復(fù)購(gòu)率更多用在整體重復(fù)購(gòu)買次數(shù)統(tǒng)計(jì)，即單位時(shí)間內(nèi)消費(fèi)2次以|現(xiàn)在大多產(chǎn)品都會(huì)內(nèi)嵌分享功能，對(duì)于內(nèi)容型平臺(tái)或者依賴傳播做增長(zhǎng)的產(chǎn)品，病毒式增長(zhǎng)的傳播指標(biāo)衡量至關(guān)重要。病毒K因子：K因子大于1時(shí)，每位用戶至少能帶來(lái)1個(gè)新用戶，用戶Facebook以“月活躍用戶數(shù)（MAU）”作為北極星指標(biāo)，擊敗了當(dāng)時(shí)以“注冊(cè)用戶數(shù)”作為北極星指標(biāo)的美國(guó)社交網(wǎng)絡(luò)巨頭MySpace，成為了目前世界LinkedIn為“優(yōu)質(zhì)的活躍用戶數(shù)”制定了4個(gè)維度的標(biāo)準(zhǔn)，并將其定為全Airbnb以“總預(yù)定天數(shù)”作為北極星指標(biāo)，不斷優(yōu)化房東與租房者之間的什么是北極星指標(biāo)？北極星指標(biāo)（NSM，NorthStarMetric），又被稱為唯一重要指標(biāo)（OMTM，OneMetricThatMatters）。北極星指標(biāo)是衡量產(chǎn)品、業(yè)常事務(wù)或單個(gè)項(xiàng)目所困擾。正如GrowthHackers創(chuàng)始人&增長(zhǎng)黑客之父SeanEllis3企業(yè)的北極星指標(biāo)一旦確定之后，它就會(huì)像“北極星”一樣指引公司內(nèi)的所有人，朝同一個(gè)方向邁進(jìn)。因此，我們?cè)谶x擇北極星指標(biāo)的時(shí)候要十分謹(jǐn)慎。例如，收入通常并不能特別說(shuō)明公司的發(fā)展前景，而且可能很容易將其用于沖擊短期增長(zhǎng)，卻帶來(lái)了長(zhǎng)期負(fù)面的影響，所以有時(shí)選擇一個(gè)無(wú)收入的指標(biāo)會(huì)更有益。|選擇北極星指標(biāo)的3個(gè)標(biāo)準(zhǔn)那么，要如何在眾多重要數(shù)據(jù)指標(biāo)中找尋到北極星指標(biāo)呢？以下有3而下載量這個(gè)指標(biāo)可能更像是一個(gè)虛榮指標(biāo)，因?yàn)閷?duì)很多移動(dòng)AP來(lái)說(shuō)，產(chǎn)品的實(shí)際活躍用戶數(shù)要優(yōu)于累計(jì)下載數(shù)，因?yàn)榛钴S數(shù)反映的是當(dāng)期用戶的實(shí)際情況，而下載量只能反映總體量，卻無(wú)法清晰且有效地定義當(dāng)前狀況。推進(jìn)北極星指標(biāo)來(lái)衡量每個(gè)活動(dòng)。如果一個(gè)項(xiàng)目、功能或計(jì)劃不能改善北極星指標(biāo)，則其價(jià)值必須被質(zhì)疑，并且可能因缺乏與業(yè)務(wù)發(fā)展的相關(guān)性而被放棄。15在具體的操作性層面，我們可以將這個(gè)指標(biāo)拆解成4個(gè)具體維度：（1）單：可以是具體數(shù)字；（2）即時(shí)：業(yè)務(wù)部門能夠?qū)崟r(shí)看到數(shù)據(jù)更新；（3）可行動(dòng)：具體可執(zhí)行的，或者說(shuō)能夠改善的；（4）可比較：支持縱向和過(guò)去對(duì)比，橫向和競(jìng)對(duì)比較。從以上可以看到，北極星指標(biāo)與運(yùn)營(yíng)策略之間的匹配尤為重要。一般情況下，先導(dǎo)性指標(biāo)（預(yù)測(cè)未來(lái)要優(yōu)于后驗(yàn)性指標(biāo)（解釋過(guò)去）。如果你想用自己的北極星指標(biāo)來(lái)衡量產(chǎn)品成功與否，但北極星指標(biāo)并不能夠體現(xiàn)用戶使用產(chǎn)品的真正價(jià)值，那就極有可能變成虛榮性指標(biāo)。這時(shí)候選擇的運(yùn)營(yíng)策略就會(huì)優(yōu)化“錯(cuò)誤的指標(biāo)”，最終導(dǎo)致錯(cuò)誤的結(jié)果。北極星指標(biāo)通常會(huì)精簡(jiǎn)為一個(gè)可衡量的數(shù)字，但它會(huì)隨著產(chǎn)品的發(fā)展階段而改變。以用戶生命周期為例，早期產(chǎn)品較為靠前，會(huì)更重視新增用戶數(shù)和注冊(cè)用戶數(shù)；成熟產(chǎn)品較為靠后，會(huì)更偏向活躍用戶數(shù)和轉(zhuǎn)化用戶數(shù)。費(fèi)的SaaS行業(yè)來(lái)說(shuō)，可能會(huì)有已經(jīng)是付費(fèi)客戶但已經(jīng)停止使用產(chǎn)品的情況。在這種情況下，使用“每周活躍用戶”而不是“每月經(jīng)常性收入（MonthlyRecurringRevenue）”，這將確保SaaS企業(yè)專注于用戶參與度，這會(huì)比營(yíng)收領(lǐng)先一步。像硅谷知名的獨(dú)角獸數(shù)據(jù)分析企業(yè)Amplitude的北極星指標(biāo)，就是“每周至少運(yùn)行一次查詢的用戶數(shù)”，即WeeklyQueryingUsers（WQUs）。LinkedIn北極星指標(biāo)就是“活躍的優(yōu)質(zhì)用戶”，并對(duì)該指標(biāo)的定義分成4資料完整度，每完成一項(xiàng)用戶資料就會(huì)加幾分；（2）好友數(shù)，職場(chǎng)好友數(shù)達(dá)到30人，是活躍度的一個(gè)拐點(diǎn)；（3）可觸達(dá)，獵頭是否可以直接聯(lián)系到你；（4）保持活躍，一段時(shí)間內(nèi)登錄使用過(guò)多少次。企業(yè)的北極星指標(biāo)（見圖2-1），供大家參考：2-1的模樣“打扮”。像GMV這一指標(biāo)，我們可以根據(jù)不同的統(tǒng)計(jì)口徑，得到不同阿里巴巴對(duì)GMV的定義是“所有已確認(rèn)的訂單”。與常規(guī)理解不同，阿里京東對(duì)GMV的定義是，京東集團(tuán)線上自營(yíng)業(yè)務(wù)和第三方平臺(tái)所有產(chǎn)品和服這將對(duì)我們跨部門協(xié)同開展運(yùn)營(yíng)工作、達(dá)成運(yùn)營(yíng)目標(biāo)帶來(lái)一定的困擾。如果在需求上線前事先沒(méi)有做好數(shù)據(jù)指標(biāo)口徑的定義，就會(huì)導(dǎo)致某些數(shù)據(jù)對(duì)不上，給測(cè)試、技術(shù)等人員帶去一定程度返工，大大降低工作效率。用戶數(shù)（WeeklyActiveUser）、每月活躍用戶數(shù)（MonthlyActiveUser），分但活躍用戶數(shù)這個(gè)數(shù)據(jù)指標(biāo)口徑的定義，由于所處的行業(yè)、不同的業(yè)務(wù)等因素，很多企業(yè)會(huì)根據(jù)自身特點(diǎn)對(duì)活躍用戶數(shù)有不同的定義，例如：每日在線時(shí)長(zhǎng)超過(guò)5分鐘的用戶數(shù)（過(guò)濾掉低質(zhì)量用戶）即為活躍用戶每日訪問(wèn)頁(yè)面超過(guò)5個(gè)的用戶數(shù)（過(guò)濾掉低質(zhì)量用戶）即為活躍用戶數(shù)。位問(wèn)題所在，還能一定程度上指導(dǎo)我們解決問(wèn)題。但就像天下沒(méi)有兩片相同的葉百家客戶的經(jīng)驗(yàn)，總結(jié)出搭建指標(biāo)體系的「OSM模型+ARGO模型+金字塔模型」整體框架（見圖2-2），希望能夠幫助大家系統(tǒng)搭建適合自身業(yè)務(wù)的指標(biāo)體系。2-2OSM（Objective）（Strategy）（esreent）組成，通過(guò)將宏大的運(yùn)營(yíng)目標(biāo)逐一拆解，對(duì)應(yīng)到可落地的運(yùn)營(yíng)策略和可度量的運(yùn)營(yíng)動(dòng)作上，從而確保我們梳理指標(biāo)時(shí)不會(huì)偏離“主航道”。一般情況下，運(yùn)營(yíng)目標(biāo)與核心KPI息息相關(guān)。例如：電商平臺(tái)的目的是讓用戶在平臺(tái)上完成更多交易，那么平臺(tái)運(yùn)營(yíng)負(fù)責(zé)人的目標(biāo)就可能是提高GMV；ToB冊(cè)試用量；銀行類APP希望可以讓更多用戶來(lái)購(gòu)買理財(cái)產(chǎn)品，那么APP例如，電商平臺(tái)運(yùn)營(yíng)負(fù)責(zé)人的目標(biāo)是提高GV。按照GV=支付用戶數(shù)X每筆單價(jià)X用戶購(gòu)買頻次的計(jì)算公式（注：GV的公式根據(jù)行業(yè)可能有所不同，需結(jié)合自身業(yè)務(wù)計(jì)算），其提升策略可能就會(huì)有：針對(duì)提升支付用戶數(shù)的策略——對(duì)新注冊(cè)用戶進(jìn)行99元限時(shí)特價(jià)活動(dòng)、針對(duì)提升每筆單價(jià)的策略——進(jìn)行商品組合銷售、針對(duì)提升用戶購(gòu)買頻次的策略——節(jié)假日進(jìn)行優(yōu)惠券營(yíng)銷。策略制定后，如何衡量策略執(zhí)行的效果？如何反映該策略是否有助于目標(biāo)達(dá)成？這就需要用到度量。例如，通過(guò)商品組合銷售策略，需要將每筆單價(jià)提升至1000元。這個(gè)將每筆單價(jià)提升至1000元就是該策略的度量。我們所制定的每一個(gè)策略都需要匹配綜上，我們便可以根據(jù)OSM模型，形成指標(biāo)體系初步的“骨架”（見圖2-圖2-3OSM模型示意圖ARGO模型（見圖2-4）由易觀方舟基于“留量”時(shí)代提出，為解決用戶運(yùn)2-4ARGO根據(jù)ARGO模型，我們可以分別從用戶視角和企業(yè)視角（見圖2-5），進(jìn)行運(yùn)營(yíng)目標(biāo)和運(yùn)營(yíng)策略的設(shè)計(jì)，從而避免根據(jù)OSM模型梳理指標(biāo)體系時(shí)有所遺圖2-5用戶視角和企業(yè)視角的ARGO當(dāng)用戶從歡迎頁(yè)到傳播分享，會(huì)經(jīng)歷一個(gè)完整的用戶全生命周期（見圖2-圖2-6基于ARGO模型的用戶全生命周期轉(zhuǎn)化成用戶的最大值。如果是網(wǎng)站就與UV相關(guān)，如果是APP就與啟動(dòng)相關(guān)。見圖圖2-7基于ARGO獲客轉(zhuǎn)化階段，需要我們通過(guò)不同的渠道和方式獲取客戶，并引導(dǎo)用戶轉(zhuǎn)化。借助該階段沉淀的用戶關(guān)鍵數(shù)據(jù)，準(zhǔn)確定義產(chǎn)品目標(biāo)人群特征，優(yōu)化運(yùn)營(yíng)的獲客轉(zhuǎn)化策略；觸達(dá)策略等與價(jià)值交換的關(guān)聯(lián)度，實(shí)現(xiàn)用戶LTV（LifeTimeValue，生命周期總化點(diǎn)就可以作為我們OSM模型中的策略。由此，不難發(fā)現(xiàn)，ARGO模型是在OSM模型搭建好指標(biāo)體系初步的“骨如下圖所示，以企業(yè)視角為例，將ARGO模型與OSM模型相結(jié)合（見圖圖2-8基于ARGO模型和OSM金字塔原則源于世界級(jí)領(lǐng)先的管理咨詢公司麥肯錫，通常被用來(lái)結(jié)構(gòu)化寫作過(guò)程。但其層次性、框架性、系統(tǒng)性的思考方式，也同樣可以幫助我們梳理指標(biāo)體系。在易觀方舟服務(wù)客戶的過(guò)程中，我們發(fā)現(xiàn)光有OSM模型確定指標(biāo)體系「大的框架」，ARGO模型幫助填充指標(biāo)體系「小的細(xì)節(jié)」，往往是不夠的。還需要通過(guò)OSM模型和ARGO模型搭建的指標(biāo)體系一般包含第一關(guān)鍵指標(biāo)、一級(jí)指標(biāo)、二級(jí)指標(biāo)等層級(jí)關(guān)系（2-9）。在層級(jí)關(guān)系上，上一層的指標(biāo)要能概括2-9第一關(guān)鍵指標(biāo)又稱北極星指標(biāo)，當(dāng)我們開始對(duì)一款產(chǎn)品（網(wǎng)站、APP、小程后要提高對(duì)用戶留存的關(guān)注程度，這時(shí)候第一關(guān)鍵指標(biāo)可能是周用戶活躍（WAU）或月用戶活躍（MAU）客戶的經(jīng)驗(yàn)，指標(biāo)體系層級(jí)最好控制在3-5層。立窮盡，又稱MECE原則。MECE原則要求處在同一層級(jí)的指標(biāo)互相之間完全獨(dú)立（MutuallyExclusive）且互相窮盡（CollectivelyExhaustive）。以處在同層的二級(jí)指標(biāo)1.1、二級(jí)指標(biāo)1.2、二級(jí)指標(biāo)1.3為例（2-10）。圖左就是符合MECE原則的，圖中和圖右就不符合，但卻是我們?cè)谑崂硗瑘D2-10通過(guò)MECE綜上，通過(guò)搭建指標(biāo)體系的「OSM模型+ARGO模型+（2-11）圖2-11圖3-1）。3-1數(shù)據(jù)獲取是任何一個(gè)數(shù)據(jù)平臺(tái)的起始動(dòng)作。對(duì)于互聯(lián)網(wǎng)產(chǎn)品來(lái)說(shuō)，用戶行為的捕捉及獲取是重中之重。如果沒(méi)有準(zhǔn)確、全面的用戶身份和行為數(shù)據(jù)作為輸入，在后續(xù)分析中得到準(zhǔn)確洞察結(jié)果就會(huì)存在不確定性，營(yíng)銷閉環(huán)也會(huì)缺少過(guò)程數(shù)據(jù)依據(jù)，精細(xì)化運(yùn)營(yíng)更難以開展。|服務(wù)端埋點(diǎn)，通常是在程序和數(shù)據(jù)庫(kù)交互的界面進(jìn)行埋點(diǎn)，這時(shí)的埋點(diǎn)會(huì)更準(zhǔn)確地記錄數(shù)據(jù)的改變，同時(shí)也會(huì)減小由于網(wǎng)絡(luò)傳輸?shù)仍蚨鴰?lái)的不確定性風(fēng)險(xiǎn)。見圖3-2團(tuán)隊(duì)內(nèi)部還會(huì)使用Excel表格來(lái)搜集各個(gè)團(tuán)隊(duì)的埋點(diǎn)需求，然后再交給工程師。實(shí)際上，即使是赫赫有名的數(shù)據(jù)分析服務(wù)商Mixpanel，在很長(zhǎng)一段時(shí)間內(nèi)也具，自研難度、成本高、易用性不夠；（2）（見圖3-3）實(shí)現(xiàn)了：（1）一鍵式接入，可視化埋點(diǎn)、全埋點(diǎn)、0成本完成全域數(shù)據(jù)采集；（2）22種SDK（3）通用數(shù)圖3-3SDK和服務(wù)端在了解傳統(tǒng)埋點(diǎn)方式的不足之后，我們將給大家詳細(xì)介紹市面上3種主流的|代碼埋點(diǎn)（見圖3-4）是幫助工程師了解用戶是如何使用產(chǎn)品的經(jīng)典埋點(diǎn)方3-4|可交互元素包含：鏈接、表單項(xiàng)（如按鈕、輸入框等）、HTML的對(duì)象級(jí)元見圖3-5首先，全埋點(diǎn)會(huì)自動(dòng)采集非常多的數(shù)據(jù)，而且未來(lái)在使用數(shù)據(jù)的時(shí)候可以直接從數(shù)據(jù)庫(kù)中查詢，不會(huì)面臨“我想看的時(shí)候因?yàn)闆](méi)有埋點(diǎn)采集而獲取不到”的情況。這是非常受分析師喜愛的方式，因此經(jīng)常會(huì)聽到“能采集就盡量都采集，后續(xù)分析總能用得到”的說(shuō)法。AB|可視化埋點(diǎn)（見圖3-6），通常是指用戶通過(guò)設(shè)備連接用戶行為分析工具的3-6可視化埋點(diǎn)的部署原理也很簡(jiǎn)單。支持可視化埋點(diǎn)的SDK會(huì)在被監(jiān)測(cè)的網(wǎng)站見圖活地獲取與該事件相關(guān)的信息；還能多環(huán)境支持，例如安卓/IOS/JS頁(yè)面/Hybrid模式（App內(nèi)嵌入網(wǎng)頁(yè)的）、以及mPaaS/ReactNative等架3-7圖3-8例如，數(shù)據(jù)采集需求不要求特別高的精度，比如說(shuō)有10000條數(shù)據(jù)，我們能夠容忍1%-2%的差錯(cuò)，而且我們還想知道歷史數(shù)據(jù)的話，就可以采用全埋點(diǎn)。通過(guò)這張“埋點(diǎn)對(duì)比表”，可以幫助大家更快地根據(jù)自身業(yè)務(wù)的具體需求采用更合適的埋點(diǎn)方式，進(jìn)一步再結(jié)合易觀方舟的數(shù)據(jù)采集能力，即可更方便、更快捷、更準(zhǔn)確地獲取數(shù)據(jù)。3在進(jìn)行需求梳理之前，我們需要對(duì)需求做要素的衡量，即衡量需求的SMART望查看用戶的DAU、想了解用戶注冊(cè)轉(zhuǎn)化率等，這都是非常明確的需求。然而如第二個(gè)要素：可衡量（esrbe）。目標(biāo)沒(méi)有衡量就沒(méi)有意義，在這里我們更多的是衡量是否能在工具中以某種形式實(shí)現(xiàn)。例如，以配置概覽的形式實(shí)現(xiàn)需求、以SL或其他形式實(shí)現(xiàn)需求等。第四個(gè)要素：務(wù)實(shí)的elistic）。需求是無(wú)窮盡的，但資源卻是有限的。合適的需求是滿足當(dāng)前及未來(lái)一段時(shí)間內(nèi)分析、挖掘所需達(dá)到的目的。希望一次建立未來(lái)所需的所有數(shù)據(jù)采集是不可能的，所以需求梳理務(wù)實(shí)于當(dāng)下所需要進(jìn)行的分析，既能節(jié)省成本，又能促進(jìn)當(dāng)下業(yè)務(wù)發(fā)展。第五個(gè)要素：時(shí)間階段（TimePhrase）。時(shí)間是限制需求的重要因素。對(duì)于據(jù)的過(guò)程中需要分析的場(chǎng)景為主。具體的需求梳理思路，一般可以分為2（3-9）。例如，市場(chǎng)部大多喜歡使用易觀方舟的渠道推廣分析。那當(dāng)市場(chǎng)部3-9參考易觀方舟總結(jié)的相應(yīng)模板（見圖3-10）：圖假設(shè)存在方案A和方案B。方案A是傳統(tǒng)的常見數(shù)據(jù)采集方式，方案B是經(jīng)過(guò)一定設(shè)計(jì)的埋點(diǎn)方案。兩個(gè)方案拿到的數(shù)據(jù)（見圖3-11）：圖3-11A方案和B場(chǎng)景的時(shí)候，方案B能分析的信息量更多。雖然方案B并不是十分完備，但經(jīng)用戶的需求開始。具體的步驟（見圖3-12）：圖3-12例如，指標(biāo)PV（頁(yè)面被瀏覽次數(shù)之和）、UV（啟動(dòng)應(yīng)用的用戶去重?cái)?shù)）等。|埋點(diǎn)方案的3大組成3用戶行為由用戶一系列事件組成。事件是記錄用戶在使用網(wǎng)站、APP或者小程序的過(guò)程中觸發(fā)的行為，包含5個(gè)基本要素，通常簡(jiǎn)稱為4W1H（見圖3-13）圖3-135Who：對(duì)行為發(fā)起的主體進(jìn)行標(biāo)識(shí)，一般使用產(chǎn)品業(yè)務(wù)系統(tǒng)中的user_id來(lái)進(jìn)行標(biāo)識(shí)，但并不是業(yè)務(wù)系統(tǒng)記錄的用戶時(shí)，我們也需要給用戶一個(gè)匿名id；When：行為觸發(fā)的具體時(shí)間，一般會(huì)精細(xì)到毫秒級(jí)別，SDKWhere：一般應(yīng)用中記錄行為發(fā)生的地點(diǎn)，如：IP、國(guó)家、省份、城市。具How：用戶發(fā)起行為的具體方式，一般已經(jīng)包含在行為名稱當(dāng)中，如點(diǎn)擊某按鈕；也有一些行為是可以通過(guò)多種方式的，如一個(gè)操作可以通過(guò)點(diǎn)擊也可以通過(guò)手勢(shì)時(shí)，使用哪一種方式就是一種可以記錄的信息；圖3-14舉個(gè)例子：在某電商平臺(tái)上，用1萬(wàn)元購(gòu)買了一臺(tái)聯(lián)想電腦。這個(gè)動(dòng)作就會(huì)產(chǎn)生一個(gè)名為“購(gòu)買”的事件。而“購(gòu)買”事件同時(shí)也可以包含“品牌”、“價(jià)類型（見3-15），供大家參考：3-15更多維度，才能更好地進(jìn)行接下來(lái)的精細(xì)化運(yùn)營(yíng)。例如，注冊(cè)用戶ID、用戶等當(dāng)用戶發(fā)生一個(gè)行為時(shí)，往往有多個(gè)不同的埋點(diǎn)時(shí)機(jī)（見圖3-16）。在真實(shí)圖3-16業(yè)務(wù)請(qǐng)求可能出現(xiàn)失敗情況，導(dǎo)致和業(yè)務(wù)數(shù)據(jù)庫(kù)對(duì)不上。例如，用戶點(diǎn)擊加入購(gòu)物車，但是服務(wù)器加入失敗，而這個(gè)時(shí)候埋點(diǎn)已經(jīng)完成；1s內(nèi)連續(xù)點(diǎn)了4次，這時(shí)如果前端沒(méi)有考慮這種情況，則可能上報(bào)4次注冊(cè)，業(yè)務(wù)請(qǐng)求已完成，對(duì)于常用的如注冊(cè)、訂單等數(shù)據(jù)基本都能和業(yè)務(wù)數(shù)據(jù)庫(kù)保持一致；缺少前端相關(guān)屬性，例如操作系統(tǒng)、應(yīng)用版本、公共屬性等信息，可以通過(guò)發(fā)起請(qǐng)求時(shí)，將相應(yīng)屬性攜帶在請(qǐng)求中，在服務(wù)端解析后再一起上報(bào)該數(shù)據(jù)。雖然實(shí)現(xiàn)成本稍高但數(shù)據(jù)可靠、修改方便；一般對(duì)于重要的、與業(yè)務(wù)分析相關(guān)的數(shù)據(jù)，如注冊(cè)、訂單、發(fā)帖、評(píng)論等行為，在此處埋點(diǎn)可以獲得更準(zhǔn)確的數(shù)據(jù)。業(yè)務(wù)行為多選擇在后端埋點(diǎn)，如評(píng)論、點(diǎn)贊、購(gòu)買、提交訂單、支付等行Excel（3-17）3-17（點(diǎn)擊免費(fèi)領(lǐng)取該模板間移動(dòng)已經(jīng)成為常態(tài)。實(shí)際上，很多企業(yè)也在搭建產(chǎn)品矩陣，在Android、iOS、H5、Web、公眾號(hào)、小程序等多端著力。但多數(shù)情況下，這些數(shù)據(jù)之間是割裂比如：獲得完整的用戶旅程；對(duì)比了解用戶在不同平臺(tái)上的使用情況，優(yōu)化用戶今天，用戶行為多變，同一用戶跨越多個(gè)平臺(tái)。識(shí)別用戶是一個(gè)比較復(fù)雜的過(guò)程，尤其是對(duì)于有帳號(hào)體系的產(chǎn)品來(lái)說(shuō)，用戶會(huì)有多種使用場(chǎng)景，可能會(huì)在匿名情況下訪問(wèn)，也有可能在登錄情況下使用，也有可能在同一臺(tái)設(shè)備上登錄不同的帳號(hào)，也可能適用同一個(gè)帳號(hào)在多臺(tái)設(shè)備上登錄。因此，選擇合適的用戶標(biāo)識(shí)（見圖3-有助于準(zhǔn)確標(biāo)識(shí)用戶，提高分析準(zhǔn)確性。圖3-18具體而言，跨平臺(tái)識(shí)別有兩種方法：（1）確定性方法識(shí)別；（2）概率論方法匹配。確定性方法識(shí)別是利用用戶帳號(hào)體系中的數(shù)據(jù)資源，可以是系統(tǒng)生成的serD，可以是手機(jī)號(hào)，也可以是郵箱，不同的產(chǎn)品情況略有差異，總之就是用戶唯一標(biāo)識(shí)。比如，X應(yīng)用在Anroid、iS、Web、小程序四個(gè)平臺(tái)上運(yùn)營(yíng)，各個(gè)平臺(tái)用統(tǒng)一的帳號(hào)體系。假如小明有Anroid、iS、PC三臺(tái)設(shè)備，早上在Anroid的小程序上看了一個(gè)推薦，中午登錄了網(wǎng)頁(yè)查看了詳細(xì)信息，晚上回家在iS手機(jī)上下單，那么完全可以通過(guò)serD將用戶行為連貫起來(lái)。概率論方法匹配：使用設(shè)備相關(guān)的間接數(shù)據(jù)來(lái)匹配。比如，Cookie、DFA、上網(wǎng)時(shí)間、WFI、P等等，通過(guò)機(jī)器學(xué)習(xí)或者其他復(fù)雜的規(guī)則來(lái)分析。但是嚴(yán)重依賴于數(shù)據(jù)的多樣性和算法，相對(duì)確定性的方法來(lái)說(shuō)，準(zhǔn)確性差距很大，因此不推薦。ID呈現(xiàn)。此外，我們還可以借助專業(yè)的BI（BusinessIntelligence，商業(yè)智能）分BI式上，主要包含圖表可視化和表格可視化。其中，最常見的3種圖表如下：（1）柱形圖（4-圖4-1（2）折線圖（4-圖4-2（3）餅圖（4-圖4-3（圓?。┍硎驹摲诸愓伎傮w的比例大小，所有區(qū)塊（圓?。?00觀遠(yuǎn)數(shù)據(jù)的一站式智能分析平臺(tái)可以提供5+不同種類和形式的圖表，用戶還可以基于觀遠(yuǎn)后臺(tái)強(qiáng)大的數(shù)據(jù)處理能力，構(gòu)建自定義的數(shù)據(jù)可視化展現(xiàn)形式，通過(guò)自定義報(bào)表的形式，根據(jù)自己的實(shí)際場(chǎng)景，擴(kuò)展出豐富多樣的可視化類型。另外，用戶還可以通過(guò)觀遠(yuǎn)數(shù)據(jù)的可視化插件擴(kuò)展，幫助用戶更快更方便地落地?cái)?shù)據(jù)可視化拓展的需求。比（Data-inkRatio）表達(dá)對(duì)用戶最有用的信息。圖表把2013年的柱體放在2012年前面，就不符合大多數(shù)人從左到右的看圖習(xí)見圖4-4盤，它的展現(xiàn)形式也可以是一個(gè)數(shù)據(jù)大屏。一個(gè)成功的數(shù)據(jù)儀表盤，需要考慮4大方向的問(wèn)題（見圖4-5）：4-54數(shù)據(jù)分析的5種類型在正式進(jìn)行數(shù)據(jù)分析之前，我們需要弄清楚數(shù)據(jù)分析的5種類型。這里總結(jié)了5種數(shù)據(jù)分析類型，從描述性分析到規(guī)范性分析，數(shù)據(jù)分析的復(fù)雜性和工作量方舟可視化看板（見圖4-6），我們支持將采集的數(shù)據(jù)自定義可視化成線圖、柱4-6顧名思義，探索性分析的主要目的是探索，其最典型的應(yīng)用領(lǐng)域就是數(shù)據(jù)挖掘。通過(guò)探索性分析，能夠幫助我們發(fā)現(xiàn)原本不相關(guān)事物之間的數(shù)據(jù)變量聯(lián)系。分析不僅會(huì)用到前文所提到的3種數(shù)據(jù)分析類型，還需要用到機(jī)器學(xué)習(xí)（ML）和例如，根據(jù)某零售店過(guò)去5年的銷售數(shù)據(jù)，我們能預(yù)測(cè)該零售店下個(gè)月、下回到數(shù)據(jù)分析的實(shí)際應(yīng)用中，不管是產(chǎn)品迭代優(yōu)化分析，還是運(yùn)營(yíng)活動(dòng)分析等，似乎總會(huì)涉及到很多數(shù)據(jù)分析方法。但萬(wàn)變不離其宗，最終總結(jié)下來(lái)其實(shí)都是這5種方法或者他們的交叉組合。易觀方舟將其總結(jié)為數(shù)據(jù)分析的三板斧和雙股劍見圖47。

4-7趨勢(shì)分析（見圖48）可以說(shuō)是最基礎(chǔ)且最常用的數(shù)據(jù)分析方法。通過(guò)對(duì)有關(guān)指標(biāo)各期對(duì)基期的變化趨勢(shì)分析，分析該指標(biāo)的趨勢(shì)變化，從中直觀地發(fā)現(xiàn)問(wèn)題，讓運(yùn)營(yíng)決策更準(zhǔn)確和更實(shí)時(shí)。4-8例如，對(duì)于品牌零售行業(yè)，GMV是最核心的指標(biāo)，我們就可以根據(jù)日、周、月等時(shí)間維度描繪GMV的趨勢(shì)圖，這樣便可以很直觀地看到按照不同時(shí)間維度GMV的變化。當(dāng)趨勢(shì)分析過(guò)于宏觀，那細(xì)分分析（見圖4-9）則是精細(xì)化運(yùn)營(yíng)的必備，按4-9例如，某品牌零售企業(yè)的GMV某天有明顯下降，那么我們就可以根據(jù)全國(guó)各省級(jí)行政區(qū)的維度，細(xì)分湖南省、廣東省、北京市、云南省等34個(gè)省級(jí)行政區(qū)，查看具體是哪個(gè)省級(jí)行政區(qū)的GMV有所下降。定位到具體的省級(jí)行政區(qū)對(duì)比分析（見圖4-10）是將兩個(gè)或兩個(gè)以上的數(shù)據(jù)進(jìn)行比較，分析差異并揭4-10例如，同樣以品牌零售企業(yè)的GMV為例，通過(guò)對(duì)比不同年份的GMV變化分析模型。有關(guān)歸因分析模型的內(nèi)容可跳轉(zhuǎn)至4.4.6。數(shù)據(jù)分析的11大模型在了解完數(shù)據(jù)分析的5種方法之后，我們?cè)賮?lái)認(rèn)識(shí)一下常見的11種數(shù)據(jù)分|事件，是指用戶在APP、網(wǎng)站等應(yīng)用上發(fā)生的行為，即何人，何時(shí)，何地，如打開APP、注冊(cè)、登錄、支付訂單等。通過(guò)觸發(fā)用戶數(shù)、觸發(fā)次數(shù)、訪問(wèn)時(shí)長(zhǎng)最近半年付費(fèi)用戶數(shù)和ARPU事件分析模型（見圖4-11）能夠?qū)崟r(shí)監(jiān)測(cè)用戶在不同平臺(tái)的用戶行為，通過(guò)圖4-11|屬性分析模型（見圖4-12）同事件分析模型類似，可以進(jìn)行多維度多用戶之圖4-12|渠道，即企業(yè)（產(chǎn)品）與用戶產(chǎn)生互動(dòng)的各個(gè)觸點(diǎn)，比如搜索引擎、社交媒體、廣告平臺(tái)、線下站會(huì)等等。渠道分析模型（見圖4-13）通過(guò)定義基礎(chǔ)指標(biāo)和轉(zhuǎn)化指標(biāo)、選擇分析平臺(tái)、終選擇優(yōu)質(zhì)渠道組合，提高整體ROI。圖4-13Session，即會(huì)話，是指在指定的時(shí)間段內(nèi)在網(wǎng)站/H5/小程序/APP上發(fā)生的Session是具備時(shí)間屬性的，根據(jù)不同的切割規(guī)則，可以生成不同長(zhǎng)度的Sesson分析模型（見圖4-14）含多種度量Sesson訪問(wèn)質(zhì)量的指標(biāo)，包括訪問(wèn)次數(shù)、人均訪問(wèn)次數(shù)、總訪問(wèn)時(shí)長(zhǎng)、單次訪問(wèn)時(shí)長(zhǎng)、單次訪問(wèn)深度、跳出次數(shù)、跳出率、退出次數(shù)、退出率、人均訪問(wèn)時(shí)長(zhǎng)、總頁(yè)面停留時(shí)長(zhǎng)、平均頁(yè)面停留時(shí)長(zhǎng)。圖4-14Session不同于事件分析，SessionSession渠道來(lái)源分組：用以區(qū)分每次訪問(wèn)的渠道來(lái)源，僅適用于Web/H5/小程5訪問(wèn)時(shí)長(zhǎng)：按照0-3secs3-10secs10-30secs30-60secs1-3mins，3-10mins，10-30mins，30-60mins，1hour以上的區(qū)間進(jìn)行劃分，統(tǒng)同事件分析類似，Session支持多用戶分群之間的橫向?qū)Ρ?。同時(shí)在Session分析中，還支持按照日、周、|APP留存分析模型是一種衡量用戶健康度/參與度的方法，超越下載量、DAU等指作為一個(gè)社交APP，在注冊(cè)后不添加好友和添加10個(gè)好友的用戶后續(xù)留存留存分析模型（見圖4-5）支持條件過(guò)濾和多人群的對(duì)比分析，支持對(duì)全量數(shù)據(jù)隨機(jī)抽樣計(jì)算。同時(shí)我們還可以通過(guò)留存分析判斷新用戶在幾天、幾周、幾月后是否愿意回來(lái)使用你的功能，還可自定義初始行為和結(jié)束行為進(jìn)行功能留存分析。圖4-15|在做運(yùn)營(yíng)活動(dòng)時(shí)，我們可能會(huì)在產(chǎn)品內(nèi)的多個(gè)運(yùn)營(yíng)位上投放活動(dòng)素材，試圖在用戶與產(chǎn)品交互過(guò)程中的各個(gè)觸點(diǎn)上，吸引用戶的注意力，引導(dǎo)流量走向和用戶行為，促成最終轉(zhuǎn)化。此外，用戶本身可能還會(huì)通過(guò)搜索、內(nèi)容推薦等觸點(diǎn)獲取信息，這些觸點(diǎn)對(duì)用戶是否能達(dá)成轉(zhuǎn)化也發(fā)揮著重要作用。也就是說(shuō)，在用戶轉(zhuǎn)化路徑上，站內(nèi)的眾多觸點(diǎn)都參與了對(duì)用戶的勸說(shuō)和引別貢獻(xiàn)了多大力量，是否都如運(yùn)營(yíng)人員所預(yù)期的那樣，具有優(yōu)秀的轉(zhuǎn)化能力；亦或者，存在被低估的情況？在之后的運(yùn)營(yíng)中，該如何調(diào)整對(duì)各運(yùn)營(yíng)位資源投入的權(quán)重分配？型有以下五種（見圖4-16）：圖4-16易觀方舟51001004020%；通過(guò)易觀方舟歸因分析模型（見圖4-17），只需簡(jiǎn)單五步設(shè)置（定義目標(biāo)事圖4-17|熱圖分析模型能夠用熱譜圖直觀呈現(xiàn)用戶在網(wǎng)站、H5頁(yè)面、APP上的點(diǎn)4點(diǎn)擊位置熱圖（4-18），用于展示用戶在網(wǎng)站上所有點(diǎn)擊的位置，聚CTA的內(nèi)容？是否圖4-18點(diǎn)擊元素?zé)釄D（4-19），展示可交互元素的點(diǎn)擊情況。用于分析：具圖4-19瀏覽深度線（見圖4-20），展示用戶抵達(dá)某個(gè)區(qū)域的留存比例。百分比越低，越少用戶能夠看到這一位置。通常用于尋找CTA的最佳位置和內(nèi)容營(yíng)銷轉(zhuǎn)換圖4-20注意力熱圖（見圖4-21），展示用戶在某個(gè)區(qū)域停留的時(shí)長(zhǎng)，停留時(shí)間越圖4-21Web的點(diǎn)擊位置熱圖、點(diǎn)擊元素?zé)釄D、瀏覽深度線，APP素?zé)釄D（點(diǎn)此免費(fèi)體驗(yàn)11大數(shù)據(jù)分析模型）。|分布分析（見圖422）主要能夠提供「維度指標(biāo)化」之后的數(shù)據(jù)分解能力，將原有維度按照一定的數(shù)值區(qū)間進(jìn)行維度劃分，進(jìn)而分析每個(gè)維度區(qū)間的分布情況，在以下分析場(chǎng)景中十分常見：分析訂單的金額分布、分析某類特殊事件的發(fā)生時(shí)段分布、分析某類特殊事件的發(fā)生次數(shù)分布、分析觸發(fā)某類事件的用戶年齡分布。圖4-22由此可見，分布分析主要針對(duì)的是數(shù)值型和日期型這兩類屬性，如金額、年齡、時(shí)間、頻次，因此當(dāng)用戶打點(diǎn)上傳的數(shù)據(jù)中包括這兩類屬性時(shí)，那么在日常的分析中就有可能會(huì)使用分布分析來(lái)解決一些特定問(wèn)題。常用指標(biāo)有：X分布、XXXY|間隔分析（見圖4-23），主要用于統(tǒng)計(jì)用戶從觸發(fā)指定的起始事件開始到完圖4-23我們?cè)陉P(guān)注轉(zhuǎn)化結(jié)果和影響結(jié)果維度的同時(shí)，也需要關(guān)注轉(zhuǎn)化過(guò)程中的效率指標(biāo)，例如：對(duì)金融理財(cái)類App而言，從落地頁(yè)引流到首次入金，中間涉及的轉(zhuǎn)化環(huán)節(jié)很多，除了最終轉(zhuǎn)化率之外，需要關(guān)注核心步驟之間的轉(zhuǎn)化效率，尤其是注冊(cè)、綁卡等幾個(gè)環(huán)節(jié)。|漏斗分析（見圖4-24），是分析用戶使用某項(xiàng)業(yè)務(wù)時(shí)，經(jīng)過(guò)一系列步驟轉(zhuǎn)化圖4-24|通過(guò)易觀方舟智能路徑分析模型（見圖4-25），能夠打開用戶行為黑盒，探圖4-25對(duì)于一款A(yù)pp來(lái)講，我們可以從用戶的新增、活躍、轉(zhuǎn)化、留存等指標(biāo)，來(lái)圖4-26了解流失用戶（一個(gè)月未登錄）情況，通過(guò)易觀方舟用戶分群功能，對(duì)流失用戶進(jìn)行分群，了解用戶流失前行為以及用戶畫像，從而有針對(duì)性地開展召回活動(dòng)。ROI。留存分析：是一種衡量用戶健康度/參與度的方法，可以深入了解用戶留存和流失狀況。注冊(cè)用戶留存，根據(jù)產(chǎn)品性質(zhì)選擇留存周期，若用戶留存率較低可以通過(guò)運(yùn)營(yíng)活動(dòng)如簽到）提高用戶粘性。用戶分群：用戶分群即將用戶標(biāo)簽化，把具有相同特征/行為的用戶進(jìn)行聚類，是精細(xì)化運(yùn)營(yíng)的基礎(chǔ)。對(duì)于產(chǎn)品人員來(lái)說(shuō)，無(wú)論是在早期驗(yàn)證MVP（MinimumViableProduct，如短信通道，下發(fā)短信是否收到驗(yàn)證碼、產(chǎn)品是否出現(xiàn)bug導(dǎo)致用戶注冊(cè)失敗對(duì)于線上產(chǎn)品，產(chǎn)品迭代優(yōu)化可以拆解成3部分：流量分發(fā)、內(nèi)容建設(shè)和業(yè)務(wù)達(dá)成（見圖5-1）。圖5-13第二種是最可惜的一種，進(jìn)入業(yè)務(wù)流程，但未達(dá)成也未退出，跑別的地方去了。比如在結(jié)算頁(yè)，有一個(gè)特別吸引人的推薦位，跟用戶正在購(gòu)買的東西高度交叉，人就被吸引到其他頁(yè)面了。我們發(fā)現(xiàn)調(diào)整前后一周，從瀏覽頁(yè)面到支付成功的數(shù)據(jù)沒(méi)有很大的變化，只是常規(guī)的波動(dòng)。但是用這個(gè)數(shù)據(jù)去驗(yàn)證購(gòu)物車改購(gòu)物袋的效果合適嗎？其實(shí)不太合適。我們找了另外一組數(shù)據(jù)，從瀏覽商品詳情到放入購(gòu)物袋，調(diào)整后數(shù)據(jù)相比調(diào)整前是有提升的，證明有些消費(fèi)者是真的被打動(dòng)了。將這兩個(gè)數(shù)據(jù)結(jié)合（見圖5-2），我們發(fā)現(xiàn)加入購(gòu)物車不支付的用戶因?yàn)檫@一改動(dòng)反而增多了，加入購(gòu)物車和支付行為并沒(méi)有直接關(guān)系。5-2我們給加入購(gòu)物袋超過(guò)7天未支付的用戶發(fā)信息詢問(wèn)是否愿意把這個(gè)東西轉(zhuǎn)定義，對(duì)用戶不同行為開展不同運(yùn)營(yíng)，使得后續(xù)整體復(fù)購(gòu)率提升16%左右。送合適的內(nèi)容”是我們的目標(biāo)，如果用戶點(diǎn)擊消息后完成轉(zhuǎn)化行為，以上“4上面提到的幾種情況，雖然我們最后的運(yùn)營(yíng)目標(biāo)一致，但用戶路徑卻極為復(fù)雜。要做好精細(xì)化運(yùn)營(yíng)，除了完備合理的策略規(guī)劃外，準(zhǔn)確、及時(shí)的策略執(zhí)行及同步的效果監(jiān)測(cè)與分析也至關(guān)重要。前者是運(yùn)營(yíng)人員思維能力的核心展現(xiàn)，后者如果完全依靠人力執(zhí)行，則需付出大量的時(shí)間與精力，疏漏難免的同時(shí)，也大大影響了運(yùn)營(yíng)人員在策略制定與完善方面的效率。運(yùn)營(yíng)人員的工作流程問(wèn)題，特別設(shè)置了Workflow（點(diǎn)此免費(fèi)體驗(yàn)易觀方舟Workflow功能）這一解決方案。Workflow（自動(dòng)化工作流）作為復(fù)雜運(yùn)營(yíng)策略的精確執(zhí)行者，可以將復(fù)雜、借助Workflow功能，可以幫助我們管理用戶生命周期的各個(gè)階段（見圖5-動(dòng)。因此需要使用Workflow來(lái)設(shè)計(jì)更加復(fù)雜和多面的用戶運(yùn)營(yíng)策略。5-3借助于Workflow（見圖5-4），企業(yè)運(yùn)營(yíng)人員還能進(jìn)一步將已經(jīng)驗(yàn)證有效圖5-4Workflow設(shè)計(jì)的核心要素，Workflow的設(shè)計(jì)也同樣遵循了易用性原則（見圖5-5）。圖5-5易觀方舟Workflow工作流程Workflow內(nèi)置了豐富的組件，通過(guò)組件間的組合，可以滿足大多數(shù)用戶運(yùn)營(yíng)品內(nèi)將它們分成了3部分，分別是用戶類組件、觸達(dá)通道類組件及條件判斷類組Workflow的設(shè)置。行”或“串行”兩種手段（見圖5-6和圖5-7），從而保證目標(biāo)觸達(dá)率的實(shí)現(xiàn)。5-65-7某電商App想在用戶提交訂單20分鐘后，對(duì)未支付訂單進(jìn)行Push推配置示例（見圖5-8）：圖5-8Workflow活動(dòng)示例5為30分鐘，本次設(shè)置時(shí)間為20分鐘，即用戶在未支付訂單后20分鐘觸發(fā)后續(xù)Push推送，即分群用戶觸發(fā)【提交訂單】事件，20分鐘以后進(jìn)入后續(xù)節(jié)點(diǎn)。設(shè)置后續(xù)觸發(fā)事件，20分鐘以后如果沒(méi)有觸發(fā)【支設(shè)置Push消息，從觸達(dá)通道類組件中拖拽，配置Push的標(biāo)題和消息內(nèi)容，即分群用戶觸發(fā)【提交訂單】事件，20分鐘以后如果沒(méi)有觸發(fā)【支付訂單事件】就觸發(fā)該P(yáng)ush。作為易觀方舟智能運(yùn)營(yíng)產(chǎn)品的重要功能——Workfow，它是數(shù)據(jù)賦能企業(yè)運(yùn)營(yíng)、提升運(yùn)營(yíng)人員創(chuàng)造能力的關(guān)鍵。以簡(jiǎn)便的操作，實(shí)現(xiàn)復(fù)雜的運(yùn)營(yíng)策略，幫助企業(yè)實(shí)現(xiàn)精細(xì)運(yùn)營(yíng)和精益成長(zhǎng)。觀方舟客戶某智能健康硬件廠商的用戶次月留存數(shù)據(jù)為例（見圖5-9），可以清晰地看到，當(dāng)用戶同步14次數(shù)據(jù)后，留存率明顯提升，實(shí)現(xiàn)了由量到質(zhì)的飛5-9行為（同步數(shù)據(jù)）+數(shù)字（14），是促成這次量質(zhì)轉(zhuǎn)換的關(guān)鍵節(jié)點(diǎn)。其對(duì)Facebook來(lái)說(shuō)，一個(gè)用戶如果在注冊(cè)的前10天就添加了7個(gè)好友，Twitter30Snap的用戶，如果在一周內(nèi)發(fā)送超過(guò)2000條消息時(shí)，他就離不開這個(gè)聊生鮮電商領(lǐng)域，當(dāng)用戶在前三月下單3-5次，或者半年內(nèi)下單6-10|提升留存量質(zhì)轉(zhuǎn)換點(diǎn)6步法如何尋找高留存量質(zhì)轉(zhuǎn)換點(diǎn)呢？易觀方舟總結(jié)了高留存量質(zhì)轉(zhuǎn)換點(diǎn)的66驗(yàn)達(dá)到一定的次數(shù)才能強(qiáng)化對(duì)產(chǎn)品價(jià)值的認(rèn)識(shí)；中期階段：習(xí)慣養(yǎng)成的心理學(xué)，核心任務(wù)是讓使用產(chǎn)品成為一種習(xí)慣；長(zhǎng)期階段：確保產(chǎn)品繼續(xù)為用戶帶來(lái)更大價(jià)值，升級(jí)現(xiàn)有功能或者推出全新功能），相應(yīng)對(duì)未達(dá)到量質(zhì)轉(zhuǎn)換點(diǎn)的用戶細(xì)分分群，制定相應(yīng)的觸達(dá)方案，并閉環(huán)追蹤評(píng)估效果。5-10以某商業(yè)綜合體App為例，要如何尋找高留存量質(zhì)轉(zhuǎn)換點(diǎn)、以及促使非高留銷、線上積分兌換和自助上傳積分（見圖5-11）。核心事件并不是僅僅是使用戶5-11就簽到這一行為而言，3月份新注冊(cè)用戶當(dāng)月簽到7次的用戶群，后期兩個(gè)月的留存是最高的；3月份新注冊(cè)用戶且支付過(guò)2次的用戶群，后期留存也較好；3月份新注冊(cè)且核銷過(guò)2次的用戶群，留存也較高。然后，通過(guò)綜合對(duì)比（見圖5-12），雖然3月新注冊(cè)簽到7次（藍(lán)色線條）的后期留存較高，但3月注冊(cè)消耗積分3（橙色線條）的用戶在長(zhǎng)遠(yuǎn)留存上更穩(wěn)定?？紤]到事件的具體性質(zhì)，我們建議客戶同時(shí)將「注冊(cè)首月簽到3圖5-123例如，我們通過(guò)啟動(dòng)時(shí)間段分析，發(fā)現(xiàn)「注冊(cè)首月簽到7次」的用戶組更喜歡在上午9點(diǎn)、10點(diǎn)和下午6點(diǎn)、7點(diǎn)簽到（見圖5-13）?？蓢L試對(duì)首月注冊(cè)且當(dāng)天未簽到的用戶在晚上8點(diǎn)推送簽到提醒，讓新用戶養(yǎng)成簽到習(xí)慣。5-137例如，我們對(duì)「注冊(cè)首月消耗積分3次」的用戶群進(jìn)行消耗方式分析，發(fā)現(xiàn)例如，我們對(duì)「注冊(cè)首月消耗積分3隔時(shí)長(zhǎng)分析，發(fā)現(xiàn)高留存組用戶再一次消耗積分的間隔時(shí)長(zhǎng)中位數(shù)大致為天?？蓢L試將3天作為時(shí)間節(jié)點(diǎn)，在新用戶首次消耗積分后3天內(nèi)無(wú)消耗行為用戶的運(yùn)營(yíng)策略（見圖5-14），我們要考慮用什么樣的方式、給什么樣的人、在圖5-14運(yùn)營(yíng)策略。例如，將新注冊(cè)用戶在30天內(nèi)簽到滿7次作為新手任務(wù)，任務(wù)完成2008年成立，至今已走過(guò)13個(gè)年頭的幸福西餅，已經(jīng)成為一家由數(shù)據(jù)和技目前，幸福西餅已擁有超1500萬(wàn)社交媒體粉絲，為超2億人次提供優(yōu)質(zhì)烘「幸福西餅GO」大幅提升了產(chǎn)品的精準(zhǔn)分析，以及用戶的精準(zhǔn)觸達(dá)等數(shù)據(jù)化運(yùn)營(yíng)「幸福西餅GO」小程序運(yùn)營(yíng)最重要的是如何提升轉(zhuǎn)化效能。彈窗是小程序轉(zhuǎn)6-1要想提升小程序的GMV，充值用戶數(shù)的提升是非常重要的一環(huán)，一是需要考察，幸福西餅制定相匹配的運(yùn)營(yíng)策略（見圖6-2）。圖通過(guò)易觀方舟私域運(yùn)營(yíng)的WorkFlow功能（見圖6-3），幸福西餅可以提前圖6-3WorkFlow功能示例進(jìn)一步調(diào)優(yōu)以找到最優(yōu)充值用戶轉(zhuǎn)化方案。經(jīng)過(guò)不斷