數據化運營通常是指以企業級海量數據的存儲和分析挖掘應用為核心支持的，企業全員參與的，以精準、細分和精細化為特點的企業運營制度和戰略。起初，數據化運營，只是互聯網產品運營的一種輔助手段，隨著互聯網產品的不斷豐富，用戶規模突飛猛進，大數據的價值得以展現。如今，以數據驅動運營的方法已經成為產品運營的主流方法，也是互聯網企業常態化的制度和流程。
數據化運營思維，這聽起來非常酷，卻千頭萬緒，作為產品經理，怎樣才能快速且系統地樹立數據化運營思維呢？這是今天這篇文章討論的重點。
01
運營的焦點始終是用戶
曾經和杭州一個做代運營的朋友閒聊運營的時候，特別驚訝的發現，一個總共不超過15個人的運營團隊竟然被劃分為用戶運營、產品運營、內容運營、社區運營、活動運營、渠道運營等多個小組，每個小組有3～4人，有時還會有人被臨時抽調至其他小組做事情。
我們通過名稱大致可以瞭解每個小組的運營側重點，然而，這些各式各樣的“運營”的目的幾乎都是力求擴大產品的影響力，讓更多用戶喜歡產品。
1、用戶運營
用戶運營，其核心是圍繞著用戶的新增—留存—活躍—傳播以及用戶之間的價值供給關係建立起來一個良性的循環，持續提升各類跟用戶有關的數據，如用戶數、活躍用戶數、忠誠用戶數、用戶停留時間等。通過建立用戶分層運營體系，直接或間接與用戶建立交互，同時可以開展用戶研究。也會根據需要開展針對活躍用戶、特定群體用戶、流失用戶等的專項運營。
2、內容運營
內容運營，其核心要解決的問題是，圍繞著內容的生產和消費搭建起一個良性循環，持續提升各類跟內容相關的數據，如內容數量、內容瀏覽量、內容互動數、內容傳播數等。內容運營人員撰寫文稿或挖掘用戶產生的內容，整理成一篇篇的熱文，通過官方媒體（如資訊平臺、微信公眾號、微博等）推出，吸引用戶自發傳播，在激發用戶活躍度的同時將一定數量的潛在用戶引入產品。
3、活動運營
活動運營，其核心就是圍繞著一個或一系列活動的策劃、資源確認、宣傳推廣、效果評估等一系列流程做好全流程的項目推進、進度管理和執行落地。一個活動運營，必須事先明確活動的目標，並持續跟蹤活動過程中的相關數據，做好活動效果的評估。通過策劃有趣的活動吸引新老用戶積極參與、分享，拉動產品增長。參與運營活動的用戶通常能夠獲得特別的獎勵，如額外的積分、優惠券、免費的增值服務以及實物獎品。
4、產品運營
產品運營，其實要做的事情，就是通過一系列各式各樣的運營手段（比如活動策劃、內外部資源拓展和對接、優化產品方案、內容組織等），去拉昇某個產品的特定數據，如裝機量、註冊量、用戶訪問深度、用戶訪問頻次、用戶關係對數量、發帖量等。
不難發現，各運營最終都避免不了跟用戶打交道，即便是看似與用戶無關的渠道運營，也必須要通過用戶在各渠道中的響應來體現運營的價值。這樣劃分運營小組確實能夠起到明確分工、提高專注度和工作效率的效果，然而也會引發資源重複消耗和重複運營的偶然事件。
有一天，我收到滴滴公司的一條運營短信“2元購買包月卡”，由於我是滴滴的高頻用戶，因此萌生了“薅羊毛”的心理，毫不猶豫地點擊短信中的鏈接並付費購買。為這次的“佔小便宜”沾沾自喜了幾天，直到幾天後又收到滴滴公司的另一條運營短信“聯通用戶免費領取包月卡”，而再次領取的月卡與之前購買的月卡存在時間上的重合，不能夠延長有效期。瞬間感到交了“智商稅”——儘管只有2元錢。
顯然，前一條短信是針對全體活躍用戶做的運營，而後一條則是滴滴公司與中國聯通合作開展的針對聯通用戶的運營，但我均被命中。後來的一條短信，顯然其運營效果必然會大打折扣，造成運營資源的浪費。鑑於此，我們可以預見，無論哪個方向的用戶產品運營都應該以用戶為焦點，數據化運營中幾乎所有數據均產生自用戶行為，假如以數據驅動運營的方法，必然會避免這些資源的浪費。
認清這一點，是樹立數據化運營思維的關鍵。
02
理解用戶數據的六步循環
當把一切運營都聚焦在產品的用戶上時，我們就會自然而然地執行類似這樣的流程：
- 通過產品中的數據機制捕捉用戶行為，發現用戶的潛在需求
- 針對潛在需求制定並實施產品運營方案
- 對比方案實施前後的數據，評估用戶反饋和運營效果
這個流程始於數據，也終於數據，而一輪運營的結果數據又會成為下一輪運營的初始數據，這是一個循環過程，也是數據化運營的整體形態。將這一形態以數據微觀視角審視，則展開為用戶數據依次經歷產生、收集、處理、呈現、分析、沉澱的循環過程（也稱為數據化運營生命週期）。
1、產生，數據從無到有
對於以用戶為焦點的數據化運營而言，用戶與產品的交互行為是數據產生的前提。如用戶在應用商店中下載和評論產品，會產生渠道數據；用戶運行產品程序，會產生各種日誌數據；用戶登錄產品、單擊功能中的熱點區域等，會產生具有廣泛用途的用戶行為數據；用戶購買增值服務，會產生收入相關的數據。
2、收集，將產生的數據由物理世界引入計算機世界
數據產生自瞬間，需要通過各種手段把它們及時收集起來才能成為對我們有用的數據。這一步很容易使我們聯想到數據產品體系中的採集層，實際上，用戶產品的數據收集工作通常會在技術上與數據產品體系中的數據採集組件對接。
3、處理，原始數據進行規範化、邏輯化處理
用戶產品的數據處理通常也是通過數據產品體系的處理層，結合用戶產品的規範與邏輯實現的。· 呈現，以友好的形式展示數據，便於我們進一步分析。呈現也意味著數據能夠被我們直觀地獲取，這就需要借力於數據應用層的各種數據產品，如報表平臺、用戶分析平臺。
4、分析，對數據進行全面解讀和分析
數據分析一般會被認為是數據化運營最關鍵也是最具技術含量的一步，這也是為什麼很多團隊會設立專職數據分析師的原因之一。除了由人對數據進行分析，隨著數據量級的增長和人工智能技術的發展，機器學習在數據分析中也發揮著日益重要的作用。
5、沉澱，將數據的成果落地到實際中
通過分析數據，將挖掘到的信息與產品現狀結合，落實為產品及運營方案，進而促進產品的綜合增長。經歷這樣一輪循環，數據轉化為產品的優化策略或運營方案，對產品產生了實質性影響。這些影響是正面的還是負面的，對產品的提升是否符合預期，有沒有新的問題浮現，是否還存在進一步提升的可能性等問題就需要投入下一輪的循環過程來求證和解決。
03
明確數據化運營與數據產品體系的關係
也許你會覺得，數據化運營生命週期與數據產品體系非常相似。這是因為，在實踐中，用戶數據的六步循環會以數據產品體系的四級層次為支撐，然而二者是兩個彼此獨立的理論模型。無論是在概念上，還是在實踐應用中，二者均不可混淆。與此同時，前者為用戶產品提供了一種運營規範，而後者則主導了數據產品的構建、實施和運作。
作者：大師兄 幫助對數據感興趣的夥伴們明確學習方向、精準提升技能。在這片數據人的自留地，讓我們一起探索數據領域的神奇奧秘。
閱讀更多 ToB運營 的文章
