巧用大数据破解运营中最大的信息不对称问题

阅读 58  ·  发布日期 2018-07-17 17:38:17  ·  伊索科技

  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。

用户数据需要多维度的组合(图片来自网络)

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。


“个像”的用户标签体系


  “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。

在各环节买点关注事件进程及转化


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。

“个数”的卸载用户流向展示


“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。