來源於公眾號消費金融風控聯盟，ID;xiaojinfengkong
運營與數據分析就像工作中的兩個半圓，只有將其拼合在一起才是完美的方案。
B端+C端運營思維結合是未來趨勢，兩者彼此借鑑，根據產品的特徵對運營思維進行改良，做一些微創新，才能更好的迎接時代變化。
用戶運營未來的核心價值並不是能帶來多少用戶數量的增長，而是如何為企業帶來營收的增長。
- 企業方面，選擇用戶運營的時，首先要看他是否有全局觀，既能觸類旁通又能迅速切換思維；
- 其次要看他是否有自成一套的運營方法論，並且可以結合已有的模型進行微創新，最終形成可變現的運營策略落地執行；
- 最後，要看是否有從0到1的經歷，以及是否操盤過高日活/月活的產品。
一、觸達之道
篩選出目標用戶之後，運營要思考的是如何讓用戶與產品產生交互，剛有提到觸達，常用喚醒沉默用戶的觸達方式有：
1. Push/站內消息
push/消息是最常見的一種喚醒用戶很有效的方式，之前APP的產品數量沒有現在這麼多，營銷推送也沒有使用的如此頻繁。Push的用戶打開率相對較高，現在諸多push（營銷類）打開率能到2%已經是不錯的產品。
2. 短信
運營有三寶：push、短信和紅包，短信是很常用的一種方式，相比起push跟站
內信，短信觸達率，打開率，轉化率要高一些。但有一定的成本，因此現在大多數產品都會使用短信喚醒或用戶。
3. EDM
海外產品可以使用郵箱，國內由於用戶使用習慣的原因，EDM打開率、轉化率都很低，不建議單獨使用。
4. 電話回訪（慎用）
電話回訪一般用於B端產品重要客戶召回時候使用，人力成本高，客服溝通技巧不當會引發用戶反感以及投訴，因此C端產品沉默用戶喚醒須慎用。
5. 利益點（紅包/優惠券/禮品）
利益點是刺激用戶消費最簡單直接的方式，轉化較高，大多是與活動結合在一起。在新產品推廣初期，拉新，喚沉都會使用這種方式，比如發紅包、優惠券補貼這些，滴滴、餓了麼、O2O的產品當年都是採用利益點刺激的方式。
但在現在的互聯網環境下，對營收沒有增長的優惠儘量不做，因此利益點喚醒的時候要注意計算損失的毛利與收益增長之間的平衡關係，應該避免出現負毛利。
二、精準分析之道
數據對運營有很大的指導意義，通過數據分析可以更加精準的制定修改方案，但是如何進行數據分析?具體分析流程是什麼？
1 日常性數據分析
1. 流量相關數據：IP丶PV丶在線時間丶老用戶比例丶新用戶比例。
2. 訂單相關數據：總訂單丶有效訂單丶訂單有效率丶總銷售額丶客單價丶毛利率。
3. 轉化率相關數據：下單轉化率丶付款轉化率。
2 每週數據分析
用戶下單和付款不一定會在同一天完成，但一週的數據相對是精準的，所以我們把每週數據作為比對的參考對象，主要的用途在於，比對上週與上上週數據間的差別，運營做了某方面的工作，產品做出了某種調整，相對應的數據也會有一定的變化，如果沒有提高，說明方法有問題或者本身的問題並在與此。
3. 網站數據
IP丶PV丶平均瀏覽頁數丶在線時間丶訪問深度比率丶訪問時間比率。這是最基本的，每項數據提高都不容易，這意味著要不斷改進每一個發現問題的細節，需要不斷去完善購物體驗。
4. 運營數據
總訂單丶有效訂單丶訂單有效率丶總銷售額丶客單價丶毛利潤丶毛利率丶下單轉化率丶付款轉化率丶退貨;每日數據彙總，每週的數據一定是穩定的，主要比對於上上週的數據，重點分析內部的工作，如產品引導丶定價策略丶促銷策略丶包郵策略等。
分析時大家思考三個問題：
對比數據，為什麼訂單數減少了?但銷售額增加了?這是否是好事?
對比數據，為什麼客單價提高了?但利潤率降低了?這是否是好事?
對比數據，能否做到：銷售額增長，利潤率提高，訂單數增加?
5. 用戶分析
會員分析數據：會員總數丶所有會員購物比率(新會員，老會員)
會員復購率
轉化率
6. 流量來源分析
流量分析是為運營和推广部門指導發展方向的，除了關注轉化率，還有像瀏覽頁數丶在線時間，訪問深度等都是評估渠道價值的指標。
7. 內容分析
主要的兩項指標：首頁裝修和寶貝詳情頁的購買率。
查看哪款產品的銷售差，哪個產品的銷售好，基本會說明有些問題，然後全體團隊重點討論，發現問題，給出意見，然後依次進行改進。
首頁肯定要與熱點內容相符合，學會看新聞，學會看天氣，分析消費者最關注什麼，喜歡什麼產品丶查看同行店鋪的促銷手段極其裝修等等，從他人處學到精華，學會應用。
8. 業務報告
業務報告是業務人員通過對大量數據的收集和分析，結合自身對業務的理解，說明現有業務的優勢與不足，並提出對於業務的合理優化建議，以期指導業務良性發展。業務報告不同於單純的數據報告，業務報告不可只是簡單的羅列數據，更多地還需要做到以下三點：
a.對業務的改進優化；
b.幫助業務發現機會；
c.創造新的商業價值。
上例就是從日常數據中發現了一定規律，並對消費者的生活、購物習慣做出了合理推測，提出了業務優化建議併成功地獲得了業務的增長。
業務數據報告常用思維
以上是對業務數據報告的定義和簡單舉例，那麼我們可以從什麼角度來挖掘業務數據、優化現有業務呢？下面是四個常見的數據分析思路。
a.對比——對比分析就是把數據放在一個合理的參考系中，通過對比來說明問題。
一項業務有銷售總額、UV、轉化率等等指標，這些指標可以在一定程度上說明業務的進展情況，但是單獨的指標過於片面，缺乏實際性的指導意義。
例如一個電商banner廣告圖某天的點擊率是5%，我們並不能立即判斷出這個廣告圖的文案、引流商品、色調、風格等是否成功，而如果可以與相同位置其他時間的廣告圖來作對比，我們則能發現更多問題。
除此之外，可以對比的維度還有性別、年齡、地區、省份等等，以地區舉例，我們可以統計連衣裙這一類目在不同區域（華北、華中、華南、華西、華東）的訂單佔比，從而得出連衣裙在XX地區更受歡迎（尤其是在換季季節）的結論，再回到業務中去調整連衣裙在不同區域用戶中的曝光程度，讓流量能夠更加有效地利用起來，提升業績。
還有一項運用到對比思維的就是A/B test，比如測試產品改版的效果時，可以把用戶質量均勻地分成兩組來分別體驗未改版和改版後，通過兩組用戶的數據反饋來判斷產品改版是否成功。
b. 轉化
業務都是由層層的轉化得來的，我們做業務分析時要先梳理整個業務流程，把每個環節列清楚，然後計算分析各個環節的轉化率，思考如何提高每個環節的轉化率。
曝光UV→點擊UV→（店鋪點擊UV）→商詳UV→下單人數→支付人數
梳理好以上流程後，我們需要計算：曝光點擊率、商詳到達率、下單轉化率、支付轉化率等，再將各個環節的轉化率與其他活動頁的轉化率作對比，或是與這個活動頁前三日日均轉化率作對比，看數據是否偏高或偏低。如果一個頁面的曝光UV低，可以考慮增加在站外的流量投放以及在站內申請更多資源。如果點擊率低，則可能是因為文案太弱、廣告圖不夠吸引用戶、或是資源本身質量較差等原因。
如果一個頁面的商詳到達率低，則應該考慮頁面結構是否合適、商品是否符合用戶喜好等，可根據數據反饋及時替換點擊效果差的商品，如果商詳到達率隨著時間的推移呈現逐漸減弱的趨勢，則應尋找一定的規律定期更換頁面的商品排序。如果商品的購買轉化率低，則應該考慮商詳頁是否有可優化的空間，如在商詳頁主圖下方增加促銷氛圍圖，在商品信息位置增加促銷說明等。還有商品的付款率，如果低於正常值，建議賣家催單。
說到轉化，不得不提一下最近很火的抖音。這款app的路徑簡直是不能再短，打開app即可看到視頻，不用讓用戶陷入點擊點擊再點擊，才能找到自己想要的東西的糾結中。
c.公式
業務除了可以按轉化流程進行拆分，還可以從公式的角度來進行指標拆分。我們都知道，銷售總額=客單價*用戶數。所以，我們想要業績得到增長的話，
- 從每一個用戶身上得到更多的收益。
淘寶的聚划算，拼多多的拼團商品等，都是可以提升用戶數的玩法；滿減、買送、滿件折、滿一定金額後可參與抽獎等等，這些則是可以提升客單價的營銷方法。最終核心的業務指標，都可以通過合理拆分、分頭擊破來實現。
d. 分類分析
分類分析是一個非常重要的手段，電商中常見的分類分析思路就是拆分類目。
平臺的銷售總額可以拆分成各一級類目的銷售總額，一級類目再拆成二級類目，二級類目再拆分到店鋪。
數據對業務有很大的指導意義，但當缺乏數據，或是數據在現階段並不具有足夠的參考價值時，我們也應該發揮自己的創新思維，不可畏首畏尾、不敢做出判斷。
