放大招,数据运营全流程SOP

大数据 数据分析
用户需求是客观存在的,最大难题是如何收集数据,了解到用户需求。有些人会说:这还不简单,直接让用户填问卷不就好了。问题是,你自己去买东西的时候会填问卷吗,填个屁。用户都是不想被过度打扰的,因此设计顾客旅程,分步骤引导用户留下数据,很重要。

一提到数据运营,很多同学很疑惑。在公司里,经常领导们对数据运营抱了很高期望,一张嘴:“数据驱动运营”,“降本增效”之类的口号都出来了,可真到工作中,就变成了“写sql的运营”。到底咋驱动了?咋提高效率了?看不到落地成果。

今天系统讲解下,数据运营体系该如何运作。

一、什么是数据运营

作为消费者,你是否经常遇到这种场景(如下图):

图片图片

这就是没有数据运营的典型尴尬:丫还真以为全世界都一样为他们家店开心呢!数据运营就是要解决“一刀切”“降价就完了”的问题。数据运营的做法,是:基于数据分析,结合用户需求,打造匹配用户的运营方案。

一提到“结合用户需求”,很多人会顺口说出“千人千面”。如果是垄断平台,确实可以这么说,比如某宝的商品SKU多达2亿个,基于2亿个SKU打造1000个个性化方案确实有可能。不过大部分非垄断企业,商品SKU一共500个左右,且不是个个爆款,有竞争力的也有十几二十款,扯毛线的“千人千面”……

所以再准确一点的定义,是:通过数据分析,基于有限的商品(或者叫:解决方案),匹配对应的用户需求。能做好现有品类的经营,已经是数据运营的一大功劳了。

那么该怎么做呢?

二、三大核心问题

既然是拿有限的解决方案,匹配用户需求,那么数据运营要分析的重点就是三个:

1、用户的需求是什么?

2、现有的商品/解决方案质量如何?

3、通过什么方式匹配到用户?

图片图片

问题1:用户需求

用户需求是客观存在的,最大难题是如何收集数据,了解到用户需求。有些人会说:这还不简单,直接让用户填问卷不就好了。问题是,你自己去买东西的时候会填问卷吗,填个屁。用户都是不想被过度打扰的,因此设计顾客旅程,分步骤引导用户留下数据,很重要。

在顾客旅程的设计中,首次接触,首次下单是两个最重要的场景。首次接触如果是顾客主动找上门来,成交率很高,可以抓住机会了解用户需求;如果是被动推送给顾客,则要挑有吸引力的爆款商品/活动,提高吸引顾客的概率(如下图)。

图片图片

有了首次下单以后,就解决了数据原始积累问题。考虑到企业手头能吸引用户的商品数量是有限的,因此可以结合首单,做好后续推荐方案,轮流推荐给用户,探索其需求(如下图)。

图片图片

总之,好的数据不是天上掉下来的,而是结合运营动作积累出来的。运营侧目标清晰地步步引导,数据就越来越丰富,分析就越来越准。运营侧不干活,运营侧一干活就是:“全场8折,走过路过不要错过”式的无脑all in,那数据就一塌糊涂,没法继续深入。

问题2:商品质量

商品/解决方案质量,需注意区分“硬/软”区别。

硬实力:刨除营销、服务、定价,商品本身性能、质量、成本

软实力:营销、服务、定价加持后,商品实际表现

硬实力根本不用数据分析师分析,而是商品管理在选品的时候,就得注意到的。待选择的商品,性能、质量、成本和市场上同类商品有多大区别,商品管理自己都能看得到。至于单品成本,也是在采购商品时就能核算清楚的,因此商品本身就有定位(如下图)。

图片图片

有了硬实力评估以后,运营才好制定策略。基于硬实力评估,有一些基本运营策略(如下图)。

图片图片

有了基本的运营策略,数据就能评估实际表现。一个商品如果没有达到预期,那么即使有一些销量,有一些利润,也会被认为是失败的商品,需要优化更新。如果是常规套路做不动,优先提醒商品做改良;如果是差异套路做不动,或者差异套路搞下来亏损严重,而提醒运营停止骚套路,老老实实做。

很多公司做不好,是因为:缺少对商品硬质量的清晰定位,一味看销售表现,销售不好的时候,又开始各种活动加持。这样眉毛胡子一把抓,自己模糊了自己的判断。运营人员无法制定针对性方案,数据人员无法区分自然销量与活动效果,最后水越搅越浑。

问题3:触达渠道

对大部分非垄断企业来说,真正的关键在:触达用户的信息渠道。一个很现实的问题是:消费者和非垄断平台的互动太少了……消费者大部分时间贡献给了少数几个游戏、短视频、社交APP。对非垄断企业而言,想和消费者互动,手段是非常有限的。

公域:通过垄断平台推广告,成本高,没有用户积累。

私域:吸引用户加群、加企微、关注自家商城有难度,且存在感低,很容易流失。

所以,不认真考虑如何解决渠道问题,所有的画像分析、消费分析、活动推广都会失效。这是个浅显的事实。然而在实际工作中,这一点经常被忽视。企业里经常出现:“一通分析猛如虎,一看触达一点五”的问题,98.5%的用户压根不知道你的存在,分析用户画像、 RFM之类的有毛用。

因此,分析用户活跃情况,就很重要(如下图):

图片图片

在用户活跃的基础上,再对用户在不同渠道,对内容响应率进行分析,找出触达每一类用户的手段。

图片图片

三、小结

综上过程可看出,数据运营是个“干中学”的工作,只有边运营迭代,边数据校正,才能越做越好。

那些出现问题的企业,常常是把运营和数据脱离:

要么:运营干啥数据不要管,等活动做完了,变着法让数据说好,不好也得想法子说好!

要么:运营两手一摊:“我啥都不会!你要分析出来我该咋办!”而数据分析又只会:“活跃低了,要搞高!”……

责任编辑:武晓燕 来源: 接地气的陈老师
相关推荐

2023-05-13 08:59:55

2022-06-12 15:21:43

DockerLinux

2019-05-22 11:50:46

5G运营商网络

2019-05-21 14:15:07

美国5G运营商

2017-03-07 16:09:14

IBM量子计算互联网

2021-04-27 10:26:57

微软Linux桌面

2017-10-23 08:05:17

云技术

2017-07-17 09:46:32

2023-08-10 08:49:46

GoogleAI云端

2018-08-06 11:26:10

Kaggle数据集分析

2020-05-20 14:45:38

缓存MySQL数据库

2022-02-26 10:11:53

Windows 11操作系统微软

2019-04-15 15:50:05

微软杨超越编程插件

2016-11-14 10:07:19

Dynatrace

2017-10-31 10:19:15

开源

2018-07-30 09:22:13

微软 Windows 虚拟机

2015-07-16 17:08:14

零日漏洞远程执行漏洞Hacking Tea

2015-03-19 09:46:32

程序员

2017-09-28 13:44:09

高德地图

2018-03-29 11:10:15

谷歌苹果APP
点赞
收藏

51CTO技术栈公众号