中移互联网有限公司 广东省广州市 510640
摘要:二十一世纪,人们迎来了数据爆炸的大数据时代,利用数据洞察客户已成为常态。用户增长是数据运营的重要组成部分,且与企业发展有着密切联系,所以本文就数据运营的用户增长进行研究,以供参考。
关键词:数据运营;用户增长;数据分析
1.数据分析的实际应用
数据分析在用户增长中的实际应用主要体现在用户拉新、激活留存两个方面:
1.1用户拉新
用户拉新环节的流量通常来源于付费、免费两种。付费流量,是指用钱推广而获得的流量,常见的方式有投放广告、应用市场的推广位等。免费流量,是指借助多种运营手段获取的流量,其可对用户造成刺激,使其主动进行下载及分享。
1.1.1付费流量
付费流量数据分析的重点为渠道转化分析、质量评估分析,通过有效分析,可对广告投放、付费推广的价值与效果进行有效衡量。
就渠道转化而言,其常见数据指标有:点击率、转化率。通过对该数据信息进行分析,可为用户外部转化工作提供指导作用,进一步降低成本。
就质量评估而言,其目的是明确该渠道是否值得继续投放。因企业评估渠道质量指标存在较大差异,所以需在质量评估中,企业需考虑到产品战略。常见的数据指标有:营收、流失率、留存率。
1.1.2免费流量
免费流量环节中,企业需采用运营手段获取流量。最常见的运营手段为:活动激励。在该环节的数据分析中,可将流量获取过程看作漏斗模型,以转化率、安装注册量为指标进行分析,从而了解转化过程中的障碍、问题,并基于此制定优化方案;也可借助聚类分析方法进行分析,通过考察不同用户、不同场景下的数据表现,增强拉新模式的针对性。
1.2激活留存
激活留存才是用户增长的重要环节,其可体现用户增长的意义。而在这一环节中,需提到“啊哈时刻”这一概念。啊哈时刻是指让用户感到兴奋的点,其可充分提高产品活跃度,达到促进用户留存的目的。激活留存过程中的数据分析是为了通过数据衡量用户激活效果,其数据指标包括:用户激活、短期次日留存、七天留存。在进行数据分析时,需将重点放在用户的某些行为与其留存的关系,以此了解如何引导才能使用户留存。在此方面,可基于实际情况不断设计实验,以寻找可对用户留存造成影响的关键指标,并通过实验数据清晰地看到哪些方法在APP激活与留存更具优势。
此外,企业还可借助召回用户增强用户留存率。在此方面,企业需借助数据评估用户渠道,并基于数据分析结果制定科学可行的召回体系、数据分析体系。在该过程中,需将数据化分析渗透于各个操作中,尽可能达到优化空间可视化的目的。例如在利用APP PUSH召回用户时,就需聚焦用户接收到APP PUSH后的打开率,根据打开率了解用户召回效果。
但在设计方案时需将可操作性、可行性重视起来,以确保其效用可以真正发挥出来,进一步增强用户留存率,为企业发展打下坚实基础。
2.数据分析与增长团队的OKR
OKR的全称为Objectives and Key Results,翻译过来便是目标与关键成果。其可为企业明确及跟踪目标提供保障,可为管理工作的效率、质量提升提供保障。在进行基于数据的增长团队的OKR的制定时,可按照如下三个步骤进行:
2.1建立北极星指标,准备拆解指标
北极星指标使企业产品战略有着密切联系,隶属于整个战略的核心部分。常见的北极星指标有:DAU、GMV、ARPU等。在建立好北极星指标后,需采用适合手段拆解指标,且在拆解时需尽可能详细化。因为拆解越细越具有可行性。以GMV为例,其需考虑用户新增、用户活跃度、留存复购,所以在拆解过程中,需借助模型推算该指标的实现应该做到哪种程度。但在该过程中,需确保各子指标之间不存在冲突。
2.2明确指标的拆解路径,综合评估路径的优先级
在北极星指标被拆解为小指标后,企业需采用适合手段进行路径分析,了解虽完成的工作有哪些,并对其进行优先级评估。在评估过程中,需先搞清楚哪个路径的达成难度较小、需投入多大成本、可在指标完成方面有发挥怎样的作用,从而将该工作的评估效果增强,理解工作的实际意义,确保正常工作节奏不会被打乱。
2.3确认路径方案,基于数据分析结果适当调整
在对路径方案进行充分评估及确认后,可从中选择对目标实现帮助最大的方案,并采用适合手段分析该方案的后续结果,对方案执行进行调整,以达到最大化目标。在该过程中,企业可对同比、环比增长数据进行分析、观察,以及时了解把控指标的完成度。
3.数据分析与优化用户激活
在用户激活阶段,数据分析可参与至如下几个环节:
3.1拆解产品的关键行为
穷举产品功能点,梳理可对核心指标功能使用情况造成影响的功能点,定期与功能点列出关键标比,如留存、用户付费率、复购率等。
3.2分析行为对核心指标的影响
借助以往数据对当前核心指标进行预判、假设,并在该阶段中考虑产品关键行为可涉及到的数据边界,使所有假设基于固定基石假设——探讨的大前提。
3.3拆解和优化方案路径
了解不同行为可对核心指标造成怎样的影响后,需动手对该行为路径进行拆解,并基于拆解路径选择优化方案,并通过明确优先级有效把控实验节奏。
3.4设计方案
设计方案可通过MVP模型的运用进行数据分析。因为该模型可用来验证我们的假设,避免在实践过程中,投入不必要的人力及物力。首先,可小范围的利用MVP进行假设结果的验证,若结果符合要求,可进一步扩大试验范围及规模,对假设、猜想进行验证。在试验时,我们需结合实际情况调整用户激活的定义,确保其始终在正确方向上。
3.5分析和总结经验
分析和总结是优化用户增长方案、积累经验的有效路径。所以,在完成阶段性试验后,需对试验进行复盘、分析、总结,了解结果是否与预设目标相符、实验是否具备优化空间、探索持续机制。
结语:综上所述,可以看出,在大数据时代,企业只有对数据进行深入分析,挖掘其价值并巧妙运用,才可为企业用户增长提供保障,进一步增加用户粘性,从而为企业更好的运营发展打下坚实基础。数据分析的实际应用主要体现于用户拉新、激活留存。上述就数据分析的应用进行了研究,企业可结合实际情况进行应用。如此,才可借助数据分析为用户增长提供保障,进一步增加用户粘性;才可为企业不断推出用户所喜欢的产品提供保障,满足用户的各种需求,从而进一步推动企业的运营发展。不过,数据运营涉及到较多内容,且在时代的发展下,其会越发先进,所以企业需对先进技术手段进行关注,需不断积累经验,以确保数据运营可在用户增长方面发挥效用。
参考文献
[1]唐丹. 面向移动通信网络的电信运营企业流量与收入提升研究[D]. 北京邮电大学, 2017.
[2]朱镇弢. 基于套餐数据分析的电信业务发展策略研究[D]. 中山大学, 2009.
[3]李雅筝. 在线教育平台用户持续使用意向及课程付费意愿影响因素研究[D]. 中国科学技术大学, 2016.
[4]高云. 南昌地区电力调度数据网组网研究与提升设计[D]. 南昌大学, 2015.
[5]刘劲松. 中国电信业改革重组过程中的全要素生长率增长及内外影响因素研究[D]. 北京邮电大学, 2014.
[6]丁涛. 3G时代对数据业务用户精确服务的设计与应用研究[D]. 湖南大学, 2010.