关注微信公众号：木木自由，更多产品、运营与数据分析干货以及经验分享文末领取对比思维、数据分析指南、指标搭建案例、数据思维资料

什么是运营分析

为什么很多人会对运营数据分析有疑问呢？

很大的原因是因为他们根本就不知道运营究竟是干嘛的。

“运营”这个词本身非常模糊。有很多人说运营是打杂的岗位，因为运营需要做活动、配链接、投广告，还要通过渠道来拉流量，好像什么都跟运营有点关系。

(资料图片)

如果运营的定位不确定清楚，那么运营数据分析就更说不清楚了。

那么，运营究竟是做什么的呢？

在之前的一篇文章中，我提到

业务的定义是给定一个输入，经过我的业务模型运转之后，最终输出一个有商业化价值的输出。

比如，我输入一些流量，经过我的业务模型的梳理，最终输出精准的用户人群。

这块业务在公司内可能就被称作用户运营。

运营就是把公司内的各项业务模型维持业务运转的这类人，他们的职责第一是维持运转，第二是最大化输入的投入产出比，让供给和需求达到最佳的匹配状态。

按照这个定义，我们就可以理解运营究竟是做什么的，举几个例子。

电商中的品类运营，品类运营的输入端是没有规则的各类商品，输出端是有商品分层、有侧重不同运营策略的商品。品类运营通过对商品的精细化运营，提升整体的运作效率。

再比如渠道运营。渠道运营的输入端是投放的预算。经过渠道运营的业务运作输出端是不同渠道带来的业务流量和成交。

如果我们把运营这个概念全部按照输入输出这个模型来理解，那么运营的数据分析也就好做了。

运营有输入输出和业务动作三个环节构成，所以分析的方向有这么几个：

提升输入端的质量

提高业务动作有效性

提升输出结果与业务目标的匹配度

提升输入端质量

第一个方法是提高输入端的质量。

以渠道运营为例，渠道运营的输入是投放的资源，运营的动作是精准投放，也就是对不同的渠道做针对性的投放。最终输出的结果是通过投放的动作带来的下载、使用或购买的用户。

做好渠道运营的最终目标是提高输出端的用户数量。

为了达到这个目标，我们可以在输入端提高输入端的质量。比如我们通过分析产品用户的特性，分析渠道的效率，筛选出最优质的渠道，使得我们的投放集中在更好的渠道上。

再比如用户运营，用户运营的输入端是产品的用户，输出端是将这些用户整理成为不同层次且有针对性运营动作的人群，从而提升用户总体的商业价值。

用户运营想要在输出端输出更多的优质目标用户人群，也可以从源头抓起，让最初的用户群体本身就是高质量用户。

这一点可以和渠道运营合作，用户运营通过分析用户的特征让渠道运营做更精准的渠道投放，让产品经理做更贴合目标人群的功能特性，让活动运营做更匹配的活动文案，这样就能改善产品用户的质量，提升最终输出的优质人群数。

提高业务动作有效性

第二个是提高业务动作的有效性。

以渠道运营为例，如果原本渠道投放只采用了一种文案，那么我们可以继续优化针对不同渠道的特性，设计不同的投放文案和素材，提高投放内容和渠道的匹配度，提升转化的效率。相同的曝光数量下，更精准的投放策略可以产生更多的用户群体。

用户运营也是一样，为了提升最终用户的商业价值，我们可以在业务动作的有效性上下功夫。

比如原来我们只将用户分成了新用户和老用户，然后对新老用户做不同的运营动作。这个运营动作的效率不是特别高，因为它的用户分类太粗了。最终的商业化价值也就受到了限制。为了提升最终的商业化价值，我们可以分析不同人群的商业价值，最终通过RFM模型将用户分成五到六个大类，对这不同类型的用户做针对性的运营。由于人群的分类更加精准，匹配的业务动作也就更加有效，通过运营动作的有效性提升了整体的商业价值。

提高输出端匹配度

第三个方法是提高输出端与业务需求的匹配度。

以渠道运营为例，渠道运营的最终输出是下载/成交/回流的用户。

如果公司目前追求的是产品的用户规模，那么渠道运营也要围绕着用户规模这个大的目标，找到更容易下载和留存的用户渠道和投放方式。

如果公司的大策略产生了变化，从原来追求用户规模变成了追求商业化转化。那么渠道运营如果依然沿用原来的方式输出用户，就会导致渠道运营的输出和公司大策略的目标不匹配，降低了渠道运营的价值。

这个时候，渠道运营要调整原来的运营策略，把最终的输出从“下载用户数”改成“成交用户数”。输出的形式修改了，输入端和业务动作都要改变。数据分析可以针对新的输出，分析适合“成交用户”的渠道和投放方式。

用户运营同理，如果公司目前追求的是用户规模，那么用户运营的输出结果应该是不同活跃程度的用户群体或者适合不同促活方法的人群。分类一定是围绕着提升用户留存和活跃频次的方向。

但如果公司的策略从用户规模转向了商业化变现，那么原有的那套输出实际上已经不匹配整个公司的大策略。这时在输入端或者中间的业务执行端再怎么努力，效果依然不好。这时需要改变最终的输出，转向以商业变现为目标的用户分类方法。

小结

平时我们聊运营分析的时候，往往浮在表面上。

谈论的是运营分析有哪些分析方法，比如聊到用户运营，就有这些方法：

用户画像分析

行为分析

用户留存分析

用户转化分析

用户活跃度分析

用户价值评估

用户流失分析

……

这些方法都是正确的，但是不够贴近实际，只讲方法，不讲解决的问题。

如果现在了解运营的作用，再讲运营数据分析该怎么做就会简单得多。

输入：用户运营首先要提升输入端质量，所以要先了解优质的用户数都是谁，于是就有了用户画像分析。

业务动作：运营的分层一般都是根据用户的特定行为进行划分。要区分出不同粘性的用户，就要先看留存的分布情况，做用户留存分析、活跃度分析；然后再分析不同人群的行为特点，做行为分析。这样就可以划分出不同的粘性人群，低粘性做召回，高粘性做转化。

要对低粘性做召回，需要知道流失的情况，做流失分析、行为分析，找出流失的原因。

输出：经过用户运营的业务动作，究竟有没有给业务带来价值？这可以做一个用户价值评估分析，看出不同分层的用户是否价值存在明显差异。还能看分层后整体的商业价值是否要比粗放的运营更有效。

现在你应该知道运营分析究竟该怎么做了吧。分析方法都只是浮云，知道解决了什么问题自然就知道要做什么分析了。

···

数据分析指南

数据指标建设案例

·····

····

进星球获取更多~搜素关键词“运营分析”完整资料~

在后续也会在【数据分析·领地】中，组织读书会，分享会等专项活动，读书会主要学习技术类的书籍领读，分享会主要以数据分析思维分享，案例复盘分享等~