讀完這本書打通了“數(shù)據(jù)化運(yùn)營(yíng)”的任督二脈

西北望msm66g9f 2020-08-08

展開全文

一本好書會(huì)讓人有讀時(shí)恍然大悟，讀后茅塞頓開的感覺(jué)，最近我讀了《數(shù)據(jù)化運(yùn)營(yíng)：系統(tǒng)方法與實(shí)踐案例》這本書后就是這種感受，瞬間打通任督二脈，“忍無(wú)可忍”只好把讀書筆記分享一波。提前預(yù)警?。。”疚暮芨?，請(qǐng)自備茶水！

一、數(shù)據(jù)運(yùn)營(yíng)、數(shù)據(jù)分析之間的辯證關(guān)系

在說(shuō)數(shù)據(jù)運(yùn)營(yíng)之前，首先得了解運(yùn)營(yíng)是什么？從廣義來(lái)說(shuō)，一切能夠進(jìn)行產(chǎn)品推廣、促進(jìn)用戶使用、提高用戶認(rèn)知的方法與活動(dòng)都是運(yùn)營(yíng)。運(yùn)營(yíng)的終極目標(biāo)是使產(chǎn)品能持續(xù)穩(wěn)定地、更好地生存下去。好的運(yùn)營(yíng)是通過(guò)推廣、引導(dǎo)、活動(dòng)等一系列舉措讓產(chǎn)品的各個(gè)指標(biāo)得到提升。

數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)就是通過(guò)數(shù)據(jù)分析與用戶行為研究讓產(chǎn)品的功能不斷完善，適用性不斷提升，使產(chǎn)品有更長(zhǎng)的生命周期。

個(gè)人理解也就是“構(gòu)建”——“衡量”——“學(xué)習(xí)”的循環(huán)。

二、數(shù)據(jù)運(yùn)營(yíng)“硬實(shí)力”

數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)，需要一套支撐數(shù)據(jù)應(yīng)用的“硬件能力”。這套能力體現(xiàn)在數(shù)據(jù)的流轉(zhuǎn)環(huán)節(jié)，從海量的數(shù)據(jù)中提取出有用的模式并對(duì)其進(jìn)行分析、挖掘、應(yīng)用，包括：數(shù)據(jù)采集（埋點(diǎn)、爬蟲），數(shù)據(jù)加工、清洗、建模、挖掘到最后支持到上游的應(yīng)用。書中用一張圖將”硬實(shí)力“提煉出來(lái)：

其中，數(shù)據(jù)源包括企業(yè)內(nèi)部的OA數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、日志數(shù)據(jù)、埋點(diǎn)數(shù)據(jù)以及外部數(shù)據(jù)。經(jīng)ETL后存儲(chǔ)到數(shù)據(jù)倉(cāng)庫(kù)中，數(shù)據(jù)倉(cāng)庫(kù)包含三層。

ODS層是各業(yè)務(wù)系統(tǒng)的源數(shù)據(jù)，會(huì)對(duì)操作型環(huán)境中的數(shù)據(jù)進(jìn)行簡(jiǎn)單的格式解析、多數(shù)據(jù)源的合并、設(shè)置字段默認(rèn)值等操作。

DW層對(duì)ODS層進(jìn)行建模加工，提供統(tǒng)計(jì)匯總數(shù)據(jù)。

DM層根據(jù)DW層的數(shù)據(jù)，為各個(gè)業(yè)務(wù)單元定義的集市，輸出相關(guān)的主題寬表

有了上面的硬件基礎(chǔ)，企業(yè)的數(shù)據(jù)管理部門還需要對(duì)各業(yè)務(wù)條線的數(shù)據(jù)梳理出一份全量業(yè)務(wù)的數(shù)據(jù)字典，方便數(shù)據(jù)分析人員借助數(shù)據(jù)字典了解公司的全景數(shù)據(jù)，明確數(shù)據(jù)的分布和蘊(yùn)含意義。數(shù)據(jù)字典的能否在企業(yè)級(jí)的層面做到及時(shí)更新，也是數(shù)據(jù)“硬實(shí)力”的重要組成部分。

此外，數(shù)據(jù)建模層和數(shù)據(jù)應(yīng)用層主要是對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行利用與挖掘，數(shù)據(jù)建模層主要方便地對(duì)數(shù)據(jù)分析人員查詢分析數(shù)據(jù)、BI報(bào)表的實(shí)時(shí)展示以及數(shù)據(jù)挖掘工程師對(duì)數(shù)據(jù)的深度建模與挖掘提供支撐。數(shù)據(jù)應(yīng)用層是數(shù)據(jù)價(jià)值產(chǎn)生的出口，可以認(rèn)為面向的用戶是全體管理人員和業(yè)務(wù)人員，而不是數(shù)據(jù)分析人員，可以提供用戶的智能營(yíng)銷以及個(gè)性化內(nèi)容推薦等功能。

三、數(shù)據(jù)運(yùn)營(yíng)“軟實(shí)力”

數(shù)據(jù)運(yùn)營(yíng)軟實(shí)力，主要是對(duì)人的能力要求。數(shù)據(jù)團(tuán)隊(duì)作為各業(yè)務(wù)部門的支持方，團(tuán)隊(duì)內(nèi)成員主要從事數(shù)據(jù)采集、清理、分析、策略、建模等工作，支撐整個(gè)運(yùn)營(yíng)體系朝精細(xì)化方向發(fā)展。常見崗位包括：數(shù)據(jù)分析師、算法工程師、爬蟲工程師、數(shù)據(jù)挖掘工程師等。從工作內(nèi)容分為：數(shù)據(jù)治理、數(shù)據(jù)分析挖掘、數(shù)據(jù)產(chǎn)品三個(gè)層次。

數(shù)據(jù)治理：

優(yōu)質(zhì)的數(shù)據(jù)是應(yīng)用的前提。數(shù)據(jù)治理負(fù)責(zé)數(shù)據(jù)系統(tǒng)的架構(gòu)規(guī)劃、數(shù)據(jù)的標(biāo)準(zhǔn)和規(guī)范化作業(yè)、數(shù)據(jù)的權(quán)限管理，保證數(shù)據(jù)的安全性和可用性，定義各業(yè)務(wù)口徑的數(shù)據(jù)標(biāo)準(zhǔn)，構(gòu)建數(shù)據(jù)集市和底層數(shù)據(jù)架構(gòu)，輸出支持到分析人員應(yīng)用的數(shù)據(jù)字典。

數(shù)據(jù)分析挖掘：

數(shù)據(jù)分析是數(shù)據(jù)運(yùn)營(yíng)的重點(diǎn)工作，其核心是業(yè)務(wù)方向的數(shù)據(jù)分析支持。主要包括：

對(duì)業(yè)務(wù)活動(dòng)進(jìn)行效果評(píng)估以及異常分析，如異常訂單分析、異常流量分析，挖掘業(yè)務(wù)機(jī)會(huì)點(diǎn)，給予運(yùn)營(yíng)方建議及指導(dǎo)；
收集整理各業(yè)務(wù)部門的數(shù)據(jù)需求，搭建數(shù)據(jù)指標(biāo)體系，定期向業(yè)務(wù)部門提交數(shù)據(jù)報(bào)表，包括日?qǐng)?bào)、周報(bào)、月報(bào)等；
數(shù)據(jù)價(jià)值挖掘，如基于用戶行為數(shù)據(jù)建立用戶畫像、建立RFM模型對(duì)客群進(jìn)行聚類營(yíng)銷；
輔助管理層決策，對(duì)問(wèn)題進(jìn)行定位，輸出可行性建議，輔助管理層進(jìn)行決策。

數(shù)據(jù)產(chǎn)品：

負(fù)責(zé)梳理各部門對(duì)數(shù)據(jù)產(chǎn)品的需求，規(guī)劃報(bào)表并優(yōu)化報(bào)表，協(xié)調(diào)數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)資源保證項(xiàng)目按時(shí)上線。將數(shù)據(jù)分析部門建立的挖掘模型、用戶畫像等數(shù)據(jù)模型做成可視化產(chǎn)品輸出。企業(yè)內(nèi)部常見的數(shù)據(jù)產(chǎn)品包括數(shù)據(jù)管理平臺(tái)和自助數(shù)據(jù)提取平臺(tái)。其中數(shù)據(jù)管理平臺(tái)支持運(yùn)營(yíng)日?qǐng)?bào)查看、實(shí)時(shí)交易數(shù)據(jù)查看、業(yè)務(wù)細(xì)分?jǐn)?shù)據(jù)查看；自助數(shù)據(jù)提取平臺(tái)滿足業(yè)務(wù)方對(duì)更細(xì)緯度業(yè)務(wù)數(shù)據(jù)的需求，解放數(shù)據(jù)提取人員的重復(fù)性工作。

數(shù)據(jù)運(yùn)營(yíng)人員需要技能與能力

1、EXCEL數(shù)據(jù)處理與繪圖

2、SQL類語(yǔ)言

3、Python語(yǔ)言

4、PPT制作能力

5、業(yè)務(wù)理解能力

四、數(shù)據(jù)運(yùn)營(yíng)方法論

戰(zhàn)略方法論

1、4P營(yíng)銷理論

產(chǎn)品（Product）

目前銷售的產(chǎn)品有哪些？其中哪些實(shí)現(xiàn)了盈利？哪些還在虧損

產(chǎn)品如何滿足用戶需求

產(chǎn)品的目標(biāo)用戶是誰(shuí)？

......

價(jià)格（Price）

產(chǎn)品定價(jià)機(jī)制怎么樣？總體收入如何？毛利如何？

價(jià)格、用戶期望、成本、毛利、市場(chǎng)供需之間的關(guān)系如何平衡的？

促銷（Promotion）

有哪些促銷方式？哪些促銷方式的效果最好？

線上、線下促銷對(duì)比，投入產(chǎn)出比怎么樣？

渠道（Place）

各個(gè)渠道的渠道質(zhì)量如何？

各個(gè)地區(qū)渠道覆蓋率如何？

用戶對(duì)各個(gè)渠道的偏好如何？

2、5W2H

what何事、why何因、where何地、who何人、how如何執(zhí)行、how much何價(jià)，此方法比較適合應(yīng)用于項(xiàng)目的規(guī)劃和架構(gòu)建設(shè)，尤其是在向領(lǐng)導(dǎo)匯報(bào)時(shí)可以采用。

3、PEST

PEST一般用于對(duì)宏觀環(huán)境的分析。P（political 政治環(huán)境）E（economic 經(jīng)濟(jì)環(huán)境）S（Socail 社會(huì)環(huán)境）T（technology 技術(shù)環(huán)境）。

4、SWOT

SWOT是戰(zhàn)略分析的一種方法。S（strength 優(yōu)勢(shì)）、W（weakness 弱勢(shì)）、O（opportunity 機(jī)會(huì)）T（threat威脅）

5、邏輯樹

將問(wèn)題拆解成小問(wèn)題。拆解原則MECE（相互獨(dú)立、完全窮盡）

戰(zhàn)術(shù)方法

6、多維分析

對(duì)于指標(biāo)維度的細(xì)分，包括維度的下鉆細(xì)分，上卷聚合。

7、趨勢(shì)分析

同類指標(biāo)基于不同時(shí)間周期的對(duì)比，主要是指標(biāo)的同比和環(huán)比

8、綜合評(píng)價(jià)法

綜合評(píng)價(jià)法是通過(guò)將多個(gè)指標(biāo)整合成一個(gè)綜合指標(biāo)來(lái)評(píng)價(jià)的方法，評(píng)價(jià)過(guò)程中會(huì)涉及到指標(biāo)權(quán)重的設(shè)定，可分為主觀賦權(quán)法和客觀賦權(quán)法（變異系數(shù)法、熵權(quán)法、主成分分析法）對(duì)這一部分感興趣的朋友可以讀一下小獅之前分享的文章《論權(quán)重》

9、轉(zhuǎn)化分析

轉(zhuǎn)化分析用于分析產(chǎn)品的流程或關(guān)鍵路徑轉(zhuǎn)化效果，常借助漏斗圖展現(xiàn)轉(zhuǎn)化效果。常用方法AARRR分析方法即獲取用戶（ Acquisition）、提高活躍度（ Activation）、提高留存率（ Retention）、獲取營(yíng)收（ Revenue）和自傳播（ Referral），簡(jiǎn)稱 AARRR

10、數(shù)據(jù)挖掘方法

這里主要是聚類、分類、回歸、關(guān)聯(lián)分析等機(jī)器學(xué)習(xí)方法

11、可視化

環(huán)形圖、矩陣圖、組合圖、詞云等適用場(chǎng)景

12、ABTest

對(duì)比實(shí)驗(yàn)法，常用于決策優(yōu)化、網(wǎng)頁(yè)優(yōu)化、產(chǎn)品優(yōu)化、運(yùn)營(yíng)策略的一種比較策略。

13、其他方法

還有一些其他數(shù)據(jù)分析方法本書中沒(méi)有提到，比如：二八分析、象限圖法、杜邦分析法、RFM等讀者可自行百度學(xué)習(xí)。

五、案例分析

1、案例競(jìng)品數(shù)據(jù)對(duì)標(biāo)分析

這個(gè)案例全篇都在講爬蟲，網(wǎng)頁(yè)獲取、解析、數(shù)據(jù)存儲(chǔ)、爬蟲部署等相關(guān)內(nèi)容，這部分內(nèi)容大家可參考我之前的文章《白話網(wǎng)絡(luò)爬蟲——入門篇》，個(gè)人感覺(jué)這個(gè)案例更像是爬蟲工程師的工作，讀者可自己選擇是否閱讀。

2、用戶特征分析

主要是為了了解用戶特征優(yōu)化運(yùn)營(yíng)策略。分為基于用戶細(xì)分的行為分析，研究活躍用戶、新用戶、老用戶、流失用戶、回訪用戶在產(chǎn)品中行為特征；用戶來(lái)源渠道分析，對(duì)用戶來(lái)源的渠道進(jìn)行分析，了解各個(gè)渠道的渠道效果；基于前端展示的用戶行為分析，分析用戶單擊轉(zhuǎn)化情況，優(yōu)化前端頁(yè)面展示。

3、RFM用戶價(jià)值分析

這個(gè)案例主要是將用戶以R（最近一次購(gòu)買距現(xiàn)在時(shí)長(zhǎng)）、F（購(gòu)買頻率）、M（消費(fèi)金額）三個(gè)指標(biāo)表示，通過(guò)規(guī)則定義或者聚類分析對(duì)用戶進(jìn)行分類以及周期價(jià)值分析，針對(duì)不同的用戶客群采取不同的運(yùn)營(yíng)策略

4、用戶流失分析與預(yù)測(cè)

本案例根據(jù)業(yè)務(wù)現(xiàn)狀結(jié)合用戶回訪率定義流失用戶和活躍用戶，利用決策樹模型預(yù)測(cè)用戶流程可能性，輸出流失用戶名單，由運(yùn)營(yíng)人員重點(diǎn)運(yùn)營(yíng)，并對(duì)流失用戶的特征進(jìn)行定量分析，挖掘用戶流程原因。

5、站內(nèi)文章自動(dòng)分類打標(biāo)簽

這是一個(gè)NLP案例，可能由于本書成書于兩年前，當(dāng)時(shí)BERT還未流行，不然此案例最優(yōu)的解決方式就是BERT了。本書應(yīng)用的方法是TF-IDF向量化文章，用樸素貝葉斯進(jìn)行分類。

6、用戶畫像建模

這個(gè)一個(gè)比較大的案例，作者用一整章來(lái)進(jìn)行案例分析。用戶畫像的本質(zhì)就是為用戶打標(biāo)簽，可分為三類標(biāo)簽：基于統(tǒng)計(jì)類的標(biāo)簽，如近七天消費(fèi)次數(shù)、金額等，基于規(guī)則類的標(biāo)簽，如消費(fèi)活躍用戶定位為30天內(nèi)消費(fèi)兩次以上等，基于挖掘類的標(biāo)簽，如通過(guò)對(duì)習(xí)慣行為的分析判斷用戶真實(shí)性別（淘寶將用戶性別細(xì)分為20多個(gè)小類）等。

用戶畫像具體可包括：用戶人口屬性畫像，這里主要是用戶在注冊(cè)時(shí)填寫的一些基本信息，年齡、城市、生日等；用戶個(gè)性化標(biāo)簽，用戶在產(chǎn)品上的瀏覽、搜索、關(guān)注、收藏、加購(gòu)物車、付款、評(píng)價(jià)等行為帶來(lái)的一系列標(biāo)簽，根據(jù)這些行為發(fā)生的時(shí)間、次數(shù)、行為類型進(jìn)行標(biāo)簽建設(shè)；各業(yè)務(wù)線用戶畫像，根據(jù)各業(yè)務(wù)線特征設(shè)計(jì)標(biāo)簽監(jiān)控用戶在該業(yè)務(wù)線上的操作行為；用戶偏好畫像，在用戶個(gè)性化標(biāo)簽的基礎(chǔ)上，根據(jù)業(yè)務(wù)規(guī)則設(shè)定用戶各類行為類型的權(quán)重、時(shí)間衰減方式、標(biāo)簽權(quán)重，并通過(guò)基于物品相關(guān)的協(xié)同過(guò)濾算法建立用戶偏好畫像；群體屬性畫像，用戶分群主要用于冷啟動(dòng)階段，新用戶的商品推薦。

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來(lái)自：西北望msm66g9f > 《生產(chǎn)力》

舉報(bào)/認(rèn)領(lǐng)