实践中的运营增长:实现业务目标的五个极简案例

2014年我买了一个MAC本为例。我妈妈不太高兴。老人节约惯了,以为我用的联想瓷便宜,就拿数据做了正相关。我说,老太太你看,我用联想笔记本,慢。基本上每天凌晨2点都要睡觉。自从有了MAC笔记本,速度极快,早上9点就休息了。老太太高兴极了,直接说,要不你买两个?然后你可以在晚饭后休息一下。

天下父母都是厨师。谁不为孩子的健康着想?就这样,我趁机买了一台ipad。

这就是现实生活中数据的说服功能,在法庭上得到印证。

运营岗也是一样,靠产品、技术、新闻引擎、市场等后厨吃饭。如果没有数据说话,很难撼动他们。

然而,在我们的业务中,数据本身自然是弱势的。和我一样,在学校数学学得不好,也不懂统计学。我在菜市场连一个菜的钱都付不起,所以我的感性很强。我该怎么办?无解,只有日常经验,所以从2010开始,我尝试用数据说话,练习自己的逻辑能力。我平时很懒,只会数据,而且很勤奋。我有时间就看书,记东西。

多年来,我与数据产品经理、数据分析师和统计主管打过交道。每次听到他们说一个新概念,我都要去百度咨询。但是我还是不知道什么是置信区间和概率分布,我很傻,所以我说服自己提出了一个极简数据和优化源表的概念,试图依靠一个Excel表和简单的数据来做决策。数据小白也可以开始并迅速提高他的业务增长。本文总结了我那些年依靠极简数据提升业务目标增长的一些案例。

先说极简数据的四个特点:

1,数据容易获取,比如微信后台数据,GA数据,公司数据部做的标准报表数据等等。

2,分析极其简单,使用Excel就能获得真知灼见。我以前喜欢用GA,因为它功能强大而且免费,看各种维度的数据看起来高端有档次。但是自从GA被封,公司停止使用后,我就开始琢磨做一套本地数据,把所有运营项目整理成一个日报表。我将其命名为优化源表。这样我就可以利用Excel强大的数据分析功能,比如透视表,来指导我的操作。

3.数据操作的思路很简单。运营就是发现问题,然后解决问题的过程。高级数据模型一般用于商业决策,操作占主导,基本无用。

4.极简数据有一定误差,会有个人主观经验在里面。我一般只要对数据有信心就做决定。世界上没有准确的数据,只有相对准确的数据。曾经看过一句话:一个能让人有所收获的错误,远胜于无所作为,非常适合操作。

另外,本文所有案例中,数据部分都做了极简的处理,绕过了埋点、制定和实施监控策略、数据清洗等环节,只讲核心方法,让大家一目了然。有两个核心词是我经常说的,试错和优化。试错是方法,优化是灵魂。

好了,我们来看看这篇文章的分享提纲:

我经常优化源表,记录每天的数据。有时候如果数据部门有标准报表会更容易。

优化源表短期内不会给你带来太大的价值,但是当数据积累到一定数量级的时候,你会从这个表中获得很多感悟。比如,你可以通过经营目标每日业绩表,合理地推导、分解月目标、周目标、日目标,真正做到‘知道自己每天在做什么’。因为每天的目标绩效表显示的是你的业务规则,尤其是你负责整个产品项目的运营,给下属定KPI的时候,他们再也不会说你在拍脑袋了。

我举个例子,是从《数据管理》这本书上学到的。自从2014看了这本书,这个技巧就被运用到了互联网产品的运营中。遵循极简主义原则,我只说如何分解成月,因为分解成周和天的思路差不多。我只是提供一个想法。

首先,我们需要找到历史数据。我从公司数据平台找到了PC用户全年的日常UV数据。这里我以UV为例,你也可以拿LV,Visit,PV。

根据日期数据计算第n周和周字段的值。排除异常日期,主要是节假日,因为一般网站的流量在节假日是不正常的,排除特别推广期的日期,这要靠平时的运营日记来记录每天的运营行为。看这张照片:

我们开始看透这张表,分解它。

假期信息和特殊促销日在透视期间被标记,在透视期间被筛选掉,并且不包括在汇总表中。

你找到了吗?如果你看折线图,很明显商业可以分为淡季。所以我们在完成年度目标的时候,也要合理区分淡季完成多少,旺季完成多少。而不是平均每月完成量。

权重是我们计算用户的一个人为值。一般将最低值附在1上,比如图中的5月,然后将其他月份的平均UV值除以5月的UV值,就可以得到各月的权重。

比如2015总UV是8.8ww,老板给你翻倍。然后你可以通过体重来分享你每个月想完成多少。比如在65438+10月的图中,我计算了1月权重占总权重的比例,然后乘以KPI得到65438+10月要完成的KPI。

那么,分解KPI的目的是什么呢?

1.尽早制定年度运营计划。如果第一个月不能完成目标,及时和老板反馈,尽早申请资源;

2.管理老板的期望,控制kpi完成的速度。第一个月不要失控,早点完成。到时候老板会给你定一个更高的kpi,有时候运营的坑都是自己挖的。

这是我们集体团队策划的活动,一共5个人。我主要负责文案和数据统计。

当时老板对新产品团队的成员说,你可以从现有的4000万用户中任意选择20万用户作为种子用户,然后给新产品引入65438+万初始用户,每个用户平均成本不超过5元,于是你就留下了这句话。

我们有资源和成本限制。先扔出去,不计代价。20万种子用户的筛选非常重要。这就是细分用户的能力。我们正在考虑,很快就要进行秋季招聘了。应届毕业生有强烈的求职愿望。于是我们精心挑选了20万高活跃度的应届毕业生作为燎原的种子。

我们为这部分用户策划了一个促进分享和创新的活动。正好那年的应届毕业生提前到了秋天,很多500强的客户提前进了学校。所以,我们的竞选噱头就是从这些大客户开始的。主题是一些名企提前招聘,邀请学生加入拿红包,给他们可变的奖励。红包没有上限。

接下来,我们根据这个主题策划了一次交流活动。我们是怎么做到的?当我恢复报价时,我梳理了流程。我们来看看这张Excel表。

这个表是整个优化页面和效果的数据。我挑几个重点来讲。

比如渠道策略,从哪个渠道拉新品,哪部分用户用于测试,哪部分正式大规模推广等等。因为微信平台的特殊性,短信、app推送、页面广告或拦截、EDM等渠道。对于用户来说不太方便。我们也想通过自己的微信大小来做,但是我们微信号粉丝的用户都是有身份的,不仅仅是应届毕业生。比较来比较去,根据经验,选择某个渠道去做。

还有,规划初稿的时候,活动流程和关键节点数据一定要提前规划和监控。这一点需要提一下。既然是活动策划,就必须考虑周全。否则你上线后,技术可能看不到日志数据,比如渠道转化率、通过渠道带来的份额数、注册成功数等。这个时候,就算你再忙,我在这个活动中也犯了一个很大的错误。

不要一上线就全面推广活动。要不断优化关键页面或关键流程节点。页面和流程的转换优化到一定程度后,觉得不能再优化了,还是可以通过节点的转换数据推回去。根据得到的转化率,我们可以计算出我们可以完成目标,然后我们就可以全面推广他们了。

因为这个案例主要是关于页面的转化率,所以我在第一次测试中就固定了渠道转化、分享、邀请的比例关系。比如这个活动的渠道转化率已经达到了32%左右,分享和邀请的比例是1: 5,也就是1分享可以带来5个注册用户。

还有一些转化数据是我们无法控制的,比如注册流程的转化。注册流程是标准化的功能模块,优化变化比较大,这个优化就省略了,我们不关注。当然,在这个活动中,注册过程其实损害了很多用户。

在固定了一些二级变量之后,我们把优化目标放在了两个关键页面上,一个是介绍种子用户的页面,我称之为推广分享页面。还有一个用户分享到好友或朋友圈时好友点击进入的页面。我称之为转移相册页面。这两个页面,我们不断测试,一共三个版本,直到分享率和注册成功率都优化到最好的水平。来大规模推广。

这个环节是最关键也是最纠结的。整整一个月,我们辗转反侧。最终的结果是,通过这三大优化轮,我们成功实现了我们的目标。优化3版活动花了1个月,我们认为是值得的,因为这个活动流程和模式已经被我们验证是可行的,可以长期做下去,并且有特别强的扩展性。比如我们可以做一个活动后台,专门针对不同的用户群复制我们的活动模式。所以前期的慢是为了后期的快。有了后台工具,基本上一周就可以做一个类似的活动。这就是优化的价值,是内功的修炼,目的是提升核心运营能力。

现在来说说页面的优化思路。我们如何看待它?其实总结起来只有三个关键点:

比如第一版推广分享页面,我们把伯乐奖变成了红包,然后分享转化提高了3分。转专辑页就更明显了。我们在按钮上加了邀请的元素,不再谈第一次,很快就接受了报价。我邀请分享者做一篇文章。这就好比你的同事跟你说,我们今晚吃大餐吧,你可能会犹豫,因为你不确定他是请了AA还是吃完饭他突然说,我忘带钱包了。而如果你的同事说,来吧,我请你吃大餐。如果是我,我一定会去。所以我们换了个思路,转移相册页面的转化率增加了10点。

在第一版和第二版中,我们忽略了这个元素,做了一个名企名单。后来,我们认为用户可能认为这个列表是可点击的,这导致了误导。然后用户发现无法点击,会有点情绪化,分享动力和注册动力不足。所以在第三版中,我们从视觉设计中排除了这种干扰。

关键是在第三版中,我们改变了思路。在第一版和第二版中,我们是在用户邀请好友加入注册后才获得红包的。如果我们让种子用户转发,就可以拿到红包,强制转发。想象一下,用户会觉得这个活动可信度很高,分享率会提高。也许他不仅会分享给朋友,还会分享到各个群里。所以当用户点击现在加入按钮时,会弹出浮动层提醒用户分享后可以领取红包,介绍同学加入后也可以领取。

沿着这个思路,我们成功达到了目的,获得了一种活动模式。在优化的过程中,关注数据,记录每次活动的数据,实时监控转化,展示每次试错的数据。你可以在刚刚分享的图片中看到,我已经列出了所有的关键数据。

最后我们全推的时候,介绍的注册用户是57000多。为什么最终注册用户数达到近65438+万?而且最终引入的注册用户只是推动了当天的数据,第二天还在增长。因为介绍的注册用户变成了种子用户,也开始滚雪球转发。

我们的APP刚上线的时候,除了通过一些统计工具被动接收用户反馈,比如重大事件通知、拉回沉默用户、调研等等,无法直接触达用户。所以我们的产品做了一个推送通知产品,我暂时叫它求职助手,类似于app内置的公众号。我会定时推送一些信息。

因为我们的文案水平是长期锤炼出来的,有过很好的经验。我就想,光靠文案不一定能提振推送的点击率。我还有其他差距来提升我的表现吗?想了想,突然想到,如果知道用户有多喜欢推送内容,然后再推送相关内容,是不是可以再次提高点击率?

我的需求出来了:渴望得到用户对内容的偏好。

那么,我该如何获得洞察力呢?我需要做一个试错策略,这是我在操作中最喜欢的工作方法。

试错是最可靠的操作手段,也是操作岗存在的核心。试错最怕非理性,所以试错策略很重要。

我的试错策略,看这张表:

简要说明如下:

试错用户在不同时间点对内容的偏好。我把目标定在总结月规律上。如果你的业务有规律可循,可以放在季度甚至周。

文案点击率。如果用户对内容的偏好是有规律的,那么在某个时间点肯定会有较高的点击率。

试错变量的确定是试错策略合理性的关键节点。上表中标记为橙色的字段是变量。

应该是提前整理好的。我尝试了错误类型的内容,而不是一篇文章。什么是内容类型?比如门户站的频道,科技,娱乐,军事,新闻等等。我主要关注七类内容。比如面试攻略、网申攻略、简历攻略等。,都是提前计划好的,每周合理安排。逐步释放。比如我每周一发信息总结帖,周二推简历攻略,周三推面试等等。

时间点是每天固定时间发送。比如我总是选择晚上8点发。至于这个时间点是怎么来的,我是通过调查得到的。我有一个考文案的微信号,因为平时回答应届毕业生的问题,所以他们对我很好。我发了一个研究帖问他们什么时候给他们推送信息合适,80%的人说晚上7-9点。

做过APP通知产品的朋友都知道,iOS无法统计收到的数据。为了更加科学,我们只使用Android客户端进行测试。文案的点击率比点击率更靠谱。

也就是说,和谁一起试着犯错。这一点非常重要。我现在知道,只要应届毕业生的用户是推送相关的职位信息,大部分同学都不会太烦。因为求职是刚需,如果求职成功,大多是关闭通知或者卸载APP。但我当时并不知道,觉得推送的信息很让人不安。所以为了每天发消息不让用户抱怨,我只选择有一定特征的用户,比如高活跃用户,也就是当天已经登录并投递的用户;或者沉默用户,这样可以减少骚扰,因为如果沉默用户被我的推送激活,他们会立刻回到活跃池,收不到我的推送。而且,沉默用户沉默的原因可能是没有需求。如果他点了我的推送,证明他喜欢我的内容。正好符合我试错的目的。

众所周知,Android的标题是可以定制的。不像iOS,标题只能是品牌名称。因为我的目的是试错,不是为了得到点击率的效果,所以我的标题不是定制的,只写品牌名。更容易控制。

最难控制的变量。标题党的点击效应最大,但属于试错的异常数据。我必须保证文案水平在一个实力范围内,才能得到合理的商业认知。这涉及到文案的试错策略。这个比较复杂,今天就不说了。在我之前在微信和内容频道的工作经历中,我试图总结文案的实力。我知道哪个文案强,哪个文案弱,因为我个人交易:我每天都记录数据,所以我可以合理的知道每个文案的正常点击水平。只要你记住,文案是有层次的。本案采用2级文案强度等级,正常情况下点击率上下浮动2个点。

当然,如果你没有文案水平,也可以针对每个内容类型编几篇文章,然后努力细分目标用户,比如取当天登录的用户,设置一个过滤机制:每个用户在试错期只接收一次。这样你就可以把这些文章推送给同类型的用户。

注意数据清理。比如有时候发送通道不稳定,发不出去,或者统计错误,清理的时候要排除这些异常数据。

就这样,我敲定了七个影响我商业认知的变量。争取得到合理科学的建议!

1年后,试错结束,我开始总结规律。我看穿了这样一张表:

大家都看到了吗?用粉色标记的内容类型绝对是本月最受欢迎的内容。那么在明年的某个月,如果我加大用户喜欢内容的力度,是否就能拉高业绩?

这是我的内容试错策略。结论很简单,过程很纠结。

当然,我的试错案是一场持久战,因为我们是一个成熟的产品。如果你的产品处于初创期或成长期,可以选择短期试错,只要控制好两点:

第一,试错的目标一定要明确,目标一定要唯一。因为试错是为了获取业务知识,而不是为了试错而试错;

二、试错一定要想办法敲定影响你试错结论的变量,力求对业务认知的影响最小。

这是2015的一个案例,在我的文章《深夜与慕容薛飞谈运营》中提到过,比较粗糙。今天我梳理了一下思路,有条不紊的跟大家说了一下,发布了我对张伟信号操作的优化源表。另外大家要注意一点:2015,微信统计的分享收藏数放在一起。不像现在,分享和收藏的统计是分开的,这使得定位内容的方法更加科学。

刚接手一个微信号内容运营的时候,粉丝日净增数是负数,那我是怎么解决这个问题的?我还是在内容上下功夫。领导急着看结果,我也没时间做内容试错策略,只能从历史数据中找规律。我来简单描述一下:

澄清一下我的商业问题:微信的关注者日净增数为负。

分析问题,解决这个问题其实有两种方法:

1,节流,这是内容选择的问题:我应该做什么样的内容才能满足用户的需求,让用户不跑?即从现有粉丝上做文章,减少粉丝流失;

2.拉辛,如果粉丝持续下降,但我让增加的粉丝数超过下降的粉丝数,每天增加粉丝不是很积极吗?增加的粉数与转发数密切相关,一般是正相关。转发越多,加粉越多。而转发与内容息息相关。

所以我的商业问题其实是一个内容定位问题。我需要找到用户对微信内容的喜好,我的想法很简单。

如下图,我为这张图做了一个阅读顺序。

发件人数量,因为涉及商业隐私,我省略了。

这个表是我的一个优化源表的真实面貌。我有一个习惯,每次做一个运营项目,大到整个产品的运营,小到一个导航类目,焦点图,推荐位置等等。,我会算出一张这样的表来发现问题,总结规律,然后指导操作行为。

我花了两天时间,将近1年的历史推送数据全部手工收集到这个表中。更累的是把这些内容一个个分类。我大致把这些内容分成了10类。然后每篇文章归入10类别(表中分类字段),然后这个源数据表就出来了。

1,新增关注人数(模糊)字段为第二天加粉数,不是准确数据,仅供参考。如果你的微信号每天只发一条内容,这个数据会更准确。

2.如果你没有固定数量的历史推文,你需要粗略计算一下转发与涨粉的比例,然后根据单篇文章的转发数量把涨粉归结到一个单一的图文上。这是一个很重的工程,需要你把数据一个一个的理清,排除那些很难控制的异常值。

3.如果你不想遵循第二条规则来避免清理数据的麻烦,你也可以根据上一条制定一个短期的内容试错策略,可以每天发一条图文消息来固化这个试错变量。

然后通过透视分析,我的微信号内容运营策略出来了,如下图:

如果看“确定内容类型”一栏,会发现薪资、职场、励志、技能等内容超过了平均加粉数。问题解决了:我重点做这四类内容。然后研究阅读量高的标题,尝试每篇文章增加阅读量约10个工作日,我成功将日净粉丝数由负转正。"

很多做微信内容运营的人看到别人做的内容阅读量不错就发。其实这还不是最高效的。其他粉丝可能和你粉丝的内容需求不一样。同样的文章在别人的微信号上能达到100000+,在你的微信号上不一定能达到这种效果。

当我修正每日净增长时,我接下来做了什么?扶正后,这个数字处于健康运行状态。我不甘心只做一个运营经理,所以我把下一个目标定在了增粉速度上。增粉的运营策略是下一个问题,这里不展示了!

最后,在第五种情况下,我们来谈谈根本问题。数据在现实工作中有什么价值?运营为什么要做数据分析?我总结如下:

1.找问题:问题是驱动要素。我们应该不断地监控产品性能,分析数据,找出影响业务目标的问题,并消除它。

2、降低成本:约翰·沃纳梅克说:我浪费了一半的广告费用,但我不知道是哪一半。分析可以有效降低成本。

3.决策依据:在一个企业中,一般大老板都需要数据来做投资决策、营销决策、战略决策。

一句话:分析可以监控效果,发现问题,获得洞察力,控制成本,实现商业价值最大化的目标。那么,我是对还是错?我是对的,但这在大多数情况下并不能解决真正的问题。我们需要接地气体。就像我开头提到的,在现实工作中,经过多年的经验积累,数据最大的作用就是“沟通证据”。就好像你犯了罪,不承认,然后律师取证。

这是数据的第四个功能:

4.沟通与证据:分析可以在法庭上提供证据,对行动方案做出有效决策。运营要监控和优化各部门的经营业绩,然后提供有效的证据说服相关业务部门。然后实现我们优化产品和服务的目标。

有时候很多产品,你用肉眼或者自己去体验,就会知道有问题,但是相关业务部门就是不换,要数据说话。那我们就尽力找证据。

比如我去优化招聘网站各大流程的转化率,就经历了无数次。感觉真的很麻烦,但是产品没有变化,我需要证据。还有第二种优化情况。我没有谈到注册过程的转变。其实那个过程的损耗也是很高的。太复杂了。

那么这个时候为了找证据,就需要找数据,可以用漏斗图。比如下面的简历投递漏斗图。

看到了吧,四步传递过程中的漏洞太多了。每个流程节点的损耗率都是“高不可攀”。于是我赶紧把分析和指导的意义附在图中,鉴于商业机密,我就不放出来了。其实我一眼就能看出来,只是措辞的问题,只是委婉的问题。“非常,太”等描述性词语要慎用,否则产品会上火。

给了产品之后,产品还是纠结于数据的准确性,然后我想到了另一个方法,经验数据法就派上了用场。想看看竞争对手的各大流程是什么样的。我决定从用户的任务负载和完成任务所用的时间来证明这个对比。印象最深的是2014年夏天,热的人特别烦躁。我赤手空拳去了那里,独自体验了竞品的三大流程,并记录了数据。最终结果如下:

在三大流程中,用户完成任务的时间和动作数量都明显高于竞争对手,这不是一个好现象,也印证了上面说的离职率高的原因:招聘平台多,用户花时间和精力投简历,转平台的意愿会高。

最后,借助漏斗图工具和经验数据,我完成了一个优化的证言。提交产品以供审查。

还是那句话,数据不一定准确,但一个能让人有所收获的错误,远比什么都不做,分享给大家好。