您的位置:资讯>运营>运营如何拥有数据分析思维?
下面,我会拿上面面试的第一个问题举例子:如何在一个月时间里给公众号涨粉5000。
提到数据分析,很多人脑子里可能觉得这是一个专业度很高的领域,需要进行数据采集、清洗、转换、统计、模型计算,左手SQL语言、右手python编程。其实,对于大多数运营来说,我们追求的并不是要成为数据分析师,而是通过数据分析思维来解决实际工作当中的问题。
说两个我自己经历过的例子。今年上半年的时候,我要面试内容运营和活动策划两个岗位的人,在面试中,我会问一些问题,来考察面试者是否具备数据分析思维:
我:“现在给你个任务,让你在一个月时间里给公众号涨粉5000人,你会怎么做,阐述下思路。”
面试者:“我会做一个老带新的活动,通过裂变来涨粉”、“我可以做一个H5,有趣有创意的那种,像网易云音乐之前做的那样”、“我可以找一些号来互推,如果有预算的话,可以投一些广告”。
我:“这样做,可能涨粉100,也可能涨粉10000,你怎么就能保证完成既定目标呢?
面试者:“..........."
同样的,在活动策划的面试中:
我:“让你策划一场活动,在活动期间让门店销售额提升30%,你会怎么做?”
面试者:“我会做一个亲子体验活动,邀请他们到店,促成转化”、“我会在门店做一些折扣促销,吸引人们购物”。
当我问出怎么才能达到既定目标的问题时,他们同样哑口无言。读到这里,不妨停顿一下,想一想,如果是你,你怎么回答?
这些面试者(其中不乏有三五年工作经验的人)都存在一个问题,为解决问题只去做单点的具体操作,而没有全局的数据分析思维。能不能完成最后的既定目标,只能看天随缘。运气好,完成了指标,皆大欢喜。运气没这么好,完不成指标,最后复盘连原因都分析不出来。
从以上例子可以看出来,我们所有的运营动作都应该以数据目标为导向。如果没有数据分析思维,能不能完成最后的数据目标就没有了依据,成了玄学,只能碰运气。其实,对于初中阶的运营,数据分析思维既好学又好用,核心思路只有一条:
确定关键数据指标,拆解关键数据指标,锚定关键数据指标,排列优先级与动态调整
下面,我会拿上面面试的第一个问题举例子:如何在一个月时间里给公众号涨粉5000。
一般来说,关键数据指标是从岗位职责和任务中来的,也就是关键数据指标是上级给你的。比如,新媒体运营主要对粉丝数、阅读量、打开率等指标负责;电商运营对GMV、直通车ROI、加购数等指标负责;产品运营对DAU、MAU、留存率等负责。对于一项具体的工作,要看最后的目标是什么。很显然,我们这个问题的关键数据指标是“公众号粉丝数”
如果不对关键数据指标层层拆解,不清楚影响关键数据指标的各种因素是什么,就会出现只知道上面面试者回答的用裂变、老带新去达成目标的单点操作方法。拿到一个关键数据指标过后,我们往往分析关键数据指标的构成,然后拆分为一级数据指标、二级数据指标、三级数据指标等等。拿问题中的公众号粉丝数来举例,如果按涨粉渠道来拆解的话,我们可以得到下面这个公式:
公众号粉丝数=自然涨粉数+内容涨粉数+活动涨粉数+投放涨粉数
其中,公众号粉丝数就是一级数据指标,自然涨粉数、内容涨粉数、活动涨粉数、投放涨粉数是二级数据指标。下面,我们要对这些二级指标进行可量化的锚定操作。
首先,我们来对这些二级指标进行分析,来确定每个二级指标大概能到多少量。
一月日均涨粉:50/天
二月日均涨粉:55/天
三月日均涨粉:60/天
四月日均涨粉:65/天
五月日均涨粉:63/天
六月日均涨粉:65/天
可以看出,四五六三个月的日均涨粉早60/天,所以我们就以这个数据为准,计算出,接下来一个月(30天),只要保持正常的更新和维护,我们的公众号自然涨粉数是1800人。
一般来说,公众号常见的活动玩法有裂变活动、投票活动、创意H5、地推活动等。那么,经过对目前所拥有资源、以往历史数据的判断和活动执行的成本综合考虑,排列出以下优先级:
A、地推活动
目前公司有5个门店,平均每个门店每月进店1500人,共7500人。用一些优惠券或者小礼品吸引进店顾客关注公众号,预计转化率10%,一个月可新增粉丝750人。
B、裂变活动
过去做过很多裂变活动,积累了不少数据。正好公司还有很多周边产品可以用于活动,按照以往的经验和现有资源,预计本次裂变活动可涨粉1000人。
C、创意H5
跟创意有关的东西往往不确定性非常大,之前做过一次很成功的H5,这一次不一定就也能成功,所以优先级排最后,可以作为一个增粉的补充渠道。
经过以上分析,我们已经确定了4550人了,离完成目标只剩450人了。最后450人,选择投放增粉的方式来完成。
4、投放涨粉数
如果之前做过公众号投放,还可以按照历史数据来分析。如果没有,就要去找同行咨询数据,定一个指标。假设,投放增粉的成本是4元一个粉丝,那么达成450的粉丝增长,需要1800元成本。
通过以上分析,我们就完成了整个目标达成的思路拆解,下面就是执行环节了。
在执行环节,我们依然需要进行优先级的排序,并在过程中随时进行调整,将各因素的不确定性的负面影响降到最小,正面影响放大。
比如,在执行中第一周发现,地推增粉的效果大于我们的预期,那么接下来的三周,就可以往这个方面多做资源的倾斜,比如可以把投放增粉的一部分预算拿来采购更多的小礼品(当然要衡量一下两个渠道粉丝的价值,这里就不展开叙述);把裂变活动的执行时间尽量提前,如果活动效果好,皆大欢喜,如果不好,给足自己补救的时间,可以多做一场活动,或者加大其他方面的投入力度;把投放的执行延后一些,如果前面几个手段效果很不错,提前完成了任务目标,那么投放的费用就可以省下来了,等等。总之,大方向定了,中间怎么执行要根据具体情况灵活调整。
以上只是举个很粗略的例子,说明如何利用数据分析的思维来拆解任务,从而达成目标。经过上面的分析,这样的思路是不是比文章一开头几个面试者给的答案要更系统、更可控呢?我们平时的每一个运营动作都应该有相应的数据来支撑,不管是历史数据还是同行数据都可以,总比拍脑袋、碰运气要靠谱很多。
所以,以数据目标为导向,用数据分析思维一层层拆解数据目标,再去制定具体的运营动作,才能最大程度上保障最后的目标达成。
-END-