在人人都在談運營和大數(shù)據(jù)的時代，每個人都會對運營說：“一定要用數(shù)據(jù)說話，做到精細化運營”，但到底該如何做呢？

一、數(shù)據(jù)精細化運營四大前提

1. 及時獲取運營所需的數(shù)據(jù)：

• 明確應該獲取的數(shù)據(jù)是什么，比如訂單量、注冊量、閱讀量、頁面訪問量、訪問時長等；

• 可獲取到數(shù)據(jù)，并不是所有的數(shù)據(jù)都可以調(diào)取，只有前期埋點并能采集到的數(shù)據(jù)才能獲?。?/span>

• 及時獲取數(shù)據(jù)，很多公司的運營并不能直接獲取數(shù)據(jù)，一般要先與技術溝通，明確需求以及排期。而很多數(shù)據(jù)是擁有時效性的。比如，在活動期間沒有及時獲取到潛在購買用戶 id，導致發(fā)送優(yōu)惠信息延遲，用戶在其他渠道購買了商品。

2. 合理定義數(shù)據(jù)分析的維度與指標：

“定義的維度與指標”越貼近業(yè)務需求，越能發(fā)揮數(shù)據(jù)的真實價值。但是，很多公司對數(shù)據(jù)的劃分很模糊，即使在分析時能合理定義，但因前期沒有對這些維度的數(shù)據(jù)進行采集，也無法進行分析。

3. 選擇并使用高效的數(shù)據(jù)分析工具：

選擇正確的數(shù)據(jù)分析工具可以事半功倍。好的數(shù)據(jù)分析工具，不僅要滿足現(xiàn)階段業(yè)務的數(shù)據(jù)分析，還要滿足企業(yè)發(fā)展過程中數(shù)據(jù)量增長與業(yè)務變化后的數(shù)據(jù)分析。

因此，可能會用到 Excel、SPSS、SAS、SQL、Clementine、R、Rapid-miner 等工具。掌握這些工具，對運營人員的要求過高，按這樣標準去培養(yǎng)一個運營人員，所付出的財力與精力相當于培養(yǎng)一名數(shù)據(jù)分析師。

4. 擁有極強的數(shù)據(jù)分析能力，能與實際工作相結(jié)合：

數(shù)據(jù)分析能力，簡言之，能從繁雜的數(shù)據(jù)中發(fā)現(xiàn)問題、總結(jié)規(guī)律，并能給出優(yōu)化方案。而做到與實際工作相結(jié)合，不僅要求運營人員深入了解業(yè)務，還要有極強的邏輯分析能力，才能將數(shù)據(jù)與實際業(yè)務融合。

那么，數(shù)據(jù)精細化運營就是偽命題了嗎？當然不是，下面以某電商運營小張的對 618 的活動復盤為例，講述如何高效地實現(xiàn)數(shù)據(jù)精細化運營驅(qū)動。

二、背景

在 618 期間，某小型美妝電商運營小張做了一次全新嘗試的為期 15 天的大促活動《年中大促，“賠”你玩到底》，效果不錯。因此，領導讓小張給大家做一次活動復盤，并且強調(diào)要用數(shù)據(jù)說話。

此次 618 活動期間（6.6-6.20），小張有兩個主要嘗試如下：

1. 個性化短信提醒。在 6 月 16 日到 6 月 20 日活動期間 ，為了集中發(fā)力引導用戶購買，新增對不同用戶的個性化短信提醒。比如，給在活動之前將商品加入購物車的用戶發(fā)送“你想購買的寶貝降價了！”；給活動期間瀏覽面膜商品的用戶，發(fā)送“面膜優(yōu)惠券”等。

2. 細化推薦模型。主要細化了詳情頁的個性化推薦模型，比如，新增消費習慣相同的用戶在大促期間購買的商品推薦等。

完成當天的必要工作，小張開始準備活動復盤。小張首先梳理了復盤的重點：

• 活動的整體效果。例如，總銷售額、總訂單量、總購買用戶數(shù)等；

• 活動期間，用戶的行為分析。例如，訪問時間、地域分布、優(yōu)惠券使用情況分布等；

• 活動商品分析。例如，不同品類商品售賣分析、同類商品售賣分析等；

• 活動資源位分配分析。例如，banner 位、開屏彈窗、相關推薦等；

• 活動引流分析。例如，投放的不同渠道的引流人數(shù)、ROI 等。

三、活動的整體效果

活動的整體效果是對一次活動的綜合評估，對于電商活動總銷售額、總訂單量、總購買用戶數(shù)、平均客單價等都需要分析，且必須分析其環(huán)比與同比，才能看出具體增長情況。

小張通過查看數(shù)據(jù)得知，618 促銷期間比去年同期銷售額高出約 2000 萬，環(huán)比增長 40.9%（如圖 1 ），同比增長了 55%。

注：文中圖片均來自神策數(shù)據(jù)產(chǎn)品，所涉數(shù)據(jù)均為虛擬。

圖 1 今年 618 促銷與去年 618 促銷的總銷售額對比

小張進一步分析發(fā)現(xiàn)，6 月 16 日至 6 月 20 日銷售情況非常不錯（如圖 2）。分析得知，這可能與此次活動的個性化短信提醒嘗試有關，提醒促單的轉(zhuǎn)化率高達 30%，比原有轉(zhuǎn)化率高了一倍。

圖 2 活動期間的單日銷售額情況

分析完活動的整體效果，只是復盤的第一步，效果不管是好或者壞，都需要通過進一步的細分分析，分析出其原因及之后的優(yōu)化建議。比如，上面得知個性化短信提醒能有效提高轉(zhuǎn)化率，在之后的活動中就可以將設置更多個性化提醒或者將周期拉長等。

四、基于用戶行為的數(shù)據(jù)分析

在競爭日益激烈的今天，誰能抓住用戶，誰就能加大勝算。用戶行為分析，是抓住用戶必不可少的一環(huán)，也是每次復盤必須著重分析的一點。

小張對消費用戶的訪問時間、地域分布、優(yōu)惠券使用情況等進行了一系列分析。下面以小張對用戶的優(yōu)惠券使用情況分析為例（如圖 3）。

圖 3 用戶活動期間每天的優(yōu)惠券金額使用情況分布

圖 4 用戶活動期間的整體優(yōu)惠券金額使用情況分布

大促活動定一個合理的優(yōu)惠力度會事半功倍，這個優(yōu)惠力度要對大多數(shù)人有吸引力且在可控成本下能使優(yōu)惠后的利潤最大。

由圖 3 看出，用戶活動期間每天使用優(yōu)惠券金額為 50-100 元的占比最大，由圖 4 看出，在整個活動期間使用優(yōu)惠券占比最大的金額為 100-200 元 ，說明用戶會有重復使用優(yōu)惠券的可能性，在之后的活動中就可以基于此情況優(yōu)化。比如，提高高額優(yōu)惠券的使用占比，因為一般高額優(yōu)惠券往往對應高訂單額度；設置單品優(yōu)惠券等。

用戶行為有很多可分析的點，對于上面提到的優(yōu)惠券使用情況分布這一點，就可以再進一步分析不同地域的用戶對優(yōu)惠券的使用情況。比如，一線城市使用優(yōu)惠券的金額大，三四線城市使用優(yōu)惠券的金額相對少，所以針對不同地域的人可以發(fā)送不同金額的優(yōu)惠券。通過分析數(shù)據(jù)，你能解鎖很多運營密碼，而不是像走迷宮，不知道哪條路是對的。

五、活動商品分析

電商平臺的核心競爭力之一就是商品競爭力，商品價值直接影響用戶是否愿意購買，而商品推薦管理會直接影響商品的銷售量，進而影響總銷售額。

小張公司是一個小型美妝電商平臺，商品品類包括潔面、化妝水、精華、面膜、防曬等。小張首先對不同類別商品進行了分析，分析發(fā)現(xiàn)，此次活動中總銷售額占比最大的是防曬品類。這與預期一樣，因為天氣轉(zhuǎn)熱，防曬幾乎成為女性每天必備且用量最大的商品。

小張又對同類別的不同商品進行了分析，以防曬品類為例（圖 5），可以看出排名第一的防曬是 ZILAIX 防曬噴霧（抖音網(wǎng)紅同款防曬），第二名是 RECIPE 防曬噴霧，第三名是安耐曬。因此，在未來拓品時，可以嘗試抖音上的網(wǎng)紅產(chǎn)品，因為抖音已經(jīng)打開了產(chǎn)品知名度，不用再做用戶教育。

圖 5 防曬排名前五的防曬銷售金額分布情況

電商活動中一般將高價值商品分為兩類，一類單價低，銷量大的商品，另一類是銷量不一定最大，但是單價高，總銷售額高。小張通過分析得到了這兩類商品的商品 id，并為其建立了商品分群，方便之后活動調(diào)用。但是分析過程中，小張發(fā)現(xiàn)了一個異常情況，有一個平常熱銷的防曬衫銷量異常低，小張為了查詢原因進行了轉(zhuǎn)化漏斗的分析（圖 6）。

圖 6 某異常防曬衫的購買轉(zhuǎn)化漏斗

從上圖可知，該防曬衫在 6 月 9 日之后就沒有銷量了，小張經(jīng)過進一步的分析發(fā)現(xiàn)該防曬衫在 6 月 9 日就搶售一空，但因為大促期間太忙沒有及時查看庫存，所以沒有及時補貨，造成了大量損失。

從上述幾個例子，我們可以看出通過數(shù)據(jù)分析不僅可以發(fā)現(xiàn)問題所在，還能找到優(yōu)化方案。比如，當發(fā)現(xiàn)此次因沒有及時發(fā)現(xiàn)沒貨而造成損失，以后可以設置庫存報警機制，當庫存低于 20 件自動給商品運營者發(fā)送郵件報警，讓運營人員及時補貨，并且在每次大促之前都要檢查一遍商品庫存，防止大促期間斷貨。

六、資源位分配分析

活動中的資源分配是極為重要的一件事，好的分配方式會給活動效果帶來指數(shù)級的增長，同理，不合理的分配方式也會帶來極大消極影響。

在以前，小張只能看到各個資源位的 PV，通過單一的數(shù)據(jù)并不能判斷資源位的價值，很多時候顯示 PV 較高，但事實上卻沒有形成實際轉(zhuǎn)化。小張一直以為 banner 位的點擊人數(shù)很多，轉(zhuǎn)化一定很好，并在此花了很多心思。但這次分析發(fā)現(xiàn)，實際上 banner 位的轉(zhuǎn)化并不好。

因此，之后需要優(yōu)化 banner 位的投放，比如點擊 banner 不直接跳轉(zhuǎn)商品詳情頁，而是先跳轉(zhuǎn)到領取不同商品的優(yōu)惠券頁面再跳轉(zhuǎn)到商品購買頁等。

圖 7 各資源位的轉(zhuǎn)化情況

小張還發(fā)現(xiàn)，此次詳情頁下方推薦購買商品購買率顯著提高（如圖 7），這與本次活動采用了新的推薦機制有關。這次采用的是新的個性化推薦機制，即根據(jù)用戶的原有瀏覽行為設置了相關細分模型，當用戶的瀏覽行為符合某一細分模型的特征，就會按照此模型來進行推薦。

七、活動引流情況分析

對于電商平臺，總銷售額=用戶數(shù)*平均客單價，往往平均客單價相對固定，要增加總銷售額，主要是通過提高用戶數(shù)，即流量，這個時候就需要引流，特別是在大促期間。

在如今虛假流量泛濫的商業(yè)環(huán)境下，如何識別好的渠道，好的投放方式、關鍵詞等，獲得高 ROI 變得更為重要。所以，小張也對投放的渠道進行了一些分析（圖 8）：

圖 8 不同渠道的引流情況

上圖可以看到，百度的引流數(shù)最多，地堆的引流數(shù)最少。但是，百度引流就比其他所有渠道都好嗎？

當然不是，要判斷哪個渠道好，還要進一步分析引流的用戶質(zhì)量，即這些用戶有沒有進行注冊和購買行為，這個時候注冊轉(zhuǎn)化率就是一個很好的指標，即注冊用戶數(shù)除以啟動 APP 的用戶數(shù)，這里所說的用戶數(shù)是指各渠道引流的用戶數(shù)，這個指標可以更準確的展示渠道效果，同理也可以計算購買轉(zhuǎn)化率。

小張除了對渠道進行分析，還對渠道投放的關鍵詞進行了分類以及分析。小張將這些關鍵詞分成流量高質(zhì)量高、流量高質(zhì)量低、流量低質(zhì)量高、流量低質(zhì)量低這四個不同象限的關鍵詞并總結(jié)了優(yōu)化建議：

在之后的促銷活動中，對于流量高質(zhì)量高的關鍵詞，可以加強投放；對于流量高質(zhì)量低的關鍵詞，可以把成本節(jié)省出來，投放質(zhì)量更高的關鍵詞；對于流量低質(zhì)量高的，可以針對性的在渠道投放；對于流量低質(zhì)量低的關鍵詞，可以停止投放或優(yōu)化。

最終，小張做了一個非常詳細的分析報告只用了 3 小時（以上例子只是小張分析的一部分），第二天小張的運營復盤也得到了一致好評，很多建議被采納，并列入二次深度討論范疇。

結(jié)語

從電商小張的 618 活動復盤的例子，我們可以知道的是，雖然一個公司要做到滿足數(shù)據(jù)精細化運營的四大前提非常困難，但是也有解決方案，就是使用一個比較好的數(shù)據(jù)分析工具。

好的運營需要做到結(jié)合自身業(yè)務，把數(shù)據(jù)“榨干”，汲取有價值、有營養(yǎng)的信息，形成自己的數(shù)據(jù)/分析報告。這樣不僅可以給領導一個完美的答卷，也是對自己運營的一次總結(jié)提煉，獲得成長。希望本文對你有幫助！

想要了解更多關于活動運營的干貨，請繼續(xù)關注135編輯器。