“用戶畫像”、“用戶標(biāo)簽”、“大數(shù)據(jù)”這些名詞是我們近些年來常聽的詞，可是這些詞卻很難直接的產(chǎn)生價值，我們都知道大數(shù)據(jù)有用，畫像也有用，但到底怎么用？又怎樣具象成一個產(chǎn)品卻很少人能夠說清楚。如何采集數(shù)據(jù)，形成服務(wù)再到供給運(yùn)營，這也是這篇文章想分享的核心。
“用戶畫像”、“用戶標(biāo)簽”、“大數(shù)據(jù)”這些名詞是我們近些年來常聽的詞，可是這些詞卻很難直接的產(chǎn)生價值，我們都知道大數(shù)據(jù)有用，畫像也有用，但到底怎么用？又怎樣具象成一個產(chǎn)品卻很少人能夠說清楚。如何采集數(shù)據(jù)，形成服務(wù)再到供給運(yùn)營，這也是這篇文章想分享的核心。在市場上神策、易觀數(shù)科會將其稱之為智能用戶運(yùn)營平臺。這篇文章會和朋友們闡述用戶運(yùn)營平臺的產(chǎn)品設(shè)計，幫助大家理解其底層支持和產(chǎn)品表現(xiàn)。產(chǎn)品設(shè)計的講解將分解為3部分，分別是：選用戶、做運(yùn)營、看效果。數(shù)據(jù)不可用原因有很多種，沒有埋點(diǎn)落庫是比較好理解的。其次則是數(shù)據(jù)分散，沒有將分散在不同業(yè)務(wù)的用戶數(shù)據(jù)進(jìn)行關(guān)聯(lián)，這會導(dǎo)致用戶畫像不夠立體，甚至無法識別是否是同一用戶。假設(shè)我們無法識別用戶在成交前的關(guān)鍵路徑，則很難分析其決策偏好及流失過程，運(yùn)營的深度也會受限。而許多數(shù)據(jù)的使用方式也僅停留于淺層的報表應(yīng)用，數(shù)據(jù)分析很重要，但分析后也要將其運(yùn)用于運(yùn)營。這一點(diǎn)指的是大多數(shù)企業(yè)運(yùn)營管理都強(qiáng)依賴人力，缺乏平臺沉淀運(yùn)營邏輯。當(dāng)人員變動，依靠人力、代碼維護(hù)的舊邏輯會很容易被忽略，而運(yùn)營策略的跟蹤、改進(jìn)就可能不了了之了。如何讓不同的角色迅速了解自身業(yè)務(wù)對用戶的運(yùn)營策略和效果，這也是建設(shè)的目標(biāo)之一。運(yùn)營成本高，原因是投放、干預(yù)類的需求非常高頻，但卻每個需求都需要經(jīng)過產(chǎn)品、研發(fā)、測試及發(fā)版的過程，就算再高的上線效率，上線的周期也會滯后。復(fù)用率低，則是由于依賴研發(fā)的運(yùn)營策略很難規(guī)模化。效果追蹤困難主要的原因是較難形成統(tǒng)一的業(yè)務(wù)標(biāo)準(zhǔn)，評估標(biāo)準(zhǔn)不同則無法對比。我們之前聽過一個段子匯報時每個部門的ROI都是正的，但企業(yè)卻在虧損。雖說是段子，但卻很真實(shí)。標(biāo)準(zhǔn)不一，只看正向指標(biāo)不看負(fù)向指標(biāo)，那當(dāng)然人人都是喜報。每個業(yè)務(wù)的形態(tài)都不一樣，標(biāo)準(zhǔn)很難制定，那能否盡量的去找到運(yùn)營的同類項(xiàng)呢？這4點(diǎn)就是用戶運(yùn)營平臺想解決的問題了，接下來會進(jìn)行產(chǎn)品核心架構(gòu)解讀。用戶運(yùn)營平臺的產(chǎn)品分解為：選用戶、做運(yùn)營、看效果。將其分解為產(chǎn)品術(shù)語則是：在圈選目標(biāo)用戶并設(shè)置運(yùn)營規(guī)則，基于運(yùn)營渠道發(fā)送指定運(yùn)營內(nèi)容，效果追蹤后再進(jìn)行自助優(yōu)化調(diào)整。1）用戶圈選：選擇訪問商品頁未成交，且有工作的男性2）運(yùn)營規(guī)則：今天晚上8點(diǎn)對用戶進(jìn)行風(fēng)控判定，如風(fēng)控通過進(jìn)行A/B實(shí)驗(yàn)，1組由推薦算法決策推薦商品，另一組由運(yùn)營設(shè)置渠道和商品。4）運(yùn)營內(nèi)容：設(shè)置彈窗落地頁跳轉(zhuǎn)商詳頁5）效果評估：投放后追蹤漏斗數(shù)據(jù)及成交數(shù)據(jù)選用戶對應(yīng)用戶數(shù)據(jù)平臺，做運(yùn)營對應(yīng)規(guī)則引擎和用戶交互平臺，看效果是分析中心。大致理解了所提供的運(yùn)營服務(wù)，我們再逐步理解這核心服務(wù)對應(yīng)的底層支持和產(chǎn)品表現(xiàn)。選用戶對應(yīng)前文的痛點(diǎn)是數(shù)據(jù)不可用，我們要讓數(shù)據(jù)可用，也要解決數(shù)據(jù)分散的問題，將分散在不同業(yè)務(wù)的用戶數(shù)據(jù)進(jìn)行關(guān)聯(lián)，識別是否是同一用戶。最終實(shí)現(xiàn)可視化選取目標(biāo)用戶。要讓數(shù)據(jù)可用，需要建設(shè)的是用戶數(shù)據(jù)平臺，它是一切的開始。哪怕不用于實(shí)際干預(yù)用戶的運(yùn)營，進(jìn)行畫像分析、個性化推薦也離不開它。從用戶運(yùn)營平臺的角度，我們要去采集全站的數(shù)據(jù)讓數(shù)據(jù)多元客觀，然后去過濾掉無效、異常的值，在關(guān)聯(lián)成為同一用戶，保障畫像更為立體。最后則是將一條條明細(xì)的數(shù)據(jù)，加工成可用的圈選條件，并將其供給運(yùn)營。理解表現(xiàn)層之前先了解其底層支持，知其然也知其所以然。
運(yùn)用數(shù)據(jù)的前提是擁有數(shù)據(jù)，采集數(shù)據(jù)則是第一個環(huán)節(jié)。人工采集就是上傳數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫，自動采集則是埋點(diǎn)上報、第三方數(shù)據(jù)傳輸相關(guān)的工作。第二個環(huán)節(jié)是數(shù)據(jù)處理，主要包含了數(shù)據(jù)落庫后的清洗、合并、去重、加工4個步驟。
清洗指發(fā)現(xiàn)并修正數(shù)據(jù)中可識別的錯誤，包括檢查數(shù)據(jù)一致性，處理無效值和缺失值等。
合并和去重概念，關(guān)于數(shù)據(jù)上的理解可以查閱的這篇文章:《Tableau基礎(chǔ)·如何合并你的數(shù)據(jù)？理解與邏輯（上）》，Tableau已經(jīng)描述的非常全面了。
合并的目標(biāo)有2個，一方面是關(guān)聯(lián)不同業(yè)務(wù)的核心數(shù)據(jù)，讓用戶畫像更為立體。另一方面，在離線查詢大批量的時候查詢速度能夠更快。不同的數(shù)據(jù)存儲在不同的表，我們希望在查詢訂單時同時查詢用戶的關(guān)注數(shù)據(jù)，常見的辦法是連表查詢。但這種方法只適合小量的數(shù)據(jù)，當(dāng)數(shù)據(jù)量達(dá)到百萬級開始連表查詢就會非常慢了，而這個時候就會用到寬表，它可以理解為一張擁有大量數(shù)據(jù)字段的表。例如在訂單表增加用戶的公眾號關(guān)注數(shù)據(jù)。加工邏輯，則涉及到條件的組合。我們的原子數(shù)據(jù)如：年齡、性別，這是可以直接使用的查詢條件，但如果我們想要的是“中年男性”這個條件，就涉及到加工了，它能讓我們查詢數(shù)據(jù)時更加敏捷。數(shù)據(jù)采集、處理后下一個環(huán)節(jié)是數(shù)據(jù)管理，它是數(shù)據(jù)服務(wù)的基礎(chǔ)，它負(fù)責(zé)定義數(shù)據(jù)標(biāo)準(zhǔn)，管理數(shù)據(jù)權(quán)限，并保障數(shù)據(jù)質(zhì)量。
標(biāo)準(zhǔn)是指，我們怎么定義一個完整的數(shù)據(jù)，需要有名稱、值類型、取值的范圍、加工的邏輯等。而權(quán)限則決定這個數(shù)據(jù)歸屬于誰管控，密級程度又決定了不同角色的操作，包括讀、寫以及使用。最后的質(zhì)量部分則是通過對應(yīng)的監(jiān)控措施保障數(shù)據(jù)質(zhì)量，數(shù)據(jù)是否及時更新，更新的進(jìn)度和速度是否符合預(yù)期，生成的數(shù)據(jù)是否符合規(guī)范，量級波動是否達(dá)到了告警線。假設(shè)一切正常，它又是否正常的被下游消費(fèi)，消費(fèi)過程又是否存在阻塞。數(shù)據(jù)服務(wù)，這個詞廣義的說數(shù)據(jù)的采集、處理、管理都是一種服務(wù)。在這里特指的是供給實(shí)際運(yùn)營的服務(wù)，例如：人群服務(wù)、風(fēng)控服務(wù)、運(yùn)營服務(wù)。具備了數(shù)據(jù)，就能夠?qū)Σ煌膱鼍爸贫ú煌娘L(fēng)控評分規(guī)則，用于識別黑產(chǎn)、金融產(chǎn)品售前評估、金融產(chǎn)品的定價。異常監(jiān)控則指當(dāng)號碼、賬戶發(fā)生了凍結(jié)等情況可能造成用戶的違約，在金融產(chǎn)品層面做預(yù)警。智能推薦實(shí)質(zhì)也依賴于數(shù)據(jù)平臺，通過用戶的特征輸出推薦結(jié)果。RTA則運(yùn)用于廣告，基于特征決定是否參與定價。人群服務(wù)會運(yùn)用于用戶運(yùn)營平臺的“選用戶”環(huán)節(jié)，數(shù)據(jù)的管理能夠提供可選擇的用戶條件，進(jìn)行前端渲染。而選完條件后則涉及數(shù)據(jù)的去重，不同人群包之間的計算，在最后的運(yùn)用環(huán)節(jié)又涉及到了加解密。這個部分在下文會詳細(xì)描述。描述完了底層支持，下一個部分就是用戶運(yùn)營平臺的表現(xiàn)層“用戶圈選”，那數(shù)據(jù)平臺到底是怎么為“用戶圈選”提供能力的呢？3-2、產(chǎn)品表現(xiàn)：用戶圈選在選取用戶時須考量的產(chǎn)品功能為：圈選方式、圈選頻次、圈選條件及人群服務(wù)。實(shí)質(zhì)上這4個功能的底層支持都來自于用戶數(shù)據(jù)平臺，用戶運(yùn)營平臺則負(fù)責(zé)服務(wù)的運(yùn)用及表現(xiàn)。
這是在可視化、自助化選擇用戶條件后，通過與其取值范圍進(jìn)行比較經(jīng)計算生成人群數(shù)據(jù)包的一種形式。一般來說，具備抽象為可視化條件的數(shù)據(jù)使用較為高頻，數(shù)據(jù)準(zhǔn)確性較高。它的底層原理是對條件和計算進(jìn)行標(biāo)準(zhǔn)化，然后拼接類似SQL的數(shù)據(jù)查詢語句。
智能選取、自主上傳、SQL選取，是對“條件選取”的補(bǔ)充。智能選取主流分為2類，1類是用戶規(guī)模無法滿足要求時對用戶進(jìn)行相似度計算，從而擴(kuò)大用戶的規(guī)模。另類的運(yùn)用場景則是運(yùn)用算法模型選取用戶，結(jié)合運(yùn)營的效果數(shù)據(jù)對模型進(jìn)行調(diào)優(yōu)，不斷尋找最優(yōu)的高響應(yīng)人群。
SQL選取與條件選取的原理相近，它主要運(yùn)用在數(shù)據(jù)未被標(biāo)準(zhǔn)化，無法可視化選擇的場景。另一個場景則是追求更快的查詢速度，因?yàn)闃?biāo)準(zhǔn)化的查詢語句追求的是通用性，查詢速度對比自主撰寫語句時大多較慢。單次提取，指一次性提取數(shù)據(jù)，當(dāng)前時間提取后數(shù)據(jù)不再發(fā)生變化。運(yùn)用的場景多為在做運(yùn)營實(shí)驗(yàn)，而運(yùn)營實(shí)驗(yàn)的效果還不夠好，暫時沒有固化為標(biāo)準(zhǔn)的運(yùn)營方案；另一個場景則是用戶運(yùn)營的規(guī)模數(shù)據(jù)量大，擔(dān)心投放時再取數(shù)其時間過長，先提前提取數(shù)據(jù)。
動態(tài)提取，指相同的條件在不同的時間提取。這種情況，基于數(shù)據(jù)的時效性，其數(shù)據(jù)可能會發(fā)生變化。常見于定期固定的運(yùn)營計劃，如：用戶成交10日后贈送積分。自主上傳則沒有動態(tài)提取這一說法，都是一次性的操作。
下方的交互僅面向于條件選取，而SQL、上傳、智能的交互都是不同的表現(xiàn)方式。條件的來源主要有4種，除了接口上報都應(yīng)來源于用戶數(shù)據(jù)平臺所管理的數(shù)據(jù)，然后再基于其數(shù)據(jù)標(biāo)準(zhǔn)，渲染前端的頁面。
主要面向時效性要求高的場景，是用戶實(shí)時發(fā)生的行為，例如用戶訪問某頁面。
實(shí)質(zhì)上是非標(biāo)準(zhǔn)化的實(shí)時事件，一般在臨時性的活動會使用，如活動任務(wù)完成。
對時效性要求低，一般用于定時的運(yùn)營，且無須查詢用戶的關(guān)聯(lián)數(shù)據(jù)。
概念與用戶特征相近，但主要用于數(shù)據(jù)時效性要求低且需查詢用戶關(guān)聯(lián)數(shù)據(jù)的場景。
在這里額外描述一下關(guān)于“用戶特征”和“寬表字段”的區(qū)別，詳見下圖：
關(guān)于非實(shí)時的查詢條件主要分為寬表字段及用戶特征。為了能夠快速的查詢更多用戶數(shù)據(jù)，會將用戶數(shù)據(jù)基于userId集成在一張數(shù)據(jù)表中，由于存儲了大量不同業(yè)務(wù)字段，也稱之為寬表，如：在訂單表基礎(chǔ)上增加用戶年齡、性別等字段。寬表字段是明細(xì)數(shù)據(jù)，數(shù)據(jù)量多意味著查詢的速度會受限，但你也能迅速的提取其關(guān)聯(lián)數(shù)據(jù)；當(dāng)需要快速進(jìn)行點(diǎn)查詢且不需要用戶的關(guān)聯(lián)數(shù)據(jù)時，則會使用用戶特征。例如：需要對前一日關(guān)注公眾號的用戶并發(fā)放短信，會使用具有明細(xì)數(shù)據(jù)屬性的寬表字段，從而獲取其手機(jī)號。但如果是在活動的頁面，需要實(shí)時判斷用戶是否關(guān)注從而引導(dǎo)用戶關(guān)注，則會使用用戶特征。理解了條件的來源，下一個部分會介紹條件的比較方式，它和數(shù)據(jù)的值類型有關(guān)。前端頁面也應(yīng)基于值類型渲染比較條件。
時間條件一般不會進(jìn)行枚舉，因?yàn)槿兆右惶焯斓脑谶^，很難將它數(shù)清楚。其對應(yīng)的條件選擇交互式日歷選擇器或日歷范圍選擇器，而動態(tài)時間則一般使用T+N的形式，在這里T指的當(dāng)時（一般為天），而N也可以為負(fù)數(shù)。例如：關(guān)注時間=T-1，意思為1日前關(guān)注的用戶。而數(shù)字、字符串的比較方式都相對接近，只是數(shù)字和時間能夠有“大于”、“小于”這類的比較方式，但字符串沒有。前面的部分描述的是如何選取用戶，而這一部分則是選了后還要做的事情。其執(zhí)行流程如下：通過條件查詢得到了人群包，然后對不同人群包進(jìn)行交并叉相關(guān)的數(shù)學(xué)計算。在計算后進(jìn)行數(shù)據(jù)去重，最后再查詢這批用戶的數(shù)據(jù)提供于內(nèi)容話術(shù)及接口使用。接下來詳細(xì)介紹下這幾種服務(wù)：
去重就好理解了，核心原因是防止數(shù)據(jù)重復(fù)，避免因數(shù)據(jù)重復(fù)在查詢數(shù)據(jù)時浪費(fèi)資源。這里分別在內(nèi)容話術(shù)和接口使用提供2個例子。對于內(nèi)容話術(shù)，我們推送了一批待續(xù)費(fèi)保單的客戶給予售后部門進(jìn)行引導(dǎo)續(xù)費(fèi)，但如果需要能夠指導(dǎo)策略，還需要給予售后關(guān)于的保單詳細(xì)信息，如：保額、保費(fèi)、投被保人關(guān)系等。而接口使用，則與調(diào)用接口要求的入?yún)⒂嘘P(guān)，如風(fēng)控接口一般會需要用戶的身份證和手機(jī)號等。產(chǎn)品和運(yùn)營的工作主要為策劃和執(zhí)行，而痛點(diǎn)也由此而生。策劃的痛點(diǎn)是過往的邏輯難以追溯，很難能體系化的了解過往的運(yùn)營思路，過往面對誰做了什么事效果如何，當(dāng)前又是否正在運(yùn)行？我們的新方案總是從零開始，需要重新的踩過往的一個個坑。而執(zhí)行痛點(diǎn)則是要上線一套成體系的運(yùn)營方案鏈條太多，不同任務(wù)完成的方式不一有的需要配置有的又需要研發(fā)，不僅接口人不同，上線的周期即慢又零散，非常依賴于項(xiàng)目管理的能力。有沒有一個方式能夠盡可能的讓多變的運(yùn)營規(guī)則實(shí)現(xiàn)配置化，讓運(yùn)營能夠?qū)崿F(xiàn)線上管理呢？這里的解法是規(guī)則引擎負(fù)責(zé)運(yùn)營規(guī)則的組合，而交互平臺則提供組合的內(nèi)容，再提供不同運(yùn)營視角的管理視圖以及自助化的配置工具。這2者如果能夠做到極致，那就是no-code。規(guī)則引擎業(yè)界也稱自動化營銷平臺，規(guī)則引擎這個名詞有點(diǎn)抽象，不妨理解為但運(yùn)作一件事的規(guī)則或邏輯。
這里又來到了耳熟能詳?shù)牡?W2H法環(huán)節(jié)，規(guī)則引擎是什么時間對什么人在什么地方以什么方式做什么事（5押）。什么時間做和對誰做是觸發(fā)條件，對誰做在實(shí)時事件觸發(fā)的場景，例如用戶簽到立即下發(fā)獎品，這種情況事件即是觸發(fā)條件又是判斷條件的一部分。判斷條件的本質(zhì)是過濾，例如過濾昨日簽到用戶中的黑產(chǎn)用戶，除了用戶本身的特征，我們還會接入風(fēng)控、推薦等接口。流程控制從計算機(jī)運(yùn)算角度是改變流程執(zhí)行順序的指令，淺層的理解為判斷條件和執(zhí)行條件的銜接器。在實(shí)際運(yùn)營中不一定每次判斷生效都會立即執(zhí)行，會加以時間等待或者分組執(zhí)行。例如：當(dāng)用戶訪問頁面后等待15分鐘觸發(fā)運(yùn)營邏輯，等待指令就是流程控制。執(zhí)行條件就相對簡單了，但在思考的時候不要被束縛。一切對用戶的運(yùn)營干預(yù)手段都可以是我們的覆蓋范圍，無論是觸達(dá)還是彈窗，無論是非人工、人工還是智能，做B端重要的是連接和共贏。理解了規(guī)則引擎核心的4要素，下一個問題就是如何能夠讓研發(fā)、產(chǎn)品、運(yùn)營不同的角色都可以使用，適用的角色每向前一步，易用性就更高一層。如果連研發(fā)敏捷提升都無法做到，那這套引擎就沒有存在的意義了。關(guān)于敏捷，我理解的是低代碼或者無代碼實(shí)現(xiàn)運(yùn)營需求，并且能夠自主測試無須發(fā)版，所以對應(yīng)的解決方案是可視化的拖拉拽，上圖是易觀數(shù)科的智能運(yùn)營Work Flow，是一個很好的案例。但對比no code我個人還是傾向于low code，no code基本是通用的模型和標(biāo)準(zhǔn)化的模版，無需研發(fā)、人力投入，即可快速上線應(yīng)用。它可以參考網(wǎng)頁、活動等標(biāo)準(zhǔn)化服務(wù)的提供商，這種方式的缺陷是，強(qiáng)依賴于模版。如果不具備適合的模版，其實(shí)用性會大打折扣，而且很難兼容復(fù)雜邏輯，最簡單實(shí)際上也最不靈活。low code，則是通過建設(shè)一些基礎(chǔ)設(shè)施，實(shí)現(xiàn)部分邏輯配置、部分編碼，實(shí)現(xiàn)部分邏輯可配置，測試可自助。適用于有一定研發(fā)理解能力的產(chǎn)品、運(yùn)營等同學(xué)。
交互，顧名思義是交流與互動。規(guī)則引擎負(fù)責(zé)規(guī)則組合，而交互內(nèi)容負(fù)責(zé)規(guī)則最后的一個節(jié)點(diǎn)：執(zhí)行。我們希望做用戶運(yùn)營便需要與用戶產(chǎn)生聯(lián)系，這則依賴于能夠觸及用戶的渠道，不同的渠道又有各自特點(diǎn)交互內(nèi)容。這一章節(jié)沒有太多復(fù)雜的底層支持邏輯，基本就是渠道能力的建設(shè)，渠道內(nèi)容的維護(hù)和管理，更多要關(guān)注的反而是視野。這幅圖枚舉了大致可能與用戶交互的渠道以及渠道支持承載的內(nèi)容方式，渠道不僅推送，還有企微這類私域的聊天訊息，其次還有電話對應(yīng)的人工服務(wù)以及站內(nèi)的資源位。下發(fā)的內(nèi)容也不僅是文字、圖片，也可以下發(fā)任務(wù)或者獎品。任務(wù)可以理解為你希望用戶完成的事情，獎品則是完成什么事情后你所要提供的激勵。在這里大家可能會有的疑問是，落地頁不就一般承載了任務(wù)和獎品么，這一點(diǎn)來說是的。但就是有的場景會沒有落地頁，例如智能外呼、短信。這時候則會運(yùn)用到通用化的用戶任務(wù)體系和獎品了。至于說內(nèi)容的產(chǎn)品支持工具，還包含二維碼、海報、短鏈、落地頁生成等，這些產(chǎn)品怎么實(shí)現(xiàn)并不是這篇文章的重點(diǎn)，這里也不做描述了。4-2、產(chǎn)品表現(xiàn)：方案管理及方案配置做運(yùn)營的痛點(diǎn)是：管理困難、成本高及上線周期長。線上的列表視圖只是最淺層的管理，我們還應(yīng)該還應(yīng)提供不同類型的視圖幫助運(yùn)營同學(xué)了解運(yùn)營方案的運(yùn)行狀況和業(yè)務(wù)邏輯。而成本、周期的問題，則應(yīng)通過自助化、一站式、可視化的配置來解決，這個部分則依賴則是4-1的底層支持。方案管理，首先定義何為運(yùn)營方案，它包含三部分：目標(biāo)用戶、運(yùn)營策略、效果評估。對方案的管理，常見的是列表視圖，包含基礎(chǔ)的列表及列表篩選。這一點(diǎn)就不描述了，而當(dāng)我們要了解業(yè)務(wù)運(yùn)行狀況時就會使用到：執(zhí)行視圖、邏輯視圖等。從運(yùn)營的角度，任何的投放類的運(yùn)營基本都涉及到KPI，先無論效果如何，每個運(yùn)營策略要先關(guān)注執(zhí)行是否按時、按量執(zhí)行。這是運(yùn)營效果的基礎(chǔ)。時間部分，主要分為開始時間、持續(xù)時間，部分的業(yè)務(wù)是對任務(wù)完成時效有強(qiáng)訴求的。而量級部分首要的是任務(wù)的成功率，在產(chǎn)品設(shè)計時再往前做一步還可以基于對應(yīng)方案的總量級、成功量級做同比或者做趨勢，方便我們定位問題。邏輯視圖，承載了運(yùn)營方案的邏輯。其次想幫助運(yùn)營同學(xué)建立運(yùn)營的全局視角。這一部分對于不同的產(chǎn)品形態(tài)、業(yè)務(wù)目標(biāo)，其差異就很大了，下圖舉一個基于商品的邏輯視圖。商品視圖是單一商品在不同的運(yùn)營場景，在什么時間節(jié)點(diǎn)、使用了什么渠道進(jìn)行運(yùn)營。每一個渠道都可能擁有自己的細(xì)分目標(biāo)，點(diǎn)擊“目標(biāo)：引導(dǎo)加購”，則能夠進(jìn)入詳細(xì)的運(yùn)營方案，從而查看運(yùn)營邏輯。第二幅圖則是從品類的角度，來查看場景運(yùn)營是否缺失，這個視圖不關(guān)注渠道、時間等具體的細(xì)節(jié)。這只是2個示例，大家可以基于自己的業(yè)務(wù)形態(tài)去設(shè)計自己的管理視圖。上文的商品視圖，只承載了邏輯的一部分，更詳細(xì)的邏輯則會進(jìn)入運(yùn)營方案頁面。它包含了運(yùn)營方案的面向用戶、運(yùn)營策略、評估指標(biāo)。接下來為大家講解的部分是，一個方案配置的表現(xiàn)層是怎樣的。配置的方式，業(yè)界主要有2類，一類是流程視圖，另一類是表單視圖。流程視圖可以參考釘釘宜搭、易觀數(shù)科，在這里只做簡單的圖片展示：表單視圖，也是比較主流的方式。個人的設(shè)計將運(yùn)營方案拆分為了4個部分：運(yùn)營頻率、面向用戶、運(yùn)營策略、效果評估。這一小節(jié)，先闡述前3小點(diǎn)。一個運(yùn)營方案，首先要處理的是在什么時間范圍內(nèi)運(yùn)營，其次是以什么樣的頻率在什么時間運(yùn)營。事件觸發(fā)則不依賴時間，基于事件發(fā)生實(shí)時觸發(fā)，這一類型沒有運(yùn)營時間的概念。而循環(huán)觸發(fā)、單次觸發(fā)則會有時間的概念。循環(huán)觸發(fā)，是指多次的觸發(fā)任務(wù)，觸發(fā)事件僅適用于每日定時任務(wù)，間隔日定時任務(wù)。對間隔日定時任務(wù)舉一個例子輔助理解：每周一都要上班。單次觸發(fā)，則是一次性的任務(wù)了，可以是方案建立后立即發(fā)送或者定一個創(chuàng)建方案完畢后的時間進(jìn)行發(fā)送。這個部分，在講解用戶數(shù)據(jù)平臺的表現(xiàn)層時是有詳細(xì)介紹的，在這里只做交互示意。上圖是一個簡單的模式，能夠服務(wù)大多數(shù)的場景。但在實(shí)際的過程中還是會涉及到判斷、執(zhí)行條件的組合。復(fù)雜的模式，會在上圖額外增加運(yùn)營規(guī)則字段，規(guī)則由研發(fā)可視化托拉拽配置而成，然后規(guī)則再渲染執(zhí)行相關(guān)的渠道、內(nèi)容提供運(yùn)營填寫。但規(guī)則多了，也就難以維護(hù)和理解。除了流程視圖，怎么樣做能夠更易用、更易懂，我目前也沒有很好的答案。靈活和通用，真的沒那么容易做取舍。終于到了主流程的最后一個部分：看效果。回顧一下看效果的痛點(diǎn)：評估標(biāo)準(zhǔn)不一，無法對比，并且缺乏負(fù)向評估。這一部分從個人的角度主要是需求方，而非實(shí)現(xiàn)方，所以沒有太多的底層實(shí)現(xiàn)可以分享，而表現(xiàn)層則是基于運(yùn)營方案的執(zhí)行結(jié)果，對干預(yù)成功的用戶進(jìn)行漏斗統(tǒng)計、ROI計算，以及下鉆的畫像分析。這里主要描述漏斗統(tǒng)計和ROI計算的一些思考： 漏斗的統(tǒng)計主要看端到端的轉(zhuǎn)化，指標(biāo)的定義如下目標(biāo)用戶總數(shù)：用戶圈選組合后的用戶總數(shù)
干預(yù)成功用戶數(shù)：經(jīng)過防騷擾屏蔽、紅黑名單或運(yùn)營策略等判斷條件過濾后下發(fā)成功數(shù)量
點(diǎn)擊人數(shù)：下發(fā)用戶后，用戶進(jìn)入落地頁的人數(shù)
轉(zhuǎn)化人數(shù)：點(diǎn)擊用戶實(shí)際完成轉(zhuǎn)化目標(biāo)的數(shù)量
轉(zhuǎn)化人數(shù)的概念非常的廣，取決于你希望這個用戶完成的行為指標(biāo)。這個指標(biāo)每個運(yùn)營方案都可能不太相同，包括成交、續(xù)費(fèi)、訪問、關(guān)注等。如果你不是數(shù)據(jù)產(chǎn)品關(guān)注的核心應(yīng)該是梳理不同業(yè)務(wù)的轉(zhuǎn)化指標(biāo)，并交付數(shù)據(jù)部門實(shí)現(xiàn)統(tǒng)計再集成進(jìn)你的平臺。ROI統(tǒng)計這是一個比較難設(shè)計的模塊，在這里可能也只是拋磚引玉。之所以說難，難在不同的業(yè)務(wù)指標(biāo)不相同，統(tǒng)計的方式也不同，如果強(qiáng)行輸出，可能得不到大家的認(rèn)可。這里個人的思路是分業(yè)務(wù)計算，抓小局放棄大局。理解梳理不同業(yè)務(wù)的計算方式，并為其提供通用的配置計算能力。幫助不同部門的內(nèi)部能夠比較，能夠衡量。
ROI的計算公式，相比傳統(tǒng)的計算方法額外多了一個參數(shù)：“負(fù)向指標(biāo)經(jīng)濟(jì)價值”。道理也很簡單，每發(fā)一篇公眾號文章，有人關(guān)注也會有人取關(guān)，有正向也當(dāng)然會有負(fù)向。但這并不是說不需要繼續(xù)運(yùn)營了，而是要讓分子大于0，并且盡可能的靠近、超出分母。以上圖的第二個例子進(jìn)行解讀，假設(shè)是某東Plus會員年卡，臨近過期用戶仍未進(jìn)行續(xù)費(fèi)，這時平臺運(yùn)營會將這部分用戶推送至外呼專席，由外呼同學(xué)引導(dǎo)用戶進(jìn)行續(xù)費(fèi)。
過程指標(biāo)體現(xiàn)了結(jié)果指標(biāo)的完成方式，要提升結(jié)果指標(biāo)的經(jīng)濟(jì)價值，要么減少完成過程的損耗，要么提升完成結(jié)果的單價。而負(fù)向指標(biāo)，即這種運(yùn)營行為可能導(dǎo)致的損失，這是這個運(yùn)營舉措帶來的負(fù)向影響，如第一個例子中的取消關(guān)注。負(fù)向指標(biāo)同樣需要換算為經(jīng)濟(jì)價值，如：1個公眾號粉絲的費(fèi)用，1個小程序UV的費(fèi)用。正負(fù)向的結(jié)合，才能使計算更為客觀。這篇文章，寫的很艱難也很暢快。艱難是我從未想過我最熟悉的B端產(chǎn)品，沉下來寫會多了這么多的產(chǎn)品方向。暢快則是終于我不用管那該死的邊界、價值、實(shí)現(xiàn)難度，能夠設(shè)計理想中應(yīng)該包含的東西，應(yīng)該呈現(xiàn)的交互樣式。完整的用戶運(yùn)營平臺非常復(fù)雜、成本也很高，它要求你的業(yè)務(wù)是強(qiáng)依賴于召回，并具備足夠大的業(yè)務(wù)量級與收益。否則，我還是建議從這里去汲取靈感，自己做自己的MVP。思維可以更開闊一些，有了用戶數(shù)據(jù)平臺，基于特征做拖拉拽的BI報表也可以，畫像分析也可以。有了規(guī)則引擎解決審批流配置、調(diào)研問卷的問題也不錯。做了渠道能力，為外呼團(tuán)隊、客服團(tuán)隊提供支持也是很好的路徑。其實(shí)能設(shè)計這樣一個產(chǎn)品真的運(yùn)氣挺好的，它把我過往的產(chǎn)品經(jīng)驗(yàn)進(jìn)行的連接，在第二份工作的時候，我做的B端產(chǎn)品非常多，包括：頁面配置、任務(wù)、獎品、用戶特征等等，但它們的連接都非常的疏離。這一次才有點(diǎn)點(diǎn)所謂生態(tài)的感覺了，而不是假大空的一個名詞。最后呢，還想要建議B端產(chǎn)品在設(shè)計時盡可能的屏蔽底層邏輯，減少配置項(xiàng)。這么多的可視化、自助化配置，確實(shí)減少了研發(fā)的成本，但只是轉(zhuǎn)換成了是產(chǎn)品和運(yùn)營在負(fù)重前行。
參考資料
1、攜手前行Convertlab 一體化營銷云暨營銷技術(shù)中臺解決方案
https://docs.qq.com/pdf/DS0FXZEhKTGhzS3hi
2、數(shù)據(jù)平臺產(chǎn)品構(gòu)建之路-MobTech
https://docs.qq.com/pdf/DS05xdXRDUFFPUlJJ
3、華為內(nèi)部數(shù)據(jù)湖：3大特點(diǎn)、6個標(biāo)準(zhǔn)、入湖流程
4、我自己做的UP
文章來源：作者：Wise Wong。公眾號：Becomewiser。
圖片來源：部分圖片來源網(wǎng)絡(luò)，版權(quán)歸原作者所有，不為商業(yè)用途，如有侵犯，敬請作者與我們聯(lián)系。文章為作者獨(dú)立觀點(diǎn)，不代表135編輯器立場。
文章申明：本文章轉(zhuǎn)載自互聯(lián)網(wǎng)公開渠道，如有侵權(quán)請聯(lián)系我們刪除
