55张图详解用户画像的定量与定性分析

作为运营,无论是新媒体运营、内容运营、活动运营还是电商运营,都需要对海量的用户进行研究,归纳其共性特点,用以做出有针对性的文字性方案、活动方案或者是产品品类规划等…但用户数量过于庞杂,如何用科学的定量与定性结合的方法去进行用户画像研究就显得至关重要。本文将详细讲述这类定性与定量结合的用户画像制作方法,以求达到精确描述用户需求、指导运营工作的目的。

  继续阅读

刘玮冬运营手记 | 作为运营的你,怎么不会接触你的用户?

本文转载自“人人都是产品经理”社区

原文地址:http://www.woshipm.com/operate/358222.html

 

我希望热爱运营的你,能通过每次调研,让一批真正的目标用户群成为你的朋友,加他们的微信,观察他们的生活,感受他们的喜怒哀乐。只有这样,你才能时刻对用户保持高度的感知力,才能富有极强的同理心。你做的所有运营,都能真正的基于用户,触达他们的内心,感受他们的魅力。

继续阅读

创业公司做好数据化运营,需要先搞清这6个问题

流量为王”的时代已经结束,互联网企业正在向精益化运营的方向转型。而做好精益化运营需要大量的数据来支撑决策,这对企业的数据采集和数据分析能力都是非常大的挑战。
中美在数据分析上存在较大的差距。数据分析在国内一些特别大的企业,比如 BAT里,才能得到较高的重视;当然这得益于他们的长期积累,对数据和运营结合的比较好。

国内企业对数据本身,以及数据所能提供价值的认识程度,没有美国那边那么深入,并且差异还蛮大的。

 

问题1:什么样的公司需要注意数据?不同阶段有何差异?

一般来说,目前国内比较重视数据的是高客单价,重转化的公司,比如互联网金融、电商、交易平台、SaaS、在线旅游类的公司。这类客户客单价高,不是完全拼流量,如此创业者才有提高转化的动力。

宏观的讲,创业者会经历产品4个生命周期阶段

 

第一个阶段,叫冷启动。 这个时候公司特别早期,天使轮或者A轮,甚至融资还未成功。处在这个阶段的公司,用 大数据 驱动是一个伪命题——因为客户数量有限,样本性不足。他们需要更多地去了解潜在客户的需求,去“求”客户来用这个产品。

第二个阶段,增长前期。 就是冷启动接近完成。有经验的创业者,会开始布局和增长有关系的一些核心指标,比如说日/月活跃,留存度。这些指标的目的不是为了衡量产品当前当下的表现,而是为了未来做增长时有可比较的基准。

第三个阶段,增长期。 这个阶段就能看出来好的创业公司和普通创业公司的巨大差别——效率。无论PR还是做活动,都需要人力和时间成本。如何在增长中,找到效率最高的渠道?这个我觉得,是创业公司之间PK的核心竞争力。如果不做数据驱动,靠直觉,一次两次可以,但没有人能进赌场连赢一万次。所以,直觉需要和数据进行结合,这样企业能迅速优化各个渠道,来提高单位时间的转化效率。

第四个阶段,变现期。 业务变现,要求很高的用户基数。一般互联网产品,其中一小部分高活跃、体验好的用户,会转化为付费用户。类似一个漏斗,不断地去筛,这里面就是要拼运营的效率了。比如说,电商用户的转化漏斗一般是:访问——注册——搜索——浏览——加入购物车——支付,或者到未来的退货。这是非常非常长的一个漏斗,真正要做好数据化运营,要对漏斗的每个环节持续地进行追踪

一个好的企业,特别是以后要做营收的企业,必须要关注各个部门各个环节的转化效率。这种转化效率,要达成的手段,可以通过市场营销的方法、产品改进的方法、甚至客户运营的方法。而其中每个环节小幅提高,加在一起就是一个倍数的提高。这种倍增,如果没有做过数据化运营的人,很难体会到会有多大。

 

问题2:好的数据分析应该是怎么样的?

好的数据分析,能够让公司里所有人都获益。它不是一种特权,不是只给公司里的一两个人看,而是能够让公司里面各个运营部门,特别是前线打仗的部门,能够直接得到好处。

普通只讲战略,只讲大方向,只给CEO看,只给VP或者运营看——这不够。需要把它给工作在一线的员工,让他们用起来。这个我觉得是区分一个数据驱动型企业,和非数据驱动型企业一个很大的区别。效率提升,是所有人提升,而不是一两个人提升。

一个公司要建完整的数据分析机制,首先应该从业务开始。所有的数据分析运营或者数据体系,都应该从业务,从客户开始。这个数据分析体系,不应该只解决非常狭窄的一个或者两个问题,需要有体系和大局观。然后,实际上数据分析里面,最难的一个部分是数据搜集和数据整理,这个过程最耗费时间,可能因为刚开始的计划就做的不够周全。所以说,在数据采集和数据整理方面,应该很有计划的重视。

到后面,数据分析,不能只仅仅停留在报表的基础上,价值还是不够多。最终还是,那些数字出来以后,告诉别人应该怎么做是对的、有效的。这里面的话,就是有很深学问,需要很强的操作能力。

所以说一个企业,既要有大局观,又要注重可执行性。我建议一般企业想自建的话,应该先从一个单点突破,找到一个转化点,看到了价值,通过这一次的实践,再学习下一次实践的方法。这也是一个学习的过程。不要上来就建立庞大系统,上来就把50个数据圆圈综合在一起,想建立一套数据科学框架。我觉得一般要这样干的话,除非你有很多资源,否则一定会失败的。

 

问题3:企业数据分析都可以分为哪些阶段呢?
继续阅读