這篇文章主要講述了數據驅動運營的基本步驟和方法，包括建立指標體系、找到合適的運營方法、分析和改善數據指標的完成情況以及做好數據導向的總結優化等方面。

宏觀環境不景氣后，數字化轉型、數據化運營成了企業降本增效的重點戰略方向之一，本文主要從數據運營的角度，分享數據在產品運營過程能夠起到的作用，數據賦能運營的步驟及方法

一、為什么數據對產品這么重要？

互聯網發展至今，數據化管理已經深入到每個公司的管理理念當中，從過去的拍腦袋決策到用數據說話。相信很多產品、運營幾乎每天上班后第一件事，就是打開報表看KPI表現；給老板匯報或者職級晉升，甚至面試，老板們不只想聽到你做了什么事情，更想聽到的是你做的產品數據怎么樣，或者你做了哪些事情，讓數據有所提升。

每款產品的誕生發展都有明確的目標，而為了監控這些目標的達成，會制定一系列的KPI，由此產生了各種各樣的數據?？梢哉f，數據是用來衡量產品業務發展的工具，有了它，老板、商務、產品、運營不同角色對業務的理解和判斷，才會有統一的標尺。

舉個例子，AB兩個產品經理同時給老板匯報清明專題活動項目價值時，A產品經理A：活動很成功，大量用戶參與活動，產生很多訂單和營收，可以加大活動補貼力度。B產品說：曝光環節，在A渠道投放10000用戶，帶來20000人激活轉化，線上CAC(平均線上獲客成本)50塊，活動ROI（投入產出比，收益/投入）1.2，可以繼續加大活動力度。

如果你是老板，你更傾向哪個產品經理的匯報方式？答案很顯然是后者。既然數據這么重要，在產品運營階段，產品經理應該如何圍繞數據展開工作呢？今天，就具體分享數據運營的四步法。        

第一步，建立指標體系

用戶增長界，在確定產品指標體系時有個專有名詞“北極星指標”或者叫第一關鍵指標法（OMTM：one metric that matters），它是一個階段內衡量業務表現最關鍵的唯一指標，像北極星一樣指引著產品前進，能反映產品經理對產品核心價值的追求。

這里面要注意的一是“一個階段內”，即產品不斷向前發展，市場也在變化，每個階段的指標可能同，如初創期關注用戶量級，中后期關注營收；二是“最關鍵”即是真正能夠衡量業務健康度的關鍵指標，而不是虛榮指標，早期Facebook在定義KPI時把注冊用戶數當做關鍵指標，產品設計流程圍繞注冊流程的優化和引導，運營團隊使用各種運營手段來刺激用戶注冊，逐步發現，雖然注冊用戶數不斷增長，但是出現很多用戶注冊了兩三年，但再也沒有訪問或者已經流失不再訪問的情況，對于一款社交型應用，如果長時間不活躍的用戶是沒有價值的，因此，把注冊用戶數當作北極星指標會導致產品和運營策略的跑偏，后來Facebook把活躍用戶數作為北極星指標。

北極星指標確定后，就要定義和拆解指標體系了，因為在在實際工作中，往往多個團隊共同協作來達成產品的北極星指標，這也要求北極星指標要客觀、簡單，便于理解和拆解。

以某視頻網站的北極星指標是內容訂閱用戶數，如何拆解成各個團隊的執行指標呢？首先，我們來看影響這個北極星指標的達成，從訂閱屬性的應用角度，影響用戶訂閱行為的很大程度是內容供給側，對于提高內容訂閱用戶數，一般可以拆解成三個方面：第一個是提高用戶訂閱數，第二個是提升訂閱內容的吸引力，第三個是拉長用戶訂閱的周期。

這三個方面其實還可以繼續細分，以提高內容訂閱用戶數舉例，我們又可以拆解為三個方面：第一個是新用戶的激活，第二個是老用戶的召回，第三個是體驗或使用用戶的轉化。

類似這樣的拆解，就為產品運營確定了工作目標，負責拉新、推廣的同學能知道自己每天要拉來多少新用戶，要保證新用戶的質量，讓用戶有更多的留存。這樣的話，既有眼前明確的小目標，能指導工作落地，又有大的、全局性的北極星指標，讓工作方向明晰、有意義。

可以看出，上述過程的拆解，并不是嚴格意義的KPI由上到下的定量拆解，更多的是圍繞影響北極星指標達成的因素，進行相關產品策略的制定。

另外一種是基于指標計算公式間的拆分，例如DAU和MAU的關系來看，DAU=MAU*訪問天次/30（當月天數）=（當月新激活MAU+歷史回流MAU）*訪問天次/天數=【（當月新激活UV*留存率*訪問天次） +（歷史老用戶回流UV*留存率*訪問天次）】*訪問天次/天數。

這種拆解方式看到網上不少文章有過介紹，不作贅述。

第二步，找到合適的運營方法

指標體系拆解了之后要從不同的數據維度，找到相匹配的運營方法。

以某視頻付費會員數為例，北極星指標是付費會員數，從不同的數據指標出發，就衍生出了不同的運營方法：比如，要提高新用戶數量，得靠渠道推廣、靠各種用戶增長手段；而如果要提升用戶訂閱內容的吸引力，就需要內容運營崗位的同學想辦法，通過合作、篩選、主題運營或者算法推薦，為用戶提供更匹配、更有價值的內容；再比如，要拉長用戶付費周期，就需要商業化的運營，包括定價策略、引導會員開通策略，甚至活動運營，也就是在一定周期內設置一些促銷熱點活動，從而加長用戶的訂閱周期。

總的來說，運營方式并沒有一個絕對的劃分標準，我們往往基于業務的核心目標，以及拆解具體的執行數據指標后，根據業務發展階段和團隊特點，找出當下運營的重點，從而確定具體的運營方法。

同時，需要指出的是，運營分工也在不斷演進。比如過去拉新用戶，更多屬于渠道推廣的工作，而現在，為了從拉新、到用戶激活、再到用戶留存、用戶召回形成一體，許多公司會引入用戶增長的理念，圍繞這一目標，讓產品策劃、產品運營甚至技術開發同學，組建一個專門的小團隊，來獨立推進。

第三步，分析和改善數據指標的完成情況

指標明確后會有一系列的產品迭代或運營活動來達成目標，那如何評價策略的好壞呢，最常用的有兩種數據方法，漏斗分析法，和A/B Test。

漏斗分析就是把用戶行為路徑抽象，如電商交易型產品，用戶從訪問到下單會經歷多個流程環節， 比如外賣產品頻道區下單轉化率8%，作為產品經理你的KPI是提升至12%，老板問你，你準備怎么做呀？你該如何回答？看下競品？

利用漏斗分析，把下單過程拆分成首頁、列表頁、詳情頁、提單頁、支付頁后，分析每個環節的用戶轉化，發現從首頁進入列表頁只有40%，提單到支付成功只有30%，這兩個環節的流失率最高，可能的原因有哪些呢，是不是可以先從這兩個環節入手呢？

此時，你就可以這樣回答老板的靈魂拷問：我們拆解了各個核心節點的轉化，發現有兩個環節表現不好，需要改善：一個是從首頁到列表頁的流量分發，我們判斷可能原因有這么幾點……；第二個是提單到支付，我們判斷可能原因是這么幾點……因此，我們打算從這幾個方面來提升運營效果。這個分析是不是就很有理有據、清晰易懂。

接下來，再來看看第二方法，A/BTest，就是通過不同版本之間的對比，來驗證取舍最優方案，用數據說話。

舉個例子。做一個投放紅包、拉新用戶的運營活動，用戶可以通過活動頁領取1-10元不等的紅包，頁面下方會引導用戶到APP上提現，從而達到拉新和拉活用戶的目標。作為產品經理有點拿捏不準到底是哪個文案效果更好，此時可以通過系統進行小流量投放測試，來看哪一組的點擊率更高，結果顯示：“立即提現”按鈕點擊率比“領取到賬”高25%。這就說明“立即提現”的字眼更吸引人，這時就可以把更大的流量，甚至全部流量都投放在這個“立即提現”的活動頁面上。

第四步，做好數據導向的總結優化

最后是數據的總結復盤和迭代優化。所有產品、運營工作的目標，都是為了達成業務數據指標。拆解了數據指標后，制定執行策略，看數據分析效果，效果好，就要思考怎么擴大效果；效果不好，就需要定位原因，重新制定策略。而整個看數據、找問題、定位優化過程，就是總結復盤、迭代優化的過程。

二、總結

數據化運營主要四步走：

1.定義和拆解數據指標。北極星指標是產品一個階段內最關鍵的唯一指標，像北極星一樣指引著產品前進；這個指標需要客觀、簡單、便于團隊理解，并能由不同的團隊拆解和分工完成；

2.團隊根據不同的數據指標維度，找到相匹配的運營方法，達成指標；

3.在運營執行過程中，通過漏斗分析法和A/BTest兩個非常實用的數據分析方法，來拆解檢驗運營效果；

4.運營效果好，產品團隊要及時總結復盤，擴大效益；如果運營效果不好，就要找到原因，重新制定策略。

有了基礎的數據化運營方法論之后，對于常態化的運營流程，數據產品經理可以進一步抽象成數據產品，利用產品化的工具，提升數據化運營的效率。