中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

運營本身就是一個不斷捕捉數據異常并進行拆分繼而尋找異常根本問題的過程，而異常思維和拆分思維是我們在每日運營過程中都需要用到的思維模式，更加具體和落地。作者結合實際例子對該運營思維進行了分解，希望對你有所啟發。

寫在前面

近期開始一系列分享——《20個運營思維》系列，這個系列基本上是我個人做運營以來的精華提煉，里面涉及到的思維大多數都是我自己邊摸索邊總結的。如果讀者能從中GET到一些，那倍感榮幸，如果有不同意見，也歡迎指出，切磋探討。

進入正題。今天是20個運營思維第二篇。

這一篇主要分享異常和拆分思維。上一篇內容講了增長模型思維，增長模型其實本質也是拆分思維的一種，但會更偏向于模型及模型帶來的預測的能力，而異常思維和拆分思維則是我們在運營過程中每天都需要用到的思維模式，更具體和落地。

運營是一個不斷捕捉數據異常并通過拆分去尋找異常背后本質的過程。

異常思維

試想你是一個業務的運營，當你發現今天的交易用戶數下降或上升，那么你會怎么做。這個場景幾乎每個運營每天都會遇到，這個下降或者上升，本身就是一種異常，你發現了它，假如找到這個異常背后的原因，就可以已利用這個原因：比如如果是找到了異常增長背后的原因，就可以想辦法去復制它，讓這個增長常態化；反之，如果是找到了異常下降背后的原因，也可以想辦法去修補它或者去避免它。在對異常的復制和修補的過程中，誕生了一步步的運營策略。運營是不斷的發現異常，利用異常的過程。

1. 善于觀察，高手在民間

其實有的時候運營真的挺簡單的。很多時候，運營不需要制定策略，運營需要的就是觀察，觀察和發現那些好的異常，然后去放大它，放大的過程就是策略。高手總是在民間。

假如說你面向一個100人的城市線下地推團隊，你需要為這些人提供中臺服務，去調動他們的熱情，幫助你共同完成銷售指標，你需要怎么制定運營策略。

從沒做過線下銷售的你一開始可能會有點迷茫，但學會了這一招，你會感到非常輕松：你先明確一個KPI，讓他們自由發展，在這個過程中，你會發現，總有一些銷售，做得比其他人都要好，在60%的銷售都不及格的情況下，總有10%的銷售每次都是120%的達成。

這時候你需要做的就是去采訪這10%的銷售，是如何做到的，從中你很可能聽到很不一樣的思路，從這些思路中就可以抽象出你的運營策略，你可以讓剩下的60%去學習這10%的做法，組織整體的效能自然就提升了。

在一個非平均的系統里，總有那么一些狀況是異常的，找到那些好的異常，并且去復制它，自然而然就會讓勢頭向好的方向發展。

高手在民間這個理論同時可以應用于線上運營。我記得我曾經運營一個信用卡代償產品，一開始那個月我什么都沒做，就觀察，一個月，即便是沒有任何運營干預的狀況，你也會發現，數據會有異常，而且會有些好的異常，無心插柳柳成蔭，總是有一些我們無意間的看似不相關的動作（如產品的某個更新）帶來數據的增長，而這些異常的背后，就是我們找到突破口的方法。

以上講了通過觀察，發現異常，利用異常制定策略，接下來講如何利用拆分思維尋找異常背后的原因。

2. 拆分思維

拆分至少有以下幾種方式：

（1）按用戶渠道拆分

當你在負責一個app新用戶運營的時候，發現新戶整體的轉化率產生很大的波動，這時候拆分渠道是一個很好的方式。新用戶的數據會隨著渠道的不同而展示出極大的差異性，自然流量的用戶和邀請好友的用戶質量會有明顯區別，不同渠道的轉化率、留存率等數據也大有不同，需要差異化去對待。

新戶整體的轉化率降低，很可能是劣質渠道的用戶占比提升導致，一般新用戶的運營需要區分渠道，看每個渠道的數據變化。

（2）按照用戶屬性拆分

用戶屬性指性別、年齡、區域等等，對于某些業務而言，用戶屬性的區別也相當明顯，如男性和女性在電商平臺的購物動線有著明顯差異，學生和白領對于金融類產品也會表現出不同的客單價特征；

對于某些業務來說，城市也是一個可考慮的因素項，比如喜茶，交易人數下跌，按照城市去拆，是各個城市普遍下跌，還是個別城市的下跌，這里受到疫情、天氣等等的因素原因會較大。

（3）按照場景入口去拆分

比如支付人數的下跌，是線上支付場景的下跌，還是線下支付場景；是具體哪個合作方的下跌，還是說所有的合作方一起跌；是具體哪款支付產品在下跌等等。

（4）按照用戶分層去拆分

如看一個app的DAU，可以把app用戶區分為新戶池、活躍用戶池、沉默用戶池、預流失用戶池、流失用戶池，每天的DAU里必然由以上五類用戶池的用戶構成，DAU漲了、跌了，是哪個池在產生明顯變化，拆開看就很明了，如下圖所示。

拆分的方法有很多，其實也很好理解，但拆分有個基本的要求，就是要符合業務認知，不是為了拆而拆，比如說一個充話費業務，你非要區分性別去拆分，可能就是徒勞的，因為男性和女性在充話費這個事情上，并不會表現出很大的不同。

除了以上這些拆分方法外，還有一種非常好用但又容易被忽略的拆分法，對時間拆分。

3. 對時間拆分

假如你看到的每日交易的曲線是以上這樣的，明顯在9.1日的時候，產生了一個峰值。這時候怎么去判斷峰值是怎么帶來的呢，有種非常簡單的方法就是將9.1日數據再按小時拆，看當天的曲線變化，與前一天做對比。如下圖所示。

拆到小時后，就可以清晰的看到，在9.1日19：00的時候產生了一個極高的峰值，并且在這個之后，整體的量級都提升了一個臺階。我們的關注重點就可以轉移到這個峰值是如何產生，很可能當時是推了push、短信等等。

當然也有一種情況會出現，也就是類似上圖，一整天，沒有明顯的峰值，但實時曲線一直是在前一天之上。這種會有兩種情況，一種是資源位影響（比如彈窗0點生效）或者剛好當日是一個促銷日；如果排除了這個影響，那就往前一天追溯，沒有無緣無故的峰值產生，一定是在前一天晚些時候有一個峰值，持續帶動了第二天的交易。

對時間拆分如此好用，也是我為啥做任何業務都要先做一個前后兩日的實時交易曲線對比，實時曲線收獲的信息量要遠遠超過看日維度的曲線變化。

異常思維和拆分思維，本身不難，難的是善于觀察，發現異常，難的是發現異常后，不偷懶，拆解，直到找到異常背后最本質的那個原因。能把運營做到什么程度，就看你愿意觀察和拆解到什么程度了。

好了，關于異常和拆分思維的分享就到這里吧，歡迎給我留言討論。