編輯導(dǎo)讀：用戶運(yùn)營中的數(shù)據(jù)分析對于很多人來說是個盲區(qū)，不知道是做什么的？本文作者對此進(jìn)行了分析，與你分享。

提問（修改）：很幸運(yùn)收到用戶運(yùn)營這個崗位的面試通知，但是之前完全沒有工作經(jīng)驗(yàn)，我看到崗位職責(zé)里要求定期做數(shù)據(jù)分析，所以很想知道數(shù)據(jù)分析指的是什么。

一、用戶運(yùn)營 X 數(shù)據(jù)分析

作為任職于某上市公司的集團(tuán)用戶數(shù)據(jù)中心的數(shù)據(jù)分析師，認(rèn)為題主的問題就是在問我的日常工作：用戶運(yùn)營 X 數(shù)據(jù)分析。

用戶運(yùn)營是做什么？

先介紹一下題主入職后可能會接觸到的工作：

答主就職的部門有三個職能：用戶運(yùn)營、數(shù)據(jù)分析、數(shù)據(jù)產(chǎn)品。

以我所在的新零售+電商行業(yè)為例。

二、用戶運(yùn)營

核心就是圍繞【人貨場】進(jìn)行運(yùn)營，進(jìn)而提升復(fù)購率等指標(biāo)：

• 【人】即客戶，了解整體畫像，根據(jù)場景進(jìn)行用戶分層營銷
• 【貨】即產(chǎn)品及與之搭配的促銷策略
• 【場】廣義來說，即為渠道、節(jié)日活動，與客戶觸達(dá)的“天時(shí)地利”

大白話說，就是解決【什么時(shí)候什么樣的人會在怎樣的場合下購買什么產(chǎn)品】的問題

根據(jù)【人貨場】的不同組合，可產(chǎn)生不同的業(yè)務(wù)場景，例如：

• 【貨場→人】天貓確定了情人節(jié)活動，產(chǎn)品部門要求主推情人節(jié)套裝產(chǎn)品，平臺運(yùn)營明確了折扣政策，此時(shí)，用戶運(yùn)營部就出場 → 圈選出可能會在情人節(jié)復(fù)購的人群A，圈選可能偏好主推產(chǎn)品的人群B，對人群A與人群B做交叉即為此活動目標(biāo)人群，根據(jù)促銷政策制定優(yōu)惠券，并觸達(dá)人群。
• 【人場→貨】用戶運(yùn)營部門使用RFM模型對人群精細(xì)化運(yùn)營，明確需提升重要價(jià)值用戶比例，即明確了目標(biāo)人群 → 此時(shí)用戶運(yùn)營的童鞋就需要去找產(chǎn)品要合適的產(chǎn)品，找運(yùn)營拿折扣，甚至找推廣配合做投放。
• 等等

1. 數(shù)據(jù)分析

在【人貨場】各種組合而成的復(fù)雜業(yè)務(wù)場景中，僅憑“直覺”，甚至“拍腦袋”，已經(jīng)無法業(yè)務(wù)目標(biāo)。絕大部分行業(yè)進(jìn)入存量運(yùn)營的今天，數(shù)據(jù)化決策已經(jīng)是紅海戰(zhàn)場上的武器。所以，從前面【用戶運(yùn)營】的工作中，存在著許多數(shù)據(jù)分析的需求。它們的目的是通過數(shù)據(jù)分析找到業(yè)務(wù)增長的鑰匙：

【貨場→人】此場景已明確需主推的產(chǎn)品、節(jié)點(diǎn)及促銷政策，需進(jìn)行數(shù)據(jù)分析的地方：

【人貨匹配】確定產(chǎn)品后，需要從全量人群中找到可能喜歡該產(chǎn)品的人。

簡單點(diǎn)的方式可以通過歷史訂單統(tǒng)計(jì)實(shí)現(xiàn)，即提取出產(chǎn)品的元素，如愛心形，再從人群歷史訂單中找到喜歡心形的客戶，認(rèn)為他們可能也喜歡該新品。

復(fù)雜點(diǎn)的方式可以通過例如復(fù)購關(guān)聯(lián)分析、商品推薦等模型反向找人群。

• 【復(fù)購周期】每個客戶的活躍狀態(tài)都不同，要先了解行業(yè)或者該品類客戶的【生命周期】是多長，即復(fù)購間隔，如30天 → 找出30前剛買完的客戶，認(rèn)為他們處于活躍購買狀態(tài)
• 【節(jié)日偏好】一般認(rèn)為多次在節(jié)日節(jié)點(diǎn)購買的客戶是偏好該節(jié)日的，例如產(chǎn)品有送禮屬性，則客戶在情人節(jié)買就是送對象的，一般他們感情不破裂就有可能在下個情人節(jié)繼續(xù)送
• 【折扣敏感】不可否認(rèn)的確存在對價(jià)格敏感的客戶，甚至是“羊毛黨”，折扣力度大才會現(xiàn)身購買，發(fā)現(xiàn)這樣的規(guī)律能更好地將優(yōu)惠券與客戶匹配

【人場→貨】與第一個場景不同的是，此場景先明確人群，再去匹配產(chǎn)品、折扣等，需進(jìn)行數(shù)據(jù)分析的地方：

• 【RFM】基于RFM模型劃分人群后，提出目標(biāo)要提升重要價(jià)值用戶是無法落地的，需要進(jìn)一步討論：該行業(yè)或品類下的重要價(jià)值用戶更容易從哪個人群轉(zhuǎn)化而來？例如一般價(jià)值用戶，刺激他們連帶消費(fèi)、復(fù)購，即提升M，就可轉(zhuǎn)為重要價(jià)值用戶。這樣才能提出落地的策略：針對一般價(jià)值用戶進(jìn)行連帶提升。
• 【商品推薦】找出人群可能喜歡的商品，簡單的方式可通過對歷史訂單的統(tǒng)計(jì)，復(fù)雜的方式可通過協(xié)同過濾等算法實(shí)現(xiàn)。此外，需要將推薦模型與實(shí)際場景結(jié)合，此處目標(biāo)為提升連帶，可以結(jié)合“購物籃分析”設(shè)計(jì)搭配組合。
• 【偏好價(jià)格】每個客戶歷史消費(fèi)的客單價(jià)都不同，需要列出價(jià)格帶分布進(jìn)行分組營銷，避免對低價(jià)位段客戶推薦高價(jià)品。當(dāng)然一個好的推薦模型可以避免這樣的尷尬。

【注意】并不是說要對每個場景都這樣嚴(yán)格進(jìn)行人群交并。更重要的是靈活應(yīng)用，例如人群基數(shù)太少，則減少劃分規(guī)則，或選擇性地合并人群。

2. 數(shù)據(jù)產(chǎn)品

從用戶運(yùn)營需求出發(fā)，數(shù)據(jù)分析賦能業(yè)務(wù)增長，經(jīng)測試有效后，需進(jìn)一步以產(chǎn)品的形式落地。

用戶運(yùn)營經(jīng)常會接觸到各種數(shù)據(jù)產(chǎn)品：

• 如果是在天貓平臺，接觸到的就是天貓第三方服務(wù)商的用戶營銷管理工具
• 如果是線下門店，接觸到的就是CRM
• 此外，還有幫助業(yè)務(wù)分析的BI、CDP等

經(jīng)測試有效的數(shù)據(jù)分析結(jié)論可以通過報(bào)表、模型、標(biāo)簽等形式插入到這些數(shù)據(jù)產(chǎn)品中。其中，最重要的是形成的這些產(chǎn)品一定是經(jīng)過“業(yè)務(wù)改造”，適配業(yè)務(wù)習(xí)慣的，這樣才能融入到業(yè)務(wù)的實(shí)際工作流中。

所以，這些結(jié)論以什么樣的方式呈現(xiàn)在你面前才能提高效率，就是用戶運(yùn)營部門需要考慮的。

本文由 @餅干哥哥 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議