數(shù)據(jù)化運(yùn)營體系劃分成四層架構(gòu)，分別是數(shù)據(jù)收集層，數(shù)據(jù)產(chǎn)品層，數(shù)據(jù)運(yùn)營層，用戶觸達(dá)層。
一、數(shù)據(jù)收集層
需要收集的數(shù)據(jù)能劃分成四個類型：行為數(shù)據(jù)、流量數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、外部數(shù)據(jù)。
1.行為數(shù)據(jù)
行為數(shù)據(jù)的核心是描述哪個用戶在哪個時間點、哪個地方，以哪種方式完成了哪類操作。行為數(shù)據(jù)通過埋點技術(shù)收集。
2.流量數(shù)據(jù)
流量數(shù)據(jù)是行為數(shù)據(jù)的前輩，一般用于網(wǎng)頁端的記錄，行為數(shù)據(jù)在產(chǎn)品端。
流量數(shù)據(jù)和行為數(shù)據(jù)最大的差異在于，流量數(shù)據(jù)能夠知道用戶從哪里來，是通過搜索引擎、外鏈還是直接訪問。
流量數(shù)據(jù)和行為數(shù)據(jù)最大的差異在于，流量數(shù)據(jù)能夠知道用戶從哪里來，是通過搜索引擎、外鏈還是直接訪問。
3.業(yè)務(wù)數(shù)據(jù)
業(yè)務(wù)數(shù)據(jù)在產(chǎn)品運(yùn)營過程中伴隨業(yè)務(wù)產(chǎn)生。例如進(jìn)行了促銷，多少用戶領(lǐng)取了優(yōu)惠券，多少優(yōu)惠券被使用，優(yōu)惠券用在哪個商品上，這些數(shù)據(jù)和運(yùn)營息息相關(guān)又無法通過行為和流量解釋，那么就歸類到業(yè)務(wù)數(shù)據(jù)的范疇。
庫存、用戶快遞地址、商品信息、商品評價、促銷、好友關(guān)系鏈、運(yùn)營活動、產(chǎn)品功能等都是業(yè)務(wù)數(shù)據(jù)，不同行業(yè)的業(yè)務(wù)數(shù)據(jù)是不一樣的，業(yè)務(wù)數(shù)據(jù)沒有固定結(jié)構(gòu)。
4.外部數(shù)據(jù)
外部數(shù)據(jù)是一類特殊的數(shù)據(jù)，不在內(nèi)部產(chǎn)生，而是通過第三方來源獲取。比如微信公眾號，用戶關(guān)注后我們就能獲取他們的地區(qū)、性別等數(shù)據(jù)。比如支付寶的芝麻信用，很多金融產(chǎn)品會調(diào)用。還有公開數(shù)據(jù)，像天氣、人口、國民經(jīng)濟(jì)的相關(guān)指標(biāo)。另外一種外部數(shù)據(jù)的獲取方式是爬蟲。
二、數(shù)據(jù)產(chǎn)品層
原始數(shù)據(jù)并不能直接為運(yùn)營所用，通常臟亂差，我們需要按照一定的標(biāo)準(zhǔn)整合、加工。
1.數(shù)據(jù)指標(biāo)
文章閱讀量、日銷售額、活動參與人數(shù)、活躍用戶數(shù)，這些幾乎都是由原始數(shù)據(jù)匯總加工而出。
八個臭名昭著的虛榮指標(biāo)
(1) 點擊量。這是互聯(lián)網(wǎng)洪荒年代所使用的指標(biāo)，隨便什么網(wǎng)站，只要上面可點的東西多，這個數(shù)字都會很高。相比之下，你更應(yīng)統(tǒng)計點擊的人數(shù)。
(2) 頁面瀏覽量（PV值）。這個指標(biāo)只比點擊量稍好一點點，因其統(tǒng)計的是網(wǎng)頁被訪客請求的次數(shù)。除非你的商業(yè)模式直接與PV值掛鉤（即展示廣告），你還是更應(yīng)統(tǒng)計（訪問的）人數(shù)。
(3) 訪問量。你的100訪問量究竟來自于1個訪問了100次的用戶，還是100個訪問了1次的用戶？它無法指導(dǎo)行動。
(4) 獨立訪客數(shù)。只能顯示有多少人訪問了網(wǎng)頁，卻不能告訴你這些人在頁面上做了什么？他們?yōu)槭裁赐Ａ簦渴欠耠x開了？
(5) 粉絲/好友/贊的數(shù)量。計算粉絲/好友的數(shù)量只是一場毫無意義的人氣比賽，除非你能讓他們做對你有利的事。你在社交平臺上振臂一呼時，有多少粉絲會響應(yīng)？只有知道了這個數(shù)字，他們才對你有意義。
(6) 網(wǎng)站停留時間（time on site）/瀏覽頁數(shù)（number of pages）。用這兩個指標(biāo)來替代客戶參與度或活躍度并非明智之舉，除非你的商業(yè)模式與這兩個指標(biāo)相綁定。而且，它們并非一定能說明問題。比如，客戶在客服或投訴頁面上停留了很長時間，不見得是什么好事。
(7) 收集到的用戶郵件地址數(shù)量。有很多人對你的創(chuàng)業(yè)項目感興趣，這很好。但是，如果不知道他們中有多少人會真正打開你的郵件（并為你郵件中的內(nèi)容買單），縱使有再多人在你的郵件列表上也是枉然。更好的做法是：向一部分注冊用戶發(fā)送測試郵件，看他們是否會按照郵件中的提示去做。
(8) 下載量。盡管有時會影響你在應(yīng)用商店中的排名，但下載量本身并不帶來價值；你需要衡量的是：應(yīng)用下載后的激活量、賬號創(chuàng)建量
2.用戶畫像
數(shù)據(jù)領(lǐng)域的用戶畫像，叫做Profile，是將一系列數(shù)據(jù)加工出來描述人物屬性的數(shù)據(jù)標(biāo)簽。
推薦系統(tǒng)，精準(zhǔn)營銷、廣告投放都是常見的基于用戶畫像的應(yīng)用。你要推送化妝品促銷活動，選擇女性標(biāo)簽的用戶肯定有更高的成功率，更進(jìn)一步，如果運(yùn)營知道女性用戶偏好哪個品類的化妝品，效果會更好。
3.機(jī)器學(xué)習(xí)
也能通過算法計算獲得，比如在淘寶購物遺留的收件人姓名，通過機(jī)器學(xué)習(xí)，以概率的形式獲得買家是男是女，建國很大可能是男性，翠蘭很大可能是女性。
4.ETL/BI
數(shù)據(jù)產(chǎn)品層中，我們將數(shù)據(jù)加工為指標(biāo)，以其為核心，構(gòu)建和規(guī)劃數(shù)據(jù)產(chǎn)品。如何展現(xiàn)指標(biāo)（BI），如何提高指標(biāo)（算法），如何計算出指標(biāo)（ETL），如何與指標(biāo)組合（用戶畫像）。
三、數(shù)據(jù)運(yùn)營層
運(yùn)營和產(chǎn)品如何進(jìn)行數(shù)據(jù)運(yùn)營，核心思想如下：
1.不是全量，而是精細(xì)；不止精細(xì)，更是精益
用戶間是有差異的，這種差異需要用精細(xì)化運(yùn)營彌補(bǔ)。精細(xì)是是將目標(biāo)拆分成更細(xì)的粒度，精益比精細(xì)更進(jìn)一步，精細(xì)是手段，精益是目標(biāo)。什么是精益？精益就是二八法則，找出最關(guān)鍵的用戶。我們都知道要將化妝品賣給女人，但一定會有部分女人支付更多，20%的女人占了80%的銷量，精益就是找準(zhǔn)這20%。
2.未來比現(xiàn)在重要，現(xiàn)在比過去重要
預(yù)測未來，是機(jī)器學(xué)習(xí)的領(lǐng)域，通過數(shù)據(jù)建模，獲得概率性的預(yù)測，用戶可不可能流失，會不會喜歡和購買這個商品，新上線的電影會否偏好…運(yùn)營則利用這些概率針對性的運(yùn)營。
3.系統(tǒng)化與自動化
總結(jié)一下：我們系統(tǒng)化的使用各種加工后的數(shù)據(jù)，以精細(xì)和精細(xì)為手段目標(biāo)，以把握未來為方向，指定運(yùn)營策略。這是數(shù)據(jù)運(yùn)營層的核心。
四、用戶觸達(dá)層
數(shù)據(jù)收集得再多、加工得再好，運(yùn)營得再努力，如果不將它們傳遞給用戶，體系就是失敗的。
整個體系的前三層用戶都感知不到。用戶直接感知到的是產(chǎn)品的推送通知、Banner、廣告位、活動、文案、商品的展示順序等。在與產(chǎn)品交互的過程中，用戶會以直接的反饋表達(dá)自己喜惡。
感興趣的會點擊，喜愛的會夠買，討厭的會退出…這些構(gòu)成了新一輪的行為數(shù)據(jù)，也構(gòu)成了反饋指標(biāo)：點擊率、轉(zhuǎn)化率、跳出率、購買率等。這些指標(biāo)就是用戶觸達(dá)層的結(jié)果體現(xiàn)，也是數(shù)據(jù)化運(yùn)營的結(jié)果體現(xiàn)。
簡化
簡化成四個模型：
數(shù)據(jù)收集：以用戶和產(chǎn)品的交互為輸入，原始數(shù)據(jù)（行為、業(yè)務(wù)、流量、外部）為輸出。
數(shù)據(jù)產(chǎn)品：以原始數(shù)據(jù)為輸入，以加工數(shù)據(jù)（標(biāo)簽、畫像、維度、指標(biāo)、算法結(jié)果）為輸出。
數(shù)據(jù)運(yùn)營：以加工數(shù)據(jù)為輸入，以運(yùn)營策略（用戶、內(nèi)容、活動、電商）為輸出。
用戶觸達(dá)：以運(yùn)營策略為輸入，以反饋行為（轉(zhuǎn)化率、點擊率、響應(yīng)率）為輸出。
舉例
下圖是一款產(chǎn)品簡化的數(shù)據(jù)化運(yùn)營閉環(huán)。
數(shù)據(jù)收集層：當(dāng)用戶打開APP時，瀏覽新聞，通過埋點記錄用戶的行為數(shù)據(jù)：何時何地是誰看了哪些新聞。
數(shù)據(jù)產(chǎn)品層：計算機(jī)將收集上來的行為數(shù)據(jù)進(jìn)行加工，統(tǒng)計用戶對軍事、科技、經(jīng)濟(jì)等不同類型新聞的閱讀數(shù)。用卡方檢驗得到用戶的閱讀偏好在科技新聞，將其寫入到用戶畫像／標(biāo)簽系統(tǒng)。
數(shù)據(jù)運(yùn)營層：近期有一個科技類的活動，需要一定用戶量參與。運(yùn)營不能選擇全部的用戶推送吧，那么就從用戶池中篩選中對科技感興趣的用戶。
用戶觸達(dá)層：選擇用戶進(jìn)行精準(zhǔn)推送，用戶在手機(jī)端接收到消息。后臺則會記錄用戶是否打開推送通知，是否瀏覽頁面，是否參與了活動。轉(zhuǎn)化率作為反饋會被記錄下來，用以下次迭代改進(jìn)。
