这篇文章主要讲述了数据驱动运营的基本步骤和方法，包括建立指标体系、找到合适的运营方法、分析和改善数据指标的完成情况以及做好数据导向的总结优化等方面。

宏观环境不景气后，数字化转型、数据化运营成了企业降本增效的重点战略方向之一，本文主要从数据运营的角度，分享数据在产品运营过程能够起到的作用，数据赋能运营的步骤及方法

一、为什么数据对产品这么重要？

互联网发展至今，数据化管理已经深入到每个公司的管理理念当中，从过去的拍脑袋决策到用数据说话。相信很多产品、运营几乎每天上班后第一件事，就是打开报表看KPI表现；给老板汇报或者职级晋升，甚至面试，老板们不只想听到你做了什么事情，更想听到的是你做的产品数据怎么样，或者你做了哪些事情，让数据有所提升。

每款产品的诞生发展都有明确的目标，而为了监控这些目标的达成，会制定一系列的KPI，由此产生了各种各样的数据。可以说，数据是用来衡量产品业务发展的工具，有了它，老板、商务、产品、运营不同角色对业务的理解和判断，才会有统一的标尺。

举个例子，AB两个产品经理同时给老板汇报清明专题活动项目价值时，A产品经理A：活动很成功，大量用户参与活动，产生很多订单和营收，可以加大活动补贴力度。B产品说：曝光环节，在A渠道投放10000用户，带来20000人激活转化，线上CAC(平均线上获客成本)50块，活动ROI（投入产出比，收益/投入）1.2，可以继续加大活动力度。

如果你是老板，你更倾向哪个产品经理的汇报方式？答案很显然是后者。既然数据这么重要，在产品运营阶段，产品经理应该如何围绕数据展开工作呢？今天，就具体分享数据运营的四步法。        

第一步，建立指标体系

用户增长界，在确定产品指标体系时有个专有名词“北极星指标”或者叫第一关键指标法（OMTM：one metric that matters），它是一个阶段内衡量业务表现最关键的唯一指标，像北极星一样指引着产品前进，能反映产品经理对产品核心价值的追求。

这里面要注意的一是“一个阶段内”，即产品不断向前发展，市场也在变化，每个阶段的指标可能同，如初创期关注用户量级，中后期关注营收；二是“最关键”即是真正能够衡量业务健康度的关键指标，而不是虚荣指标，早期Facebook在定义KPI时把注册用户数当做关键指标，产品设计流程围绕注册流程的优化和引导，运营团队使用各种运营手段来刺激用户注册，逐步发现，虽然注册用户数不断增长，但是出现很多用户注册了两三年，但再也没有访问或者已经流失不再访问的情况，对于一款社交型应用，如果长时间不活跃的用户是没有价值的，因此，把注册用户数当作北极星指标会导致产品和运营策略的跑偏，后来Facebook把活跃用户数作为北极星指标。

北极星指标确定后，就要定义和拆解指标体系了，因为在在实际工作中，往往多个团队共同协作来达成产品的北极星指标，这也要求北极星指标要客观、简单，便于理解和拆解。

以某视频网站的北极星指标是内容订阅用户数，如何拆解成各个团队的执行指标呢？首先，我们来看影响这个北极星指标的达成，从订阅属性的应用角度，影响用户订阅行为的很大程度是内容供给侧，对于提高内容订阅用户数，一般可以拆解成三个方面：第一个是提高用户订阅数，第二个是提升订阅内容的吸引力，第三个是拉长用户订阅的周期。

这三个方面其实还可以继续细分，以提高内容订阅用户数举例，我们又可以拆解为三个方面：第一个是新用户的激活，第二个是老用户的召回，第三个是体验或使用用户的转化。

类似这样的拆解，就为产品运营确定了工作目标，负责拉新、推广的同学能知道自己每天要拉来多少新用户，要保证新用户的质量，让用户有更多的留存。这样的话，既有眼前明确的小目标，能指导工作落地，又有大的、全局性的北极星指标，让工作方向明晰、有意义。

可以看出，上述过程的拆解，并不是严格意义的KPI由上到下的定量拆解，更多的是围绕影响北极星指标达成的因素，进行相关产品策略的制定。

另外一种是基于指标计算公式间的拆分，例如DAU和MAU的关系来看，DAU=MAU*访问天次/30（当月天数）=（当月新激活MAU+历史回流MAU）*访问天次/天数=【（当月新激活UV*留存率*访问天次） +（历史老用户回流UV*留存率*访问天次）】*访问天次/天数。

这种拆解方式看到网上不少文章有过介绍，不作赘述。

第二步，找到合适的运营方法

指标体系拆解了之后要从不同的数据维度，找到相匹配的运营方法。

以某视频付费会员数为例，北极星指标是付费会员数，从不同的数据指标出发，就衍生出了不同的运营方法：比如，要提高新用户数量，得靠渠道推广、靠各种用户增长手段；而如果要提升用户订阅内容的吸引力，就需要内容运营岗位的同学想办法，通过合作、筛选、主题运营或者算法推荐，为用户提供更匹配、更有价值的内容；再比如，要拉长用户付费周期，就需要商业化的运营，包括定价策略、引导会员开通策略，甚至活动运营，也就是在一定周期内设置一些促销热点活动，从而加长用户的订阅周期。

总的来说，运营方式并没有一个绝对的划分标准，我们往往基于业务的核心目标，以及拆解具体的执行数据指标后，根据业务发展阶段和团队特点，找出当下运营的重点，从而确定具体的运营方法。

同时，需要指出的是，运营分工也在不断演进。比如过去拉新用户，更多属于渠道推广的工作，而现在，为了从拉新、到用户激活、再到用户留存、用户召回形成一体，许多公司会引入用户增长的理念，围绕这一目标，让产品策划、产品运营甚至技术开发同学，组建一个专门的小团队，来独立推进。

第三步，分析和改善数据指标的完成情况

指标明确后会有一系列的产品迭代或运营活动来达成目标，那如何评价策略的好坏呢，最常用的有两种数据方法，漏斗分析法，和A/B Test。

漏斗分析就是把用户行为路径抽象，如电商交易型产品，用户从访问到下单会经历多个流程环节， 比如外卖产品频道区下单转化率8%，作为产品经理你的KPI是提升至12%，老板问你，你准备怎么做呀？你该如何回答？看下竞品？

利用漏斗分析，把下单过程拆分成首页、列表页、详情页、提单页、支付页后，分析每个环节的用户转化，发现从首页进入列表页只有40%，提单到支付成功只有30%，这两个环节的流失率最高，可能的原因有哪些呢，是不是可以先从这两个环节入手呢？

此时，你就可以这样回答老板的灵魂拷问：我们拆解了各个核心节点的转化，发现有两个环节表现不好，需要改善：一个是从首页到列表页的流量分发，我们判断可能原因有这么几点……；第二个是提单到支付，我们判断可能原因是这么几点……因此，我们打算从这几个方面来提升运营效果。这个分析是不是就很有理有据、清晰易懂。

接下来，再来看看第二方法，A/BTest，就是通过不同版本之间的对比，来验证取舍最优方案，用数据说话。

举个例子。做一个投放红包、拉新用户的运营活动，用户可以通过活动页领取1-10元不等的红包，页面下方会引导用户到APP上提现，从而达到拉新和拉活用户的目标。作为产品经理有点拿捏不准到底是哪个文案效果更好，此时可以通过系统进行小流量投放测试，来看哪一组的点击率更高，结果显示：“立即提现”按钮点击率比“领取到账”高25%。这就说明“立即提现”的字眼更吸引人，这时就可以把更大的流量，甚至全部流量都投放在这个“立即提现”的活动页面上。

第四步，做好数据导向的总结优化

最后是数据的总结复盘和迭代优化。所有产品、运营工作的目标，都是为了达成业务数据指标。拆解了数据指标后，制定执行策略，看数据分析效果，效果好，就要思考怎么扩大效果；效果不好，就需要定位原因，重新制定策略。而整个看数据、找问题、定位优化过程，就是总结复盘、迭代优化的过程。

二、总结

数据化运营主要四步走：

1.定义和拆解数据指标。北极星指标是产品一个阶段内最关键的唯一指标，像北极星一样指引着产品前进；这个指标需要客观、简单、便于团队理解，并能由不同的团队拆解和分工完成；

2.团队根据不同的数据指标维度，找到相匹配的运营方法，达成指标；

3.在运营执行过程中，通过漏斗分析法和A/BTest两个非常实用的数据分析方法，来拆解检验运营效果；

4.运营效果好，产品团队要及时总结复盘，扩大效益；如果运营效果不好，就要找到原因，重新制定策略。

有了基础的数据化运营方法论之后，对于常态化的运营流程，数据产品经理可以进一步抽象成数据产品，利用产品化的工具，提升数据化运营的效率。