数据赋能|产品数据化运营四步法
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：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产品经理说：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。
1、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。
2、 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。
以腾讯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。
3、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，可能的远因有哪些呢，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。
你看，这个分析是不是就很有理有据、清晰易懂。接下来，再来看看第种二方法，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。
4、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。
总结
数据化运营主要四步走：
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；
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；
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；
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。
