Hey，大家好哦，我是勾妹。双十一马上就来了，电商行业的你，是不是已经被各种拉新、促销的活动弄得头晕目眩了呢？

但是活动到底怎么做，做了活动有没有效果，如何判定呢？这就离不开我们的数据分析了。

今天我们就以“微博”和“拼多多”这两个产品为例，聊聊如何利用数据分析去指导运营。

01新浪微博中的数据分析

 

用户运营——

产品初期的新浪微博，其主要价值为：随时随地发现新鲜事儿。

所以前期微博发展的重点之一就是，寻找优质的内容生产者（后面我们简称他们为 KOL，Key Opinion Leader），为平台提供高质量的内容，再通过这些内容留住用户。所以寻找 KOL，入驻微博，并持续地提供内容，是这一时期用户运营的工作重点。

利用数据分析可以更高效地找到 KOL吗？答案是肯定的。

 

一种方式是：通过爬虫挖掘站外 KOL，为运营提供站外 KOL 名单、联系方式等。

另一种方式是：挖掘站内有潜力成为 KOL 的用户，给予流量倾斜，来站内培养。挖掘的流程是，先筛选出一批稳定输出内容的用户。再从涨粉速度和内容互动率（被点赞或者评论）的角度，筛选高潜力 KOL。通过这种方式，可以最大程度的帮助运营跳过“盲选”阶段，提高效率。

KOL 维护——

当微博逐步发展到稳定期，KOL 逐渐增多，站内内容的供给可以满足用户浏览各类内容的需求，用户运营的工作重点也进行了调整。

此时，重点不再是寻找 KOL，重点开始变为维护站内 KOL，减少他们向其他平台流失的风险。

这个阶段，数据分析师常用的模型是通过RFM 模型，将 KOL分群，运营针对不同状态的 KOL，制定不同的运营策略。在这个场景里：

R（Recency），KOL 在平台内最近一次发微博的时间；

F（Frequency），KOL 在最近一周内发布的微博数量（统计周期视业务属性而定，微博相比视频生产平台，是一个更高频的场景，如果发博间隔过长，可能 KOL 已经流失了）；

M（Monetary），可以是衡量 KOL 价值的任何一个指标，比如给微博带来的广告收入、发布微博带来的阅读流量（围观用户数）等。

然后根据用户 R、F、M 的现状，将 KOL分群。

对于高活且高价值的 KOL，一对一维护。在我们设定的场景里，他们是最近一周发布微博数量多、时间短、有大量群众围观的 KOL。

对高价值且高流失概率的 KOL 给予挽留、对大量长尾的 KOL 实施监控，及早发现问题等。

内容运营——

在内容运营侧，随着微博流量变大之后，微博热搜的影响也越来越大，已经成为用户在微博里的一个重要内容消费场景。

 

所以，对微博热搜的运营显得尤为重要。数据分析在微博热搜运营方面能产生价值的地方，主要有两点：

一是，针对进入热搜页面的用户，最大限度地提高用户对热搜内容的消费数量和时长；

这就要实时关注曝光率，对于表现不佳的话题在排序上进行降权，甚至下掉部分热搜话题，以保证热搜内容是用户所关注并有兴趣的内容。

二是，帮助运营找到有潜力成为热搜的内容，提供稳定的内容供给。

通过分析站内话题热度提升速度（比如参与讨论的用户数、回帖的数量、话题搜索量等），提早挖掘潜力热搜话题，为平台内容不断注入新鲜血液。

用户召回——

 

但是，我们也知道，任何一款产品，都会存在用户流失的事实。我们可以做的是减缓用户的流失，对流失的用户尽量召回。对此，数据分析师可以利用用户生命周期模型，合理定义用户所处的阶段。

当然，前面提到的 RFM 模型也常被广泛使用在这里。它可以有效识别降频用户。

除了定位到人，数据分析还可以定位到用户进入衰退期的原因，通过用户行为归因等方法，帮助运营制定精确化的运营策略来挽回用户。

02拼多多中的数据分析

 

拼多多在发展初期，用户定位的是广大农村市场，走薄利多销的路线。所以选品、打造爆款显得尤为重要。

选品——

数据分析师可以协助内容运营选品，选聘原则一般为：

商品定价低，但并不是低到接近 0 才是最优的，要保证企业有一定的利润空间，所以需要通过数据，根据商品毛利和销量来综合决定较优的商品价格区间；

商品的受众为三四线以下的低线城市用户，用户较为明确，才能更好地做到有的放矢；

销量要大足够大，这点可以通过销量排序可以得到；

商品属性最好偏单一，这样容易打造爆款。

以上选品原则都可以通过数据量化的形式，找到答案的。当然，也可以通过目前站内已经累计的数据，找到不同价格区间的实际爆款，在此基础上扩展爆款的边界。这些都是数据分析对业务的价值。

入口排序——

移动互联网行业中，流量即金钱。入口靠前就意味着流量大、变现能力强。所以，每个入口的顺序都不是靠主观判断来定的。

我们需要通过数据，定量化用户对各个入口的真正需求，然后再排除入口顺序的影响（可以通过 AB 实验来测算）。

 

最后由各入口的点击、订单转化、订单销售额及各入口的消费频次等共同决定如何实现各个位置流量价值的最大化。

百亿补贴——

你知道现在拼多多的百亿补贴活动是怎么演化来的吗？

如果我负责一个活动的运营效果分析，首先会复盘整个活动的规模，这包括在该活动中下单成功的用户数和商品销售额。

其次，结合活动的背景，我们需要重点关注一二线城市用户在这个活动中的下单转化量。为了突出活动效果，可以对比一二线城市的用户在非该场景下的下单转化量。还有就是活动前后销售额的变化。

 

但如果数据上只是单纯的销售额增长，还不足以让公司决策决定继续投入资源来做百亿补贴活动。只有用户复购率明显提升这种关键指标才有价值。

所以，数据上得出的结论就是：品牌补贴活动，降低了对于一二线城市用户拉新成本，活动投入产出比很好，进而推动公司升级活动，制定出百亿补贴的品牌活动。

03总结：数据分析和运营

运营是为用户提供稳定预期以外的价值，从而提升平台的商业价值，而这也同样是数据分析的目标。

只不过运营落地有用户、内容、活动等作为载体。这使运营看起来是具象的。而数据分析，则为运营、产品、推荐、甚至开发、市场等等各方提供额外的附加价值。

 

希望大家都能以数据技能为基础、以业务洞察为磨刀石，磨炼一把尚方宝剑，一路打怪神级，走上人生巅峰！

本文转自公众号：勾勾谈数据分析

欢迎大家去找勾勾畅谈数据分析哦