用数据优化运营：3个案例带你用数据留住用户

通过产品数据的剖析，我们能够洞察用户行为、习惯以及他们对产品的使用反馈，并策划出优化后的产品策略。所以掌握数据挖掘与分析思维显得格外重要，那么如何掌握这一思维方式呢？

立志要在互联网闯荡的运营新人们抓耳挠腮地在电脑面前看着运营课程，用户量下滑，留存营收莫名其妙地下降，老板指着一个月比一个月难看的数据说你不适合这个岗位。

对于运营来说，这个岗位可以像地球一样分三个层面：

地核：用户

地幔：用户在产品中的行为

地壳：行为在产品中产出的数据

地壳部分的数据瞬息万变，各个新运营人们在产品的新大陆上总是在措不及防之时，就被身旁名为“次留”或者“流失”的活火山给弄得焦头烂额。

这些变化似乎难以把控，“用户”的本质地核深藏在地壳下方，新人们只能在发现数据异常的时候赶紧收集，却很难预知未来可能会发生的事情。

但一切数据的产生都是有其原因的。用户是产品调性固定住的东西，产生出数据的用户行为便是运营应该牢牢抓住的东西。

抓住用户行为的过程，便是我想要传达给大家的思维——数据分析&挖掘。

下面我会通过概述和三个案例来阐述这种思维的方式：

案例1：关键词数据抓取优化

案例2：漏斗-对比优化

案例3：数据预测计算思路

01 数据分析&挖掘

数据分析并非信手拈来的，数据分析是有其一定的框架可遵循的。

数据分析的框架可以分为3个主要步骤：

理解行业业务

将数字转化为结论

结论的验证与实践

1. 理解行业业务

对任何问题的优化，其前提都是对行业业务及岗位需求有着基本的理解。

数据只有依附在实际业务上，才能从概念转化成具有实体意义的内容。

2. 将数字转化为结论

数据分析是一个分析+探索的过程。我们有时是带着问题和假设去分析、验证，有时是纯粹地在数据中探索，但无论怎样的形式，我们都需要数据将我们导向一个理性的结论。

获得理性结论是一个非常关键的环节。当我们跟一些同行交流下来，大家在做数据分析的时候经常得出一些看上去很正确的结果，但这些结果其实对业务指导的价值却很小。

这样的结果是因为分析还不够深入，并且没有把握住业务核心，才会导致看上去很正确的观点，在实际的指导中却没有很好的效果。

3. 结论的验证与实践

获取结论后，我们可以尝试将理论投入实践：

演绎论证已有结论

利用结论去优化业务

对结论进行演绎和论证，是从多维度证明我们的结论的可操作性。

通常我们可以用其他产品的已有数据去佐证这个结论，我们也可以在无数据的情况下，开展产品的版本AB测试来收集数据，去实验、验证结论的可行性。

无论是用什么样的方法，都是为了证明数据获得的理性结论，是能够实际且有效地指导业务完成优化。

02 数据分析三个通用思路

在梳理完数据分析框架后，我们转向数据分析思路。数据分析思路并没有优劣之分，不同的分析场景需要不同的思路去应对，这里我列举了三个通用的基本思路：

AARRR

RFM

5W2H

1. AARRR——海盗模型

一个产品自上线开始，AARRR模型便从用户获取、留存激活，再到营收传播等流程，贯穿了产品&用户联系的全链过程，整体用户进入产品后产生的每一板块的数据都是分析点。

AARRR的思路比较适合分析产品的整体情况。特别是产品还处于早期测试阶段的时候，我们就可以用这个思路去做产品的场景分析，从每一步的场景模拟去找到产品优化改进的点。

2. RFM——用户价值分析体系

RFM是用户价值的分层、评估体系。

我们在传统的用户分群模式中，将用户直接分为：大R、中R、小R，按照累计的充值金额去粗暴地做用户划分，很难在这个基础上做到更加精细化的策略应对。

RFM就给出了比较全面、有规范的分层模式，可以把用户分群为，例如高价值、中等价值、潜在价值等等层次。依据RFM给出不同层次的用户需求，我们可以为不同的用户策划出更为精细化的运营策略。

3. 5W2H——分析的基层框架

5W2H是最为常见的事件分析思路。

我们在做数据分析的时候，其实大部分处理方式的底层思路，均可归属到5W2H的思路。

我们会去梳理：

发生了事件？

事件发生在哪里？

什么时候发生的事情？

事件的关联群体？

事情是发生的理由？

然后根据5W获得事件处理方案：

我们该如何处理？

我们的事件处理程度？

这是一个比较宽泛，同时也是经常用到的分析思路。

03 实际案例分析 1. 宝箱优化——如何利用简单、显眼的数据

这个棋牌产品正准备第二次开宝箱的活动，主要目的是希望通过宝箱活动去实现玩家在线时间及ARPU的提升。

经过第一次宝箱活动后，该产品目前的数据是这样的：

第一次活动策划的时候我们是没有可对比的活动数据作为参考的，我们选择了“大于10局的用户数占比45%”的结论去策划活动。

到了第二次活动策划，我们制定了活动的策划思路：

进一步增加活动参与度

控制游戏成本输出（用户金币均获取量）

根据这两个思路，我们制定了第二期活动的改进方案。

这次改进中，我们改进了两个活动点：

（1）降低参与门槛——提升活动参与度

此次活动最大的变动，便是从10局一次开宝箱的机会，改成了7次。这个调整的数据依据就是“大于7局的用户数占比为50%”。

这个改进依据是最容易发现的，同时也是最关键的。

（2）上调服务费——控制成本