聽說做數據運營能年薪上百萬?

發布日期:2018/6/29 14:43:52

 我的前半生在7月26日大結局,但是羅子君的成長和變化一直深受觀眾質疑,一個工作一年之后做了十年的家庭主婦,是怎樣搖身一變成為炙手可熱的職場白領的?

 

 

 

 

有細心的網友計算了一下,以羅子君的消費水平,買名貴包、定制的鞋子等等,這一個月怎么也得花個小10萬多,這么算下來年薪怎么也要上百萬才可以啊!

然而在劇中,羅子君的職業是數據分析師,一個數據分析師,真的能年薪上百萬嗎?不如讓我們來看看數據運營吧,數據運營是當下非常火熱的職位,其工作內容比數據分析員要做的多很多,他們的工資水平是什么樣呢?

 

 

 

 

從智聯招聘上來看,3年以上的相關工作經驗的數據運營,工資在15k-25k不等,雖然沒有電視劇里演的工資那么高,但是在普通的互聯網公司中,數據運營的前途還是很好的,如果再發展幾年,3年年薪30萬,10年年薪就是100萬,由此可看,數據運營是一個非常有前途的崗位。

數據運營已成為必需的職位

 

 

 

 

從 2011 年到現在,數據分析的百度指數持續上漲。2014-2015 是重要節點,原因是從 09 年移動互聯網開始以來,隨著智能手機第一波換機潮和第二波換機潮,帶動移動互聯網發展。大量的企業入場,讓增長的成本變得非常高,于是通過數據分析的精細化運營,變得越來越重要。

很多人在做數據運營初期,對體系沒有深入的了解,而做數據運營,最重要的是有流程化、數據采集和分析的思維。

數據運營的職責是什么?

答:3點

數據規劃:收集整理業務部門數據需求,搭建數據指標體系;

數據采集:采集業務數據,向業務部門提供數據報表;

數據分析:通過數據挖掘、數據模型等方式,深入分析業務數據;提供數據分析報告,定位問題,提出解決方案。

淘拍拍的運營總監李冬青說:“我和智聯招聘和Boss招聘溝通的時候,大家發現近期運營崗相關的,都有一個必寫的崗位職責就是會數據分析。”那么包含數據分析的運營工作,該怎么做呢?李冬青分享了他的數據運營工作的一些經驗。

我個人認為目前市場上的互聯網產品服務形態可以大致分為四類,工具服務類、電商服務類、O2O服務類以及內容服務類。我們今天經常看的信息平臺今日頭條、知乎等就是在做內容服務類的平臺。例如,“兌吧”的產品形態應該是介于工具和內容相結合的,更偏的是什么?就要看它本身的自己商業價值定位了。

做運營一定要關注一個真正的與商業模式相關的數據指標

運營分三個層次:運作,運營,運行。

運作是通盤大格局考量,需要視野和高度;

運營是方法論,需要針對不同層面,不同時期情況制定相應策略;

運行是執行力,在固有工作分工模塊上進行長期的操作,也就是所謂的雜七雜八。

運作就是規劃,需要高度需要視野,而運營是需要對不同層面不同時期,找到或者合理的方法解決問題。運行就是在合理分工模塊下我們不斷重復我們的工作。

一、數據規劃是整個數據運營體系的基礎

數據規劃,首先要明確目的,確立需求,然后找到合適的方法去采集數據。數據規劃有兩個重要概念:指標和維度。

舉個實際的案例,我前兩天碰到一個同學,他問我一個問題,他們的產品即將上線,要迭代下一步的產品,他要去收集數據或者埋點,幫助他下一步的運營做工作,他們產品沒有上線沒有相應的數據怎么辦?

我告訴他,不一定產品上線才有數據,數據來自我們的身邊。你在前期做運營準備工作的時候,對你產品的定位和市場的調研,你的同行競品或者類似競品的數據,有沒有做相應的采集?然后再看你要做的工作。

 

 

 

 

這個問題的答案很簡單,因為這是一個指標的定義,指標用來衡量具體的運營效果,比如 UV、DAU、銷售金額、轉化率等等。指標的選擇來源于具體的業務需求,從需求中歸納事件,從事件對應指標。

(1)如何選擇核心指標?首先,它要與和產品或者商業價值緊緊掛鉤;第二,它可以反映客戶的價值需求;第三,指標要簡單易懂,方便與產品或者技術協作;第四,能夠計算匯總,有延續性或者階段性。

(2)如何規劃核心指標?指標的選擇來源于具體的業務需求,從需求中歸納事件,從事件對應指標。

(3)分析指標的過程:

1、明確需求:對頁面進行數據分析;

2、歸納事件:事件的最終結果,包括點擊推廣鏈接、訪問下載頁、開始填寫信息、填寫信息完成下載;

3、對應指標:下載量 = 訪問流量 CTA 點擊率注冊轉化率。

整個指標體系包括訪問流量、CTA 點擊率、注冊轉化率三個可操作的指標,基于可操作的指標,才可以更好地優化核心指標。

什么是維度?

維度是用來對指標進行細分的屬性,比如廣告來源、瀏覽器類型、訪問地區等等。

 

 

 

 

數量型指標:Web 的 pv、uv、訪問量,App 的 DAU、NDAU 等

質量型指標:平均訪問時長、訪問深度、跳出率等

什么是多維度分析?

 

 

 

 

我們在每天觀察數據的時候,某天下午 17 點流量暴增,是為什么?

 

 

 

 

然后,我們從落地頁面維度拆解,就可以發現流量主要落地頁是 E 和 G 兩個頁面,最后我們就可以得出結論:下午 5 點從微信突然涌進大量流量到 E 和 G 頁面,與內容的同學同步了一下,是他們在微信上推了一個落地到 E 和 G 頁面的活動。

新媒體人最頭疼的問題就是閱讀量和活躍度上不去,一如既往的寫稿子發稿子,然后領導審,然后不斷的發,你的流量永遠增長不了。其實新媒體在社會矩陣上,要不斷的嘗試,然后統計哪個時間段閱讀量最高,哪個文章的類型有評論?什么樣的優惠活動或者下載頁面會造成用戶的轉發?連續至少五次的嘗試,把數據匯總在一起,然后再調后臺的標簽,進行對比,你就知道為什么你發的內容沒有閱讀和轉發了。

選擇維度的原則是:記錄那些對指標可能產生影響的維度,以及盡量記錄全面的、多維度的數據。

數據運營需要和業務部門(市場、銷售、運營、產品等)不斷溝通,只有做好數據規劃,接下來的數據采集和數據分析才能更加高效。

二、數據采集是數據分析的基礎

傳統的數據采集是一件非常花時間、精力、人力的事情,對于很多企業來說是一個巨大的門檻。過去數據分析整個流程經常是 80% 的時間在數據采集上,只有不到 20% 的時間是用于數據分析的。

現如今我們的用戶經過了大量教育,行為和意識已經固有化,我們害怕他不來,害怕他離開,所以我們在適應他,在大行業環境下,我們的生存越來越難。

1、采集什么數據

最早我們只說網站的PV是多少,而現在,我們會看一個用戶在我網站,從來到走它一共瀏覽了幾個頁面,多長時間?從哪個環節離開的?這個環節中操作了什么?這都是有機可尋,可以給我們后期做活動和營銷提供很好的數據切入點的。最早做營銷的時候,靠口碑和轉發可以獲得大量用戶進來,今天已經不可能了。因為你不知道你即將面臨的用戶的喜好和操作行為,這需要找他們的行為軌跡。也就是說把你平臺這批用戶的行為軌跡,用數據方式呈現之后再做運營策略活動,才能從海量數據中,找到我們要的種子用戶。

2、如何采集數據

埋點、可視化埋點、無埋點。

埋點,也稱打點,是通過在網頁或APP中手動添加統計代碼收集需要的數據。打點又可以細分前端打點和服務器打點。例如我們要收集用戶注冊數,就需要在注冊按鈕處加載相應的統計代碼。Google 、百度統計等工具采用的就是這一方法。

埋點存在的問題:工程量大、周期長,容易發生漏埋、錯埋的情況。

可視化埋點:通過可視化交互的方式來代替手動埋點。

無埋點:加載SDK采集全量的用戶行為數據,自定義分析所有行為數據。

3、數據可視化

數據經過收集處理后,下一步就需要可視化,數據可視化在運營應用中的主要形式包括:圖表、圖形、數據看板。

搭建數據看板是除了數據報表之后最主要的一項工作,是指將關鍵業務指標和相關數據指標顯示在一個面板中,以可視化圖形的方式展現出來。

三、數據分析是數據運營的重點工作

前面的數據規劃和數據采集都是為數據分析服務的。我們的最終目的是通過數據分析的方法定位問題,提出解決方案,促進業務增長。

以前「80% 的時間用于采集和清洗數據,不到 20% 的時間用于數據分析」

現在「80% 的時間用于數據分析」,把時間花在更有價值的事情上。

 

 

 

 

簡單列了幾個分析方法和應用場景。第一是流向標記,這個大多數用在廣告投放,就是流量標記。只有流量標記才能清楚的知道哪個投放標準和渠道是優質的,哪個渠道的用戶是我們想要的?下一步就可以加大預算或者提高。

(1)維度細分

孤零零的一個數據指標,是很難發現問題的。我們需要從多個維度出發,比如地區、平臺、瀏覽器、訪問來源等等,拆解指標,定位問題。

(2)漏斗分析

用戶在使用產品的過程中,天然存在著系列轉化路徑,例如注冊、下單、下載等等。運營需要各個路徑的轉化率,包括總轉化率及每一步的轉化率。

除了橫向拆解每一步的轉化率,我們還可以從時間維度觀察每一步轉化率的變化趨勢。

(3)熱圖

熱圖是很常見的一種數據分析圖表,也稱熱力圖,是以特殊高亮的形式顯示用戶頁面點擊位置或用戶所在頁面位置的圖示。借助熱圖,可以直觀地觀察到用戶的總體訪問情況和點擊偏好。

數據驅動的分析流程

在數據分析中,最重要的一點,就是要建立數據驅動的流程。完善的流程可以幫助你快速定位問題、解決問題。從設立增長指標開始,找到小的聚焦領域,分析數據、提出假設、排優先級、開展實驗、分析優化,不斷循環,直到找到問題所在,并且推動你的指標有一定改善。

每個產品每個數據都有自己的生命周期,既然是成熟,一定是基于他的產品理論出來的,不一定適合你,你可以參照但是不要完全復制。任何技巧都有自己的生命周期。所以與其依賴技巧,不如依賴流程。

流程:

1、明確目標;

2、根據目標去分析目前的情況以及存在的問題;

3、提出可能解決目前問題或者實現目標的想法;

4、排列一個想法測試的優先級;

5、開始測試,通過試驗來驗證或者推翻我們的想法。

然后開始新一輪的分析、假設、排優、測試,在不斷優化中實現增長

 

 

 

 

以Growinglo為例,這是我常用的一個數據分析統計工具。在國外用的比較多,但是價格不菲。大家看一下這個頁面,其實是一個落地頁面,我們分用戶觸達、用戶號召、用戶展示,右邊是一個大圖,左邊切了幾個小圖。

我們經常做活動,但是分析活動頁面做的不多,首先看數據規劃。

1、數據規劃

整個內容落地頁,最終是希望更多的用戶完成我們設定的行為目標(下載量,注冊量或成交量),所以「電子書下載量」是我們的 OMTM,通過對這個指標進行拆解,我們得到了下面這個公式:

下載量 = 訪問用戶量 CTR注冊轉化率

落地頁的兩種類型:點擊落地頁和線索產生落地頁。這個落地頁屬于點擊落地頁,它是起流量分發的目的,為線索產生落地頁提供流量。

結合我們做內容專題的目的,【下載電子書】點擊率,也就是公式中的 CTR。

然后再看整個落地頁上線。

2、數據采集

通過無埋點的圈選采集數據,根據指標建立整個落地頁的看板。

 

 

 

 

數據采集之后,我把幾個關鍵數據整成一個看板。從這個看板中我們很清楚時的知道,哪一塊是我需要調整的,哪一塊是做的好的。用戶在哪個行為做了終止和延伸?那么我怎么判定?其實就是做定量分析和定性分析。

3、數據分析

數據分析分為定量分析和定性分析。

(1)定量分析在增長中很重要,起指導方向的作用。它會告訴你什么地方有機會增長,什么地方可以做測試。其次是衡量結果,幫助你調整方向。

切記:數據是死的,人是活的,不要太糾結。

 

 

 

 

這是用熱圖工具查看的時候,包括熱點包括出現的情況,就是哪個地方是用戶關注度最高的。

(2)定性分析

我們基于定性分析,通過訪談、使用調研,可以得出幾個結論:

1、頁面主色調太淡,不夠鮮艷,文字和背景對比不突出;

2、文字信息排版太稀疏,一個頁面看完需要多次下拉。

(3)提出假設

基于以上的定性分析和定量分析,我們提出以下假設:

1、更換落地頁背景色,有助于降低跳出率;

2、增加更多的【下載電子書】按鈕,有助于提升點擊率;

3、將電子書圖片添加鏈接,有助于提升轉化率;

4、減少頁面空白,增加信息密度,有助于提升轉化率

(4)排優先級

(影響力)、(自信心)、(難易度)三個角度去打分:

影響力:這個想法對我們業務增長的作用有多大;

自信心:是否確定這個想法能夠有效。

難易度:實施的難易程度;

綜合以上三個角度,排出比較合理的優先級。

于是我們把「將落地頁背景顏色換成主頁色調」和「新增2個【下載電子書】的banner」這兩條作為高優先級,開始實驗。

以上就是一個針對【內容運營】的完整數據運營的優化。

運營數據體系是靠習慣養成的,尤其是做一個核心指標,先做競品,將自己真實的產品自己從頭走到尾,你的疑問就是你的產品需要解決的問題。

最后,三個工作思維方式建議:

1、目的性思維,每一件事情的背后都有他要做的原因,知道了目的,再去找方法解決實現,運營做一件事情,首先要考慮要達到什么效果。

2、要懂得篩選干貨,懂的取舍,對你現在的工作提供切切實時的方法,或者讓你有所啟發,才是干貨。

3、從整體考慮問題衡量利弊,每次運營改動不但要看我們想要改動的地方,還要看看這次改動所帶來的整體影響。

本文鏈接: http://www.yixieshi.com/90759.html (轉載請保留)

财神爷送彩金