數據運營的具體工作內容是什麼？

01-13

電商平台類的公司，數據運營崗位的具體工作內容是什麼？

看了上面的回答，其實說的都挺對的，但是我還是想再做一些補充。

對於數據運營，大多數互聯網從業者都會有一些共有的迷思。比如如何選取正確的指標，如何正確地採集數據，如何用數據驅動運營。所以我們寫了一本《數據運營手冊--方法、工具、案例》，這是 2017 年出的第 2 本電子書。

以下是電子書目錄

在這本電子書中，我們詳細介紹了數據運營的相關概念、工具、方法以及案例。通過這一本電子書，希望能幫各位搭建起正確、高效的數據運營體系。

你可以點擊此處了解並下載《數據運營手冊--方法、工具、案例》。

這本書中有一篇內容專門介紹數據運營的工作，以下是全文，希望對你有所幫助。

數據運營的具體工作是什麼？

數據運營到底是做什麼的？他和數據分析有什麼區別？...... 不知道運營的同學有沒有思考過這一類問題。

在前面的文章中，我們將數據運營分為兩類，一類是狹義的「數據運營崗位」，一類是廣義的數據化運營。今天我們以100篇數據運營崗位招聘JD（職位描述）為例，和大家分享一下數據運營崗位具體工作是做什麼的？

Part 1 | 數據運營是做什麼的？

在100篇數據運營招聘JD（職位描述）文本的基礎上，我們使用 R 對其進行了分詞，並且繪製了詞雲。

通過這個詞雲不難看出，「數據分析」是數據運營的核心工作，下面這個表格展示了排名靠前的關鍵詞及其出現的頻次。

「數據分析」這個詞在100個 JD 中出現了106次，遙遙領先。接下來是分別是「分析報告」、「提供數據」、「數據報表」等詞，這也說明提供數據報表、分析報告是數據運營的重要工作。搭建「數據指標」、及時「發現問題」、提供「解決方案」也是JD中的高頻辭彙，這樣看數據運營崗位的具體職責就一目了然了。

總結起來，我們將其歸納為數據規劃、數據採集、數據分析三大層次：

1.數據規劃：收集整理業務部門數據需求，搭建數據指標體系；

2.數據採集：採集業務數據，向業務部門提供數據報表；

3.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。

Part 2 | 數據規劃

數據規劃是整個數據運營體系的基礎，它的目的是搞清楚「要什麼」。只有先搞清楚自己目的是什麼、需要什麼樣的數據，接下來的數據採集和數據分析才更加有針對性。

這裡有兩個重要概念：指標和維度！

一、指標體系

指標（index），也有稱度量（measure）。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。指標的選擇來源於具體的業務需求，從需求中歸納事件，從事件對應指標。

我們以一個電商網站為例，分析一下選擇指標的過程：

明確需求：網站主要業務是商品銷售，希望通過數據分析來提升網站銷售金額；
歸納事件：用戶購買是一連串關鍵事件的結果，包括訪問網站、瀏覽商品、註冊賬號、加入購物車、開始結算、支付等。
對應指標：不難得出公式，銷售金額=訪問流量*下單轉化率*支付轉化率*客單價。

通過上述分析，得出銷售金額是 OMTM（第一重要指標，One Metric That Metter）的結論。同時，整個銷售金額的指標體系包括訪問流量、下單轉化率、支付轉化率和客單價四個可操作的指標。

二、維度體系

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。選擇維度的原則是：記錄那些對指標可能產生影響的維度。

以電商網站為例，我們需要監測不同訪問用戶的訪問來源（廣告還是自然流量）、平台（PC還是移動端）、活躍度（瀏覽購買頻次）等等。對於初創公司來說的，性價比最高的做法就是用 SaaS 服務，通過第三方的 SDK 來完成多維度數據的獲取。

磨刀不誤砍柴工！數據運營需要和業務部門（市場、銷售、運營、產品等等）不斷溝通，只有做好數據規劃，接下來的數據採集和數據分析才能更加高效。

Part 3 | 數據採集

傳統的數據採集是一件非常花時間、精力、人力的事情，對於很多企業來說是一個巨大的門檻。巧婦難為無米之炊，數據採集的重要性不言而喻。數據運營要發揮數據採集、數據報表呈現的職責。

一、數據採集

目前有三種常見的數據採集方案，分別是埋點、可視化埋點和無埋點。

1.埋點

埋點，也稱打點，通過在產品（網頁、APP等）中手動添加統計代碼收集需要的數據。假如要收集用戶註冊數，就需要在註冊按鈕處載入相應的統計代碼。Google Analytics（谷歌統計）、百度統計等工具採用的就是這一方法。

因為埋點的工程量大、周期長，而且容易發生漏埋、錯埋的情況，埋點成為了數據從業者的一大痛點。

2.可視化埋點

可視化埋點是埋點的延伸，通過可視化交互的方式來代替手動埋點。這種方式降低了用戶使用的門檻，提升了效率。Mixpanel 採用了可視化的埋點方案。

無論是埋點還是可視化埋點，數據運營都需要起到承前啟後的作用：收集業務部門數據需求，撰寫需求文檔，向工程部門提交埋點需求。

3.無埋點

無埋點顛覆了傳統的「先定義再採集」的流程，只需要載入一個 SDK 就可以採集全量的用戶行為數據，然後可以靈活自定義分析所有行為數據。用戶行為數據分析產品 GrowingIO 採取的就是無埋點的技術方案。

相比於埋點方案，無埋點成本低、速度快，不會發生錯錯埋、漏埋情況。無埋點正在成為市場的新寵兒，越來越多的企業採用了無埋點方案。在無埋點情景下，數據運營可以擺脫埋點需求的桎梏，將更多時間放在業務分析上。

二、數據報表

定期向業務部門提交數據報表是數據運營的工作之一，包括日報、周報、月報甚至年報。數據報表建立在數據指標體系的基礎上，數據運營應該讓這部分工作盡量自動化。

搭建數據看板（ Dashboard ）是除了數據報表之後又一項工作，數據看板往往和企業的 BI 系統連在一起，屬於數據可視化的部分。在資源充足的企業，往往採用自建的方式搭建數據平台；對於中小企業，合理藉助第三方數據工具是一個非常不錯的選擇。

上圖展示的是 GrowingIO 的流量概覽看板，自動展示相關數據指標。在數據採集和數據可視化這個環節，數據運營應該善於藉助工具，減少在數據採集、數據清理、數據可視化上面耗費的時間。

Part 4 | 數據分析

數據分析是數據運營的重點工作，數據規劃和數據採集都是為了數據分析服務的。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。

選擇什麼樣的數據分析方法要和你的業務場景相結合，下面這個表格匯總了目前常見的運營數據分析方法。

不同於數據分析師，數據運營崗位弱化了對編程統計的要求，更加強調在現有工具基礎上靈活使用分析方法。一個好的數據運營一定要及時發現問題、定位問題，並提出可行的解決方案。

本文作者 | GrowingIO 增長團隊
GrowingIO 是來自矽谷的新一代基於用戶行為的數據分析產品，數據採集無需埋點，用戶行為數據分析更專業。登陸 GrowingIO 官網立即註冊免費試用。

具體工作內容，就是用手中的數據，優化你的運營！

我這邊有四個數據看板，分別是運營總看板、用戶運營看板、內容運營看板，與活動運營看板。

數據來源就是你在做這些事情的時候，產生數據的一切工具／平台，比如微信公眾號、夥伴雲表格、官網日誌、百度推廣、salesforce等等等等……

具體可以看我在互聯網運營的數據分析快速上手？ - 知乎中的回答

當然你是電商運營，那麼你需要熟悉的就是產品模塊、平台模塊、推廣模塊、客服模塊等等等等了～

不過，一旦你具有了數據思維，其實做什麼，都是一通百通的。

希望題主工作順利。

數據問題一直是很多運營人員頭疼的問題。之前的回答說了一些，但都沒有展開說，我也不知道進階篇能說到啥程度，但先說著吧。

1 數據的定義

數據，其實就是一堆數值。

但這些數值，是從用戶的行為統計而來。用來便於需要使用數據的同學進行研究和分析之用的基礎素材。

2 有哪些數據

我們在入門篇的最後，列出了一些核心數據，我用一張腦圖來簡單的歸納一下，並進入我們這一節的內容：

這張腦圖，僅僅簡單的展示了可能是通用的部分運營數據，但如果我們仔細去看，會發現三個數據類型，是所有運營都需要具備的：

渠道、成本、收益。

如果要我簡化上面這張腦圖，我會告訴你，做運營，需要獲取的數據，就是這三大類數據：

渠道數據、成本數據、收益數據。

渠道數據，是用來衡量渠道質量、渠道作用的，它由產品本身的定位的客群和產品的特性所決定。我們其實很容易可以推倒，一個理財產品如果投放遊戲社區這種渠道，其運營效果可能並不會太好，可如果換成彩票、博彩，可能效果就很好；同理，傳奇這一類的遊戲的宣傳與活動如果投放到女性社區平台，其效果幾乎也可以無視，而如果換成一款Q版小遊戲，或許效果就很好。

成本數據和收益數據，則會從不同層面反映出運營的效果。

在這裡插一句，千萬不要相信網上流傳的各種《XX高管教你不花錢做運營》這種雞湯文，運營一定有成本，必然有成本，如果認為運營高手可以不花錢辦成事兒，那不如去相信男人可以懷孕生孩子。運營的效率可以通過經驗、熟練度、創意等各種手段來提升，但運營的成本是必然存在的，並且和運營效果一般來說是成正比關係的。很簡單的一個道理：

兩個活動，一個活動送100台iPhone6，一個活動送1台iPhone6，哪個效果會好？

做運營的同學，請一定要認真的去評估每一個運營動作背後的成本。

而所謂「收益」，並不等價於「收入」，獲得金錢是收益，獲得用戶也是
收益，獲得口碑同樣是收益。

如果我們了解了渠道、成本、收益這三類數據，是指導運營的核心數據，我們就可以根據自身的產品特性去設定需要獲取哪些數據。

我們拿最近很火的那個App——足記來舉個例子吧。

「足記」因為一個非核心功能火了，但作為這樣的應用，它會關注哪些數據呢？
從產品的層面，它會去關註：
1）App每日的打開數
2）各種功能的使用次數和使用頻次
3）各種Tab的點擊次數和對應頁面的打開頻次
從運營的層面，它可能會去關註：
1）App每日的活躍用戶數
2）每日產生的UGC數量（區分新老用戶）
3）每日分享到社會化媒體的UGC數量（同時考慮單位用戶的產生內容數）
4）分享出去的UGC帶來的迴流新裝機、新激活用戶數

等等。

而我們需要注意的是，這些關注的數據點，並不是一成不變的，它會因為產品的不同階段而調整，如果我們假設未來足記有盈利模式，那麼它關注的核心數據，就會從內容轉向收入，這時候，轉化率相關數據就會變的重要了。

同樣，我們在本篇的第二章舉過這樣一個例子：

某個旅遊網站，發起了老用戶邀請新用戶加入，老用戶和新用戶都可以獲得100元的代金券，如果活動期間，新用戶完成了一筆旅遊訂單，不論金額大小，作為邀請人的老用戶還可以獲得100元的代金券。

我們當時分析了活動流程，並針對活動流程做了關鍵點梳理，這些關鍵點就是需要獲取的數據：

[圖片]

我們需要的數據，根據實際的需求來進行設計，並沒有一個完全通用的標準，當然，如果你做的越多，你會發現，你的數據感覺在不知不覺中獲得了提升，這一點，非常重要。

3 如何獲取數據

獲取數據的渠道有很多，而方式基本就是自己做和使用外部工具兩種方式。

自己做的話，App可以選擇「埋點」、log等方式，而Web可以通過log、日誌與按鈕埋點等方式去做記錄。

外部工具，則有很多第三方會提供服務。

獲取數據的方式其實各種各樣，而關鍵在於，作為運營人員要了解什麼樣的數據是重要的，對於這些數據的前後關聯，是怎樣的，這是一個聯動的過程，不是一個單一的行為。

4 如何分析數據

對於數據的解讀，每個人都有不同的方式。如果我們要簡單的總結，數據分析的方法，無非是：

1）確定數據的準確性

這裡包含了選擇數據維度的合理性、數據統計的準確性。如果數據維度選擇不合理、數據統計結果不精確，我們可能是無法得出正確的分析結果的。這是基礎。

2）明確影響數據的因素

一個數據，會收到多種因素的影響，這些因素有內部的，有外部的，運營人員應當儘可能多的了解所有層面的影響因素，以利於我們對於數據的解讀是在一個相對正確的範圍內。

3）重視長期的數據監測

在運營數據分析中，經常會使用環比和同比方式來對比數據。簡單的說，環比是本日與前一日的對比、本月與上月的對比、本季度與上季度的對比；同比是今年當日與去年當日的對比、今年當月與去年當月的對比、今年當季度與去年當季度的對比。環比幫我們看短期的數據波動，而同比幫我們了解大環境下的數據波動。

4）保持客觀的視角

數據分析的過程中，客觀非常重要，不以物喜不以己悲，做了錯誤的操作，帶來了不利的影響要承認，獲得了超出意料的成果要心平氣和，切忌挑選有利於自身的結論。這是職業道德的問題，也是職業發展中非常常見的問題。

5）注意剔除干擾項

實際的工作中，我們會碰到很多問題，這些問題是干擾項，例如，在一個相對平穩的曲線中，突然出現了一個點上的強烈波動，這時候我們需要全面的了解個波動產生的原因，如果無法確認原因，就剔除這個波動，否則我們很難去獲得一個正確的結論。

關於數據的內容，我個人其實說不出更多有價值的東西，抱著負責任的態度，寫到這裡，希望對此感興趣的同學通過專業渠道去認真學習，並在實操中提高水準。

謝邀！

=========================

對於營銷而言，無論是站點還是電子商務，關注數據的變化都脫離不開下圖所示的基本漏斗原則：

對於電子商務而言，數據營銷人員還需要深入分解一個公式：

銷售額=展現量×點擊率×轉換率×客單價

============================================================

數據運營或者確切的說，數據閱讀能力對於所有的運營人員，無論是內容運營、產品運營、客戶關係運營、還是項目運營，或者是運營總監，包括推廣人員事實上是都需要基本具備的一項能力。

通過對數據的閱讀、分析，對相應的工作進行有方向的指導。

====================================================================

漏斗中切割的四塊分別涉及到了相對應的一些工作和數據指標：

展現層次，是最初始的流量入口，如論是利用電子商務平台內部的流量導入口，比如直通車、鑽展，還是利用外部的流量倒入，如淘寶客，聯盟廣告等，都是屬於目標最不精準的階段，所以填充的是灰色的底色。

此層面，對於數據專員而言，需要關注的ROI數據指標是，資金投入與展現量。

依照投放的目的，來選擇合適的投放平台。

通常，千次展現價格越低的投放渠道，獲取的流量精準度越低，能夠廣泛的獲取知名度，刷存在感，但是在後續的數據指標中會表現不佳。

點擊層面，是對展現層面的第一次過濾，通常而言，排除誤點、以及站點設置的強制點擊之外，主動點擊的人群都是對廣告投放所指感興趣的人群。

此階段，數據專員需要關注的是點擊率，多少展現才能獲得相應的點擊；

參照對比行業平均值，來對自己投放渠道、廣告語、圖片質量的分析和改進。

瀏覽層面，相應的數據會對廣告投放與頁面質量起到檢測作用。

如果跳出率極高則說明，該頁面存在廣告和內容不匹配、產品吸引度低、站內引流設計不良等問題，需要做相應的調整。

需要關注的是滯留時間、跳出率等數據的關注。

轉化層面，根據不同的情景涉及到不同的變化。

對於社區可能存在的是註冊轉化率；

對官方網站可能存在的是諮詢率、下單率等；

而對於電子商務而言，主要關注的是諮詢率、成交率。

這個環節，主要檢驗的是引導諮詢設置如客服入口的設置、對話框的彈出頻率等；客服話術水平；

數據專員需要根據諮詢率、放入購物車比率、收藏率、成交率等數據來分析對象環節存在的問題，提出修改意見。

=============================================================

銷售額=展現量×點擊率×轉換率×客單價（簡公式）

此營銷公式為最初級的簡化公式（未添加減去的項目）需要熟記的意義在於：

需要通過此公式來明白，數據指標中哪些指標需要提升，哪些指標需要控制。

總之是以達成銷售額最大化為目標。

分析數據，為每一個決策提供數據依據

作為一個產品經理，看到你們說的內容後，我為自己的埋點感到深深的屈辱。。。一直在嘗試給新產品做數據埋點，但同時也很擔心開發的難度，是不是操心過度了？

作者：菜頭先生
鏈接：https://zhuanlan.zhihu.com/p/25611064
來源：知乎
著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。

不管對於有經驗還是沒有經驗的產品運營汪來說，數據無疑是調整產品運營策略和方向的重要依據。因此我們需要在日常的運營中以及產品設計中埋下數據的埋點，便於獲取數據。那麼針對這些獲取過的數據我們該如何思考呢?

第一、數據可以客觀的反映現階段產品的狀態

　　產品從收集需求到產品設計、產品研發、測試、運營等需要經歷一個漫長而複雜的環節，尤其是運營環節，是驗證產品設計和研發是否正確的重中之重。當產品推向市場以後，用戶的任何反應都會表現在數據當中。這個時候我們需要判斷，此產品現在在市場中的佔有率，現有產品的活躍度，便可以判斷產品現在是緩一緩提高產品體驗呢，還是加大投入拓展市場。

第二、如何實現目標，數據可以幫你找到最佳途徑

　　每個月部門都會開一個總結會議，無非是總結一下上個月的工作，布置一下下個月的計劃等等。當我們確定目標的時候，我們需要通過數據來梳理目標達成的渠道，同時根據不同渠道的反饋，大概可以推測出目標達成的時間。

第三、如果運營效果不好，數據可以告訴你哪些地方需要改進

　　比如在做電商運營的時候，我們都會搞商城促銷，一次促銷活動結束以後，發現效果並不好。問題出現在哪裡，你或許並不是非常了解情況。但是給你看數據，你大概就會明白，問題到底是出現在商品上、產品體驗上、還是運營推廣上。根據數據找到問題的根節點，對症下藥即可。

第四、力求精細化的數據，讓你更了解用戶，對用戶更具有掌控力

　　從目前的產品市場來看，未來的產品肯定都是朝著智能演算法來演變的。與以往只滿足用戶基礎功能的產品不同，智能產品可能是最懂用戶的產品。但產品懂用戶之前需要的是用戶畫像，用戶畫像的來源是數據。比如用戶的性別，打開產品的時間段、停留的時間段、功能點的點擊事件及頻率、轉化時間段、常用支付方式、登錄方式等等，都可以在每一步獲取用戶的相關信息，並且轉化為產品演算法，回報於用戶。

作者：菜頭先生，產品運營，專欄作家，一個集產品運營和設計於一身的實踐者!微信公眾號：caitoultt。