作者：桑文鋒，Sensors Data的創始人&CEO，前百度大數據部技術經理
本文內容來自3月4日在PMCAFF微課堂的線上分享，感謝工作人員的筆記。我潤色後，分為上下兩篇，放到專欄上。上一篇：如何用數據驅動產品和運營（上） - 瓦利哥的機器歲月 - 知乎專欄
內容4：【運營分析實踐】
接下來講第四部分，個人在運營和分析方面的實踐，給大家分享一下。
【案例1：UGC產品】
首先，來看UGC產品的數據分析的例子。可能會分析它的訪問量是多少，新增用戶數是多少，獲得用戶數多少，發帖量、檢索量。例如貼吧、百度知道，還有知乎都屬於這一類的產品。對於這樣一個產品，會有很多數據指標，可以從某一個角度去觀察這個產品的情況。那麼，問題就來了——這麼多的指標，到底要關注什麼？不同的階段應該關注什麼指標？這裡，就牽扯到一個指標的梳理，
還有關鍵指標的問題。【百度知道】
2007年我加入百度知道之後，剛開始做後端研發。作為RD，我每天也收到一系列報表郵件，這些報表裡面有很多統計的一些數據。比如，百度知道的訪問量、檢索量、IP數、Session數、提問量、回答量，設置追加答案的數量，這一系列指標。當時，看的其實感覺很模糊。我在思考：這麼多的指標，不能說這也提高，那也提高吧？每個階段肯定要思考哪個事最關鍵的，重點要提高哪些指標。開始的時候其實是沒有任何區分的，不知道什麼是重要、什麼是不重要。後來，慢慢有一些感觸和認識，就發現其實對於訪問量、檢索量這些相關的。因為百度知道大部分流量都是來自於大搜索，把它的展現做一下調整或者引導，對量的影響非常大。雖然，跟百度知道本身做的好壞也有直接關係，但是它很受渠道的影響——大搜索這個渠道的影響。提問量開始的時候，我認為非常重要，怎麼提升提問量，那麼整個百度知道平台的這個問題就多了。提升回答量，讓這些問題得到回答，高質量的內容就非常多了，又提升提問量，而後再提升回答量——其實等於是兩類人了。而怎麼把它做上去，我當時有一些困惑，有一些矛盾，到底什麼東西是最關鍵的。有一次產品會，每一個季度都有一個產品會。那個時候，整個部門的產品負責人是孫雲豐，可能在百度待過的或者說對百度產品體系有了解的都會知道這麼一個人，非常厲害的一個產品經理。我當時就問了他這個問題，我對提問量、回答量都要提升這個困惑。
他就說了一點，其實提問量不是一個關鍵的問題，為什麼？我們可以通過大搜索去找，如果一個用戶在大搜索裡面進行搜索，發現這個搜索沒有一個好的答案，那就可以引導他進行一個提問，這樣其實這個提問量就可以迅速提升上去。
我一聽一下就解決了這個困惑，最關鍵的就是一個回答量，我所做的事情其實怎麼去提升回答量就可以了。
這裡面把百度知道這個產品抽象成了最關鍵的一個提升——那就是如何提升回答量，在這個問題上
當時做了一個事情就是進行問題推薦。百度知道有一批活躍用戶，這些用戶就喜歡回答問題。於是，我們思考：能不能把一些他們可以回答的問題推薦給他們，讓他們回答各種各樣的問題——這個怎麼去做呢？這個思路也很簡單，現在個性化推薦都是比較正常的，大家一般都知道這麼一回事。但是，2008年做推薦這個事情其實還是比較領先的，從我了解的情況來看，國內的是2010年個性化推薦引擎這塊技術火了，但後來有些公司做這方面後來都倒掉了。
實現策略是非常簡單的，我們就看一個用戶歷史的回答記錄，看他回答的這些問題title是什麼、內容是什麼。由於百度很擅長做自然語言的處理，基於這些，通過這裡面的抽取用戶的興趣詞，感興趣的話題，然後把待解的問題，與該問題的相關用戶進行一個匹配，匹配上了就把這個問題推薦給這個用戶。當時，我們做的一個事情就是：把過去幾個月回答量比較高的用戶進行一個抽取，對他們訓練一個模型——就是對每個用戶有一系列的話題興趣點，然後每個點都有一個程度，這就是一個用戶的模型向量，就是一個興趣項量，當時抽了35萬個用戶。這個效果是這樣的，現在我已經找不到我們當年做的圖片，這是我前一段時間截的圖，大體類似。比如，我對數據分析相關的問題回答了不少，它就會給我推薦數據分析相關的問題。我們這個功能差不多做了有三個月，把它推上線我們其實是滿懷期待的，結果效果如何呢？
上線之後很悲劇，我們發現總的回答量沒有變化。於是，我們又進一步分析了一下原因。當時，最開始這些核心用戶在回答問題的時候都是找分類頁。比如：電腦這個分類，然後看電腦相關的問題，有興趣的就回答。
後來，我們做了一個推薦：在個人中心裏面加了一個猜他喜歡的tab，然後推給他，結果用戶從分類頁回答這個問題轉到了個人中心。但是，平均一個人回答量並沒有變化，當時做的統計，這些核心用戶就每天回答六個問題，超過六個他就沒動力回答了。
我們事後分析原因，有一個原因他可能本身的回答量就是這麼一條線，誰能天天在哪裡源源不斷的回答問題。還有一個同事就分析當時讓他一個痛苦的地方，因為我們是源源不斷地推薦，然後他就發現回答幾個之後還有幾個，回答了幾次就感覺要崩潰了，就不想再這麼回答下去了。其實，年前時知乎在問題推薦上也做了不少功夫，做了許多測試。年前有一段時間，它天天給我推一些新的問題，然後我去回答。後來，發現推的太多了，就沒回答的動力了。針對這些核心用戶會發現從他們上面榨取不了新的價值了。於是，我們調轉了矛頭，從另一個角度——能不能去廣撒網，吸引更多的用戶來回答問題，這個做的就是一個Cookie推薦。
訪問百度的時候，百度不管用戶是否登錄，會在用戶Cookie裡面去設置一個用戶標識。通過這個標識能夠對這個用戶進行一個跟蹤，雖然不知道用戶是誰，但是，起碼能把同一個用戶這個行為給它串起來。這樣，就可以基於他歷史的檢索，各種搜索詞，還有他瀏覽的各種頁面的記錄，然後去提取一些興趣，然後給這些Cookie建一個模型。這樣有一個好處，能夠覆蓋的用戶量非常大，前面講的核心用戶推薦只覆蓋了只有35萬的核心用戶，但是通過這種方式可以覆蓋幾億百度用戶，每一次用戶登錄之後或者訪問百度知道之後我們就基於他本身興趣然後走一次檢索，在解決問題裡面檢索一下跟他匹配的就給他推薦出來。
比如前一段，我自己在沒有登錄的時候，其實我是會看馬爾克斯。我比較喜歡馬爾克斯的作品，我當時搜了馬爾克斯的一些相關的內容。它就抽取出來我對馬爾克斯什麼感興趣，就給我推薦了馬爾克斯相關的問題，可能我知道我不可能就會點進去回答。
這個功能上了之後效果還是很不錯的，讓整體的回答量提升了7.5%。要知道，百度知道產品從2005年開始做，做到2007年、2008年的時間這個產品已經很成熟了。在一些關鍵指標進行大的提升還是非常有挑戰的，這種情況下我們通過這種方式提升了7.5%的回答量，感覺還是比較有成就感，我當時也因為這個事情得了季度之星。【案例2：SAAS】講了百度知道之後，我們接下來講一下SAAS運營分析實踐。
因為我自己目前創業做的這個產品就是針對於互聯網創業公司做用戶相關分析這塊，我們對產品在去年9月25號的時候正式對外發布，發布本身我們其實進行了一些數據的分析。後來，又嘗試了一些廣告渠道也做了一些數據分析。之後，又針對流失的一些用戶我們也搞了一些周圍活動，我把整個真實的經歷給大家分享一下。
【產品發布】首先，我們來說我們這個產品發布，所謂的發布其實也很簡單。當時在公司成立正好五個月的時候，我們聯繫了36Kr，讓36Kr給採訪報道了一篇文章在當天發布出去。另外在朋友圈、微信群裡面發一發紅包，讓周圍的人都知道我們這個產品正式對外發布了。
左側的圖就是我自己在朋友圈發的信息，當時許多人點贊，還有許多人幫著去轉發，中間是我們的36Kr上報道的一篇文章，右側是我們當時為了讓鏈接展示的好看一點，可以在微信裡面重新發一遍，至少顯示一個，下面圖的形式好看了很多。另外，既然我們自己是做數據的，當然要對這個發布活動進行一下數據分析了，怎麼分析呢？我們想搞一個有趣的一個事情，我們讓每一個人發鏈接的時候都帶一個渠道號，像我的渠道號就是ch=sangwf，我的CTO曹犟的是ch=caojiang，其他同學也是一樣的。產品發布時，我們整個團隊一共12個人，每個人都帶著這麼個渠道號都發到自己朋友圈，還有微信群裡面去，然後我們跟蹤它的效果。
這是當天晚上的一個數據，最上面是36Kr，我們發現36Kr其實很小，這個跟我們的預期還是相當不符的。本來我們覺得36Kr上發一篇文章影響應該是非常大的，應該能給我們帶來不少訪問量，這個怎樣做的呢？——就是在36Kr那篇文章帶官網地址的時候，我在官網地址裡面加了一個渠道號等於36kr，這樣我就可以跟蹤它了。我們看右邊的數據，發現我們CTO曹犟他帶來的用戶佔整體當天晚上28.7%，我的是27.9%，他的是比我的多，這點讓我還是有點不爽，我應該加把勁。右側是我另外一個合伙人，他帶來18.1%。單純從看帶來的用戶量來說，這裡面是曹犟勝出來，我們的目的絕對不是讓用戶只是看了一下我們產品的一個瀏覽，其實更想達到的目的是讓用戶來了之後能真正試用一下我們的產品。因為，試用之後他對我們才有一個更客觀的認識，可能轉化成我們真正的客戶。
這是當天的一個漏斗，從最開始問首頁，有三千多個人，其中有28.9%，差不多30%左右人真正點擊申請試用的按紐，點了之後又有17.65%的會真正提交了申請試用，提交申請試用之後我們發帳號到手機簡訊、郵箱，這裡面又只有19.21%的真正回來去體驗了這個產品。通過這種分析其實效果就一目了然了。
我們再看跟不同人的轉化的數據，我把我們三個人還有36Kr這個數據單獨抽取出來來看，如果我們看帶來的用戶，曹犟帶來了1316，我帶來了1286。
然後，真正申請試用的用戶曹犟帶來了51個，而我帶來了87個，這個數據就比他多了，真正試用的人他帶來了7個，我帶來了22個，是他的3倍，，要好很多。從最終轉化效果來說，我帶來的用戶整體質量把他那個帶來的可能還是要好一些。就是說我們通過漏斗這種方式進行數據的深度去看你的結論，跟你只是看一個表面，只是看一個整體的用戶數、訪問量這些東西，結論可能是完全不一樣的。
【廣告效果】
因為我自己用36Kr比較多，也知道周圍的創業者大家都會看36Kr，所以我對36Kr本身是比較感興趣，我就想著上面試試，在36Kr上做廣告效果怎麼樣，我當時聯繫了36Kr的商務，然後我就跟他去交流。一交流發現他那個產品本身收費還是有點貴的，他們是按周往外一個廣告位投放，這個點一個廣告位可能要花好幾萬塊錢。對我們一個小的創業公司剛開始的創業公司這點錢花不起的，再想其他辦法吧。那天，我跟她講了很多數據分析相關的知識，那個商務聽了之後覺得這個很有收穫。她說這樣吧，我送你一天，免費讓你掛一天廣告，幫我們做一下數據分析看看效果如何。
左側這個圖其實就是我們在36Kr做這個廣告展現的效果，在PC上去訪問36Kr的一個詳情的文章，左側展示這麼一個廣告，那一天真正在用36Kr的人可能就會留意到有這麼一個廣告的信息。但是，右側是獵雲網，獵雲網也幫我們去天使輪的一個融資情況報道，就是通過獵雲網來報道的。他們也幫我們打了差不多一周左右的廣告，又創造了效果，也是一個平常廣告，看一個詳情的頁面右側會給你展示這個廣告效果。
獵雲網跟36Kr我覺得是一個同類似的網站，獵雲網可能針對投資人可能多一些，它整體訪問量我相信應該比36Kr還是有一個差距。
這裡我把知乎、36Kr、獵雲網三個渠道數據給它單獨抽出來然後看總體情況，從訪問首頁到最終去真正試用，整體轉化率差不多有6.82%，整體效果還是可以的。我們對比實際數據，也發現這三種渠道整體效果可以說知乎還是最好的，如果看我知乎文章的人就會明白為啥我寫知乎專欄寫的那麼起勁。
除了在36Kr、獵雲網嘗試了廣告之後，我們其實也試了一下紅包這個效果，這個當時也是花了差不多一萬塊錢。因為我們覺得我們這個產品是2B的，針對企業領導的。於是，我們針對他們來進行紅包發放，發放之後我們看右側這個效果圖，訪問紅包月的人有兩千到人。我們花了一萬塊錢差不多嘗試，我們相信肯定是花出去了，這還是因為有認識的人有熟人，然後可以這麼去做了一下。但是，我們看它真正去申請試用的只有1.63%，比我們前面看的差很多，這裡面當然有一個原因，是我們這個頁面很長，真正申請試用在很下面，許多人看只是一個瀏覽頁面然後就直接關了。還有一部分原因大家可能就是領了一個紅包，就沒有特別興趣去關注你的產品是怎麼樣的。這樣其實我們花了一萬塊錢，最終產生了8個真正試用的，這個其實成本還是有點高的，總體轉化率0.36%，比前面知乎、36Kr要差很多。這種形式可能對其他產品就很有效，但是對我們這個產品來說，因為我們這是一個相對來說目標比較明確並且比較小眾一點的產品，所以這個投放的效果可能就沒那麼明顯。【流失用戶召回】在今年元旦的時候，因為之前申請試用我們那個產品已經有很多人，但是這裡面有一半人我們給他發了帳號他也並沒有回來，我們過年給大家拜拜年，然後去彙報一下進展看能不能把他們撈過來一部分。
這是元旦的時候我們產品的整體用戶情況，到了元旦為止，9月25號發布差不多兩三個月時間，那個時候差不多有1490個人申請試用了我們這個產品。但是，真正試用的有724個，差不多有一半，另外一半就跑了，就流失了。
我們就想把這部分人抽出來給他們進行一個召回活動，這裡面流失用戶我們就可以把列表導出來，這是我們自己的產品就有這樣的功能。有人可能疑惑我們怎麼拿到用戶的這些信息呢？
這很容易，因為我們申請試用的時候就讓他填一下姓名、聯繫方式，還有他的公司這些信息。對於填郵箱的我們就給發郵件的，對於發手機號的我們就給他發簡訊，我們分析這兩種渠道帶來的效果。
先說總體，總體我們發了716個人，這裡面比前面少了一點，我把一些不靠譜的這些信息人工給它幹掉了。接下來，看看真正有35個人去體驗了這個產品，然後35個人裡面有4個人申請接入數據。因為我們在產品上面做了一個小的改進，在測試環境上面，對於那些測試環境本身是一些數據他玩一玩，玩了可能感興趣之後就會試一下自己的真實數據。這個時候，我們上來有一個鏈接引導他們去申請接入自己的數據，走到這一步之後就更可能轉化成我們的正式客戶。這兩種方式轉化效果我們其實也很關心，召回的效果怎麼樣，我們看下面用紅框表示出來，郵件發了394封。最終有32個人真正過來試用了，電話手機號322封，跟郵件差不多，但只有3個過來，也就是說兩種效果差了8倍。這其實也提醒大家，簡訊這種方式可能許多人看簡訊的比較少。當然，另一方面跟我們自己產品特徵有關係，我們這個產品是一個PC上用起來更方便的一個產品。許多人可能在手機上看到這個鏈接也不方便點開，點開之後輸入帳號也麻煩一點。所以，導致這個效果比較差。文中截圖來自神策分析（Sensors Analytics）：http://sensorsdata.cn/。
（完）
推薦閱讀：
