数据运营体系是数据分析的集合和应用,也是数据先行的战略,更是产品、市场和研发的共同愿景。根据数据之间的依赖关系,从运营视角可将数据化运营体系分为数据收集层、数据产品层、数据运营层和客户触达层。
(一) 数据收集层。数据收集层是最底层、最原始的数据,也是整个数据体系的基础。该阶段数据收集应尽量全面、详细。数据收集可划分为四种类型。一是行为数据,即客户交易明细数据,是按时间顺序记录客户在产品上的一系列操作行为。二是流量数据,该数据是基于用户访问的网页或终端产生,是记录客户主动操作执行交易的行为数据。三是业务数据,是伴随业务产生的数据,如可售产品属性数据、产品定价属性数据等。四是外部数据,它是通过第三方来源获取的数据而非企业内部产生。外部数据更多的是参考作用,用于弥补内部数据的缺失。如银行通过共享或购买等方式获取工商、税务等部门关于企业注册、缴税信息,用于新成立企业客户拓展和信用管理。
(二) 数据产品层。数据产品层主要是通过工具对数据进行加 工和利用的层次。由于原始数据往往不能直接为运营所用,我们需要根据业务和场景将原始数据整合和加工,以便进行各类可视化的决策分析。一种方式是通过建立业务数据指标将业务和原始数据相互连接,为数据加工提供方向,进而得到我们所需要的结论,如活跃客户数、账户留存率等。目前主流互联网公司是通过建立用户画像实现的数据加工,它是将一系列数据加工出来形成描述人物属性的数据标签,如淘宝的千人千面。客户去购买孕期的孕妇产品,系统就会通过数据为该客户打上孕妇的标签。浏览了汽车相关的商品,系统就会为该客户打上汽车爱好者的标签等等。用户画像是一个依赖大数据和机器学习的复杂体系,准确丰富的用户画像能够为精准营销提供强大的支持,但其前提是数据收集层的数据足够全面和详细。
(三) 数据运营层。数据运营层是将数据转化为运营策略的层次。要求运营人员对数据化运营的认知到位、分析能力过硬。通常公司体量越大,数据越丰富,数据化运营所能发挥的效果就越好。这个阶段要实现以下目标。一是精细化管理。客户之间是有差异的,运营不可能通过一种方式满足所有客户,也不可能用一种方式做到最好,这种差异需要用精细化运营去弥补。精细化是将目标拆成更细的粒度,即对最适合的客户在最恰当的时机采取最合适的手段以产生最大价值。二是前瞻性管理。企业可以提前挑选少量客户进行测试,即时获取客户的反馈,随后根据数据决定后续的运营策略。然而在日益严酷的竞争环境中,客户面对的是一个时刻都在发生变化的环境,只了解当前数据是远远不够的,我们需要通过数据建模、机器学习等方式获 得概率性预测,为后续经营提供更具前瞻性的决策。三是综合性管理。 运营的本质是将数据、产品、系统和人员四者有机结合起来。客户数 据累计到一定程度,则要考虑引入积分中心增加黏性;涉及到产品销 售后续工作,则要加入 CRM 维系客户群;随着客户反馈增多,则要 加入客服中心解决各类疑问。
(四)客户触达层。客户触达层是整个体系的最后环节,是对前 期数据收集、加工和运营的综合体现。在客户与产品交互的过程中, 客户会通过交易行为反馈自身对于产品的认同程度,同时也会形成一 轮新的行为数据。用户触达层并不是数据化运营体系的结束,而是迭 代优化的开始。通过对新一轮反馈获得的数据进行再次优化,达到内部数据不断循环优化进而指导运营的效果。