行动运营，数据法怎么做（3点你告诉）

数据分析师事前与运营保持良好的沟通事后为复盘做好准备让数据分析助力运营工作网站推广论坛让数据分析助力运营工作合作共赢。

做数据分析的同学最常服务运营也最怕运营纠结。因为本身运营的工作和数据分析有高度关联以至于大家在网上看到的数据分析文章网络推广方案以至于大家在网上看到的数据分析文章十篇里有六篇是运营写的。运营对数据分析涉入的如此之深以至于经常在分析思路、分析方法、分析结论上和数据分析师们怼起来。

请听题：

某游戏APP用户活跃率在5月出现轻微下降情况活动运营小组决定做一个签到打卡的活动提高用户活跃度（具体提高多少没说）现活动前后数据如下图所示活动运营小组坚持称：如果不是做活动5月份自然增长是下跌的。老板认为这是扯淡。活动运营小组称：数据分析师应利用人工智能大数据精准分析出自然增长率。

首先问这个题的题眼在哪里？

A、用户活跃率减少

B、自然增长率

C、人工智能大数据

思

考

一

秒

钟

我们先反问一个问题：某天一个人拿着弓来问你：“请用人工智能大数据精确分析一下我比自然命中率高了多少”你会怎么办？你会抄起键盘开始叭叭写代码吗？——不会！你会先问他：“你射的是啥？”

如果他说：我也不知道射的啥你帮我分析分析？你会咋办？你会用人工智能大数据分析他要射什么东西吗？——当然不会！有礼貌的话你会让他先把自己射的箭找到；没礼貌的话你可以直接口吐芬芳了。因为即使是幼儿园的小朋友都知道：射箭要先树个靶子。这是常识。

所以整体的题眼是：具体提高多少没说。甚至题目本身都是有问题的。请注意问题的来源是活跃用户数量减少。结果运营在设目标的时候变成了用户活跃度。一字之差含义就从清晰变模糊。

到底什么算“度”

含义是用户活跃人数为啥不直接用？

含义是用户活跃率？大家的公式是否一样？

含义是综合计算的计算公式和权重又是啥？

指标本身不清晰又没有明确指出要提升多少对活动后分析是一场灾难。简直就是射箭故事的翻版。问题是：为啥会出这么奇葩的事。

真正在企业上过班就知道：并非所有决策都是高度理性的比如：

这是常规活动运营只是拿着模板改了改就推上线了

这是老板亲自指示干的咱也看不懂咱也不敢问

这是一种商业直觉：我感觉有问题了！等到真观察到再改已经来不及了

这是一种迷信：你们不是有人工智能大数据吗应该duang！一下就有了吧

总之真实企业里大概：

30%的活动方案没有写清楚只有个含糊的：“提高消费/提高活跃”

30%的活动方案用词不严谨活跃度、活跃值、活跃力一类的玄幻概念满天飞

30%的活动方案没有做过测算都是拍脑袋决策甚至提1亿的目标只为口号顺口。

只有大概10%方案能认真写清楚：提高用户活跃人数5月dau维持在XX水平以上

当然在管理规范的大企业里这种乱象少很多。但是同类问题在大部分企业都存在事先不写清楚目标事后指望大数据来分析。甚至企图通过人造一个很低的、负增长的自然增长率来蒙混过关。真要是碰上这种事咋办呢？

首先坚决不扯什么“自然增长率”。特别是在这种短期活动很密集的业务里。如果一

好文分享

做什么目标事先说清楚从X%提升到y%；

找清晰、直观的目标避免玄幻/复杂概念；

找与核心KPI相关的目标避免杂项干扰。

这是彻底解决问题的三大原则。

当然这么做会遇到两个挑战：

挑战1：有些运营就是不知道咋定目标帮帮忙？

挑战2：有些活动就是事先没定目标咋补救？

设定目标有三种基本方法：

KPI分解法

KPI倒推法

KPI场景法

分别对应：

活动目标是KPI指标

活动目标是KPI过程指标

活动目标是KPI关联指标

有同学会问：为啥都和KPI挂钩？答：如果做的事跟KPI没啥关系那你也知道这个事的重要紧急程度了。大张旗鼓做和KPI无关的事本身就有可能是影响KPI的原因哈。

KPI分解法举例：

KPI倒推法举例：

标签： 活动KPI目标运营