- 相關(guān)推薦
創(chuàng )業(yè)公司做好數據化運營(yíng)的6個(gè)問(wèn)題
中美在數據分析上存在較大的差距，數據分析在國內一些特別大的企業(yè)，比如 BAT里，才能得到較高的重視;當然這得益于他們的長(cháng)期積累，對數據和運營(yíng)結合的比較好。以下是小編J.L分享的創(chuàng )業(yè)公司做好數據化運營(yíng)的6個(gè)問(wèn)題，更多熱點(diǎn)創(chuàng )業(yè)項目歡迎您繼續訪(fǎng)問(wèn)(www.oh100.com/chuangye)。
問(wèn)題1：什么樣的公司需要注意數據?不同階段有何差異?
一般來(lái)說(shuō)，目前國內比較重視數據的是高客單價(jià)，重轉化的公司，比如互聯(lián)網(wǎng)金融、電商、交易平臺、SaaS、在線(xiàn)旅游類(lèi)的公司。這類(lèi)客戶(hù)客單價(jià)高，不是完全拼流量，如此創(chuàng )業(yè)者才有提高轉化的動(dòng)力。
宏觀(guān)的講，創(chuàng )業(yè)者會(huì )經(jīng)歷產(chǎn)品4個(gè)生命周期階段。
第一個(gè)階段，叫冷啟動(dòng)。
這個(gè)時(shí)候公司特別早期，天使輪或者A輪，甚至融資還未成功。處在這個(gè)階段的公司，用大數據驅動(dòng)是一個(gè)偽命題——因為客戶(hù)數量有限，樣本性不足。他們需要更多地去了解潛在客戶(hù)的需求，去“求”客戶(hù)來(lái)用這個(gè)產(chǎn)品。
第二個(gè)階段，增長(cháng)前期。
就是冷啟動(dòng)接近完成。有經(jīng)驗的創(chuàng )業(yè)者，會(huì )開(kāi)始布局和增長(cháng)有關(guān)系的一些核心指標，比如說(shuō)日/月活躍，留存度。這些指標的目的不是為了衡量產(chǎn)品當前當下的表現，而是為了未來(lái)做增長(cháng)時(shí)有可比較的基準。
第三個(gè)階段，增長(cháng)期。
這個(gè)階段就能看出來(lái)好的創(chuàng )業(yè)公司和普通創(chuàng )業(yè)公司的巨大差別——效率。無(wú)論PR還是做活動(dòng)，都需要人力和時(shí)間成本。如何在增長(cháng)中，找到效率最高的渠道?這個(gè)我覺(jué)得，是創(chuàng )業(yè)公司之間PK的核心競爭力。如果不做數據驅動(dòng)，靠直覺(jué)，一次兩次可以，但沒(méi)有人能進(jìn)賭場(chǎng)連贏(yíng)一萬(wàn)次。所以，直覺(jué)需要和數據進(jìn)行結合，這樣企業(yè)能迅速優(yōu)化各個(gè)渠道，來(lái)提高單位時(shí)間的轉化效率。
第四個(gè)階段，變現期。
業(yè)務(wù)變現，要求很高的用戶(hù)基數。一般互聯(lián)網(wǎng)產(chǎn)品，其中一小部分高活躍、體驗好的用戶(hù)，會(huì )轉化為付費用戶(hù)。類(lèi)似一個(gè)漏斗，不斷地去篩，這里面就是要拼運營(yíng)的效率了。比如說(shuō)，電商用戶(hù)的轉化漏斗一般是：訪(fǎng)問(wèn)——注冊——搜索——瀏覽——加入購物車(chē)——支付，或者到未來(lái)的退貨。這是非常非常長(cháng)的一個(gè)漏斗，真正要做好數據化運營(yíng)，要對漏斗的每個(gè)環(huán)節持續地進(jìn)行追蹤。
一個(gè)好的企業(yè)，特別是以后要做營(yíng)收的企業(yè)，必須要關(guān)注各個(gè)部門(mén)各個(gè)環(huán)節的轉化效率。這種轉化效率，要達成的手段，可以通過(guò)市場(chǎng)營(yíng)銷(xiāo)的方法、產(chǎn)品改進(jìn)的方法、甚至客戶(hù)運營(yíng)的方法。而其中每個(gè)環(huán)節小幅提高，加在一起就是一個(gè)倍數的提高。這種倍增，如果沒(méi)有做過(guò)數據化運營(yíng)的人，很難體會(huì )到會(huì )有多大。
問(wèn)題2：好的數據分析應該是怎么樣的?
好的數據分析，能夠讓公司里所有人都獲益。它不是一種特權，不是只給公司里的一兩個(gè)人看，而是能夠讓公司里面各個(gè)運營(yíng)部門(mén)，特別是前線(xiàn)打仗的部門(mén)，能夠直接得到好處。
普通只講戰略，只講大方向，只給CEO看，只給VP或者運營(yíng)看——這不夠。需要把它給工作在一線(xiàn)的員工，讓他們用起來(lái)。這個(gè)我覺(jué)得是區分一個(gè)數據驅動(dòng)型企業(yè)，和非數據驅動(dòng)型企業(yè)一個(gè)很大的區別。效率提升，是所有人提升，而不是一兩個(gè)人提升。
一個(gè)公司要建完整的數據分析機制，首先應該從業(yè)務(wù)開(kāi)始。所有的數據分析運營(yíng)或者數據體系，都應該從業(yè)務(wù)，從客戶(hù)開(kāi)始。這個(gè)數據分析體系，不應該只解決非常狹窄的一個(gè)或者兩個(gè)問(wèn)題，需要有體系和大局觀(guān)。然后，實(shí)際上數據分析里面，最難的一個(gè)部分是數據搜集和數據整理，這個(gè)過(guò)程最耗費時(shí)間，可能因為剛開(kāi)始的計劃就做的不夠周全。所以說(shuō)，在數據采集和數據整理方面，應該很有計劃的重視。
到后面，數據分析，不能只僅僅停留在報表的基礎上，價(jià)值還是不夠多。最終還是，那些數字出來(lái)以后，告訴別人應該怎么做是對的、有效的。這里面的話(huà)，就是有很深學(xué)問(wèn)，需要很強的操作能力。
所以說(shuō)一個(gè)企業(yè)，既要有大局觀(guān)，又要注重可執行性。我建議一般企業(yè)想自建的話(huà)，應該先從一個(gè)單點(diǎn)突破，找到一個(gè)轉化點(diǎn)，看到了價(jià)值，通過(guò)這一次的實(shí)踐，再學(xué)習下一次實(shí)踐的方法。這也是一個(gè)學(xué)習的過(guò)程。不要上來(lái)就建立龐大系統，上來(lái)就把50個(gè)數據圓圈綜合在一起，想建立一套數據科學(xué)框架。我覺(jué)得一般要這樣干的話(huà)，除非你有很多資源，否則一定會(huì )失敗的。
問(wèn)題3：企業(yè)數據分析都可以分為哪些階段呢?
第一個(gè)階段，是什么都沒(méi)有的;
第二個(gè)階段，需要公司能夠回溯歷史：知道自己產(chǎn)品在發(fā)生什么，這是最基礎的、最原始的一個(gè)階段;
第三個(gè)階段，內部做產(chǎn)品、做運營(yíng)、做市場(chǎng)營(yíng)銷(xiāo)的人，需要問(wèn)為什么：這個(gè)階段，是預測，即預測某種人群，下面會(huì )干什么事，這樣能有針對性地，更好地去開(kāi)發(fā)產(chǎn)品;
第四個(gè)階段，是要有解決方案：就是我預測到了這組人會(huì )這么做，那么我給它一個(gè)更好的方案，讓它有更好的轉化、留存，帶來(lái)更好的拉新效果;
第五個(gè)階段，是優(yōu)化，多樣產(chǎn)品線(xiàn)如何能找到最好的平衡點(diǎn)：在價(jià)格、營(yíng)銷(xiāo)，產(chǎn)品設計，銷(xiāo)售各個(gè)角度有一個(gè)平衡點(diǎn)，這個(gè)平衡點(diǎn)是創(chuàng )業(yè)者的利益最大化點(diǎn)，也是用戶(hù)最喜歡這個(gè)產(chǎn)品的點(diǎn)。
這五個(gè)階段，需要花時(shí)間來(lái)不斷積累的，不要跳躍，跳躍往往失敗，從基礎做起。
問(wèn)題4：為什么許多公司的數據分析流于形式?
這主要是因為很多企業(yè)在三個(gè)層面上的認知不足：數據的價(jià)值、數據分析方法論和實(shí)際的操作方法。
1)價(jià)值的認知
許多公司處于瘋狂增長(cháng)時(shí)期，大家一拍腦子做的決定，可能已經(jīng)產(chǎn)生很多價(jià)值了;這種情況下他們很難意識到數據決策能產(chǎn)生比暴力性增長(cháng)更大的價(jià)值。
2)基本方法論的認知
意思是核心但簡(jiǎn)單的方法論。目前國內對基礎的方法論沒(méi)有太多的認知，可能因為國內發(fā)展時(shí)間還比較短，而美國已經(jīng)開(kāi)發(fā)好幾十年了。
3)實(shí)際操作方法的認知
國內一線(xiàn)員工用數據來(lái)指導工作運營(yíng)，比如產(chǎn)品、客戶(hù)、銷(xiāo)售等實(shí)際操作經(jīng)驗相對來(lái)說(shuō)少一些。一方面，因為發(fā)展時(shí)間短，另一方面，數據使用理念積累也相對較少。
不過(guò)，國內公司已在迅速地提升這種認知。但是這個(gè)認知，是分階梯的，循序漸進(jìn)的一個(gè)過(guò)程。在美國，認知和方法論已經(jīng)慢慢進(jìn)行了良好的統一——技術(shù)和業(yè)務(wù)之間，用數據來(lái)融合。
許多國內的企業(yè)家，最開(kāi)始意識不到數據的價(jià)值;等意識到數據的價(jià)值時(shí)，他的期期望又往往很高。這種大鴻溝，也無(wú)法讓價(jià)值真正落地，甚至讓人們產(chǎn)生“這個(gè)價(jià)值是否真能實(shí)現”的質(zhì)疑，缺乏耐心。
問(wèn)題5：中國公司對于數據存在哪些共性的迷思?
我覺(jué)得國內公司對數據分析的理解，分兩極：一種認為這是純技術(shù)，還有一部分是比較迷信，認為只要一上大數據，就變成高大上的公司了。我覺(jué)得這兩種方式，都存在一定的誤解。
核心的話(huà)，我覺(jué)得你做的這個(gè)東西能不能有價(jià)值，有沒(méi)有效果?用效果來(lái)衡量是最直接的。另外一些公司想自建平臺，搭建很大的團隊，效率和產(chǎn)出都比較低，這個(gè)我建議大家慎重。隨著(zhù)生態(tài)圈的不斷發(fā)展，現在很多工具都很好用，你得學(xué)會(huì )用工具。這是創(chuàng )業(yè)者成功的一些很好的輔助——不能說(shuō)因為你會(huì )用工具，所以你就創(chuàng )業(yè)成功;但是好的創(chuàng )業(yè)者，一定能用這些各種工具，達成目標。
問(wèn)題6：如何打破數據無(wú)法“物盡其用”的怪圈?
過(guò)去幾個(gè)月，我們跟客戶(hù)打交道發(fā)現，有的企業(yè)用我們的產(chǎn)品用得非常好，有的企業(yè)就一般。通常內部有人核心負責數據的企業(yè)，會(huì )用的就非常好;有的企業(yè)沒(méi)有核心的人來(lái)追這件事情，做得就比較一般。
所以，在運營(yíng)部門(mén)里面，至少得有一個(gè)人有一定的數據分析概念。就好像我們把一套高級手術(shù)儀器搬到公司去，如果沒(méi)人會(huì )操作也不行。
我認為最好的知識獲取方式，就是實(shí)際操作。實(shí)際操作的前提，是最好有一個(gè)稍微懂一些的人，能帶著(zhù)做幾次。然后轉起來(lái)、學(xué)起來(lái)了，這就是獲取數據分析知識最快、最有效的方式。我不覺(jué)得純讀書(shū)或者讀一些課本，看一些外面的大數據指導類(lèi)的書(shū)籍，能有這種效果。
有了這個(gè)人，再能從懂這方面的人和公司產(chǎn)品，獲取方法論的支持，這種學(xué)習機制就建立起來(lái)了。這個(gè)還是蠻重要的，否則系統雖然強大，但是沒(méi)人會(huì )操作，就無(wú)法物盡其用。
【創(chuàng )業(yè)公司做好數據化運營(yíng)的6個(gè)問(wèn)題】相關(guān)文章：
創(chuàng )業(yè)秘籍之商業(yè)計劃書(shū)：運營(yíng)數據06-17
運營(yíng)初創(chuàng )業(yè)公司的幾點(diǎn)建議12-23
創(chuàng )業(yè)公司如何提升運營(yíng)效率03-17
創(chuàng )業(yè)公司如何提升運營(yíng)效率?03-29
早期創(chuàng )業(yè)公司怎樣做好公關(guān)營(yíng)銷(xiāo)03-27
創(chuàng )業(yè)資訊：怎么看創(chuàng )業(yè)公司加班問(wèn)題03-05
創(chuàng )業(yè)初期產(chǎn)品定位和運營(yíng)問(wèn)題的解決辦法02-11