运营如何利用数据？数据和用户行为有什么关系？

对运营来说，数据能力是基础能力，它甚至会决定你职业发展的层级。那么运营如何利用数据呢？数据和用户行为之间会有怎样的关系？

数据这件事儿，从来都很难去说，很难说的原因在于，一旦提到案例，数据就是一个禁区，提取真实的数据吧，这事儿是绝对禁止的，捏造数据吧，又有编造支撑的嫌疑。

那么这样，我给一张图，你来想想这个图说明了什么问题：

给你3分钟，不要看下面的文字，你想一想看到这张图，你会思考什么。

首先解释一下为什么用我的课程截图，那是因为：

• 1、我恰好在得到上有课程
• 2、用我的比较容易说，用别的老师又没有得到他们的授权比较容易尴尬

下面我来说我的思考。

• 1、各级转化率怎么样？
• 假设这个页面上所有的人都是人数或者都是人次，那么，这节课程从试听-购买的转化率是：77908÷152258=51.17%；同时，这节课的完课率是：53740÷77908=68.97%
• 2、人到底是人数还是人次？
• 因为页面上标注了：77908人加入学习，但付费后的第一节课有83431人学习过，那么可以推理得出，在学习过这个指标上，很有可能得到采用的是人次而不是人数，否则理论上，付费后的第一节课的学习人数应该不高于77908这个数值。
• 3、基于2对1的修正
• 从以上两点可以推知，如果以上推测成立，课程的转化率应该高于51.17%，但完课率可能会低于68.97%
• 4、课程销售额
• 得到精品课的价格是19.9，但去年上架的时候是9.9，那么这套课程的销售额应该在：77908×9.9~77908×19.9之间，也就是：77万到155万之间。

以上是肉眼可见的部分。

好了，如果结合其他课程的数据，又会推出很多有趣的事情，包括：

• 1、得到的各个学院（各套课）里的课程，销量最高的是哪个学院（哪套课）的课程？完课率最高的是哪个学院（哪套课）的课程？
• 2、如果考虑上架时间和推广资源，究竟什么样的课程在怎样的一个时间长度里，会呈现怎样的转化率和销量变化？
• 3、如果再考虑评论数，评论和销量之间存在什么关系？评论会受什么因素影响？
• 4、如果你是得到的工作人员，你认为得到应该继续开设什么样的课程？

这里其实就涉及到几个层面的事情了，譬如说：

• 1、数据与用户行为之间的关系是怎样的？
• 2、系统动作与数据之间的关联是怎样的？
• 3、影响数据的因素又有哪些？
• ……

我列了这三个，是因为我打算在这三点再继续扩展一下这篇文章的内容。

首先，数据和用户行为之间会有怎样的关系？

请记住下面这句话：

数据在一定程度上反馈了用户行为。但是，如果用户看不到数据，那么用户行为是影响数据的因子；如果用户能够看到数据，那么数据会反过来影响用户行为。

举个例子，昨天夜里我在知乎上回答那个问题的时候用过：

如果现在你开车，使用百度地图来导航，会发现百度地图会根据你的百公里驾驶行为做出评分。

这个评分本身不具有意义，但是，如果未来有一家保险公司说，我要提供UBI保险，那么这个数据就变得有意义了。

2016年，我在斑马智行的时候，斑马就和保险公司一起提供了一项类UBI的保险返还服务，说起来很简单：

车主通过斑马智行投保，然后车机就会收集用户的开车行为数据，你不开车，就按日退还保费；如果频繁出现三急危险行为（百公里的急加速急减速急转弯）那么就会影响UBI的评分，UBI评分会决定你下一年的保费是多少，所以，加入了保险计划的车主，就会有意识的降低这些危险行为。

举这个例子，不是说当时的服务有多超前，而是说，用户行为对数据会产生影响，但是，当用户看到数据背后的价值之后，用户就会去尝试改变行为去匹配数据的要求。

还有更有趣的，在一段时间之后，我们去分析了危险行为的车主特征，如果没记错，大概有下面这些：

• 男性
• 处女座
• 35-50岁
• 三四线城市为主

是的，又一次黑了处女座。

但是，抛去处女座这个特征，你想想为什么三四线城市和35-50岁会是三急行为比较集中的地区和年龄段呢？

这个我不解释，大家可以猜猜看。

那么，数据影响用户行为体现在哪里？

一个最简单的现象：

电商平台买东西，很多人会使用销量排序。

现在你知道为什么要杜绝刷单了吗？

因为刷单影响了销量数据，而销量数据会对用户的购买决策起到很重要的推动作用，如果销量数据是假的，那么用户的消费决策可能就错了，带来的消费体验可能就变差，对于平台来说，伤害了消费体验，就有可能导致用户流失。

第二点，系统动作与数据之间的关系是什么？

这个我觉得不用解释了吧？系统的推送、推荐，对数据是有直接影响的。

类似得到上的课程产品，往往在初期的曝光资源是最多的，类似热点新闻，在今日头条之类的产品得到Push的机会是最多的。

也因为这样，在不同的时间节点、不同的阶段，甚至不同的推广资源匹配上去的时候，对数据表现是有决定性影响的。

当然，这除了给大家关于数据方面的思考之外，还有另外一个作用，就是：当老板说，xxx的某个活动做的不错，你也给我做一个类似的时候，你可以怼回去，拿用户类型、推广资源来说事儿。哈哈哈哈。

第三，影响数据的因素有哪些？

季节因素：游戏和电商，越是假期当时，数据越好，运营也越忙碌；教育行业，假期数据可能并不好，但临考前会很好；航旅行业，假期之前一段时间的数据会更好。

基于季节因素，要如何去设计运营动作，如何去匹配周期，就是一个不同行业不同特点的现实问题。

社会因素：实体经济越差，虚拟经济可能就越好，这叫口红效应；当地当季的流行不一定适配全国的用户，这是幸存者偏差；等等。

策略因素：用户类型是否匹配内容与活动？针对不同的用户的策略是否有足够的差异来支撑分层运营？等等

其他因素：譬如，一些产品的早期会故意留下一些漏洞作为增长策略的切入口，就是利用传播因素来制造数据飙升，达到一定量级后再关闭漏洞，用户拿到了，增长完成了。但是这种做法是不能一直玩儿的，而且对止损点和成本控制是有要求的。

这篇文章，不是要教大家什么大道理，而是希望大家在面对数据和利用数据的时候，可以不断磨练自己的数据感觉，毕竟，对运营来说，数据能力是基础能力，它甚至会决定你职业发展的层级。

本文转载于微信公众号（ 张记杂货铺 ），本文观点不代表壹伴博客立场，转载请联系原出处。如内容、图片有任何版权问题，请联系壹伴君处理。