天下父母都是後廚，誰不對自己孩子健康著想呢 ？就這樣，我又趁機買了個ipad。
這是數據在現實生活中的說服作用，呈堂證供。
運營崗位也壹樣，要靠產品、技術、消息引擎、市場等後廚吃飯，如果沒有數據說話，就很難撬動他們。
但我們做運營的，數據本身天然弱項，像我，念書時沒好好學數學，又不懂統計學，去菜市場買個菜都算不來賬，感性意識濃，怎麽辦？無解，只能日常歷練，所以自從2010年起，就嘗試著靠數據說話，練邏輯能力，我平時很懶，唯獨數據，特勤快，有時間就看就記。
這些年下來，和數據產品經理、數據分析師、統計大拿都打過交道，每次聽他們說了壹個新概念，都要百度查閱，但現在依然不知道什麽是置信區間、什麽是概率分布，腦子笨，所以自我說服，提出了壹個極簡數據、優化源表的概念，試圖靠壹張Excel表、淺顯的數據去做決策，數據小白也能上手，快速提升自己的業務增長。本文就總結壹下我那些年靠極簡數據提升業務目標增長的壹些案例。
先說壹下極簡數據的4大特征：
1、數據極易獲取，比如微信的後臺數據、GA數據、公司數據部做的標準報表數據等等。
2、分析起來極簡，只需用Excel就能得到真知灼見。我原來喜歡用GA，因為裏面功能強大還免費，各種維度去看數據，顯得高端有檔次。但是自從GA被封之後，公司不用了，我就開始琢磨著自己做壹套本地的數據，把所有的運營項目都梳理出來壹個日常表，我起名叫優化源表。這樣我就可以借助Excel強大的數據分析功能，比如透視表來指導我運營了。
3、數據運營的思路極簡，運營就是發現問題，然後搞定問題的過程，高深的數據模型壹般是供商業決策的，運營顯性，基本用不上。
4、極簡數據有壹定誤差，會有個人主觀經驗在裏面。我壹般只要對數據有信心，就會做決策，世上沒有精確的數據，只有相對準確的數據。曾經看過壹句話：壹次能讓人有所收獲的犯錯，遠好於什麽都沒幹，很適合運營。
此外，本文的所有案例，數據部分都做了極簡處理，繞過埋點、監控策略制定、實施、數據清洗等環節，只講核心方法，讓大家能壹目了然，裏面提到了我經常掛在嘴邊的兩個核心詞，試錯和優化。試錯是方法，優化是靈魂。
好，我們來看本文的分享大綱：
我經常做優化源表，把每天的數據記錄下來，有時候如果數據部門有標準報表，會更省事壹些。
優化源表短期內不會給妳帶來太大價值,但是當數據積累到壹定量級後，妳就會從這張表中得到很多真知灼見。比如,妳可以靠業務目標日常表現表十分合理地推演分解出月目標，周目標、日目標,真正做到每日的運營行為都‘心中有數’。因為日常目標表現表展示的是妳的業務規律,尤其是當妳負責整個產品項目的運營,給手下定KPI的時候,手下 再也不會說妳拍腦袋了。
我舉個例子，這是我從《數據化管理》壹書中學到的。自從2014年我看了這本書後，這個技巧就被我拿來應用在互聯網產品運營上了。遵循極簡原則，我只講如何分解到月，因為分解到周和日的思路大同小異。我簡單的提供壹個思路。
首先，需要找到歷史數據。我從公司數據平臺上找到PC端用戶全年的日UV數據。這裏我拿UV來舉例，您也可以拿LV、Visit、PV來做。
通過日期數據計算出第N周和星期字段的值。把異常日期排除在外，主要是節假日，因為節假日壹般網站的流量都不太正常，還有，把特殊推廣期的日期也排除在外，這要靠平時的運營日記，把每天的運營行為做壹個記錄。然後得到這張圖：
我們開始透視這張表做分解。
透視的時候把假日信息和特殊推廣日標識出來，在透視的時候過濾掉，不計入總表中。
發現了嗎？妳看折線圖，很明顯，業務有淡旺季之分。所以我們完成全年目標的時候，也要合理的分出淡季完成多少，旺季完成多少。而不是平均每月完成多少。
權重是供我們計算用戶的壹個人為附值。壹般先把最低值附值為1，比如圖中的5月，然後其他月份的平均UV值除以5月的UV值，就能得出各個月份的權重了。
比如2015年的總UV是8.8ww，老板給妳翻了個倍。那麽妳通過權重就能平攤到每個月要完成多少。比如圖中的1月份，我算出壹月份的權重占總權重的比值，然後再用KPI乘以這個比值，就得到了1月份要完成的KPI了。
那麽，我們分解KPI的目的是什麽？
1、盡早做年度運營規劃，第壹個月如果完不成目標，和老板及時反饋，早早申請資源；
2、管理老板的期望值，控制kpi完成的節奏，別第壹個月沒控制住，早早就完成了，那時候老板就給妳定更高kpi了，有時候運營的坑都是自己挖的。
這是我們集體團隊策劃的活動，***5人，我主要擔當文案和數據統計工作。
當時老板放話了，對新產品團隊成員說，妳們可以在現有4000萬用戶中隨意選擇20萬用戶當種子用戶，然後給新產品引入10萬初始用戶，平均單用戶成本不要超過5元，撂下這句話就走了。
我們有了資源，有了成本限額。先拋出去成本不談。20萬種子用戶的篩選至關重要。這是細分用戶的能力了。我們思來想去，馬上就要秋招了，應屆生求職欲望比較強烈。於是我們精挑細選了20萬高活躍應屆生用戶做種子，開啟燎原之路。
我們針對這部分用戶策劃了壹個促分享拉新的活動。恰好，那年應屆生秋招提前，有不少500強客戶提前進入校招。所以我們的活動噱頭就從這些大客戶入手。主題就是部分名企提前校招，邀請同學加入能拿紅包，給個多變的酬賞，紅包不設上限。
接下來，我們按這個主題策劃了壹個可傳播的活動。我們是怎麽做的？我復盤的時候梳理了壹下流程，大家看這張Excel表。
這張表就是全程的優化頁面和效果的數據，我挑壹些關鍵點去講。
比如渠道策略，從哪個渠道拉新，哪部分用戶用來做測試，哪部分正式大規模推廣等，因為微信平臺的特殊性，短信、app push、頁面廣告或攔截、EDM等渠道都不太方便用戶，我們也想通過我們自己的微信大號來做，但我們的微信號粉絲的用戶什麽身份都有，不僅僅是應屆生。比較來比較去，根據經驗，擇優選擇了某壹渠道來做。
還有，策劃初稿的時候，活動流程及關鍵節點數據壹定要提前規劃埋點，監控好。這點需要說壹下，既然是活動規劃，所以壹定要考慮周全，否則妳上線後技術很有可能看不到日誌數據，比如渠道轉化率，通過渠道帶來的分享數，註冊成功數，這時候妳就算白忙乎了，我在這個活動中就犯了極大的錯誤。
不要活動壹上線就全量去推廣。要不斷優化關鍵頁面或關鍵流程節點，把頁面和流程的轉化都優化到壹定程度後，覺得再優化不上去了，或者通過節點轉化數據去反推，根據得到的轉化率我們算出來能完成目標了，再去全量推廣。
因為這個案例主要是頁面的轉化率，所以我把渠道的轉化、分享與邀請的比例關系在第壹次測試的時候就固定了。比如本次活動渠道轉化達到了32%左右，分享與邀請的比例為1：5，即1個分享能帶來5個註冊用戶。
還有壹些轉化數據我們不太可控，比如註冊流程的轉化，註冊流程是標準化的功能模塊，優化改動比較大，所以這塊優化略去，不做重點關註。當然了，我們在這個活動中，註冊流程其實折損了不少用戶。
固定壹些次要變量後，我們把優化的目標放在了兩個關鍵頁面上，壹個頁面就是引入種子用戶的頁面，我叫促分享頁。還有壹個頁面是，當用戶分享給好友或朋友圈的時候，好友點擊進入的頁面，我叫轉註冊頁。這兩個頁面，我們不斷測試，總計測試了三版，直到將分享率和註冊成功率優化至最佳水平。才去大規模推廣。
這個環節最關鍵、也最糾結。我們折騰了足足有壹個月的時間。最終結果是，通過這三個大的優化回合，我們成功完成了目標。1個月的時間，優化了3版活動，我們認為是值得的，因為這樣的活動流程和模式被我們驗證為可行，能長期做的，擴展性特別強。比如我們可以做活動後臺，專門針對不同用戶群去復制我們的活動模式。所以，前期的慢是為了後期的快。有了後臺工具，我們基本上壹周就能做壹個類似的活動了。這是優化的價值，優化是修煉內功，目的是增強核心運營能力。
現在講頁面的優化思路，我們是怎麽思考的，其實現在總結出來，只有3個關鍵點：
比如第壹版的促分享頁，我們把伯樂獎變成了紅包，然後分享轉化就提高了3個點，轉註冊頁更明顯，我們把按鈕加入了邀請的元素，不再自話自說第壹時間報名，快速拿Offer，我用分享人的邀請來做文章。這就好比是妳的同事對妳說，我們今晚去吃大餐吧，妳可能還猶豫壹下，因為妳不確定是他請是AA還是他吃完飯之後忽然說壹句，我忘帶錢包了。而如果妳同事說，走，我請妳去吃大餐，要是我，我肯定去。所以我們轉化了壹個思路，轉註冊頁的轉化率就提升了10個點。
我們第壹版和第二版的時候，忽略了這個元素，把名企做成了列表，後來思考，我們感覺用戶可能覺得這個列表是可點擊的，造成了誤導，然後用戶發現不能點擊，會有點情緒，分享動力和註冊動力就不足。所以第三版的時候，我們從視覺設計上排除了這個幹擾。
關鍵點在第三版，我們轉變了壹個思路，第壹版第二版的時候，我們是用戶邀請好友加入註冊成功後才得紅包。如果我們讓種子用戶轉發就能拿紅包，強制去做轉發，想象壹下，用戶會覺得這個活動可信度很高，分享率也會提高的，也許他不僅僅分享到朋友圈，會去各個群裏分享也不壹定。所以，我們在用戶點擊馬上加入按鈕的時候，彈出浮層，提醒用戶分享後就能拿紅包，引入同學加入還能拿。
就沿著這個思路，我們成功完成了目標，並獲得了壹個活動模式。在優化的過程中，聚焦數據，把每次活動的數據都記錄下來，實時監控換算，讓每壹次試錯都有數據展示。大家可以看剛才分享的那張圖裏，我把關鍵數據都列出來了。
最後，我們全量推的時候，引入的註冊用戶是57000多，為何最終引入註冊量會達到近10萬。而且這個最終引入註冊用戶只是推廣當天的數據，第二天還在增長。是因為引入的註冊用戶成為了種子用戶，他們也開始去滾雪球轉發了。
我們的APP剛上線的時候，除了通過壹些統計工具被動接收用戶反饋外，無法直接觸達用戶，比如我們有重大活動的通知、拉回沈默用戶、調研等等。所以我們的產品做了壹個PUSH通知產品，我暫時稱之為求職小助手，它類似於app內置的公號。我會隔三差五的推送壹些信息。
因為我們的文案水平經過長期的錘煉，已經有了很好的經驗。我就想，單靠文案的力量可能無法再拔高push的點擊率了，我是不是還有其他拔高業績的缺口沒有找到，思來想去，忽然想到，如果我知道用戶對push內容的喜好程度，然後去推送相關內容，是不是就能再提高壹籌點擊率？
我的需求出來了：我渴望得到用戶對內容的偏好程度。
那麽，我如何去洞察呢？我需要做壹個試錯策略，我在運營工作中最喜歡的壹個工作方法。
試錯是運營最靠譜的手段，是運營崗位之所以存在的核心。試錯最怕不合理，所以試錯策略很重要。
我的試錯策略，大家看這張表：
簡單講解如下：
試錯用戶在不同時間點對內容的偏好程度。我把目標放在了總結月度規律上了。如果妳的業務也有規律可循，可以放在季度、甚至於周上。
文案點擊率。如果用戶對內容的喜好有規律性，絕對是在某個時間點上有比較高的點擊率的。
敲定試錯變量是試錯策略之所以合理的關鍵節點，上表中標了橘黃色的字段為變量。
要提前分類好。我試錯的是內容類型，而非單篇文章。什麽是內容類型？比如門戶站的頻道，科技、娛樂、軍事、新聞等。我集中選出了7類內容。比如面試攻略、網申攻略、簡歷攻略等，提前規劃好，並合理安排到每周。按部就班的發布。比如，我每周壹都發信息匯總貼，周二推簡歷攻略，周三推面試等等。
時間點，就是每天的固定時間去發，比如，我都選擇晚8點來發。至於這個時間點是怎麽來的，我是調研得來的。我有壹個測文案的微信號，因為我平時經常回答應屆生的問題，所以他們對我很好，我發壹個調研貼問他們什麽時間push信息給他們合適，他們80%都說晚7-9點。
做過APP 通知產品的朋友都知道，iOS是統計不到接收數據的。我們為了更科學，只拿Android客戶端來測試。文案點擊率看點擊接收比，比看點擊下發比更靠譜壹些。
即找誰試錯。這個很重要，我現在是知道，應屆生的用戶只要是push相關求職信息，大部分同學是不太嫌煩的。因為求職是剛需，如果求職成功了，他們大多都是關掉通知或卸載APP了。但是當時不知道，覺得push信息是很擾民的。所以，為了天天發信息不讓用戶投訴，我只選擇某壹類特征的用戶，比如高活躍用戶，即那些當天有過登陸行為且有過投遞行為的用戶；或者沈默用戶，這樣能更減少騷擾，因為如果沈默用戶被我的push激活了，立即就歸到活躍池了，就不會接收到我的push了。而且，沈默用戶之所以沈默，有可能是沒了需求，如果他點擊了我的push，證明他是喜好我的內容的。正好符合我的試錯目的。
大家都知道，Android的標題是可以自定義的，不像iOS，標題只能是品牌名。因為我的目的是試錯，不是為了拿點擊率的效果，所以我的標題不做自定義處理，直接寫品牌名。這樣更好控制壹些。
最難把控的壹個變量。標題黨有最大的點擊效果，但是這屬於試錯的異常數據，我壹定要保證文案水平在壹個力度區間，才能合理的得出業務認知。這又涉及到壹個文案力度的試錯策略。這個更復雜，今天不講。我在原來的微信和內容頻道的工作經驗中曾試錯總結過文案力度的大小，我知道哪些文案的力度高，哪些文案的力度低，因為是我親自操盤：我每天都在記錄數據，所以我能合理的知道每個文案的正常點擊水平。大家只要記住，文案力度是有等級的。本案例采取2級文案力度水平，正常情況下點擊率有2個點的浮動。
當然了，如果妳沒有文案等級，也可以每個內容類型精編幾篇文章，然後從目標用戶細分上下功夫，比如取當日登陸用戶並設置過濾機制：每個用戶在試錯期間內只接收壹次等。這樣妳就可以給同壹類型用戶固定push這些文章了。
數據清洗時要重視。比如有時候發送通道不穩定，沒發送出去，或者統計錯誤，這些異常數據都要在清洗的時候排除出去。
這樣，我就敲定了7個影響我業務認知的變量。力爭得到合理科學的建議！
1年後，試錯結束，我開始總結規律。我透視出這樣壹張表來：
大家看出來了嗎？標粉色部分的內容類型絕對是當月最受歡迎的內容。那麽，在下壹年的某個月份，我加大用戶最喜好的內容力度，是不是就能拔高壹籌業績呢。
這就是我的內容試錯策略。結論很簡單，過程很糾結。
當然了，我的這個試錯案例是長線作戰，因為我們是成熟期產品。如果妳的產品是初創期或成長期，妳可以選擇短線試錯，只要把控好兩點即可：
壹，務必明確試錯目標，目標必須唯壹化。因為試錯是為了得到業務認知，而不是為了試錯而試錯；
二、試錯壹定要想辦法敲定影響妳試錯結論的變量因素，力爭最小化的影響業務認知。
這是2015年的案例，在我的文章《我和慕容雪菲深夜聊運營》壹文中有所提及，寫的比較粗糙，今天我又梳理了壹下思路，有條理的和大家說壹下，並放出我的壹張微信號運營用的優化源表。另外，大家註意壹點：2015年的時候微信統計的分享收藏數是放在壹起的。不像現在，分享和收藏的統計分開了，讓這樣定位內容的方法更科學了。
我剛接手壹個微信號內容運營的時候，每日凈增粉絲數是負的，那麽我是怎麽解決這個問題的呢？我依然是從內容上下功夫。領導很著急見到效果，我沒時間去做內容試錯策略了，那我就可以從歷史數據中發現規律。我簡單描述壹下：
明確我的業務問題：微信日凈增粉絲數為負。
分析問題，此問題其實有兩種解決思路：
1、節流，這是內容選題問題：我究竟要做哪類內容才能滿足用戶需求，讓用戶不跑路。即從現有粉絲上做文章，減少粉絲流失；
2、拉新，如果粉絲繼續掉，但我把日增粉數做的超過了掉粉數，那麽日凈增粉絲不就是正的了嗎？日增粉數和轉發數息息相關，壹般來說是正相關的，轉發越多增粉越多。而轉發又和內容息息相關。
所以，我的業務問題其實是內容定位問題。我需要找到用戶對微信內容的偏好，我的思路很簡單。
如下圖，這張圖我做了壹個閱讀排序。
發送人數，因為涉及業務隱私，我給略去了
這張表就是我的壹張優化源表的真實面貌。我有壹個習慣，每做壹個運營項目的時候，大到整個產品的運營, 小到壹個導航類目、焦點圖、推薦位等，我都會自己琢磨出壹張這樣的表來發現問題，總結規律，進而指導運營行為。
我花了兩天時間把近1年的歷史推送數據全部人工采集到這張表裏。更累人的是給這些內容壹壹分類。我把這些內容大致分了10個類別。然後給每壹篇文章都歸到這10大類裏（表中的分類字段），然後這張源數據表就出來了。
1、新關註人數（模糊）字段數即第二天增粉數，非精準數據，僅供參考。如果妳的微信號每天只發壹條內容，此數據會更精準壹些。
2、如果妳的歷史推送圖文無固定條數，需要妳去粗略的計算壹下轉發與增粉的比值，然後按單條文章的轉發數將增粉數歸因到單條圖文裏。這是壹個繁重的工程，需要妳逐條去清晰數據，並將難以把控的異常值排除在外。
3、如果妳不想按第二條來做，避免清洗數據的麻煩，也可以按上篇制定壹個短期的內容試錯策略，就可以每天去發送單條圖文消息，把這個試錯變量固化了。
然後，通過透視分析，我的微信號內容運營策略就出來了，如下圖：
妳看“確定內容類型”壹欄，會發現，薪資、職場、勵誌、技能類等內容超出了平均增粉數。問題迎刃而解：我集中選擇這四類內容來做。然後我又研究了壹下閱讀數高的標題，爭取每篇文章都把閱讀量做大，大概10個工作日，我就成功將日凈增粉絲數‘由負轉正’了。”
很多做微信內容運營的我，看到別人做的內容閱讀數不錯拿來就發，其實這樣並不是最高效的，別人的粉絲不壹定和妳的粉絲有同樣的內容需求。 同樣壹篇文章，在別人的微信號上能達到100000+，在妳的微信號上不壹定能做到這個效果。
當我把日凈增粉扶正之後，接下來做了什麽呢？扶正之後，這個號就是健康運行狀態了。我不甘心只做壹個運行經理，我就把下壹個目標定位在了增粉速度上。增粉運營策略就是下壹個問題了，此處不表！
最後，第五個案例，我們說壹下根上的問題，數據在現實工作中的價值是什麽？運營為什麽要做數據分析？我總結如下：
1、發現問題：問題就是驅動元素，要不斷去監控產品表現，分析數據，找出影響業務目標的問題，並排除它。
2、降低成本：約翰.沃納梅克說：我的廣告費有壹半浪費掉了，可我不知道是哪壹半。分析可以有效降低成本。
3、決策依據：在企業，壹般大BOSS需要靠數據來做投資決策、營銷決策和戰略決策。
壹句話：分析能監控效果、發現問題、獲得見解、控制成本、完成業務價值最大化的目標。那麽，我說的是對是錯呢。我說的沒錯，但這在多數情況下解決不了現實問題。我們需要接地氣。正像我開篇聊到的，在現實工作中，經過我多年的經歷，數據最大的作用是“溝通證供”。就好比妳犯事了，不承認，然後律師去搜集證據壹樣。
這就是數據的第四個作用：
4、溝通證供：分析可以提供呈堂證供，有效決策運營方案。運營要去監控優化各個部門的業務表現，然後提供有效的證據來說服相關業務部門。然後達到我們優化產品和服務的目的。
有時候，很多產品，肉眼或自己去體驗壹下，就知道有問題，但是相關業務部門就是不改，要數據說話。然後我們就會想方設法去找證據。
比如，我去優化招聘網站各大流程轉化率的時候，自己體驗了無數次，感覺實在是繁瑣，但產品不改，需要證據。還有第二個優化的案例，我沒有講註冊流程的轉化，事實上那個流程的折損也很高。太復雜。
然後，這時候，妳為了尋找證據，就需要找數據，可以借助漏鬥圖。比如下面這張簡歷投遞漏鬥圖。
看到沒有，4步投遞流程，漏水的地方太多了。各流程節點折損比例“高不可攀”。於是我趕緊將分析指導意義附在圖下，鑒於業務秘密，就不放出來了。其實壹看就明白，只不過是措辭問題，寫的婉轉點而已。像“很、太”等描述性字眼就慎用，要不產品會生氣。
給了產品後，產品依然糾結數據的準確性，然後我又想了壹個方法，體驗數據方法派上用場了，我想看壹看競爭對手的各大流程是什麽樣的？我決定從用戶任務負荷和完成任務用時上來佐證比較。我印象最深的是，那是2014年的夏天，熱的人心理特別煩躁，我光著膀子，壹個人在那裏哼哧哼哧的體驗競品的三大流程，並記錄數據，最終結果如下：
三大流程，用戶完成任務用時和動作次數明顯高於競爭對手，這可不是壹個好現象，也側面印證了上文說的流失率高的原因：招聘平臺本就很多，用戶為了投遞壹份簡歷而費時費力，轉移平臺的意願就會很高。
最終，我借助漏鬥圖工具和體驗數據，完成了壹份優化證供。提交產品審閱了。
還是那句話，數據不壹定精確，但是 壹次能讓人有所收獲的犯錯，遠好於什麽都沒幹 ，與大家***勉。