企业如何做好数据运营与数据资产变现?企业的数据运营与数据资产变现,其实强调的是自己内生的力量,依赖自己的运营能力和自己的人才去完成这些事情。
作为一个营销运营人,近几年发现自己的职业技能越来越力不从心了,时代发展的越来越快,商业竞争越来越激烈,这也促使我们要具备更赋创意的营销思路和更先进的运营思维。
营销的术更偏向文科生,精湛的文案、独到的创意、刺激的感官、运营的术更偏向于理科生,清晰的路径、对用户的理解、对数据的敏感、对模型的运用等等这些都是运营人缺一不可的武器。
1. 拥有并运用数据思维是运营人的基本素养
每一位运营人应该都有这样的感受,每天到公司的第一件事必然是看数据。与产品提需求会被挑战提供预估收益数据,与技术提Bug被会要求提供具体数据记录,与合作方谈资源需要提供参考资源位曝光数据,最难的是与老板开周会和月会,不仅要产出一份全方位覆盖业务情况的数据周报或月报,还需要能够当场完美回答来自老板对数据提出的每一个疑问。
没错,运营是一个对数据意识要求很高的岗位,大到千万元的补贴预算,小到几毛钱的优惠券,或者日常业务数据的千分之一的变化,都需要你对数据足够敏感,对业务足够熟悉。
数据思维,看似高深,实则朴素。
再好的车,没有方向,是开不到目的地的。不以变现为目的的数据分析都是耍流氓。
如果没有相应的数据思维,再怎么神话数据都无法创造商业价值。
2. 经验思维 VS 数据思维
商业思维最重要的一件事是什么?决策。
在过去,有经验的决策,也有数据的决策。而在当下这个变化特别快的年代,数据思维正在变得越来越重要。
学会应用数据思维,可以让商业洞察力更敏锐。
经验思维和数据思维进行比较,我一直觉得这是个有意思的课题,在日常工作中我们有太多的思维定式,但数据思维是每个人都有必要学习的模型。
经验思维的优势:经验思维往往反映迅速,它是经验累积和直觉感官留给我们的馈赠,有着高效率低成本的优势。它是冬日里的烈酒,暖心但不能多饮。
数据思维的强项:经验思维不稳定,正确率和失败率都起伏不定,数据思维相对稳定,可追踪,有反馈。但是数据思维需要决策-快速的迭代-反馈-策略调整-再决策。决策周期相对较长,是反复试错,再矫正的结果。它就如画家的画笔,一次次的勾勒,一次次的调整最终完成曼妙的艺术作品。
总之,数据的本质还是还原客户的需求,我们的经验思维往往会误导我们,数据会有效的证明且矫正我们的决策行为。所以,更准确的说法应该是,数据思维会让决策的效果更稳定。
3. 数据运营在企业落地的三部曲
第一步,建立运营指标,方法是先拆解企业战略目标,再将目标分配到数据运营体系—渠道、产品、用户、活动,最后细化为实际运营指标。
第二步,从指标到职责,根据用户与企业交互的阶段不同—感知、获客、活跃、留存、收入、传播,企业渠道团队、活动团队、产品团队、内容团队分别要做运营活动,而这些团队的背后要靠数据团队来支撑,那么这个阶段就要将指标落实到不同团队的具体岗位上。
第三步,指标驱动运营,运营团队要实时跟踪业务运行指标,针对波动做调整,同时也找到数据运营的场景,确定核心指标来驱动运营。
4. 数据资产变现思路有8条
数据资产变现,能给企业带来交易的客户信息、交易信息、标签信息、实现的商业变现。下面用数据资产变现的思路给大家做个汇总。
基于用户的思路是:
①用户生命周期管理,要获得终身客户价值高的人,延长用户生命周期获得更多价值。
②特征值分析,通过分析高价值、高忠诚度用户特征,反向筛选、营销。
③用户成长体系,要跟踪用户成长,为他定制相应产品。
④白名单建设,针对复购率高的用户建立、扩大白名单,重点维护与营销。
基于产品出发的思路:
⑤产品生命周期管理,当产品生命周期快结束时,要想办法使用户延续购买自己的产品。
⑥关联销售,要制造相关产品的连带销售场景。
⑦产品复购率,要通过给用户回报和愉悦感来提高复购率。
基于数据科学出发的思路:
⑧机器学习,这适用于海量数据的场景。
5. 打通“三重门”:实现全渠道营销
随着一代一代运营人升级淘汰进化的过程中,模型的应用也层出不穷,随着数据思维的被追捧,以及企业对数据思维的看重,原本存在于数据模型的三重门理论被越来越多的运用在营销运营的场景下。
运营数据三重门分交易门、交互门和市场门。有别于正常的用户等级模型AARRR,运营数据三重门理论所包含广度更高,所有支撑决策的依据都是数据本身。
①交易门:企业内部的客户数据、交易数据。
②交互门:企业与客户的交互行为数据,比如客户下载了你的App,没有购买商品,但是产生了点击行为。
③市场门:企业外部数据。
几乎所有的运营数据,都可以按照三重门理论分门别类的拆解成无数的小单元,由不同的任务小组负责跟进对数据指标负责。
它类似于之前的旧制度承包责任制度,包干到人责任到人,考核小组业绩好坏的标准就是相应的数据指标,产品要管理app的使用效率,完成订单的时间效率等等。营销要负责app的下载量,分发量等等。责任明确,数据指标清晰,是考核的要点。
过去,我们会看到,企业经常是依赖外界,靠大量的投资、大量的营销费用、大量的外脑,以及大量的资源整合来推动自身的发展。
但是现在,通过数据分析和挖掘,帮助企业做数据化的精细运营,降低企业成本增加企业收益。企业的数据运营与数据资产变现,更强调的是自己内生的力量,依赖自己的运营能力和自己的人才去完成这些事情。
作者:张半城,微信号:zhangjin116166,持续追求卓越的互联网人。《打造你的营销思维》作者,品牌营销专家。
本文由 @张半城 原创发布于运营派,未经作者许可,禁止转载。
题图来自Unsplash,基于CC0协议。
source https://www.yunyingpai.com/data/614379.html
RELATED ARTICLES
近期文章
归档
- 2023年1月 (623)
- 2022年12月 (944)
- 2022年11月 (1133)
- 2022年10月 (1054)
- 2022年9月 (1073)
- 2022年8月 (1201)
- 2022年7月 (1192)
- 2022年6月 (1255)
- 2022年5月 (1363)
- 2022年4月 (1368)
- 2022年3月 (1431)
- 2022年2月 (971)
- 2022年1月 (989)
- 2021年12月 (1032)
- 2021年11月 (932)
- 2021年10月 (826)
- 2021年9月 (1079)
- 2021年8月 (1132)
- 2021年7月 (1048)
- 2021年6月 (1168)
- 2021年5月 (883)
- 2021年4月 (824)
- 2021年3月 (1112)
- 2021年2月 (760)
- 2021年1月 (1109)
- 2020年12月 (1158)
- 2020年11月 (1246)
- 2020年10月 (1044)
- 2020年9月 (850)
- 2020年8月 (1324)
- 2020年7月 (1340)
- 2020年6月 (1334)
- 2020年5月 (1869)
- 2020年4月 (2453)
- 2020年3月 (2292)
- 2020年2月 (334)
- 2020年1月 (4)
- 2019年12月 (2)
- 2019年11月 (1)
- 2019年9月 (1)
- 2019年8月 (2)
- 2019年7月 (1)
- 2019年5月 (2)
- 2019年4月 (1)
- 2019年3月 (2)
- 2019年1月 (1)
- 2018年12月 (1)
- 2018年11月 (2)
- 2018年10月 (2)
- 2018年9月 (1)
- 2018年8月 (4)
- 2018年7月 (2)
- 2018年6月 (3)
- 2018年5月 (2)
- 2018年4月 (4)
- 2018年3月 (2)
- 2018年2月 (1)
- 2018年1月 (1)
- 2017年12月 (1)
- 2017年11月 (2)
- 2017年10月 (1)
- 2017年9月 (1)
- 2017年8月 (2)
- 2017年7月 (1)
- 2017年6月 (2)
- 2017年5月 (4)
- 2017年4月 (3)
- 2017年3月 (1)
- 2017年2月 (2)
- 2017年1月 (2)
- 2016年12月 (1)
- 2016年11月 (2)
- 2016年10月 (2)
- 2016年9月 (2)
- 2016年8月 (2)
- 2016年7月 (1)
- 2016年6月 (2)
- 2016年5月 (3)
- 2016年4月 (2)
- 2013年4月 (8)
- 2013年3月 (20)
- 2013年2月 (2)
- 2013年1月 (10)