linkedin張溪夢創造價值

❶ 創業公司該從什麼時候開始做數據運營

許多公司處於瘋狂增長時期，大家一拍腦子做的決定，可能已經產生很多價值了，這種情況下他們很難意識到數據決策能產生的巨大價值。

同時，他們沒有太多基礎方法論的認知，技術和業務彼此不了解，進一步加劇了數據使用的緩慢，不能看到價值實現。最後就變成了憑感覺來做決策，而不是真正通過數據運營來做決策。

但是我們看看美國，以LinkedIn為例， 在過去6年間從一個7000萬左右年營收的企業，一下子增長至30億美元營業額的企業，這種增長速度在企業服務領域裡面是驚人的。

6年多以前，我第一次在LinkedIn的公司例會上，聽到德魯克的一句話：一個事情，如果不能衡量它，就不能增長它。這句話沉澱出了LinkedIn的企業價值觀：增長帶動數據分析，數據帶動變現，變現進一步促進增長。

LinkedIn早期就有清晰的數據框架

只有一萬用戶，就做數據驅動

反復問一個用數據能證明的問題

LinkedIn是2002年底成立的，成立早期就已經把用戶數據和變現的框架講得很清楚了。無論是在產品設計還是業務運營，數據都是很重要的環節。哈弗曼（LinkedIn創始人&CEO）收集大量的用戶信息，想了三種變現方式：

一、通過用戶的基本信息來變現，比如說公司發布職位；

二、用戶數量增長到一定程度的時候，有B2B企業投廣告；

三、當有大量人的信息以後，公司的獵頭會用這個平台來找候選人。

創業公司該從什麼時候開始做數據運營

變現的方式他想得很清楚，但並沒有在第一天就去做，他核心關注的是用戶體驗和使用度，是整體的增長，增長產生大量的數據，他從數據里學習，未來才做變現。

LinkedIn 在只有1萬用戶的時候，就開始用數據驅動業務。這段時間去觀測兩個渠道，一個是電子郵件，一個是搜索。從數據里發現，從搜索引擎的渠道里進來的用戶，比電子郵件邀請進來的人數量差不多，但在產品平台上的活躍度要高3倍。

這是之前沒有想到過的，於是做了一個決定：如果要獲取同樣數量的用戶，他們更願意投入資源在使用頻次更高、更願意把時間花在這里的人，所以，放棄低活躍的用戶，專注活躍的用戶。

LinkedIn每年反復要去問的一個問題是：如果只有一件事全公司要做的話，是什麼？得用數字來證明的？

一星期內加到5個聯系人的用戶，他們的留存、使用頻度、停留時間是那些沒有加到5個聯系人的用戶的三倍到五倍，這是他們找到的驅動增長的魔法數字。

但是當時這樣的人非常非常少，於是他們在產品各個入口都增加社交關系。

LinkedIn最早的時候，並不知道為什麼增加社交關系會產生那麼大的留存度，我們分析了起碼有兩三百個各種不同的指標，最後沒有任何一個指標能告訴我們，就是因為這個原因。

可是加權以後的結果是，這些用戶在上面花了很多時間，間接就成為變現的可能。產品經理就把非常復雜的問題簡化，讓所有的東西都關注這一個點：讓更多的用戶在第一周里加到5個聯系人。於是，增長飛快。

從什麼時候開始關注數據？

每個階段的重點不同

增長期是數據驅動的關鍵時期

雖然說數據很重要，那麼，創業者應該從什麼時候開始關注數據呢？從公司成立就開始嗎？不是的。

一般來說，創業者會經歷 4到5個產品、企業的生命周期。

第一個階段，冷啟動。這個時候公司特別早期，用大數據驅動是一個偽命題——因為客戶數量有限，樣本性不足。他們需要更多地去了解潛在客戶的需求，去「求」客戶來用這個產品。

第二個階段，增長前期。冷啟動接近完成。有經驗的創業者，會開始布局和增長有關系的一些核心指標，比如說日/月活躍，留存度。

這些指標的目的不是為了衡量產品當前當下的表現，而是為了未來做增長時有可比較的基準。並且，這些指標能夠告訴我們，什麼時候我們應該去做增長。

產品本身沒有黏度的話，去燒錢做增長，它不會真正地增長起來，因為流失速度超過增長速度。以前很多燒錢的企業能成功，是因為競爭沒有那麼激烈，用戶沒有那麼多種選擇。但是今天如果你的產品很差，留存不高，口碑也不好，燒再多的錢也不能獲得真正核心的自然增長。

第三個階段，是增長期。這個階段就能看出來好的創業公司和普通創業公司的巨大差別——效率。

無論PR還是做活動，都需要人力和時間成本。如何在增長中，找到效率最高的渠道？這個我覺得，是創業公司之間PK的核心競爭力。

如果不做數據驅動，靠直覺，一次兩次可以，但沒有人能進賭場連贏一萬次。所以，直覺需要和數據進行結合，這樣企業能迅速優化各個渠道，來提高單位時間的轉化效率。通過轉化效率的提高和疊加，變成企業的核心競爭力。

一個不用數據驅動的公司，和一個用數據驅動的公司，假設運營策略一樣，資本儲備類似，客戶也一樣，後者一定會勝出。

第四個階段，是變現期。業務變現，要求有很高的用戶基數。一般互聯網產品中高活躍、體驗好的用戶，會轉化為付費用戶。類似一個漏斗，不斷地去篩，這裡面就是要拼運營的效率了。

比如說，電商用戶的轉化漏斗一般是：訪問——注冊——搜索——瀏覽——加入購物車——支付，或者到未來的退貨。

這是非常非常長的一個漏斗，真正要做好數據化運營，要對漏斗的每個環節持續地進行追蹤。為什麼呢？因為不能衡量，就很難去做增長。

一個好的企業，特別是以後要做營收的企業，必須要關注各個部門各個環節的轉化效率。這種轉化效率，要達成的手段，可以通過市場營銷的方法、產品改進的方法、甚至客戶運營的方法。

而其中每個環節小幅提高，加在一起就是一個倍數的提高。這種倍增，如果沒有做過數據化運營的人，很難體會到會有多大。

比如，以前我們在LinkedIn做數據驅動轉化時，要推送某篇EDM，同樣發給10萬人，拍腦袋決策的轉化是0.01%，但是經由數據驅動部門做個簡單的數據模型，同樣推送後，轉化率提升到了0.3%，高出30倍。如果每周都那麼做的話，這種轉化效果還是非常可觀的。

文章作者：張溪夢（GrowingIO 創始人兼CEO，前LinkedIn商業分析部高級總監）

❷ 如何進行互聯網金融運營數據的分析，都有哪些方法

作者：張溪夢 Simon
鏈接：https://www.hu.com/question/29185414/answer/110954989
來源：知乎
著作權歸作者所有

我們之前做過一期互聯網金融的公開課，「互聯網金融增長寶典：三大步驟提高轉化，搞定用戶運營」，主講人是 GrowingIO 的業務增長負責人徐主峰，曾任職 Criteo、Microsoft 等公司，有豐富的電商、互聯網金融客戶解決方案經驗。 這是公開課的速記整理。
這是一篇互聯網金融寶典，我推薦給所有轉化率只有 1%、總是為誰可能是你的購買用戶而犯愁的互聯網金融的高管、PM、市場運營和銷售們。本文通過實戰案例，手把手教你建立轉化指標、 梳理分析思路、提供分析步驟並最終建立用戶行為分析模型。

文 / 徐主峰

大部分的互聯網金融公司最為糾結的一點是，流量這么大，獲客成本這么高，為什麼最後的轉化率和成單量卻這么低？怎樣才能提高用戶運營效率？用戶行為數據分析怎樣把處在不同購買決策階段的用戶挑選出來，幫助互聯網金融公司做到精益化運營？

我們的客戶中很大一部分來自互聯網金融，比如人人貸等行業前 10 的互聯網金融公司。在服務客戶的過程中，我們也積累了大量的數據驅動業務的實踐案例，來幫助客戶創造價值。

一 、互聯網金融用戶四大行為特徵

互聯網金融平台用戶有四大行為特徵：

第一流量轉化率低，下圖是某互聯網金融公司網站上，新客戶過去 30 天整體購買轉化漏斗，其轉化率只有 0.38%：

而這並非個例，實際上，絕大多數互聯網金融公司，在 web 端購買的轉化率基本都在 1% 以下，APP購買率在 5% 左右，遠遠低於電商或者其他在線交易的購買率。
第二，雖然轉化率低，但是客單價卻很高。一般來說，電商行業客單價在幾十到幾百，而互聯網金融客戶，客單價從幾千到幾萬，某些特殊領域甚至高達幾十萬。而客單價高，就意味著用戶購買決策會更復雜，購買周期也會更長。
第三，用戶購買行為有很強周期性。電商的客戶下次購買時間是不確定的，但是互聯網金融平台上，真正購買的用戶，是有理財需求的用戶，在資金到期贖回產品後，一定還會進行下一次購買，只不過未必發生在你的平台上。
最後一個特點是「很強的特徵性」，主要包括兩個特徵：
A：用戶的購買偏好比較容易識別，理財產品數量和品類都很少，所以用戶購買的需求或者偏好，很容易從其行為數據上識別出來。
B：用戶購買過程中的三個階段特別容易識別：
用戶在購買決策階段，有大量的交互事件產生，他會看產品，比對不同產品的收益率和風險，比對不同產品的投資期限等等；
但是一旦他完成了產品的購買，就不會有大量的交互行為產生，他可能僅是回來看一看產品的收益率。
當用戶的產品資金贖回之後，又有大量的交互事件產生，實際上他處在下一款產品購買的決策期。

二、互聯網金融用戶運營的三大步驟

針對互聯網金融用戶行為的四個特徵，在用戶運營上有三個比較重要的階段性工作：

1.首先，獲取可能購買的目標用戶，合理配置在渠道上的投放預算，以提高高質量用戶獲取的比例：
渠道工作的核心，主要是做好兩方面的工作：宏觀層面，優化整個渠道的配置；微觀層面，單一渠道角度來說，根據渠道配置的策略，有針對性地實施和調整。
具體渠道的實施，大家都比較熟悉，但是對於整個渠道組合配置的優化，很多人接觸的其實並不多。
以渠道一為例，總體的轉化率是 0.02%；在過去 30 天站內總體的流量是 18.9K，漏斗第一級到第二級的轉化率是 3.36%，這樣一共是五級，我們看到最終渠道一帶來總體的成交用戶一共是 4 人。
類似的，前 10 的渠道數據都很清晰。不同渠道帶來的流量，不同渠道總體的轉化率，以及不同渠道在整個轉化路徑上每步的轉化率都可以看到。
這裡面有幾個渠道很有特點：
渠道一的特點，渠道一帶來的流量是所有 10 個渠道里最大的，但是它的總體轉化率卻是低的；
渠道二和渠道七，渠道二的量很大，但是轉化率是零。渠道七量比較一般，轉化率也是零；
渠道九和渠道十，這兩個渠道是所有渠道里轉化率最高的。但是這兩個渠道特點，是帶來流量不是特別大……
結合典型渠道特點，可以做一個象限圖：
第一象限（右上角）渠道質量又高，帶來流量又大的，這裡面渠道三四五是符合這個特徵的，渠道策略應該是繼續保持和提高渠道的投入。
第二象限（左上角）渠道的質量比較高，但帶來的流量比較小，這裡麵包含的主要渠道就是八九十。對應的主要策略是，加大渠道的投放，並且在加大投放的過程中，要持續關注渠道質量的變化。
我們先看第四象限（右下角），渠道質量比較差，但是帶來流量比較大，這裡面主要有渠道一和渠道二。相對應的渠道策略，應該在渠道做更加精準的投放，來提高整個渠道的質量。
第三象限（左下角）這個象限里渠道質量又差，帶來流量又小，比如渠道六跟渠道七。我們是否要直接砍掉？這里建議是，策略上要比較謹慎一些。所以在具體渠道的策略上，業績保持監測，然後小步調整。
根據上面數據分析得出的結果，做過渠道優化後，就會為我們帶來更多高質量的用戶。
2.接下來就要把高價值的用戶——真正有購買需求，願意付費、購買的用戶找出來。
將資源與精力投入到真正可能購買的用戶上的前提是，我們要能夠識別出，哪些是真正有價值的用戶？哪些是價值偏低的用戶？
其實對於互聯網金融平台來說，甚至所有包含在線交易的平台，用戶的購買意願，是可以從用戶的行為數據上識別出來的。由於互聯網金融平台的特殊性，相比於電商平台來說，商品品類更少，平台功能也更為簡單，所以用戶的行為數據，也更能反應出互聯網金融平台上用戶的購買意願。
把用戶在平台上的所有行為總結一下，核心的行為其實並不多，具體包括：
用戶查看產品列表頁，說明有一些購買意願，點擊某個產品，說明用戶希望有進一步的了解。用戶最終確認了支付，完成了購買，購買流程就走完了，他的理財需求已經得到了滿足。每一種行為都表示出用戶不同程度的購買意願，所以獲得用戶在產品里的行為數據就十分重要。
既然用戶行為數據這么重要，那麼怎樣獲取呢？GrowingIO 以無埋點的方式，全量採集用戶所有的行為數據，根據我們對業務的需求，配比成不同的權重系數，並按照每個用戶購買意願的強弱，進一步分群。
這是我們一個客戶製作的用戶購買意願指標的範例，剛才的前 5 個行為，都是用戶在購買前典型的行為：
每種典型事件的權重系數不一樣，用戶購買意願是越來越強的：用戶點了投資按紐，甚至點了提交的按鈕，顯然要比他單單看產品列表頁，或者單單看產品頁、詳情頁的意願強。越能反應用戶購買意願的事件，你給它分類的權重應該是最大的，這是大的原則，0.05 還是 0.06 影響並不大，所以不必糾結。
這樣通過這種方式，我們就可以按照每個用戶的所有行為，給用戶做購買意願打分的指標，最終形成用戶購買意願的指標。
這是我們從高到低截取部分用戶購買意願打分的情況，第一列是每個用戶的 ID，第二列是按照購買意願給每個用戶打分的情況。得分高的，就是購買意願最強烈的用戶。
拿到所有用戶購買意願之後，我們就可以按照用戶購買意願的強烈與否，把所有的用戶分成不同的群體，來做針對性的運營。
這是在把用戶在過去 14 天內，由其產生的所有行為數據，按照購買意願打分的權重，把打分大於 5 的用戶找出來，在總體用戶里，這部分用戶購買意願排名前 20% ，我們給它起個名字，叫購買意願強烈的用戶。
類似我們還做了購買意願中等的用戶分群，這是購買意願排名在 20-60% 之間的用戶；購買意願排名在最後 40% 的用戶，是購買意願最弱的用戶分群。
分群之後，點擊任意一個分群，都會以用戶 ID 的形式列出來。因為你要有用戶的 ID ，才能對這些用戶施加運營策略。每個用戶最近 30 天的訪問次數，最近的訪問地點，最後一次訪問時間都可以看到。
接下來針對這些購買意願強烈的用戶，怎樣推動用戶的轉化呢？
3.採取針對性的運營策略，提高高價值用戶的轉化率。
首先我們來看一下購買偏好，互聯網金融平台商品品類是比較少的，用戶購買的目的性也比較清晰，一般商品的品類有這么幾種：
第一種：債券型理財產品
第二種：股票型理財產品
第三種：貨幣型理財產品
第四種：指數型理財產品
第五種：混合型理財產品…
我們把用戶在不同品類商品上的訪問時長佔比算出來，就能比較好地了解用戶的購買偏好。比如下圖，我們用用戶訪問債券型產品詳情頁的訪問時長，除以用戶在站內總體的訪問時長，就能夠得到用戶在債券產品上訪問時長佔比的指標。
我們還是使用用戶分群的工具，把在債券型產品上的訪問時長佔比大於40%的用戶分出來，這是有非常強烈表徵的客戶，他購買的偏好就是債券型的產品。
同時我們再設定另外一個指標，比如用戶購買意願指標，之前我們做過大於5，也就是購買意願排名在前 20% 的。
通過這兩個條件，我們就可以把購買偏好是債券型產品，同時有強烈購買意願的用戶找出來，這兩個指標的關系是並（and）的關系。同樣我們可以按照用戶的購買偏好，把關注其他品類的用戶，都做成不同的用戶分群，然後形成不同購買偏好的用戶群體。
針對這些用戶，其實在運營策略上，我們可以從三個層面來展開來進行做：
從購買階段的角度，首先我們把所有用戶可以分成新客和老客。對於這兩個群體來說，運營策略和運營重點是非常不一樣的。
新客群體，是從來沒有在平台上發生過購買的用戶，我們要根據用戶的購買意願，做進一步的運營。
老客群體，也就是在平台上已經發生過產品購買的用戶，除了關注用戶的購買意願之外，用戶的資金狀態（資金是否贖回）也是非常重要的參數。
用戶是否購買過產品？購買產品的用戶是否已經贖回資金？這兩個內容，其實是一個用戶當前的屬性。在我們分群的工作里，這有個維度的菜單，通過這個維度菜單，我們就可以把具有某種屬性的用戶找出來：
這里我做了一個分群，我們可以看一下。在維度的菜單里，我們把是否購買過產品的維度值設置成了 1 。把資金是否已經贖回這個維度的值，也設置成了 1 。實際上是把那些資金已經贖回的老用戶找出來；同樣在指標這個菜單里，我們同時也把有強烈購買意願的用戶找出來，時間是過去 14 天，指標大於 5 。
這樣我們就製作了一個用戶分群，而這個用戶分群里所有用戶，要滿足下面的三個特徵：
特徵一：購買過產品的老客。
特徵二：他們的資金，目前已經贖回了。
特徵三：過去 14 天內的行為數據，表明這個用戶有著強烈的購買意願。
同理我們把所有用戶，整理為下面幾個不同類別，對應不同的運營策略：
比如新客里，當前有購買意願的，其實他屬於購買決策期的新用戶。應該根據用戶的購買偏好，推薦這種比較優質的理財產品。並給予一定的購買激勵，來促進這些新客在平台上的第一次購買，這個對於新客來說是非常重要的，以此類推。
相比於電商或者其他行業，互聯網金融平台結合行業和用戶的特點，從用戶行為數據分析的角度，驅動產品業務以及提高用戶的轉化率，有更加重要的意義。