linkedin张溪梦创造价值

❶ 创业公司该从什么时候开始做数据运营

许多公司处于疯狂增长时期，大家一拍脑子做的决定，可能已经产生很多价值了，这种情况下他们很难意识到数据决策能产生的巨大价值。

同时，他们没有太多基础方法论的认知，技术和业务彼此不了解，进一步加剧了数据使用的缓慢，不能看到价值实现。最后就变成了凭感觉来做决策，而不是真正通过数据运营来做决策。

但是我们看看美国，以LinkedIn为例， 在过去6年间从一个7000万左右年营收的企业，一下子增长至30亿美元营业额的企业，这种增长速度在企业服务领域里面是惊人的。

6年多以前，我第一次在LinkedIn的公司例会上，听到德鲁克的一句话：一个事情，如果不能衡量它，就不能增长它。这句话沉淀出了LinkedIn的企业价值观：增长带动数据分析，数据带动变现，变现进一步促进增长。

LinkedIn早期就有清晰的数据框架

只有一万用户，就做数据驱动

反复问一个用数据能证明的问题

LinkedIn是2002年底成立的，成立早期就已经把用户数据和变现的框架讲得很清楚了。无论是在产品设计还是业务运营，数据都是很重要的环节。哈弗曼（LinkedIn创始人&CEO）收集大量的用户信息，想了三种变现方式：

一、通过用户的基本信息来变现，比如说公司发布职位；

二、用户数量增长到一定程度的时候，有B2B企业投广告；

三、当有大量人的信息以后，公司的猎头会用这个平台来找候选人。

创业公司该从什么时候开始做数据运营

变现的方式他想得很清楚，但并没有在第一天就去做，他核心关注的是用户体验和使用度，是整体的增长，增长产生大量的数据，他从数据里学习，未来才做变现。

LinkedIn 在只有1万用户的时候，就开始用数据驱动业务。这段时间去观测两个渠道，一个是电子邮件，一个是搜索。从数据里发现，从搜索引擎的渠道里进来的用户，比电子邮件邀请进来的人数量差不多，但在产品平台上的活跃度要高3倍。

这是之前没有想到过的，于是做了一个决定：如果要获取同样数量的用户，他们更愿意投入资源在使用频次更高、更愿意把时间花在这里的人，所以，放弃低活跃的用户，专注活跃的用户。

LinkedIn每年反复要去问的一个问题是：如果只有一件事全公司要做的话，是什么？得用数字来证明的？

一星期内加到5个联系人的用户，他们的留存、使用频度、停留时间是那些没有加到5个联系人的用户的三倍到五倍，这是他们找到的驱动增长的魔法数字。

但是当时这样的人非常非常少，于是他们在产品各个入口都增加社交关系。

LinkedIn最早的时候，并不知道为什么增加社交关系会产生那么大的留存度，我们分析了起码有两三百个各种不同的指标，最后没有任何一个指标能告诉我们，就是因为这个原因。

可是加权以后的结果是，这些用户在上面花了很多时间，间接就成为变现的可能。产品经理就把非常复杂的问题简化，让所有的东西都关注这一个点：让更多的用户在第一周里加到5个联系人。于是，增长飞快。

从什么时候开始关注数据？

每个阶段的重点不同

增长期是数据驱动的关键时期

虽然说数据很重要，那么，创业者应该从什么时候开始关注数据呢？从公司成立就开始吗？不是的。

一般来说，创业者会经历 4到5个产品、企业的生命周期。

第一个阶段，冷启动。这个时候公司特别早期，用大数据驱动是一个伪命题——因为客户数量有限，样本性不足。他们需要更多地去了解潜在客户的需求，去“求”客户来用这个产品。

第二个阶段，增长前期。冷启动接近完成。有经验的创业者，会开始布局和增长有关系的一些核心指标，比如说日/月活跃，留存度。

这些指标的目的不是为了衡量产品当前当下的表现，而是为了未来做增长时有可比较的基准。并且，这些指标能够告诉我们，什么时候我们应该去做增长。

产品本身没有黏度的话，去烧钱做增长，它不会真正地增长起来，因为流失速度超过增长速度。以前很多烧钱的企业能成功，是因为竞争没有那么激烈，用户没有那么多种选择。但是今天如果你的产品很差，留存不高，口碑也不好，烧再多的钱也不能获得真正核心的自然增长。

第三个阶段，是增长期。这个阶段就能看出来好的创业公司和普通创业公司的巨大差别——效率。

无论PR还是做活动，都需要人力和时间成本。如何在增长中，找到效率最高的渠道？这个我觉得，是创业公司之间PK的核心竞争力。

如果不做数据驱动，靠直觉，一次两次可以，但没有人能进赌场连赢一万次。所以，直觉需要和数据进行结合，这样企业能迅速优化各个渠道，来提高单位时间的转化效率。通过转化效率的提高和叠加，变成企业的核心竞争力。

一个不用数据驱动的公司，和一个用数据驱动的公司，假设运营策略一样，资本储备类似，客户也一样，后者一定会胜出。

第四个阶段，是变现期。业务变现，要求有很高的用户基数。一般互联网产品中高活跃、体验好的用户，会转化为付费用户。类似一个漏斗，不断地去筛，这里面就是要拼运营的效率了。

比如说，电商用户的转化漏斗一般是：访问——注册——搜索——浏览——加入购物车——支付，或者到未来的退货。

这是非常非常长的一个漏斗，真正要做好数据化运营，要对漏斗的每个环节持续地进行追踪。为什么呢？因为不能衡量，就很难去做增长。

一个好的企业，特别是以后要做营收的企业，必须要关注各个部门各个环节的转化效率。这种转化效率，要达成的手段，可以通过市场营销的方法、产品改进的方法、甚至客户运营的方法。

而其中每个环节小幅提高，加在一起就是一个倍数的提高。这种倍增，如果没有做过数据化运营的人，很难体会到会有多大。

比如，以前我们在LinkedIn做数据驱动转化时，要推送某篇EDM，同样发给10万人，拍脑袋决策的转化是0.01%，但是经由数据驱动部门做个简单的数据模型，同样推送后，转化率提升到了0.3%，高出30倍。如果每周都那么做的话，这种转化效果还是非常可观的。

文章作者：张溪梦（GrowingIO 创始人兼CEO，前LinkedIn商业分析部高级总监）

❷ 如何进行互联网金融运营数据的分析，都有哪些方法

作者：张溪梦 Simon
链接：https://www.hu.com/question/29185414/answer/110954989
来源：知乎
著作权归作者所有

我们之前做过一期互联网金融的公开课，「互联网金融增长宝典：三大步骤提高转化，搞定用户运营」，主讲人是 GrowingIO 的业务增长负责人徐主峰，曾任职 Criteo、Microsoft 等公司，有丰富的电商、互联网金融客户解决方案经验。 这是公开课的速记整理。
这是一篇互联网金融宝典，我推荐给所有转化率只有 1%、总是为谁可能是你的购买用户而犯愁的互联网金融的高管、PM、市场运营和销售们。本文通过实战案例，手把手教你建立转化指标、 梳理分析思路、提供分析步骤并最终建立用户行为分析模型。

文 / 徐主峰

大部分的互联网金融公司最为纠结的一点是，流量这么大，获客成本这么高，为什么最后的转化率和成单量却这么低？怎样才能提高用户运营效率？用户行为数据分析怎样把处在不同购买决策阶段的用户挑选出来，帮助互联网金融公司做到精益化运营？

我们的客户中很大一部分来自互联网金融，比如人人贷等行业前 10 的互联网金融公司。在服务客户的过程中，我们也积累了大量的数据驱动业务的实践案例，来帮助客户创造价值。

一 、互联网金融用户四大行为特征

互联网金融平台用户有四大行为特征：

第一流量转化率低，下图是某互联网金融公司网站上，新客户过去 30 天整体购买转化漏斗，其转化率只有 0.38%：

而这并非个例，实际上，绝大多数互联网金融公司，在 web 端购买的转化率基本都在 1% 以下，APP购买率在 5% 左右，远远低于电商或者其他在线交易的购买率。
第二，虽然转化率低，但是客单价却很高。一般来说，电商行业客单价在几十到几百，而互联网金融客户，客单价从几千到几万，某些特殊领域甚至高达几十万。而客单价高，就意味着用户购买决策会更复杂，购买周期也会更长。
第三，用户购买行为有很强周期性。电商的客户下次购买时间是不确定的，但是互联网金融平台上，真正购买的用户，是有理财需求的用户，在资金到期赎回产品后，一定还会进行下一次购买，只不过未必发生在你的平台上。
最后一个特点是「很强的特征性」，主要包括两个特征：
A：用户的购买偏好比较容易识别，理财产品数量和品类都很少，所以用户购买的需求或者偏好，很容易从其行为数据上识别出来。
B：用户购买过程中的三个阶段特别容易识别：
用户在购买决策阶段，有大量的交互事件产生，他会看产品，比对不同产品的收益率和风险，比对不同产品的投资期限等等；
但是一旦他完成了产品的购买，就不会有大量的交互行为产生，他可能仅是回来看一看产品的收益率。
当用户的产品资金赎回之后，又有大量的交互事件产生，实际上他处在下一款产品购买的决策期。

二、互联网金融用户运营的三大步骤

针对互联网金融用户行为的四个特征，在用户运营上有三个比较重要的阶段性工作：

1.首先，获取可能购买的目标用户，合理配置在渠道上的投放预算，以提高高质量用户获取的比例：
渠道工作的核心，主要是做好两方面的工作：宏观层面，优化整个渠道的配置；微观层面，单一渠道角度来说，根据渠道配置的策略，有针对性地实施和调整。
具体渠道的实施，大家都比较熟悉，但是对于整个渠道组合配置的优化，很多人接触的其实并不多。
以渠道一为例，总体的转化率是 0.02%；在过去 30 天站内总体的流量是 18.9K，漏斗第一级到第二级的转化率是 3.36%，这样一共是五级，我们看到最终渠道一带来总体的成交用户一共是 4 人。
类似的，前 10 的渠道数据都很清晰。不同渠道带来的流量，不同渠道总体的转化率，以及不同渠道在整个转化路径上每步的转化率都可以看到。
这里面有几个渠道很有特点：
渠道一的特点，渠道一带来的流量是所有 10 个渠道里最大的，但是它的总体转化率却是低的；
渠道二和渠道七，渠道二的量很大，但是转化率是零。渠道七量比较一般，转化率也是零；
渠道九和渠道十，这两个渠道是所有渠道里转化率最高的。但是这两个渠道特点，是带来流量不是特别大……
结合典型渠道特点，可以做一个象限图：
第一象限（右上角）渠道质量又高，带来流量又大的，这里面渠道三四五是符合这个特征的，渠道策略应该是继续保持和提高渠道的投入。
第二象限（左上角）渠道的质量比较高，但带来的流量比较小，这里面包含的主要渠道就是八九十。对应的主要策略是，加大渠道的投放，并且在加大投放的过程中，要持续关注渠道质量的变化。
我们先看第四象限（右下角），渠道质量比较差，但是带来流量比较大，这里面主要有渠道一和渠道二。相对应的渠道策略，应该在渠道做更加精准的投放，来提高整个渠道的质量。
第三象限（左下角）这个象限里渠道质量又差，带来流量又小，比如渠道六跟渠道七。我们是否要直接砍掉？这里建议是，策略上要比较谨慎一些。所以在具体渠道的策略上，业绩保持监测，然后小步调整。
根据上面数据分析得出的结果，做过渠道优化后，就会为我们带来更多高质量的用户。
2.接下来就要把高价值的用户——真正有购买需求，愿意付费、购买的用户找出来。
将资源与精力投入到真正可能购买的用户上的前提是，我们要能够识别出，哪些是真正有价值的用户？哪些是价值偏低的用户？
其实对于互联网金融平台来说，甚至所有包含在线交易的平台，用户的购买意愿，是可以从用户的行为数据上识别出来的。由于互联网金融平台的特殊性，相比于电商平台来说，商品品类更少，平台功能也更为简单，所以用户的行为数据，也更能反应出互联网金融平台上用户的购买意愿。
把用户在平台上的所有行为总结一下，核心的行为其实并不多，具体包括：
用户查看产品列表页，说明有一些购买意愿，点击某个产品，说明用户希望有进一步的了解。用户最终确认了支付，完成了购买，购买流程就走完了，他的理财需求已经得到了满足。每一种行为都表示出用户不同程度的购买意愿，所以获得用户在产品里的行为数据就十分重要。
既然用户行为数据这么重要，那么怎样获取呢？GrowingIO 以无埋点的方式，全量采集用户所有的行为数据，根据我们对业务的需求，配比成不同的权重系数，并按照每个用户购买意愿的强弱，进一步分群。
这是我们一个客户制作的用户购买意愿指标的范例，刚才的前 5 个行为，都是用户在购买前典型的行为：
每种典型事件的权重系数不一样，用户购买意愿是越来越强的：用户点了投资按纽，甚至点了提交的按钮，显然要比他单单看产品列表页，或者单单看产品页、详情页的意愿强。越能反应用户购买意愿的事件，你给它分类的权重应该是最大的，这是大的原则，0.05 还是 0.06 影响并不大，所以不必纠结。
这样通过这种方式，我们就可以按照每个用户的所有行为，给用户做购买意愿打分的指标，最终形成用户购买意愿的指标。
这是我们从高到低截取部分用户购买意愿打分的情况，第一列是每个用户的 ID，第二列是按照购买意愿给每个用户打分的情况。得分高的，就是购买意愿最强烈的用户。
拿到所有用户购买意愿之后，我们就可以按照用户购买意愿的强烈与否，把所有的用户分成不同的群体，来做针对性的运营。
这是在把用户在过去 14 天内，由其产生的所有行为数据，按照购买意愿打分的权重，把打分大于 5 的用户找出来，在总体用户里，这部分用户购买意愿排名前 20% ，我们给它起个名字，叫购买意愿强烈的用户。
类似我们还做了购买意愿中等的用户分群，这是购买意愿排名在 20-60% 之间的用户；购买意愿排名在最后 40% 的用户，是购买意愿最弱的用户分群。
分群之后，点击任意一个分群，都会以用户 ID 的形式列出来。因为你要有用户的 ID ，才能对这些用户施加运营策略。每个用户最近 30 天的访问次数，最近的访问地点，最后一次访问时间都可以看到。
接下来针对这些购买意愿强烈的用户，怎样推动用户的转化呢？
3.采取针对性的运营策略，提高高价值用户的转化率。
首先我们来看一下购买偏好，互联网金融平台商品品类是比较少的，用户购买的目的性也比较清晰，一般商品的品类有这么几种：
第一种：债券型理财产品
第二种：股票型理财产品
第三种：货币型理财产品
第四种：指数型理财产品
第五种：混合型理财产品…
我们把用户在不同品类商品上的访问时长占比算出来，就能比较好地了解用户的购买偏好。比如下图，我们用用户访问债券型产品详情页的访问时长，除以用户在站内总体的访问时长，就能够得到用户在债券产品上访问时长占比的指标。
我们还是使用用户分群的工具，把在债券型产品上的访问时长占比大于40%的用户分出来，这是有非常强烈表征的客户，他购买的偏好就是债券型的产品。
同时我们再设定另外一个指标，比如用户购买意愿指标，之前我们做过大于5，也就是购买意愿排名在前 20% 的。
通过这两个条件，我们就可以把购买偏好是债券型产品，同时有强烈购买意愿的用户找出来，这两个指标的关系是并（and）的关系。同样我们可以按照用户的购买偏好，把关注其他品类的用户，都做成不同的用户分群，然后形成不同购买偏好的用户群体。
针对这些用户，其实在运营策略上，我们可以从三个层面来展开来进行做：
从购买阶段的角度，首先我们把所有用户可以分成新客和老客。对于这两个群体来说，运营策略和运营重点是非常不一样的。
新客群体，是从来没有在平台上发生过购买的用户，我们要根据用户的购买意愿，做进一步的运营。
老客群体，也就是在平台上已经发生过产品购买的用户，除了关注用户的购买意愿之外，用户的资金状态（资金是否赎回）也是非常重要的参数。
用户是否购买过产品？购买产品的用户是否已经赎回资金？这两个内容，其实是一个用户当前的属性。在我们分群的工作里，这有个维度的菜单，通过这个维度菜单，我们就可以把具有某种属性的用户找出来：
这里我做了一个分群，我们可以看一下。在维度的菜单里，我们把是否购买过产品的维度值设置成了 1 。把资金是否已经赎回这个维度的值，也设置成了 1 。实际上是把那些资金已经赎回的老用户找出来；同样在指标这个菜单里，我们同时也把有强烈购买意愿的用户找出来，时间是过去 14 天，指标大于 5 。
这样我们就制作了一个用户分群，而这个用户分群里所有用户，要满足下面的三个特征：
特征一：购买过产品的老客。
特征二：他们的资金，目前已经赎回了。
特征三：过去 14 天内的行为数据，表明这个用户有着强烈的购买意愿。
同理我们把所有用户，整理为下面几个不同类别，对应不同的运营策略：
比如新客里，当前有购买意愿的，其实他属于购买决策期的新用户。应该根据用户的购买偏好，推荐这种比较优质的理财产品。并给予一定的购买激励，来促进这些新客在平台上的第一次购买，这个对于新客来说是非常重要的，以此类推。
相比于电商或者其他行业，互联网金融平台结合行业和用户的特点，从用户行为数据分析的角度，驱动产品业务以及提高用户的转化率，有更加重要的意义。