“数据化运营”,提这个概念的人越来越多。以我个人的理解,“数据化运营”指的就是从对业务数据的认知中,抽象出运营策略,以数据追踪运营策略的执行过程,最终由数据来评价运营策略的执行效果。
我们在运营当中所指的“数据”,是狭义的数据,其实就是各种各样的指标。
我觉得将“指标”这个词对应于英文的indicator,是比较准确的。它是一种指示器,是将某件事情量化而成的一串数字。
其实大家在工作中,都会有意无意地应用指标。能用就好,又何必去管它定义是什么呢?重要的是怎么用好它。
就运营而言,我觉得使用指标时,一定先区分清楚过程型指标和结果型指标。
例子1:我们是一家电商,要做一次促销活动,目的是提升A产品的销售业绩。A产品页的流量、点击量、收藏量、购买数、客单价、销售额,哪些是过程型指标,哪些是结果型指标?流量、点击量、收藏量显然是过程型指标,销售额显然是结果型指标,那么购买数和客单价呢?他们其实是客户购买过程当中的指标,属于整个转化漏斗,那么首先,它们就是过程型指标;而“购买数×客单价=销售额”,它们其实也是结果型指标。
所以,过程型指标与结果型指标并不是割裂开的,关键在于你的运营目的。过程型指标一般需要高频的跟踪,根据指标的变化,及时做出调整;而结果型指标一般从活动目的中抽象而来,因此适用于运营活动的评价。
一个指标的好坏,我们需要从信度和效度两个方面去衡量。
所谓信度,指某指标衡量某事物的准确性、精确性和稳定性。所谓效度,指某指标所衡量获得的信息,确实是研究者所期望获得的信息。
例子2:把指标比作一把尺子;刻度准确(1毫米就真的是1毫米,而不是1.2毫米),精确性高(能量到毫米,而不是衡量到分米或者厘米),结果稳定(反复测量的结果是一致的,而不是尺子一会儿长一会儿短),这三点都表现优秀,那么这就是一把好尺子,也就是一个信度高的指标。
例子3:尺子是用来衡量长度的;一把再好的尺子(信度很高),若我们的目的是衡量重量,那么尺子再好(信度再高),也不能满足我们的需求(效度不足);要衡量重量,我们得用秤(效度高)。
经过上面两个例子,你应该能明白,一个好指标应该怎么去构建了。除了信度和效度,好指标的特征还需要:计算简单快速、易理解、泛化性(不同运营活动都通用,可横向对比),可持续性(口径稳定,长期可用)等特征。
在许多业务场景中,我们需要盯住的指标不止一个。以我们目前的业务场景为例,衡量一个城市运营团队的综合实力,我们需要从运力规模、接单能力、客户评价、团队稳定性、配送成本等多角度出发,若每个角度都引申出1-2个指标,你将陷入混乱。
因此,多于多维度综合衡量,我们推荐使用综合指数。最常用的就是加权综合指数:
团队综合实力=运力规模×p1+接单能力×p2+客户评价×p3+团队稳定性×p4+配送成本×p5
需要注意的是,综合指数计算时,里面各个指标都先需要标准化,转化为统一单位的数字后,才可以进行加总。而p1-p5即权重,哪方面更重要,就给予更高的权重,p1至p5的和必须始终为1。
针对目前我们的业务,我觉得大家需要关注的核心指标是:
接单率、单均成本、好评率和评价率
这些也是结果型指标。仅此而已,真的没有那么复杂。从这三个核心指标,结合两条维度的组合:
1.城市→网格→人/店
2.月→周→天→高峰→小时
足已帮助我们发现问题并定位问题。目前我们尤其关注午高峰的核心指标。数据积累也就能帮你到这里了,不要期待数据库告诉你一切,不可能的。
发现并定位问题后怎么办?调查、走访、问卷,各种方式你都可以用,找到问题的根源,然后,制定运营动作去解决问题。
当然,数据支持组会不断地产出研究成果,让大家更容易更准确地去制定运营策略并更好的执行。
在之前的篇幅中,我们将指标的相关知识进行了梳理,有了这个基础,我们可以开始讨论运营活动的量化了。
一个优秀的运营活动所应具备哪些要素?
以我的理解,一个优秀的运营活动至少要有:
1.明确的活动目标和预算
2.清晰的响应关系和执行流程
3.可靠的过程型指标
4.准确地结果型指标
5.科学合理的效果评价方式
6.知识的沉淀
7.一个聪明的负责人
我们需要哪些过程型和结果型指标?
以我们目前的O2O配送业务的运营为例,如果我们做的是一个短期的活动,我们所要追踪的过程型指标,至少需要:预算、活动覆盖人数、活动响应人数、活动规则达标人数、支出百分比(已支出金额占预算的比例)。
对于一个长期的活动或策略,我建议只追踪结果型指标的变化,而结果型指标就是我们要关注的核心指标。
运营活动如何评价?
这或许是本篇文章中最核心的部分了,以我的角度,运营活动的评价,只是回答两个个问题:明确的活动目标是否达成?预算是否超支?
活动目标达成且预算控制住,那就是个好的运营活动!
如何判定活动目标是否达成?
活动目标一定是围绕核心结果指标来制定的。那么判断活动的效果如何,就是衡量核心结果指标是否有质变。如何展开评价?
首先,对核心业务指标做1-2层的拆解。为什么这么做呢?因为核心业务指标往往受多重因素的影响,我们尽量拆解到我们的运营动作能够直接影响,同时与核心指标的关系又比较近的一层。
例子4:比如我们做某个活动,目的是提高午高峰的接单率,那接单率就是我们的核心结果指标;在评价时,我们根据运营动作的响应关系,将接单率拆为推单数和活跃运力数,我们所直接影响的是活跃运力数。若我们活动的目标群体是近1个月注册的活跃运力,那么活跃运力指标还需拆解一层,统计近1个月注册的活跃运力和非近1个月注册的活跃运力。
其次,要从时间维度对结果型指标进行对比,也就是活动前后的对比。需要注意,活动前后的数据对比,一定要**跨满一个业务周期**,比如,我们的业务有明显的7天的周期波动,那么运营活动一定要跨满七天。同时采用均值的方式,对比**平均水平的变化**。这点大家尤其要重视!
例子5:承接例子4,活动开始后,我们至少要统计满7天的数据,才可以开始做评价。评价时,我们计算活动后7天的平均接单率,然后与活动前的7天平均接单率进行对比。如果条件允许,我建议取活动前的均值数据跨2个周期,也就是14天,但要保证在这14天中没有相似的活动在进行,且政策上没有大的变化。
那么,活动前后对比数字差别达到多大,算是有区别而不是随机波动呢?粗略的估计方式是5%,即**活动前后的数据差别达到5%以上,才能说活动有显著的效果**。精细的方式需要拉长时间后,对活动前后两段数据做方差分析,这里不累述了。
另外,对于结果型指标,其实并没有必要在活动期间天天追踪。真正重要的是,活动的跨度必须超过一个业务周期,在超过一个业务周期后,对结果型指标进行汇总,与活动前对比。
最后补充一点,如果条件允许,建议在活动施行的时候,找一个**参照系**,横向对比活动的效果。这样能排除掉系统性的影响。比如,全国各地的接单率都在涨,在某地上了一个活动,发现接单率涨了,说是活动带来的效果,就很牵强了。**我们已经做了城市的分群,在同群组里面的城市,可以寻找规模相似的,最为参照系**。
一定要注意预算控制,盯紧活动的投入产出比
任何运营,都不能脱离对预算的考虑,这也是我们目前最薄弱的环节。活动前,估计好预算总额,在活动执行的过程中,时时关注预算的消耗情况(每天统计),这是非常有必要的。
关注预算总额是否超支以外,我们需要计算ROI,即投入产出比。不同的活动,投入产出比的计算方式一定不同。
例子6:比如我们唤起运力的活动,花了多少钱cost,唤起多少运力rider,这部分运力送掉多少单order,我们就需要计算cost/rider+平均每运力一天的补贴,cost/order+平均每单补贴。
除了计算ROI,我们还需要关注在执行活动时,整个城市的成本情况,是否符合我们的宏观的预算限制。最好的情况是,活动执行的同时,整体成本并没有上升,或者在下降。即我们要把钱挪到该用的地方。
活动结束后,后续影响的衡量
一个短期活动做完后,我们还有必要追踪活动结束后的结果型指标如何变化。最理想的情况是,一个活动结束后,结果型指标依然保持在活动时的优秀水准,也就意味着,一个短期活动带来了长期的正向效益。
我们不能忽视有些运营活动带来的滞后效应和连带效应。
相似活动间效果的对比,总结经验
不同时期进行的相似活动甚至是相同活动,我们要做好活动数据的存档,来观察活动间的对比。许多探索性的活动,我们是有必要计划成系列活动以达到我们的实验目的的,比如价格探底测试,我们应该分阶段,分地域类型,进行系列测试,从各次的数据存档中,去总结规律。
随着运营的逐步精细化,我们需要具备系列活动的策划和执行能力!
小结
写了那么多字,实非我愿。但无奈要表达的东西太多,简单总结为以下几点:
指标的设计需要关注信度和效度
关注3-5个核心指标,结合地域和时间两个维度
运营活动的量化需分清过程型指标和结果型指标
运营效果的评价需要计算跨业务周期的均值,差别在5%以上才值得说道
一定要注意预算和投入产出比
活动要做好数据和经验的存档,做活动间效果的对比
CIO之家 www.ciozj.com 公众号:imciow