内容4：【运营分析实践】
接下来讲第四部分，个人在运营和分析方面的实践，给大家分享一下。
【案例1：UGC产品】首先，来看UGC产品的数据分析的例子。可能会分析它的访问量是多少，新增用户数是多少，获得用户数多少，发帖量、检索量。
例如贴吧、百度知道，还有知乎都属于这一类的产品。对于这样一个产品，会有很多数据指标，可以从某一个角度去观察这个产品的情况。那么，问题就来了——这么多的指标，到底要关注什么？不同的阶段应该关注什么指标？这里，就牵扯到一个指标的梳理，还有关键指标的问题。
【百度知道】2007年我加入百度知道之后，刚开始做后端研发。作为RD，我每天也收到一系列报表邮件，这些报表里面有很多统计的一些数据。比如，百度知道的访问量、检索量、IP数、Session数、提问量、回答量，设置追加答案的数量，这一系列指标。当时，看的其实感觉很模糊。
我在思考：这么多的指标，不能说这也提高，那也提高吧？每个阶段肯定要思考哪个事最关键的，重点要提高哪些指标。开始的时候其实是没有任何区分的，不知道什么是重要、什么是不重要。
后来，慢慢有一些感触和认识，就发现其实对于访问量、检索量这些相关的。因为百度知道大部分流量都是来自于大搜索，把它的展现做一下调整或者引导，对量的影响非常大。虽然，跟百度知道本身做的好坏也有直接关系，但是它很受渠道的影响——大搜索这个渠道的影响。
提问量开始的时候，我认为非常重要，怎么提升提问量，那么整个百度知道平台的这个问题就多了。提升回答量，让这些问题得到回答，高质量的内容就非常多了，又提升提问量，而后再提升回答量——其实等于是两类人了。而怎么把它做上去，我当时有一些困惑，有一些矛盾，到底什么东西是最关键的。
有一次产品会，每一个季度都有一个产品会。那个时候，整个部门的产品负责人是孙云丰，可能在百度待过的或者说对百度产品体系有了解的都会知道这么一个人，非常厉害的一个产品经理。我当时就问了他这个问题，我对提问量、回答量都要提升这个困惑。他就说了一点，其实提问量不是一个关键的问题，为什么？我们可以通过大搜索去找，如果一个用户在大搜索里面进行搜索，发现这个搜索没有一个好的答案，那就可以引导他进行一个提问，这样其实这个提问量就可以迅速提升上去。
我一听一下就解决了这个困惑，最关键的就是一个回答量，我所做的事情其实怎么去提升回答量就可以了。 这里面把百度知道这个产品抽象成了最关键的一个提升——那就是如何提升回答量，在这个问题上当时做了一个事情就是进行问题推荐。
百度知道有一批活跃用户，这些用户就喜欢回答问题。于是，我们思考：能不能把一些他们可以回答的问题推荐给他们，让他们回答各种各样的问题——这个怎么去做呢？
这个思路也很简单，现在个性化推荐都是比较正常的，大家一般都知道这么一回事。但是，2008年做推荐这个事情其实还是比较领先的，从我了解的情况来看，国内的是2010年个性化推荐引擎这块技术火了，但后来有些公司做这方面后来都倒掉了。
实现策略是非常简单的，我们就看一个用户历史的回答记录，看他回答的这些问题title是什么、内容是什么。
由于百度很擅长做自然语言的处理，基于这些，通过这里面的抽取用户的兴趣词，感兴趣的话题，然后把待解的问题，与该问题的相关用户进行一个匹配，匹配上了就把这个问题推荐给这个用户。
当时，我们做的一个事情就是：把过去几个月回答量比较高的用户进行一个抽取，对他们训练一个模型——就是对每个用户有一系列的话题兴趣点，然后每个点都有一个程度，这就是一个用户的模型向量，就是一个兴趣项量，当时抽了35万个用户。
这个效果是这样的，现在我已经找不到我们当年做的图片，这是我前一段时间截的图，大体类似。比如，我对数据分析相关的问题回答了不少，它就会给我推荐数据分析相关的问题。
我们这个功能差不多做了有三个月，把它推上线我们其实是满怀期待的，结果效果如何呢？上线之后很悲剧，我们发现总的回答量没有变化。于是，我们又进一步分析了一下原因。当时，最开始这些核心用户在回答问题的时候都是找分类页。比如：电脑这个分类，然后看电脑相关的问题，有兴趣的就回答。
后来，我们做了一个推荐：在个人中心里面加了一个猜他喜欢的tab，然后推给他，结果用户从分类页回答这个问题转到了个人中心。但是，平均一个人回答量并没有变化，当时做的统计，这些核心用户就每天回答六个问题，超过六个他就没动力回答了。
我们事后分析原因，有一个原因他可能本身的回答量就是这么一条线，谁能天天在哪里源源不断的回答问题。还有一个同事就分析当时让他一个痛苦的地方，因为我们是源源不断地推荐，然后他就发现回答几个之后还有几个，回答了几次就感觉要崩溃了，就不想再这么回答下去了。
其实，年前时知乎在问题推荐上也做了不少功夫，做了许多测试。年前有一段时间，它天天给我推一些新的问题，然后我去回答。后来，发现推的太多了，就没回答的动力了。
针对这些核心用户会发现从他们上面榨取不了新的价值了。于是，我们调转了矛头，从另一个角度——能不能去广撒网，吸引更多的用户来回答问题，这个做的就是一个Cookie推荐。访问百度的时候，百度不管用户是否登录，会在用户Cookie里面去设置一个用户标识。通过这个标识能够对这个用户进行一个跟踪，虽然不知道用户是谁，但是，起码能把同一个用户这个行为给它串起来。这样，就可以基于他历史的检索，各种搜索词，还有他浏览的各种页面的记录，然后去提取一些兴趣，然后给这些Cookie建一个模型。
这样有一个好处，能够覆盖的用户量非常大，前面讲的核心用户推荐只覆盖了只有35万的核心用户，但是通过这种方式可以覆盖几亿百度用户，每一次用户登录之后或者访问百度知道之后我们就基于他本身兴趣然后走一次检索，在解决问题里面检索一下跟他匹配的就给他推荐出来。比如前一段，我自己在没有登录的时候，其实我是会看马尔克斯。我比较喜欢马尔克斯的作品，我当时搜了马尔克斯的一些相关的内容。它就抽取出来我对马尔克斯什么感兴趣，就给我推荐了马尔克斯相关的问题，可能我知道我不可能就会点进去回答。
这个功能上了之后效果还是很不错的，让整体的回答量提升了7.5%。要知道，百度知道产品从2005年开始做，做到2007年、2008年的时间这个产品已经很成熟了。在一些关键指标进行大的提升还是非常有挑战的，这种情况下我们通过这种方式提升了7.5%的回答量，感觉还是比较有成就感，我当时也因为这个事情得了季度之星。
【案例2：SAAS】
讲了百度知道之后，我们接下来讲一下SAAS运营分析实践。因为我自己目前创业做的这个产品就是针对于互联网创业公司做用户相关分析这块，我们对产品在去年9月25号的时候正式对外发布，发布本身我们其实进行了一些数据的分析。后来，又尝试了一些广告渠道也做了一些数据分析。之后，又针对流失的一些用户我们也搞了一些周围活动，我把整个真实的经历给大家分享一下。
【产品发布】
首先，我们来说我们这个产品发布，所谓的发布其实也很简单。当时在公司成立正好五个月的时候，我们联系了36Kr，让36Kr给采访报道了一篇文章在当天发布出去。另外在朋友圈、微信群里面发一发红包，让周围的人都知道我们这个产品正式对外发布了。
左侧的图就是我自己在朋友圈发的信息，当时许多人点赞，还有许多人帮着去转发，中间是我们的36Kr上报道的一篇文章，右侧是我们当时为了让链接展示的好看一点，可以在微信里面重新发一遍，至少显示一个，下面图的形式好看了很多。
另外，既然我们自己是做数据的，当然要对这个发布活动进行一下数据分析了，怎么分析呢？我们想搞一个有趣的一个事情，我们让每一个人发链接的时候都带一个渠道号，像我的渠道号就是ch=sangwf，我的CTO曹犟的是ch=caojiang，其他同学也是一样的。
产品发布时，我们整个团队一共12个人，每个人都带着这么个渠道号都发到自己朋友圈，还有微信群里面去，然后我们跟踪它的效果。这是当天晚上的一个数据，最上面是36Kr，我们发现36Kr其实很小，这个跟我们的预期还是相当不符的。本来我们觉得36Kr上发一篇文章影响应该是非常大的，应该能给我们带来不少访问量，这个怎样做的呢？——就是在36Kr那篇文章带官网地址的时候，我在官网地址里面加了一个渠道号等于36kr，这样我就可以跟踪它了。
我们看右边的数据，发现我们CTO曹犟他带来的用户占整体当天晚上28.7%，我的是27.9%，他的是比我的多，这点让我还是有点不爽，我应该加把劲。右侧是我另外一个合伙人，他带来18.1%。
单纯从看带来的用户量来说，这里面是曹犟胜出来，我们的目的绝对不是让用户只是看了一下我们产品的一个浏览，其实更想达到的目的是让用户来了之后能真正试用一下我们的产品。因为，试用之后他对我们才有一个更客观的认识，可能转化成我们真正的客户。
这是当天的一个漏斗，从最开始问首页，有三千多个人，其中有28.9%，差不多30%左右人真正点击申请试用的按纽，点了之后又有17.65%的会真正提交了申请试用，提交申请试用之后我们发帐号到手机短信、邮箱，这里面又只有19.21%的真正回来去体验了这个产品。通过这种分析其实效果就一目了然了。
我们再看跟不同人的转化的数据，我把我们三个人还有36Kr这个数据单独抽取出来来看，如果我们看带来的用户，曹犟带来了1316，我带来了1286。
然后，真正申请试用的用户曹犟带来了51个，而我带来了87个，这个数据就比他多了，真正试用的人他带来了7个，我带来了22个，是他的3倍，，要好很多。从最终转化效果来说，我带来的用户整体质量把他那个带来的可能还是要好一些。
就是说我们通过漏斗这种方式进行数据的深度去看你的结论，跟你只是看一个表面，只是看一个整体的用户数、访问量这些东西，结论可能是完全不一样的。
【广告效果】
因为我自己用36Kr比较多，也知道周围的创业者大家都会看36Kr，所以我对36Kr本身是比较感兴趣，我就想着上面试试，在36Kr上做广告效果怎么样，我当时联系了36Kr的商务，然后我就跟他去交流。
一交流发现他那个产品本身收费还是有点贵的，他们是按周往外一个广告位投放，这个点一个广告位可能要花好几万块钱。对我们一个小的创业公司刚开始的创业公司这点钱花不起的，再想其他办法吧。
那天，我跟她讲了很多数据分析相关的知识，那个商务听了之后觉得这个很有收获。她说这样吧，我送你一天，免费让你挂一天广告，帮我们做一下数据分析看看效果如何。
左侧这个图其实就是我们在36Kr做这个广告展现的效果，在PC上去访问36Kr的一个详情的文章，左侧展示这么一个广告，那一天真正在用36Kr的人可能就会留意到有这么一个广告的信息。
但是，右侧是猎云网，猎云网也帮我们去天使轮的一个融资情况报道，就是通过猎云网来报道的。他们也帮我们打了差不多一周左右的广告，又创造了效果，也是一个平常广告，看一个详情的页面右侧会给你展示这个广告效果。
猎云网跟36Kr我觉得是一个同类似的网站，猎云网可能针对投资人可能多一些，它整体访问量我相信应该比36Kr还是有一个差距。
这里我把知乎、36Kr、猎云网三个渠道数据给它单独抽出来然后看总体情况，从访问首页到最终去真正试用，整体转化率差不多有6.82%，整体效果还是可以的。
我们对比实际数据，也发现这三种渠道整体效果可以说知乎还是最好的，如果看我知乎文章的人就会明白为啥我写知乎专栏写的那么起劲。
除了在36Kr、猎云网尝试了广告之后，我们其实也试了一下红包这个效果，这个当时也是花了差不多一万块钱。因为我们觉得我们这个产品是2B的，针对企业领导的。于是，我们针对他们来进行红包发放，发放之后我们看右侧这个效果图，访问红包月的人有两千到人。
我们花了一万块钱差不多尝试，我们相信肯定是花出去了，这还是因为有认识的人有熟人，然后可以这么去做了一下。
但是，我们看它真正去申请试用的只有1.63%，比我们前面看的差很多，这里面当然有一个原因，是我们这个页面很长，真正申请试用在很下面，许多人看只是一个浏览页面然后就直接关了。
还有一部分原因大家可能就是领了一个红包，就没有特别兴趣去关注你的产品是怎么样的。这样其实我们花了一万块钱，最终产生了8个真正试用的，这个其实成本还是有点高的，总体转化率0.36%，比前面知乎、36Kr要差很多。这种形式可能对其他产品就很有效，但是对我们这个产品来说，因为我们这是一个相对来说目标比较明确并且比较小众一点的产品，所以这个投放的效果可能就没那么明显。
【流失用户召回】
在今年元旦的时候，因为之前申请试用我们那个产品已经有很多人，但是这里面有一半人我们给他发了帐号他也并没有回来，我们过年给大家拜拜年，然后去汇报一下进展看能不能把他们捞过来一部分。
这是元旦的时候我们产品的整体用户情况，到了元旦为止，9月25号发布差不多两三个月时间，那个时候差不多有1490个人申请试用了我们这个产品。但是，真正试用的有724个，差不多有一半，另外一半就跑了，就流失了。
我们就想把这部分人抽出来给他们进行一个召回活动，这里面流失用户我们就可以把列表导出来，这是我们自己的产品就有这样的功能。有人可能疑惑我们怎么拿到用户的这些信息呢？
这很容易，因为我们申请试用的时候就让他填一下姓名、联系方式，还有他的公司这些信息。对于填邮箱的我们就给发邮件的，对于发手机号的我们就给他发短信，我们分析这两种渠道带来的效果。
先说总体，总体我们发了716个人，这里面比前面少了一点，我把一些不靠谱的这些信息人工给它干掉了。接下来，看看真正有35个人去体验了这个产品，然后35个人里面有4个人申请接入数据。
因为我们在产品上面做了一个小的改进，在测试环境上面，对于那些测试环境本身是一些数据他玩一玩，玩了可能感兴趣之后就会试一下自己的真实数据。这个时候，我们上来有一个链接引导他们去申请接入自己的数据，走到这一步之后就更可能转化成我们的正式客户。
这两种方式转化效果我们其实也很关心，召回的效果怎么样，我们看下面用红框表示出来，邮件发了394封。最终有32个人真正过来试用了，电话手机号322封，跟邮件差不多，但只有3个过来，也就是说两种效果差了8倍。
这其实也提醒大家，短信这种方式可能许多人看短信的比较少。当然，另一方面跟我们自己产品特征有关系，我们这个产品是一个PC上用起来更方便的一个产品。许多人可能在手机上看到这个链接也不方便点开，点开之后输入帐号也麻烦一点。所以，导致这个效果比较差。
文中截图来自神策分析（Sensors Analytics）：。
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
