从0到1搭建社群运营数据体系

 

一、什么是社群运营

从大环境来说，社群运营是互联网“流量红利”逐渐消失后的产物，各家公司都从2015年的野蛮生长的“圈地运动”，逐渐转向“精耕细作”的垂直流量挖掘。百度百科给的定义是：社群运营是指将群体成员需以一定纽带联系起来，使成员之间有共同目标和持续的相互交往，群体成员有共同的群体意识和规范。

通俗的理解可以看下图：

可以将社群运营理解为运营人员与用户通过社群（企业微信、微信群等）建立联系，运营人员通过向用户输入产品理念、产品功能介绍、产品优惠活动等，对用户形成正向反馈，从而引导用户转化成为产品忠实用户，进而付费转化。

 

二、为什么要做社群运营？

目前社群运营模式在一些大厂的整个生态链路里已经趋于完善，而对中小厂来说算是一个较新的元素，如果决策者能抓住这一波新型的运营模式，则能完善自己的生态链路，为公司带来巨大的收益。

 

三、为什么要搭建社群运营数据体系？

在整个社群运营生态下，如果没有一个比较完善或方便快捷查询的数据体系可供社群运营使用，进而导致社群运营人员无法快速有效乃至准确判断整个社群运营的用户在各环节转化效果，因此也就无法高效的优化改进运营策略，如果长此以往，就会失去在这一领域的进攻先机。

同时，社群运营团队及团队个人所从事的许多工作也无法准确的衡量和效果评估，这也极大的限制社群运营发展的想象空间。

最后，没有现状数据，我们无法设定一个合理的北极星指标，从而无法有效指导我们的运营计划。

所以搭建社群运营数据体系可以解决四个问题：

1. 制定北极星指标；
2. 量化运营成果；
3. 提升运营效率；
4. 评价成员绩效。

 

四、如何搭建社群运营数据体系？

本文的假设场景为：为一款提供多个理财工具的toc软件搭建社群运营数据体系，具体的业务逻辑为：在这个软件中购买过任意一款付费产品的用户，会在端内（产品中）被引导至小程序，在小程序的对话框用户通过页面二维码进而被引导添加运营人员的微信，这时运营人员和用户就建立了联系，通过运营让用户对品牌产生认知并保持粘性，进而再次实现转化，如付费。

我们分为四步来搭建社群运营数据体系。

 

1. 梳理业务逻辑

因为我们的产品定位是为用户提供理财工具及产品，那么我们产品的目标用户就是投资理财方面有需求的群体，对于社群这个分业务来说，我们的目标用户是有意向进行付费但未付费或已经进行过付费我们希望能够进行二次或多次付费的用户，基于以上拆分，我们的业务逻辑如下：

 

2. 搭建指标体系

基于业务逻辑漏斗，从结果指标和过程指标入手，结合数据维度，我们可以搭建出如下的社群运营指标体系：

 

3. 数据接入

这里我为什么会把这块单独拿出来说呢？是因为从小程序端进入微信之后的数据都存储在微信平台上，我们需要通过微信提供的接口将数据传回到我们自己的数据库。

这其中微信端的用户标识会有openid和unionid，可能会出现一对多或多对一的情况，这里需要提前和运营人员定好口径，防止数据上线之后两边数据预期不一致的情况。

 

4. 搭建分析框架

经过前面的步骤，我们手上目前已经有了数据，并且按照业务逻辑搭建了指标体系，接下来我们还需要按照业务逻辑搭建分析框架。

比如在业务逻辑的前两段我们会运营渠道分析法，把握渠道质量，而在所有的漏斗转化过程中，我们都需要用到流失分析，

通过流失分析我们会定位到流失的是哪类人群？在什么环节流失？接下来再制定相应的策略就比较简单了。

这里我们介绍几种常见的分析方法，应用场景不局限在社群分析中。

（1）竞品分析

竞品分析一般是看用户手机安装的各类app，这些app通常我们可以分成两类：竞品和非竞品。对于这类数据，我们一般会做一个用户安装与否与留存的相关关系图，即 使用我们产品的用户中：

• 安装了a产品的留存低于没有安装a产品的留存，可以认为a是我们的竞品，抢走了我们的用户；
• 安装了a产品的留存高于没有安装a产品的留存，可以认为a不能满足用户的需求，我们的产品竞争力更强；

安装了a产品的留存约等于没有安装a产品的留存，可以认为a产品和我们的产品用户群体重合度较大，可以考虑合作换量。

（2）关键行为分析

关键行为分析一般看的是用户做没做某个行为与目标数据（如留存）之间的关系。这样可以看出哪些行为是用户熟悉产品的“high点”。

一般我们需要定义关键行为。用户在我们的产品上会有成百上千种行为，业务人员可以根据自己的业务理解站在用户的角度上，定义用户的关键行为，数据分析师可以对用户的行为进行归类，找出那些量大，且做与不做对目标数据（如留存）影响相差较大的行为。如下图：

上图中是我们和业务一起找出的六种关键行为，其中：

• 横轴是做了该行为的用户次日留存率，气泡越靠近右边，次日留存率越高；
• 纵轴是做了该行为的用户次日留存/未做该行为的用户次日留存，气泡越往上说明该行为对留存的影响越大；
• 气泡宽度代表用户量大小，越大代表用户量越大。

1. 行为a和行为c对留存的贡献较大，假设对于行为a，用户打开app需要至少五步才能到达行为a，那我们就可以从产品的角度缩短进入a的路径，让用户更快的具有行为a；
2. 行为e对于提升留存效果来说相对较差；

运营人员应该引导新用户尽快的具有行为a和行为c。

（3）流失分析

流失用户我们一般定义为当天离开app之后，在接下来的一段时间（一个月、三个月等）均未打开我们的app的用户。

流失分析我们一般分析的是流失用户与非流失用户在离开app前的行为差距。两种用户的行为都要看的原因在于，假设你发现70%的流失用户在流失前做了行为a，这个时候你并不能下：

行为a导致大量用户流失的原因这个结论。因为可能非流失用户在当天离开app前也大量做了行为a，但这并不妨碍这批用户第二天再次来到我们的app。

这个过程数据分析师需要将用户最后几步的行为进行归类，然后从中得出结论。

过程较为耗时。这个过程不仅需要你有强大的归纳能力，还需要你有过硬的sql能力。因为这个过程中你可能会不停的使用正则表达式去将零散的行为不断的归为若干个大类。

而在你得到了一些用户流失前的关键行为后，我们就需要在这些行为发生时人工介入，利用实时推送工具等对于发生指定的行为后用相应的策略进行承接。

（4）搜索分析

搜索分析即用户在搜索框中的关键词分析？为什么我要将搜索分析单独归为一种分析方法呢？因为对于新用户来说，在不熟悉产品的基础上，即使你有好的功能，但由于入口太深或新用户无法理解该功能代表的含义，都会导致用户错过使用。而这时搜索成为了用户的宣泄地。

未直接流失的用户会将自己的产品使用诉求用一些关键词输入在搜索框中。对于一般的产品来说，搜索的流量都是较为丰富的，里面可挖掘的信息较为丰富。

新用户搜索分析和流失分析类似，都需要归纳。

首先我们需要将用户搜索的关键词提取出来进行归类，看看哪些是我们有该功能但是因为用户感知弱导致错过，用户直接流失，这部分功能需要引导用户去使用。另外还有哪些用户的诉求我们没有相应的功能去承接，这两种情况我们都需要去拍产品经理桌子，让他赶紧上线。

 

5. 提供决策支持

最后，有了分析框架，我们能给业务什么支持呢？对于社群运营来说，一般我们提供三种决策支持：运营策略制定、贡献度评价及寻找增长点。

其中，运营策略制定需要算法提供人群库以及物料库，这样的话我们通过ab测试制定并沉淀运营策略。

寻找增长点需要我们在第四步所搭的分析框架中运用各种分析方法，寻找业务的突破口，比如818我们做了一次成功的社群活动，拉新人数猛增，我们通过数据分析并复盘总结做的好的原因，将其作为社群裂变的方向。

贡献度评价指的是社群运营人员的绩效考核。我们可以通过运营活动的效果评估、运营社群质量打分（群活跃度、社群成员生命周期等）、运营手段评分（拉新人数等）、成交金额等多维度计算权重，最终计算出综合得分进行评级。

 

五、社群运营数据体系搭建总结

1. 梳理业务逻辑
2. 搭建指标体系
3. 数据接入
4. 搭建分析框架
5. 提供决策支持

同时这套流程也可以复用到其他业务场景的数据体系搭建。