做數(shù)據(jù)分析的同學(xué)最常服務(wù)運(yùn)營，也最怕運(yùn)營糾結(jié)。因?yàn)楸旧磉\(yùn)營的工作和數(shù)據(jù)分析有高度關(guān)聯(lián)，以至于大家在網(wǎng)上看到的數(shù)據(jù)分析文章，十篇里有六篇是運(yùn)營寫的。

運(yùn)營對數(shù)據(jù)分析涉入的如此之深，以至于經(jīng)常在分析思路、分析方法、分析結(jié)論上和數(shù)據(jù)分析師們懟起來。

今天我們就先看其中最大的一個問題。運(yùn)營的工種有很多（如下圖），其中活動運(yùn)營是策略性最強(qiáng)，和數(shù)據(jù)分析關(guān)系最緊密，也是懟的最多的崗位，今天就用它舉例子。

圖片

請聽題：

某游戲APP，用戶活躍率在5月出現(xiàn)輕微下降情況，活動運(yùn)營小組決定做一個簽到打卡的活動，提高用戶活躍度（具體提高多少沒說），現(xiàn)活動前后數(shù)據(jù)如下圖所示。

活動運(yùn)營小組堅(jiān)持稱：如果不是做活動，5月份自然增長是下跌的。老板認(rèn)為這是扯淡。活動運(yùn)營小組稱：數(shù)據(jù)分析師應(yīng)利用人工智能大數(shù)據(jù)，精準(zhǔn)分析出自然增長率。

圖片

問：你是數(shù)據(jù)分析師，你該怎么辦？

一、科學(xué)旗號下的荒唐事

首先問，這個題的題眼在哪里？

A、用戶活躍率減少

B、自然增長率

C、人工智能大數(shù)據(jù)

我們先反問一個問題：某天，一個人拿著弓來問你：“請用人工智能大數(shù)據(jù)精確分析一下，我比自然命中率高了多少”你會怎么辦？你會抄起鍵盤開始叭叭寫代碼嗎？——不會！你會先問他：“你射的是啥？”

如果他說：我也不知道射的啥，你幫我分析分析？你會咋辦？你會用人工智能大數(shù)據(jù)分析他要射什么東西嗎？——當(dāng)然不會！有禮貌的話，你會讓他先把自己射的箭找到；沒禮貌的話，你可以直接口吐芬芳了。因?yàn)榧词故怯變簣@的小朋友都知道：射箭要先樹個靶子。這是常識。

所以整體的題眼是：具體提高多少沒說。甚至題目本身都是有問題的。請注意問題的來源是活躍用戶數(shù)量減少。結(jié)果運(yùn)營在設(shè)目標(biāo)的時(shí)候變成了用戶活躍度。一字之差，含義就從清晰變模糊。

● 到底什么算“度”

● 含義是用戶活躍人數(shù)，為啥不直接用？

● 含義是用戶活躍率？大家的公式是否一樣？

● 含義是綜合計(jì)算的，計(jì)算公式和權(quán)重又是啥？

指標(biāo)本身不清晰，又沒有明確指出要提升多少，對活動后分析是一場災(zāi)難。簡直就是射箭故事的翻版。問題是：為啥會出這么奇葩的事。

二、荒唐背后的苦衷

真正在企業(yè)上過班就知道：并非所有決策都是高度理性的，比如：

這是常規(guī)活動，運(yùn)營只是拿著模板改了改就推上線了

這是老板親自指示干的，咱也看不懂，咱也不敢問

這是一種商業(yè)直覺：我感覺有問題了！等到真觀察到再改已經(jīng)來不及了

這是一種迷信：你們不是有人工智能大數(shù)據(jù)嗎，應(yīng)該duang！一下就有了吧

總之，真實(shí)企業(yè)里，大概：

• 30%的活動方案沒有寫清楚，只有個含糊的：“提高消費(fèi)/提高活躍”
• 30%的活動方案用詞不嚴(yán)謹(jǐn)，活躍度、活躍值、活躍力一類的玄幻概念滿天飛
• 30%的活動方案沒有做過測算，都是拍腦袋決策，甚至提1億的目標(biāo)，只為口號順口
• 只有大概10%方案能認(rèn)真寫清楚：提高用戶活躍人數(shù)，5月dau維持在XX水平以上

當(dāng)然，在管理規(guī)范的大企業(yè)里，這種亂象少很多。但是同類問題在大部分企業(yè)都存在，事先不寫清楚目標(biāo)，事后指望大數(shù)據(jù)來分析。甚至企圖通過人造一個很低的、負(fù)增長的自然增長率，來蒙混過關(guān)。真要是碰上這種事，咋辦呢？

首先，堅(jiān)決不扯什么“自然增長率”。特別是在這種短期活動很密集的業(yè)務(wù)里。如果一定要扯，采用買定離手的機(jī)制：大家事先談好自然增長率是多少，事后就看這個數(shù)，不要再調(diào)整。這就跟下棋的時(shí)候拒絕悔棋是一個道理。

1、做什么目標(biāo)，事先說清楚，從X%提升到y(tǒng)%；

2、找清晰、直觀的目標(biāo)，避免玄幻/復(fù)雜概念；

3、找與核心KPI相關(guān)的目標(biāo)，避免雜項(xiàng)干擾。

這是徹底解決問題的三大原則。

當(dāng)然，這么做會遇到兩個挑戰(zhàn)：

挑戰(zhàn)1：有些運(yùn)營就是不知道咋定目標(biāo)，幫幫忙？

挑戰(zhàn)2：有些活動就是事先沒定目標(biāo)，咋補(bǔ)救？

三、設(shè)定目標(biāo)的基本方法

設(shè)定目標(biāo)有三種基本方法：

1、KPI分解法

2、KPI倒推法

3、KPI場景法

分別對應(yīng)三個場景：

1、活動目標(biāo)是KPI指標(biāo)

2、活動目標(biāo)是KPI過程指標(biāo)

3、活動目標(biāo)是KPI關(guān)聯(lián)指標(biāo)

有同學(xué)會問：為啥都和KPI掛鉤？答：如果做的事跟KPI沒啥關(guān)系，那你也知道這個事的重要緊急程度了。大張旗鼓做和KPI無關(guān)的事，本身就有可能是影響KPI的原因哈。

KPI分解法舉例：

圖片

KPI倒推法舉例： 

圖片

KPI場景法舉例： 

圖片

平時(shí)和運(yùn)營保持良好的溝通非常必要，這樣在策劃早起，數(shù)據(jù)分析師就能介入。既能協(xié)助運(yùn)營理清思路，又能幫助運(yùn)營算清目標(biāo)，還能為上線后監(jiān)控、事后復(fù)盤做好準(zhǔn)備，一舉三得。事前工作到位，事后不用吵架，大家合作共贏，是最好的狀態(tài)。

04、事后補(bǔ)救的基本方法

如果事前沒有定目標(biāo)，一定要事后補(bǔ)救的話，牢記：核心不是什么自然增長率，而是“業(yè)務(wù)到底需要把指標(biāo)做成什么樣子”。特別是如同開頭的情況。整體目標(biāo)已經(jīng)撲街的情況下，事后再糾結(jié)自然增長率，往往會淪為甩鍋大戰(zhàn)。這時(shí)候可以分三步做：

第一步：定方向

圖片

第二步：找方法 

圖片

第三步：看細(xì)節(jié) 

圖片

通過這樣的操作，至少能結(jié)束稀里糊涂的狀態(tài)，明確：我們到底要把曲線做成什么樣。判斷本次的方法要換成那種。在細(xì)節(jié)里，為下一次迭代找到優(yōu)化方向。

注意，這么做更多是基于“目前已撲街”的判斷。這么做在評估活動效果上并不科學(xué)。如果想科學(xué)評估活動，得事前設(shè)計(jì)好實(shí)驗(yàn)，分好測試組和參照組，測試用戶響應(yīng)效果。還是那句話：提前多準(zhǔn)備，事后少糾結(jié)。

很多同學(xué)會說：即使這樣做，我們公司的領(lǐng)導(dǎo)還是很迷信，運(yùn)營還是很無腦，出了問題還是到處甩鍋，咋辦！即使這樣，陳老師也建議大家先掌握：這個事該怎么做。

這樣遇到問題，至少大家能判斷：到底是我的問題，還是別人的問題。至少能知道該往哪個方向努力。這也是真實(shí)商業(yè)場景和科學(xué)實(shí)驗(yàn)室的區(qū)別：你就是得帶著鐐銬跳舞，在有限的數(shù)據(jù)，各種類型的同事，過高過低的期望值之間走鋼絲。

有同學(xué)會說：咦？咋只少了一半打架，另一半是啥？答：是活動事后分析的另一個永恒糾結(jié)的問題：你做這個又怎樣！為什么活躍用戶人數(shù)不能再高點(diǎn)？高了怎么多又如何呢？它一個指標(biāo)高了，其他低了，又咋辦！