从0到1，搭建互联网运营分析体系-技术圈

有指标，无体系

有数字，无分析

有图表，无结论

是做数据的同学们在实际工作中最大痛点。今天拿运营做例子，系统讲解一下如何破局。运营的分支有八种，今天拿内容运营举例。因为内容运营，是最能体现：指标一大堆，分析屁没有的（如下图）。

问题出在哪里

一提到内容运营，很多同学本能想到公众号、微博、抖音。于是数据指标是张口就来：粉丝量、新增粉丝量、常读粉丝量、阅读数、打开率、转发率……越说越起劲，喉咙里那句：“今天阅读低了，要搞高”几乎要破口而出。而运营的同学只要一句话就能让数据哑火：“你来录一个搞高的视频，你来写一篇搞高的文章试试！”如果再补一刀：“这些常规数据我早知道了，有什么用！”就很有可能让数据无所适从了。

问题出在哪里？

问题在于（划重点）：

1、指标本身只是数据度量，不说明问题

2、问题本身不带解决方案，要设计方案

3、方案本身不能自证效果，要论据支持

4、运营要的是问题提示，方案辅助，效果验证，不是一个或几个孤零零的数

所以从一堆数字到有用的结论，需要分步骤的工作，一步步地用数据看现状、推导方案、检验效果。而不是单纯指望算出一个超神奇数字通杀。

第一步：说明问题

数据本身不说明问题，数据+标准才说明问题。标准从哪里来？当然从业务目标里来，能达到目标就是做得好。所以第一步，得先问仨问题，整明白目标是啥：

1、互联网内容运营与传统企业有啥区别？

2、互联网内容运营有哪些任务？

3、当前我们企业要做的任务是？

其中，问题1、2是业务常识，需要自己做好功课。而问题3则是基于“企业现状+领导要求”推导出的结论。简单的话，可以用一句话概括：VS传统企业，互联网内容运营多了养鱼的过程，因此分化出三大目标：传播、圈粉、转化（如下图）。

认清了任务后可以树立具体目标。注意，互联网内容运营的工作模式，决定它不会单一的追求一个目标，也不会孤零零只看一个指标。在树目标的时候，常常是有一个阅读整体目标，再分配到每一次内容发布身上，用一个主要目标+一个考核条件的方法提供（如下图）。

这一步非常重要。因为在实际工作中，运营总喜欢走极端：

过分强调单个指标，喜欢扯“0元涨粉100万”“一篇带货1个亿”之类牛皮。其他指标崩了也不管。

各种指标一锅乱炖。他们会同时扯阅读量、转发数、转化率等等，然后很投机的看本次哪个指标好就报哪个。美其名曰：虽然我没有达成XX，但是YY指标表现很好呀。

这种偷鸡摸狗的做法，是对数据化运营、科学管理、数据分析的巨大破坏。因为它搞乱了标准，混淆了是非。连“对/错”判断都飘忽不定，何来总结经验，何来提升效果。所以想办成事，就得坚决推1主+1副的评价模式。每次任务聚焦主目标是否达成。不好就是不好，认错才能进步。

第二步：推演方案

有了第一步工作，我们能判断运营质量了。但是只知道好/坏还不够，并不能指导工作细节。想指导工作细节，得先了解运营到底在干啥，这就涉及工作流程梳理。很多同学觉得运营的工作很简单，可细看之下，大有乾坤（如下图）。

理解工作流程，是避免“要搞高”问题的关键。当你发现运营搓一篇文章需要考虑如此多要素的时候，就再也不敢轻言“要搞高”了。要考虑的细节真的太多，一着不慎满盘皆输。

可另一个问题就产生了：文章写作本身太过创意性，而且很多热点都是当时炒作有效，过期作废。这样复杂的环境下，如何用数据做辅助呢？先明确一点：数据本身代表的是理性、客观、有逻辑的思路，但内容创作很有可能就是感性、主观、情绪化的产物。所以数据不是替代创作，而是为创作提供机会点、帮创作规避风险。

想达成这一点，就得做三件事：

1、把内容标签化，提炼可量化的标签

2、基于标签，检验效果，积累经验

3、基于标签，收集外部数据，提示机会

举个简单的例子，2020年8月5日，某个运营小编在搓文章，发现《三十而已》当时正火，想蹭个热点，来一波传播。数据助力的话，可以从以下三个角度做（如下图）。

这样能极大地提升运营小编的效率。而且说实话，大部分运营小编的创作能力，并没有强大到能够天马行空的地步，更多的是在照猫画虎。所以如果真的把内容标签建立起来，很多小编估计直接就对着标签做加减法了：

1、传播类的，写个人体验阅读好，故事编起来！

2、涨粉类的，派资料效果好，pdf包整起来！

3、转化类的，引发性别冲突效果好，直男癌喷起来！

严格来说，我们是不推荐这么无脑照抄的，这样贬低了运营的工作价值，还不如直接让数据分析师来搓文章算了。但是架不住它香啊！这时候，就得建立对运营效果的持续监控体系，在某一种套路失效的时候，及时提醒运营更换战术（如下图）。

第三步：验证效果

设计完内容以后，可以观察投放效果了。这是很多同学都会做的事，就不再赘述了。有意思的是，回顾开头，同学们随口而出的：粉丝量、新增粉丝量、常读粉丝量、阅读数、打开率、转发率……其实都是在这一步产生的。这些都是结果类指标。只有结果类指标是无法深入分析的，就内容运营而言，我们至少还得有清晰的分类目标，与内容标签体系，才能起到判定效果，辅助方案的目的。

有些同学会说：不用这么麻烦，我直接问业务不就好了。问，是个很好的沟通习惯，但前提是我们自己有清晰的业务常识和判断力。不然光知道憨憨地直接问，如果运营自己很糊涂呢？如果运营很投机呢？如果运营会开头的手段忽悠大家呢？如果运营整包甩锅给数据：“我们没有人工智能大数据方法”所以运营能力不行呢？自己有基础认识，才不会被忽悠，在哪都一样。

小结

建立内容运营分析体系过程：

1、理解工作目标、流程

2、设立结果观察指标

3、设立评价标准

4、设立内容标签

5、评估内容传播/涨粉/转化效果

6、积累问题，积累有效标签

7、持续迭代，提升分析准确度

很多同学会说：我们公司的内容运营都自己写数据报告了，我不用参与那么多。是滴，这正是目前导致数据分析无法落地的重要原因。

要知道，作为一个用户，我们和企业打交道的第一关就是内容，传播话题不好，内容不吸引，就不可能有后续的转化了。数据分析师手不粘泥，不了解内容、不熟悉商品、不研究跳转流程、不关注用户反馈，吹着空调对着屏幕冥思苦想：体系、闭环、链路。最后就只能输出：要搞高哈。

有兴趣的话，本篇集齐60在看，下一篇我们分析产品运营的例子，敬请期待哦。

原创精选推荐：

数据归因模型，该如何搭建？
如何读懂数据含义？（通俗版）
写数据分析报告，建议部分憋到脸红？

对于“数据+标准”的分析思路，陈老师在《商业分析全攻略》视频课程中有详细讲解，购买课程，可加入学员群，获得陈老师一对一指导，点击左下方“阅读原文”了解课程。

扫描关注，更多超棒分析思路及职场经验分享