一个比较好的工作思路是：目的、目标、策略、计划和执行。每个环节都能或多或少的影响到最终结果，其中策略和执行是比较重要的2块内容，计划是对工作进度的把控，而目的和目标则是工作开始前，就得思考和确定的事情。

本篇我通过工作中的案例，来为大家解析运营工作目标的来源和制定方式，让大家认知到目标在工作中的价值，同时以合理的心态面对工作中的目标。

一、目标的作用

1、目标（百科解释）

目标是对活动预期结果的主观设想，是在头脑中形成的一种主观意识形态，也是活动的预期目的，为活动指明方向。具有维系组织各个方面关系构成系统组织方向核心的作用。通俗来讲就是，我们对结果的预估，比如新增800人，收入10万元，次留做到50%，都是目标。

2、目标的作用

形象来说，目标的作用就像灯塔，在大海中为我们指明方向。而在运营工作中，目标为我们做的工作的结果设定一个参考值，有了参考值，结果出来后，可以为自己工作进行打分，满分、及格或是不及格，可以通过目标来评判。若没有目标，无法评判结果好坏，工作起来会像风中摇曳的树枝一样，没有了方向。

3、目标的缺点

合理的目标能够激励员工发挥出最大价值，不合理的目标会降低员工工作积极性，目标的高低和员工的积极性呈倒U型走势，比如初创的公众号月新增目标定为1万粉丝，新媒体小编，会想尽各种办法和手段去实现；若目标定为100万粉丝，小编的思路就会被吐槽这个脑残老板给占据。

二、目标的来源

1、目标是层层拆分来的

创办企业的目的是盈利，盈利是最终的目标，根据这个目标，往下拆分，就会变成一个个的小目标，类似金字塔一样的结构。举个例子，比如我们公司年度目标是利润500万，拆分到月目标是41万。

为了完成每月利润41万，新增客户的目标要定在多少？每月的活动对收益的拉升要做到多少？为了提升客户活跃，版本优化的目标又是怎样的？从最初的大目标500万，到最终的小目标，一个版本的更新，目标就这样一层层的被拆分开来，分配到不同的岗位。

2、领导制定的目标不一定都合理

对于运营新人来讲，完不成目标会有种挫败感，怀疑自己能力，患得患失。实际上，很多公司领导制定的目标都是拍脑门想出来的，合理性可见一斑。

为了应对这个问题，我们通常会制定2个目标，公司目标和部门目标，公司目标是根据公司的总目标拆出来的，难度往往较高，并且很难完成。部门目标是根据实际数据，每月上涨10%~50%的目标，相对而言比较靠谱，也有完成的可能。

而且互联网公司的业绩受外部环境影响较大，环境恶劣时，100万的目标，可能10万都很难完成。环境适宜时，100万的目标，超额完成到1000万，都有可能。比如我之前在的项目月目标订的50万，踩对了移动广告的点，当月实际完成150万。

3、个人目标

从公司角度来讲，目标的制定是为了公司的长久运作下去，从个人角度来讲，个人目标也是需要制定的，这与公司无关，与个人成长有关，是需要关注的。像我做的“老虎讲运营”制定的就是个人目标，每周一篇原创运营文章。

个人目标与公司目标相辅相成，例如个人1个月内掌握渠道规则的目标，与公司渠道新增客户的目标挂钩，在完成公司目标的同时，完成个人目标。个人目标最常见是有限定时间内升职或者加薪，把这个目标与公司业绩目标挂钩，就很容易实现了。

三、不同运营模块的目标

1、数据运营的目标

数据运营是互联网公司都会有的一个岗位，游戏公司的数据运营相较于应用公司的数据运营要求要高一些，因为游戏的本质玩的就是数值。一个好的数值，可以带来收益的几倍增长，相反，一个差的数值，对游戏可以造成毁灭性的打击。之前有款被渠道评级为B+的游戏，就因为不断的优化数值，增加玩法，评级升到了A+。

上面讲的数值，偏向于策划，接下里我来讲下非策划的数据运营日常会定哪些目标。

（1）制定收益目标

与月目标不同的是，数据运营会把收益目标明细到天，即1号完成多少收益，2号完成多少收益…一直到月底，每一天的收益都要预估出来，如果预估出来与月收益误差很大，就需要通过运营手段来提升某一天的收益。

比如游戏的月目标是300万，日常平均收益是7万，还差90万的缺口，数据运营会与活动运营商讨，增加一些拉充值的活动，根据活动期间的数据预估，来判断做几个活动，将30日的收益预估总和与月目标拉平，就可以生成计划，做执行了。

（2）完善数据后台

目标不一定是数字，有效产出也可以划分到目标中去。数据运营还有个工作是协助搭建数据后台，提数据后台的需求，拆分成几个模块，规划好时间，用几个月时间将后台搭建完成。之所以数据运营来做这块，是因为他们对数据的需求较为强烈，需求的范围更广，比如页面的使用时长，在活动运营的眼里价值就不大了。

提升各个纬度的数据。这里的数据有转化率、留存、使用频次、使用时长、付费等等，各个纬度的数据提升，都可以制定成目标。这个目标一般是领导来定的，比如下面这个场景：数据运营汇报数据时，说产品内付费率1%，客户七日留存是5%。领导说，数据太低，最少翻倍，赶紧想办法，下个月要看到效果。于是数据运营有了目标：付费率提升到2%，七日留存提升到10%。

需要注意的时，数据运营要了解市场上的竞品数据，用自家产品与竞品比对，看是否有提升的空间。假如竞品的七日留存是5%，自己产品也是5%，就不必花太多时间在这上面，会得不偿失。

2、活动运营的目标

活动运营的目标基本上都是一大坑。活动的目的有拉新、促活、促充值这三块。拿拉新来讲，一般人的理解是想实现收益翻倍，最直接的方法是新增客户翻倍就可以了。于是制定出月新增客户翻倍的目标。活动运营需要想的是，配合渠道做活动，或者在线下做活动，来拉客户进来。实际操作中，我们发现。通过活动进来的客户质量远远低于正常进来的客户。

比如日常新增500客户，次日留存40%，做了活动，放了推荐位，新增客户每日涨到了3000，数据十分漂亮，但是第三天，看次日留存数据，只有10%不到，那种感觉，活动运营真想撞墙了。

（1）活动不一定能带来效果

这个我拿促活来举例，我们知道有个参数：ARPDAU（日活跃客户平均收益）这个数值是很稳定的，也就是日活客户上升，单日收益会随之上升，促活就成了活动运营的一大目标。于是我们就把日活数据提升30%做为了目标，开发了一个每日签到领取奖励的活动，活动上线后，数据并没有预期得到提升，复盘时，结论是功能使用没有问题，之所以无效果是奖励不够吸引人，送的是虚拟货币，而虚拟货币与实物兑换的功能还没有开发，客户没有签到的动力。原因是把客户想简单了，以为随便一个奖励，客户就会趋之若鹜。

（2）活动运营的目标从收益上来看，有时是无法衡量的

之前我负责某游戏论坛运营时，每周会举办一个活动，拉下论坛的活跃度，踩楼、答题、猜图，活动期间论坛的数据上升很明显，活跃度在整个论坛排名前5，但是从游戏本身的充值来看，毫无波澜，两者之间似乎没有多大关联性，会有种你做你的，我玩我的一种感觉。只是从心理上会觉得，长期来看，对游戏的充值是有帮助的，那么在制定目标时，活动的目标不要与充值关联，否则会让你很受伤。

3、客户运营的目标

客户运营的目标不像数据和活动，有具体的指标。客户运营的日常工作很大一块是客户反馈问题的收集和客户问题的解答。

如果说目标定为，每天收集10条客户反馈，那就不切实际了。客户运营的重点是做好本职工作，维护后客户与产品之间的关系，消除客户的不良体验。

细分一下，客户运营的社群运营目标是可以制定的。社群运营有QQ群、微信群和贴吧。创立初期，可以制定拉多少人的目标，贴吧还可以制定每天回多少帖子的目标，这些过于细致就不展开来讲了，根据自己的工作安排和公司大的目标来定就好。

我之前公司开周会时，谈到下周目标时，负责客户运营的同学，就简单说下下周的工作计划，没有目标，非要确定一个目标的话，就是让客户得到上帝一般的体验。那么问题来了，怎样的体验才算是上帝一样的体验呢？所以还是，不定目标的好。

以上对运营工作的目标做了简单的介绍，公司的产品不同，运营所做的事情也会有差异，目标的制定又会因公司而异。不论目标如何制定，运营同学记得一点即可，公司的大目标十分重要，但是更重要的是，自己的人生目标，期许的是什么？想要做的什么？什么时候能够实现？才是最最关键的，不然我们就变成了一个打工的机器。

什么是品牌营销推广思维？有什么方法和技巧可以做好品牌营销推广呢？今天，子午传媒小编简单和大家总结了10个品牌营销思维。

1、概念消费的机遇不可多得。我们已经处于市场主导性的社会之中，以往的传统品牌思路是引导和灌输给消费者自己的产品如何好，为什么我的产品价格要高于同行…这越来越成为一厢情愿。王婆卖瓜，自卖自夸的时代已经终结，取而代之的是即兴的消费冲动与从众潮流。

为什么？“当物质满足对大多数人来说已经是理所当然的时候，能给消费者带来无形的心理满足，品牌才能立足。”所以，品牌的“草根精神”在如今这个即兴时代的力量和效果要远远超过“精英意识”的力量和效果。

2、很多品牌老板太自恋于自己的“好”，殊不知就像男人女人一样，要的不只是“好”，而是“交流”和“懂我”，哪怕是你不太好也没关系——对于品牌商来说，你不能不交流。

3、内容创造和体系是不可或缺的，甚至“一两拨千斤”。今后的产品/品牌商，其实都应该首先是一家内容公司，策划公司和故事营销公司。我的观点是：一个品牌团队里没有内容高手，是称不上合适合格的市场品牌团队。“剧本”的无力，是品牌大忌。搞几场活动，不叫品牌营销。

4、“华丽的演出会为戏剧减分。”做品牌也是如此，不能花里胡哨的，首先自查自己的基本面——假设自己的自媒体都没人愿意看，凭什么说在做品牌？或者说，品牌的使命和“神话”不清晰甚至压根没有，一定是形成不了品牌资产的。

5、“造势”不如“借势”，“规模”不如“精致”，“创意”不如“策略”。产生客户的渴望感，是大境界。如何产生？场景，故事，视觉……

6、品牌的艺术化和仪式感是潮流。就连卖酒的，都讲求这两点了。产品不只是产品，比如酒不只是酒，咖啡不只是咖啡，漫咖啡不只是漫咖啡。

7、持续的品牌曝光是很必要的，这是一个炫耀的时代。做品牌，不能“三天打鱼两天晒网”，“小毛驴拉车没长劲儿”。

8、品牌需要进化的，这不是仅仅意味着产品的更新换代，而是市场营销的升级。我常常发现，还是一个老掉牙的团队在做新的品牌事情，怎么能做好呢？思维的固化是创新和进化的最大敌人。别指望旧团队能幡然醒悟，他们往往沉浸在过去的辉煌中。

9、做品牌是老板的事情，至少是主管副总的事情，但往往会力不所及。所以，无形中银子也白花了。我称之为品牌的隐性浪费。做品牌如高手过招儿，不对等的沟通和落地，一定是大打折扣的，甚至会形式主义。所以，品牌管家是有必要的设置。

10、与其做一个行业品牌，还不如做一个社会品牌。大势所趋，也是显而易见的秘密。

如何提高转化率？提高店铺的转化率有什么方法和技巧呢？如果你想提升转化率，可以通过以下5个技巧提升。

1、基础销量

所谓经济基础决定上层建筑，在淘宝里，宝贝的基础会影响宝贝的后期转化，这样一来就跟店铺整体营业额息息相关，赢在起跑线，让宝贝开始处于领先优势。

很多卖家做基础销量不会考虑产品能否带来良性发展，于是选择以下比较无脑的方式：

发链接、微淘、淘口令、淘宝客，在各个群、论坛、贴吧、百度SEO，甚至找朋友；

这个方式累且效果甚微。

上面我提到，“是否能带来良性发展”，才是做基础销量的核心，关键在于积累关键词的权重：

我建议将自身的朋友、同学、亲戚，甚至是他们的身边资源，整合起来，看看自己能调动多少；再来规划产品后续的增长情况。

这里得符合几个标准点：

当买家通过搜索某个关键词时，看到了你的产品，产生点击，甚至是收藏、加购，这个关键词产生一定的“人气权重”。

当买家通过某个关键词提交订单付款了。就会给你这个关键词产生“销售额权重”。

当你的买家下单，确认收货五星好评之后，就会产生了相关的“服务权重”。

如果曾经没有增涨过相似产品的账号，强制性打标一下。参考生意参谋关键词查找，找不到关键词就延伸属性。

最后要注意层级的爬坡，每个店铺的成长速度都是有个模型的，不是今天s多少、明天s多少，都回到以上我讲到的匹配、符合“标准”。

2、主图差异化

主图的主要作用是点击率，因为碎片化趋势，时间碎片、行为碎片、消费者耐心减少，所以主图承担了不小比例的转化职能。那么，在主图设计的时候，你就应该把消费者想看到的信息尽可能的展示出来。

这个是要看产品所面对的人群的，不同的消费者增涨商品时，他们想看到的东西一定是不一样的。

比如同样是T恤，如果是19.9包邮的T恤，

消费者想看到的就是这个东西的上身效果，所以主图主要展示模特的上身效果。

但如果是国外大牌的T恤呢？

消费者想看到的就是正品承诺，如果是假货怎么办！所以你就应该有一张主图，说假一赔十。

3、详情页的价值塑造

详情页影响着转化率，如果你在前三屏不能吸引消费者，现在这样方便的互联网时代，消费者可以迅速的关掉你，然后打开其他的商品。

前三屏到底放什么，没有一定之规，但是有一点可以确定：

必须跟运营重心，跟产品卖点紧密结合在一起。

不要看别人设计什么，你就设计什么，你得看你所面对的消费者，想看到什么。你的一款连衣裙，主打收腰的效果。

消费者也是搜索相关的关键词进来的，那么你的详情页设计前三屏，毫无疑问，一定要把漂亮的收腰效果展现出来。

4、消除顾客疑虑

很多顾客迟迟不下单，很大程度上是因为他们怕自己买的东西吃亏了，或者不好用。

虽然现在有7天无理由退换货，但是还是麻烦，并且无理由退换货其实也是有条件的。

比如你买了一个化妆品，不好用，你还能退么？只要不是假的，肯定没戏。

你买的大米，你觉得不好吃，你还能退么？

所以，怎么去降低这种购物风险，从消费者的角度出发，就成为了一个非常重要的课题。

在这里给大家提供一个比较有效的解决方法，但是这个方案建立的基础就是你需要对你自己的产品是足够自信的。

我们拿大米举例：

做好一些小包装，里面放上100g就差不多，够做一顿饭或者熬一顿粥了。你在详情页第一屏，放上海报：

大米不好吃，全额退款。

然后你随着正式售卖的商品，把赠品赠送过去，告诉顾客收到大米的时候，先吃赠品，如果赠品不好吃，把售卖品寄回，然后全额退款。注明：售卖品破损不可退！

这样就打消了消费者的购物疑虑，一旦大米他真的不喜欢，也是完整的退回售卖品，店家遭受的损失会很小。但是转化率大幅度提升了。

你不用担心会有很多人白吃你一份赠品，然后把东西退回来。除非你的产品确实非常的差。

5、设置价格“小陷阱”

这个陷阱不是骗顾客，而是让顾客觉得自己占到了便宜。我们在这里给大家举个小例子：

比如你卖牛肉干，有500g包装的，还有1000g包装的。

500g包装的你准备卖65g，那么1000g包装的卖多少钱？理论上来说，肯定应该比两个500g便宜才对是吧！

不，你把1000g包装的价格设置成138g，也就是1000g的大包装反而比两个500g的小包装价格要贵。

换句话来说，这个设置一定要是个人就能看出来。

那么大家会想，这个消费者肯定会买500g的，不买1000g的啊，如果想买1000g，干脆买两个500g不就行了。这样设置有什么意义呢？

还有，你再设计一个活动：

全场满135元赠送价值XX元的XX东西，这个东西一定要好，要能吸引消费者。

这回看出猫腻了么？

消费者如果想得到这个东西，买两个500G包装的，不够135，买一个1000G包装的，虽然够了，但是不合适，如果他想得到赠品，只能买3个500g包装的。

转化率在提升的同时，你的客单价还相应的提升了！

大数据营销分析师，无疑是在大数据时代受到格外重视的一个岗位，尤其是具备专业技能以及行业经验的大数据分析人才，无疑是企业竞相争抢的“香饽饽”。而随着大数据行业的进一步发展，人才需求增加，大数据分析师培训也多了起来。那么大数据分析师培训完是干嘛的？主要工作做什么呢？

大数据分析师，随着企业对数据价值的重视，也越发地得到重视，而大数据分析师的日常工作，首先就可以总结为挖掘海量数据当中的价值信息。

做大数据分析，往往涉及到几个环节：数据获取、数据存取、数据预处理、数据建模与分析、数据可视化。

1、数据采集

数据采集的意义在于真正了解数据的原始面貌，包括数据产生的时间、条件、格式、内容、长度、限制条件等。这会帮助大数据分析师更有针对性的控制数据生产和采集过程，避免由于违反数据采集规则导致的数据问题；同时，对数据采集逻辑的认识增加了数据分析师对数据的理解程度，尤其是数据中的异常变化。

2、数据存取

数据存取分为存储和提取两个部分。

数据存储，大数据分析师需要了解数据存储内部的工作机制和流程，最核心在于，知道原始数据基础上需要经过哪些加工处理，最后得到了怎样的数据。

数据提取，大数据分析师首先需要具备数据提取能力。第一层是从单张数据库中按条件提取数据的能力；第二层是掌握跨库表提取数据的能力；第三层是优化SQL语句，通过优化嵌套、筛选的逻辑层次和遍历次数等，减少个人时间浪费和系统资源消耗。

3、数据挖掘

在这个阶段，大数据分析师要掌握，一是数据挖掘、统计学、数学基本原理和常识；二是熟练使用一门数据挖掘工具，Python或R都是可选项；三是需要了解常用的数据挖掘算法以及每种算法的应用场景和优劣差异点。

4、数据分析

数据分析相对于数据挖掘而言，更多的是偏向业务应用和解读，当数据挖掘算法得出结论后，如何解释算法在结果、可信度、显著程度等方面对于业务的实际意义。

5、数据可视化

这部分，大数据分析师除遵循各公司统一规范原则外，具体形式还要根据实际需求和场景而定。数据可视化永远辅助于数据内容，有价值的数据报告才是关键。

关于大数据分析师培训完是干嘛的，主要工作做什么，以上就是简单的内容介绍了。大数据分析师正在企业当中获得越来越多的重视，学习专业技能，掌握专业技能，才能站稳脚跟。

客户画像是什么？客户画像的标签类型有哪些？这些客户画像的类型有什么作用呢？今天，子午传媒小编简答和大家介绍下。

一、客户画像是什么

客户画像，即客户信息标签化，通过收集客户的社会属性、消费习惯、偏好特征等各个维度的数据，进而对客户或者产品特征属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出客户的信息全貌。

客户画像可看作企业应用大数据的根基，是定向广告投放与个性化推荐的前置条件，为数据驱动运营奠定了基础。由此看来，如何从海量数据中挖掘出有价值的信息越发重要。

大数据已经兴起多年，其对于互联网公司的应用来说已经如水、电、空气对于人们的生活一样，成为不可或缺的重要组成部分。从基础设施建设到应用层面，主要有数据平台搭建及运维管理、数据仓库开发、上层应用的统计分析、报表生成及可视化、客户画像建模、个性化推荐与精准营销等应用方向。

很多公司在大数据基础建设上投入很多，也做了不少报表，但业务部门觉得大数据和传统报表没什么区别，也没能体会大数据对业务有什么帮助和价值，究其原因，其实是“数据静止在数据仓库，是死的”。

而客户画像可以帮助大数据“走出”数据仓库，针对客户进行个性化推荐、精准营销、个性化服务等多样化服务，是大数据落地应用的一个重要方向。

二、客户画像的3种标签类型

客户画像建模其实就是对客户“打标签”，从对客户打标签的方式来看，一般分为3种类型：①统计类标签；②规则类标签；③机器学习挖掘类标签。

下面我们介绍这3种类型的标签的区别：

1.统计类标签

这类标签是最为基础也最为常见的标签类型，例如，对于某个客户来说，其性别、年龄、城市、星座、近7日活跃时长、近7日活跃天数、近7日活跃次数等字段可以从客户注册数据、客户访问、消费数据中统计得出。该类标签构成了客户画像的基础。

2.规则类标签

该类标签基于客户行为及确定的规则产生。例如，对平台上“消费活跃”客户这一口径的定义为“近30天交易次数≥2”。在实际开发画像的过程中，由于运营人员对业务更为熟悉，而数据人员对数据的结构、分布、特征更为熟悉，因此规则类标签的规则由运营人员和数据人员共同协商确定；

3.机器学习挖掘类标签

该类标签通过机器学习挖掘产生，用于对客户的某些属性或某些行为进行预测判断。例如，根据一个客户的行为习惯判断该客户是男性还是女性、根据一个客户的消费习惯判断其对某商品的偏好程度。该类标签需要通过算法挖掘产生。

在项目工程实践中，一般统计类和规则类的标签即可以满足应用需求，在开发中占有较大比例。机器学习挖掘类标签多用于预测场景，如判断客户性别、客户增涨商品偏好、客户流失意向等。一般地，机器学习标签开发周期较长，开发成本较高，因此其开发所占比例较小。

三、客户画像8大系统模块及解决方案

搭建一套客户画像方案整体来说需要考虑8个模块的建设。

1、客户画像基础：需要了解、明确客户画像是什么，包含哪些模块，数据仓库架构是什么样子，开发流程，表结构设计，ETL设计等。这些都是框架，大方向的规划，只有明确了方向后续才能做好项目的排期和人员投入预算。这对于评估每个开发阶段重要指标和关键产出非常重要。

2、数据指标体系：根据业务线梳理，包括客户属性、客户行为、客户消费、风险控制等维度的指标体系。

3、标签数据存储：标签相关数据可存储在Hive、MySQL、HBase、Elasticsearch等数据库中，不同存储方式适用于不同的应用场景。

4、标签数据开发：客户画像工程化的重点模块，包含统计类、规则类、挖掘类、流式计算类标签的开发，以及人群计算功能的开发，打通画像数据和各业务系统之间的通路，提供接口服务等开发内容。

5、开发性能调优：标签加工、人群计算等脚本上线调度后，为了缩短调度时间、保障数据的稳定性等，需要对开发的脚本进行迭代重构、调优。

6、作业流程调度：标签加工、人群计算、同步数据到业务系统、数据监控预警等脚本开发完成后，需要调度工具把整套流程调度起来。

7、客户画像产品化：为了能让客户数据更好地服务于业务方，需要以产品化的形态应用在业务上。产品化的模块主要包括标签视图、客户标签查询、客户分群、透视分析等。

8、客户画像应用：画像的应用场景包括客户特征分析、短信、邮件、站内信、Push消息的精准推送、客服针对客户的不同话术、针对高价值客户的极速退货退款等VIP服务应用。

四、一款客户画像产品是什么样的？

开发画像后的标签数据，如果只是“躺在”数据仓库中，并不能发挥更大的业务价值。只有将画像数据产品化后才能更方便业务方的使用。这里简要介绍客户画像产品化后，主要可能涵盖到的功能模块，以及这些功能模块的应用场景。

画像产品按常见的功能来看，主要包括标签视图与即时查询，客户分群，客户人群透视分析，对客户从事件、留存、漏斗、分布等多维度展开的深入交互式分析等模块。下面详细介绍画像的产品形态。

1.标签视图与查询

标签视图与查询功能主要面向业务人员使用，在标签查询模块中，通过输入客户对应的userid或cookieid，可以查看该客户的属性信息、行为信息、风控属性等多维度的信息，从多方位了解一个客户的特征。

2.客户人群功能

客户人群功能主要面向业务人员使用。产品经理、运营、客服等业务人员在应用标签时，可能不仅仅只查看某一个标签对应的人群情况，更多地可能需要组合多个标签来满足其在业务上对人群的定义。

很多人可能不知道，「行为分析」四个字的分量已经代表了近两年一些高速成长的公司对数据分析需求的精细化程度，同时，它也催生出了新一代的数据分析工具和分析方法。

过去，所有人都在关注PV、UV、跳出率、访问深度、停留时长，还有很多人始终放不下的热力图等，总体来说，这些指标都属于统计指标，反映的都是产品总体情况，数据的价值除了反映现状，还有更重要的是应用。统计是数据汇总整理的结果，没有分析，怎能拿来指导业务增长呢?

当然，可能指导过。比如一款阅读产品，通过文章详情页的停留时长可以判断客户对文章的喜好程度，但是，他可能在滑动屏幕看文章、可能在评论区输入一段评论，当然，也可能没看文章却登录了诸葛io的官网看当天的实时数据。所以比起客户在该页面所花时间的汇总，客户是否是在看文章还是在评论以及评论的内容是什么对我们更有指导意义。

技术在发展，时代在召唤，所以，行为分析，你需要了解并且知道如何应用。

一、什么是客户行为分析

一口气说：基于客户在互联网产品上的行为以及行为背后的人发生的时间频次等维度深度还原客户使用场景并且可以指导业务增长。

慢点说：对客户模型做关键补充。通过行为数据的补充，构建出精细、完整的客户画像。传统统计工具的数据背后没有人，所以也谈不上客户模型（画像），一个完整、多维、精确的客户画像=客户行为数据+客户属性数据。

比如要做好积分商城运营，就需要基于企业核心业务场景搭建会员互动积分商城系统，根据行业场景，还需要有完善的积分商城建设方案，提供符合人群特征的丰富商品、便捷的兑换、快捷的物流、完善的售后，还需具备创意化营销策略，通过积分培养客户习惯，以此提高会员活跃度，增加客户黏性，提升企业形象。

二、客户行为分析在应用中的价值

关于影响数据结果和判断的三个维度：

1.product-market fit（PMF:产品-市场契合点）

意思是产品符合市场需求。比如你做了个社区电商平台，拿一个demo产品投向市场，可能这个阶段不会看有多少收入，而是看来了多少人，有多少人看了商品链接，有多少人真正支付了，这个阶段客户的认可可能对你是否决定做这个项目、判断这个项目是否有市场更有决定性因素；

2.客户来源

这点是说客户质量。所有的产品核心人群都不是面向所有人的（至少一开始不是），一定有他的核心人群，所以客户来源渠道的质量就决定了数据结果的好坏，可能会影响你对项目、对产品的判断和决策；

3.产品本身

第三点落脚到产品上了。产品承载着你的商业模式，产品本身的功能设计、客户体验、迭代以及运营策略等都会影响数据、影响留存、影响项目的生死。

基于以上理解，我们看行为分析的重要性，基于行为分析，需要让CEO对产品所切入的市场判断更准确，让市场推广人员精细化评估渠道质量，让产品设计人员准确评估客户行为路径转化、产品改版优良、某一新功能对产品的影响几何，让运营人员做精准营销并且评估营销结果等。

所以，价值在哪儿呢？罗列4点

1、自定义留存分析

从前：我们通常会认定一个客户只要打开APP就算当天的一个活跃客户，今天新增的客户只要明天启动一次APP就认为是一个留存客户；

现在：基于客户行为，我们可以做精细化留存评估。根据产品特性自定义客户留存，比如一个阅读类产品，客户打开APP后有没有去浏览或是查看一篇文章，我们可以把今天来了查看了至少一篇文章的客户算作今天的一个活跃；

意义：留存是反映任何一款产品健康度的高级指标，无论是运营好坏、产品功能设计如何，最终都可以通过留存衡量整体的情况，贴合产品业务本身去衡量留存，精细化评估产品健康度，让留存数据更有价值和指导意义。打个比方，比如像麦乐积分网站支持手机积分商城，pc免费积分商城，app积分商城，注册即可使用。标准积分商城api接口对接客户积分系统，简单配置页面即可上线，助力企业客户低成本运营管理。

2、精细化渠道质量评估

从前：流量时代，评估渠道带来了多少访问人数，注册人数。

现在：人口红利期已过，产品推广渠道在增多，产品越来越垂直，加上同质化竞争直接导致获客成本变高，无论从市场执行人员的角度还是公司角度，都在评估ROI，除了看流量，更需要看质量。如何评估质量，需要基于客户行为并且贴合业务去评估，一款理财产品，通过不同渠道带来的客户，真正查看了理财产品详情的有多少，真正投资成功的又有多少，哪个渠道客户又有邀请行为，最后留存最高的是哪个渠道，再结合渠道投入，计算ROI。

意义：降低渠道成本，提升渠道转化。

3、产品分析（路径转化/漏斗分析、找到产品改进关键点、找到促进核心转化的相关因素、Aha moment等

路径转化/漏斗分析：关注核心转化，比如注册转化、增涨转化，从而优化流失节点，优化行为路径设计

找到产品改进关键点：用数据量化产品核心功能，让产品迭代排期更科学，部门配合更高效

找到促进核心转化的相关因素：挖掘促进客户触发核心行为的关键行为，比如可促进客户实现增涨的某些因素，找到相关行为做优化或运营激励

Aha moment（惊艳一刻）：快速执行，超出客户预期，让产品指数级增长。

4、精准营销（客户分群、客户分层、活动质量评估）

从前：面向所有客户或者基于客户属性维度做营销、做服务。属性包括：注册账号、手机号、性别、年龄、地域、积分和一些标签。

现在：属性+行为，无限接近真实客户。通过客户点击查看商品详情、搜索行为、点击关注某款理财产品的关注按钮、增涨了个东西等等这些行为以及行为触发的人、时间、频次知道客户最近在关注什么、对哪一类商品感兴趣、对哪一类文章感兴趣、哪种理财偏好。

意义：用行为维度和属性维度共同去定位客户在产品的生命周期以及真实生活场景中的角色。营销更精准，客户体验更佳。