引言

信息大爆炸時代，用戶每天都在從各種不同的渠道接收海量信息。雖然信息的數量級比以往更加巨大，但是信息的“碎片化”特征也愈加明顯。用戶在超載的信息中被分散注意力，也無法有效地從中獲取到自己關注的和需要的有效信息。

某文娛企業 A 是一款基于興趣的信息推送提醒工具，用戶可以通過平臺關注自己感興趣的人物、資訊和事件，平臺會跟蹤相應的動態，并通過推送通知讓用戶及時獲取自己關心的信息。

為讓用戶更高效獲取信息，擁有更好的閱讀體驗，該文娛企業 A 選擇與大數據分析平臺服務提供商神策數據強強聯合，打造精細化運營體系提高用戶轉化和留存。本文主要圍繞文娛企業 A 為例，分享文娛類媒體數字化運營的前沿實踐。

注：本文數據均為虛擬。

一、數據驅動第一步：有完善的數據獲取和分析體系

數字化運營和精細化運營和前提是“有數據”，所以建立完善的報表體系對于文娛類媒體的重要性不言而喻。報表可以清晰地、動態地展示數據，也方便工作人員查看數據和維護數據，靈活支撐業務的開展。

（1）術業有專攻

面對報表龐大的數量級，該文娛企業 A 堅持“術業有專攻”的原則，合理分工安排報表的建立維護和使用。

• 老板：每天 1-2 次查看發送到郵箱的自動概覽和分析師發出的報表；對報表提出修改建議，或調整指標內容。

• PM、運營：查看分析師部門為其配置的概覽，獲取需要的數據和信息；核心指標的查看與簡單分析；負責的業務領域常規指標的查看；負責業務的基礎數據分析，如核心功能使用情況、頁面 PV/UV。

• 研發：排查問題。大多是技術部門的同事使用，遇到問題就不需要再去查巨大繁瑣的 log，在神策分析上就可以清晰地查看；二次開發與利用。訂閱神策 Kafka 中的數據，實時推流到自己的推薦系統，實現產品內部的個性化推薦模塊；調用神策查詢 API，聯合內部內容數據向內部平臺輸出數據報表和簡易查詢。

• 分析師：搭載神策分析，使用各種分析功能，為運營、市場等部門配置概覽。其中，該平臺的分析師有 80% 在使用神策的事件分析、漏斗分析這樣的基礎分析功能；20% 在使用其他的進階功能如用戶分群、分布分析等。

（2）完善的報表體系

文娛企業 A 圍繞兩個關鍵詞“用戶”和“產品”，構建了報表體系的兩大分支：日常報表，屬于復盤型報表，圍繞用戶展開；專題性報表，屬于分析型報表，主要和產品碰撞。

日常性報表，包含 4 種不同類型：

• 整體業務報表：一個總體性的分析。該報表包含了用戶的一些核心指標，例如 OMTM，整體日活、訪問時長、用戶留存。還包括一些用戶行為數據，例如核心行為的發生量、發生率、行為留存、發生頻次等。

• 新用戶報表：對用戶獲取和運營的一些分析。用戶獲取的兩大關鍵數據：新用戶核心指標，包括新增、留存、使用時長、啟動次數等基礎指標，以及新用戶 OMTM 參與度和其它核心指標行為；渠道相關數據，包含投放素材變現，如瀏覽量、CTR、激活率、留存以及渠道用戶 App 內行為，如啟動、訂閱、內容消費、內容生產等。該報表還提供新用戶活動數據，包含運營位數據，如 CTR、活動參與深度；以及活動用戶后續留存和行為追蹤。

• 分析師內部腦洞型報表：分析師自行去分析用戶行為數據，挖掘其中的一些有效信息，并討論后產出有價值的報告。

• 異動分析報表：日活、留存、新增等數據發生異動時，通過細分探尋原因；如果判斷是正常情況會相應改變一些策略，如日活正常偏高，就選擇進行一些運營活動。

專題性報告主要有兩個功能，一是，對產品功能、改版進行復盤；二是可以給產品經理提供效果數據，更好地進行產品迭代。所以，每一份專題性報告都是分析師和產品經理的一次碰撞。該平臺的專題性報告的產出流程大致如下：

1、在每一次產品改進進行時，產品經理都會和分析師充分溝通本次改版的方向和目的；

2、在新功能或新版本上線后， 分析師會在第一時間（1-2天內）給產品經理們搭建新版本；

3、報表，來反饋改進效果（主要包含新版本覆蓋情況、新功能使用情況和新優化的數據表現；整體表現數據如留存、轉化；具體功能的使用人數、使用率、使用留存等）；

4、在 1-2 周內，給出 3-4 份詳細的分析報告，進一步分析用戶對新功能或新版本的反饋，并試圖挖掘其中的原因；

5、前面的部分數據主要是作為后驗的工具，另外，分析師們也會自己在數據中挖掘一些信息，并證明其有效性，分享給產品經理，推動其解決這些問題。

至此，一個完整有效的報表體系就建立起來了，文娛企業 A 也成功搭建起數據驅動的基礎。

二、建立三大數據機制

文娛企業 A 圍繞用戶轉化和留存、產品體驗和用戶體驗、個性化推薦三大核心點，建立了數據驅動三大機制，有效優化了產品體驗，實現了精準觸達，提高了用戶留存。

（1）放大易轉化的高留存行為

第一個數據驅動機制主要指精耕高留存的用戶行為，并選擇其中比較容易擴大使用者面積的幾個，在產品功能層面放大，讓更多用戶看到并發生轉化，從而提升留存。因為產品在改進期間會同時發生很多其他改進，也會有各種不同的市場、運營活動，所以無法單純用留存指標來評估和驗證方案改進效果。因此，評估最終效果時，首先評估該功能的使用人群和占比是否有效提升，有則認為改進有效。

場景一：內容產品的“ Aha Moment ”

文娛企業 A 的核心功能就是內容的分發，用戶絕大多數的使用時間都在瀏覽關注和推薦頁的內容和評論。所以平臺根據用戶使用這兩個模塊的門檻和深淺將用戶行為分為四類：路人行為（如瀏覽帖子），圍觀行為（點擊并查看評論），普通參與行為（點贊，轉發），深度參與行為（發布評論）。

借助神策分析的留存分析功能，文娛企業 A 發現行為深度越深，用戶的留存越高。因此平臺方提出了兩個優化策略：

• 擴大「參與行為」使用者面積

• 擴大「 圍觀行為 」使用者面積

但由于參與行為的門檻過高，擴大發生參與行為的用戶的規模的門檻過高，落地性較弱。因此，選擇圍觀行為，通過放大其面積來提升用戶的全站留存，為此運營人員在產品信息流列表頁露出一條熱評，一方面讓更多的用戶看到最精彩的評論，一方面更有力的引導用戶點擊查看更多評論。

新增熱評功能后，該平臺成功將閱讀評論的用戶比例提升，并提高了全站留存。使用人數和使用占比的提升如圖。

（2）放大有效改進點

發現有效的改進點，并在各個使用場景中進行放大，能起到事半功倍的效果。

場景 2：大膽的復用優秀的經驗

在場景 1 中，熱評功能已經得到驗證，所以該平臺考慮將其應用到落地頁中。此前，用戶將內容分享出去后，落地頁主要包括兩部分：主貼內容的展示和相關的帖子推薦。

平臺方的優化方案是：主貼內容和推薦中間，加入大量熱評。這樣產品的信息流更加豐富，也便新用戶快速了解產品形態，pick 到產品的核心價值和吸引力。在復用熱評功能，改進了落地頁之后，用戶的下載激活率顯著提升，如下圖：

（3）用戶標簽和用戶分群實現精準觸達

該平臺依靠數據，結合神策用戶畫像和神策智能運營，將適合的內容推給適合的用戶。神策的用戶分群功能極大的降低了精準運營的門檻，使運營同學自己就可以使用神策實現自己的腦洞。同時建立好的分群標簽，也可以用來觀察用戶的后續反饋，等于是為運營同學開啟了上帝模式。

場景 3：有的放矢的精細化運營

該平臺將自己的業務后臺與神策分析打通，將平臺的數據實時接入和反饋到神策 PaaS 平臺中。再整合各類數據，結合神策的用戶畫像產品，輸出用戶標簽和用戶分群指標，助力該平臺實現精準觸達和精細化運營。

同時，平臺方的運營人員可以在后臺根據需要隨時對發現頁和推薦頁的 Banner 位進行個性化配置，在配置時也可以直接選取在神策上配置的某個用戶分群，這些 Banner 就只對這個用戶群里中的人可見。

舉個例子，企業 A 的運營人員根據用戶的行為特征和偏好，將用戶分為普通用戶、資深用戶、主題達人等，并給不同的人群展示不同內容和推送個性化的消息，如給美食類的主題達人推送相關美食的話題，引導其參與互動等。

場景 4：實時推薦

神策與文娛企業 A 在此場景中欲實現的目標是：提升 CTR、消費量等核心指標。

要提高用戶的核心指標，關鍵還是要促成用戶進行更多的點贊、轉發和評論行為。因此，文娛企業 A 訂閱了神策 Kafka 中的實時數據。基于公司的業務需求，神策根據用戶行為行為數據，如訂閱、瀏覽、點贊、評論等行為建立了算法模型，實現基于實時數據的個性化推薦，應用在信息流內容推薦，關注推薦。

在優化完成后，有效的提升了 CTR 和付費內容的消費量。

場景 5：流失用戶召回

文娛企業 A 結合神策分析，追蹤用戶渠道來源，分析用戶留存、轉化、流失等指標，不斷調整渠道拉新策略。同時，根據追蹤進入平臺用戶的用戶行為和用戶興趣數據，對用戶進行分群運營。針對從神策分析出的流失用戶/低頻用戶，制定個性化的推送內容，例如 App Push，發送短信、限時活動等用戶召回方式。

最后，結合神策上記錄的用戶渠道、用戶在 App 內積累的行為與興趣，算法生成多套推送文案與推送內容，進行 A/B Test。再將 A/B Test 同步記錄到神策上，對比各組召回轉化率，實時調整召回方案。

明確運營目標：對流失用戶進行召回運營；制定合理策略：基于用戶數據的個性化推薦；驗證分析活動效果。這一完整的運營活動流程，讓用戶運營實現了有效的精準觸達、精準營銷。

如今，該文娛企業A已經實現了基于內容和用戶偏好的精準匹配，讓用戶在輕松愉快的氛圍下，獲取有效信息。

點擊“閱讀原文”，體驗文娛行業 demo，更多精彩等你發現！

???

【更多內容】

• 免費下載 |《從 0 到 1 打造企業數字化運營閉環白皮書》首發，先收藏！
  

• 神策數據王乾：微信生態與小程序發展趨勢洞察
  

• CEO 贈書 | 改變世界的 Ta 們做對了什么？
  

▼點擊“閱讀原文”，免費體驗文娛行業 demo
（pc 端體驗效果更好喲~）

總結

以上是生活随笔為你收集整理的三大数据驱动机制，助力文娱企业打造高留存、高转化增长闭环的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。