从2014年从事点对点行业到目前，已有3年多时间了。习惯在年末年初对自己一年来的学习、工作、生活等方面做一些概括，以前的概括都比较零散，目前想逐步的从框架到细则逐步去做一些概括。
我在点对点行业总共待过3个平台，所负责的工作内容从推广到运营，从运营到商品，从商品再回到运营。在点对点平台的运营过程中，发现对于运营数据的挖掘解析，其实可以做到非常细致。目前我就用数据运营的角度，从办法论去分解点对点平台的数据运营，从而构建一个完整的数据运营体系。
为何要做数据运营
做数据运营，是为了精确的解析拥有某些特点的用户，甚至于某个用户在平台上的所有操作行为，研究解析其操作行为并做出行为预判，调整针对性的运营方案，从而做到精细化运营的目的。
数据运营的分解步骤
如下图，我将数据运营的步骤进行了如下分解，然后根据这8个分解步骤进行逐一解说。
生意步骤
点对点的生意步骤，这个不了解的就妄为点对点从业职员了。
运营步骤
基础运营步骤，即用户的操作步骤，各家平台大同小异，主要的差异化是每一个平台在对于用户操作的功能设计不一样，或者数据获得的出处不一样。在这里大家把简要的用户操作步骤进行分解。
原则上来讲，大家做运营就需要用户在平台上所有些操作记录。通俗的来讲，就是什么人什么时间在什么地方做了哪些事，而这个事又是什么？因此大家第一第一步是根据分解步骤去获得用户的操作记录，这是最原始最基础的数据需要。
步骤需要
除基础数据需要外，整个运营步骤中对应的部门和岗位到底产生了那些工作需要？这就是大家需要分析的，那样在一般的平台构造上，运营部门可以大致分为如下7个部门，并在其中涉及到的基础框架需要列出来。
而关于前面的步骤需要里，提到的一些数据需要，在这里再做一些数据简述，请看下表：
关于步骤需要，就不再一个个去列举了。上面只不过做了一些基础框架需要的列举，在框架下可以细化出来的数据模型太多。
用户分级
对用户在运营体系里不一样的状况进行分级概念，主要可以根据上面提到的用户状况进行分级。
观察/注册/开户/充值/资金投入/复投/回款/续投/提现/找回
当大家将用户进行分级后，从分级状况里提取状况进行图表化统计，可以得到一个用户生命周期的模型。我提取了一个数据样例，做了一个数据图，如下图：
从上图示例数据看到，我将用户的生命周期暂定为90天，这也是我现在对点对点平台的新用户的概念（注册时间90天内是新用户），以此来进行用户生命周期的解析。图表所示，我将Y/X轴分为了资金轴和时间轴，自用户注册时起，便有了如此的数据，将数据导入软件后得到如图。
从示例图的数据我得到如下结论：
用户从注册时间起，到首次充值时间截止。用户大约决策了10天。用户从首次充值时间起，到首次资金投入时间截止，用户大约决策了5天。用户自首次回款开始，参照时间顺序，分别进行了提现操作和续投操作。标明用户对于平台提现时效进行了体验操作，再进行了续投操作。用户的充值、资金投入决策时间（时间轴）间隔越短，对应的资金越高，则代表用户对于正在逐步进入沉淀期。
相应用户的决策行为受外部很多原因影响，比方说：品牌事件、营销推广活动、客服回访开发等。
方案调整
提取用户分级后的数据，解析后对运营方案进行调整。
在这里列举两个容易见到的数据运用进行说明：
1.在泛用户流量推广途径上，怎么分辨解析在肯定同等的条件下，哪些新用户相对愈加拥有开发价值。
用户决策困难程度越高，则开发价值越大。举例来讲，注册的操作步骤较为简单，而实名开通银行存管账户的操作就要难非常多，并且要填写自己的身份证号码、银行卡信息这些高度隐私的信息，对于用户来讲就有非常大的决策困难程度，再往后就是首充及首投。注册到开户的决策时间，注册或开户到首充首投的决策时间。在没高精准的反欺诈（用户的坎肩小号）功能前，这两类决策时间越短的用户，非常大概率是受到营销推广活动引导、途径定向销售成本活动引导而进行决策操作的。那样相对而言，这两类决策时间越长，则越表明用户肯定的真实性、对平台有肯定的观察期，慎重分析过后才进行决策操作的。在销售成本推广的途径上，以肯定的奖励回报引导而来的用户，大多数转化用户的首投金额是来自于销售成本推广途径的活动门槛的。若该途径出处用户的首投金额＞途径活动门槛，则表明这些用户相对愈加拥有开发价值。除此以外，首投金额及期限越高，则越拥有开发价值。用户在进入沉淀期之前，有肯定的试投体验期。这个期间的决策时间跨度间，未回款复投的用户，要比回款续投的用户愈加拥有开发价值。除此以外，复投及续投金额及期限越高，则越拥有开发价值。用户零待收，且经过公式推算用户的存管账户余额可能也为零的首要条件下，依然产生登录、访问行为的用户相对愈加拥有开发价值。且访问频次及浏览时间越高则用户相对更拥有开发价值。
那样在从多方面获得到的数据信息里，逐步解析相对愈加拥有开发价值的用户。从而调整客服部门，推广部门的工作针对群体及方案。
2.非活动期间及活动期间，在排除没其他外部原因影响的首要条件下，不一样资金投入能力的用户，回款资金到达哪种预期值才会让用户进行提现或续投的决策操作。
如图数据样例所示，用户连续15天回款，天天回款金额平均到达≥759.9元就会进行回款续投操作，最低一次回款续投操作在累计回款达518.17元时实行。因此大家由数据可初步判断该用户的回款续投决策，决策预期值需要回款资金≥518.17元才会实行操作。
用户回款中有一笔973.76元的回款资金，同天进行了充值50元的操作，才进行的资金投入操作。这是一个非常奇怪的行为，这个行为就像大家很大一部分人有一个凑整心理。关于凑整心理在一些电子商务的营销推广手法里容易见到，若有对行为心理学有研究朋友欢迎给一些关于“凑整”心理的资料。
下面大家依据数据做出如下假设性的问题，供大伙参考。
第一看下图：
在这里假定用户资金投入能力层级分别定为5个等级（具体如上），那样前面举例的用户在资金投入能力为小的级别上。根据数据模型解析全部用户，大家可能会发现不一样级别的用户在进行续投决策时，他们的决策预期值就可以大概推算出来，这个推算出来的数据，是否就可以更精确的用于客服部门对顾客进行跟踪回访呢？同理对于用户在提现行为决策时，对于不一样层级的用户来讲，回款资金到达哪种决策预期值，用户会实行提现操作呢？每一个用户在平台的资金投入总额（俗称仓）是不是可以通过数据模型，解析用于对平台综合能力的考量，用户对在平台建仓的心理预期在哪种范围值之内？
以上问题就交给数据量较大，且拥有肯定技术能力解决数据获得的平台运营朋友去论证吧。
引导用途
每个运营环节（即用户分级引导的环节）从内容、交互、视觉方面进行引导，观察引导用途。
这个方面的数据，大致为页面访问数据（访问数目、重复访问、访问深度）、信息到达数据、转化数据（激活、唤醒、转化）等。基本上适用于：客服部门、推广部门、运营部门。详细适用于：活动策划岗、文案岗、商品岗、设计岗。
多维权衡
从每次调整的运营方案里，挖掘多维的深度数据，权衡数据准确度。
可能这里的数据需要更多的是在于活动策划岗位及客服岗位吧，比方说说活动参与度、用户活跃度、信息到达率、激活实际转化的比例、决策行为增加等。
变量影响
每次运营数据的变量，着重解析数据变量涉及的多维度影响值。
这部分内容主要为：用户撤资行为、用户操作异常行为、用户活跃度异常、用户决策习惯异常等。主要用途于风险预警和行为预判，主要数据适用于客服部门、品牌部门、运营部门。详细适用于：客服岗位、负面信息监测岗位、活动策划岗位或买卖管理岗位。
好了，本次推荐就先到这里吧，的确大冷天思维不活跃，打字也好艰难。本次推荐的内容里有一部分内容没详细解说的，在后面我会逐步推荐。或者等我把我现在数据建模的非常多东西愈加论证之后再拿出来推荐，现在正在整理一套数据模型，可能大约有100个左右。
本文作者@Mr路人丁 由(青瓜传媒)整理发布，转载请注明作者信息及来源！
商品推广服务：APP推广服务 广告投放平台 龙游世纪
