文章從數據運營的角度，從方法論去分解p2p平臺的數據運營，從而構建一個完整的數據運營體系。

從2014年從事p2p行業到現在，已有3年多時間了。習慣在年末年初對自己一年來的學習、工作、生活等方面做一些總結，以前的總結都比較零散，現在想逐步的從框架到細節逐步去做一些總結。

我在p2p行業總共待過3個平臺，所負責的工作內容從推廣到運營，從運營到產品，從產品再回到運營。在p2p平臺的運營過程中，發現對于運營數據的挖掘分析，其實可以做到很細致?，F在我就用數據運營的角度，從方法論去分解p2p平臺的數據運營，從而構建一個完整的數據運營體系。

為什么要做數據運營

做數據運營，是為了精確的分析具備某些特征的用戶，甚至于某個用戶在平臺上的所有操作行為，研究分析其操作行為并做出行為預判，調整針對性的運營策略，從而做到精細化運營的目的。

數據運營的分解步驟

如下圖，我將數據運營的步驟進行了如下分解，然后按照這8個分解步驟進行逐一講解。

業務流程

p2p的業務流程，這個不了解的就妄為p2p從業人員了。

運營流程

基礎運營流程，即用戶的操作流程，各家平臺大同小異，主要的差異化是每個平臺在對于用戶操作的功能設計不同，或者數據獲取的來源不同。在這里我們把簡要的用戶操作流程進行分解。

原則上來說，我們做運營就需要用戶在平臺上所有的操作記錄。通俗的來說，就是什么人什么時間在什么地方做了什么事，而這個事又是什么?因此我們首先第一步是按照分解步驟去獲取用戶的操作記錄，這是最原始最基礎的數據需求。

流程需求

除基礎數據需求外，整個運營流程中對應的部門和崗位到底產生了那些工作需求?這就是我們需要考慮的，那么在一般的平臺架構上，運營部門可以大致分為如下7個部門，并在其中涉及到的基礎框架需求列出來。

而關于前面的流程需求里，提到的一些數據需求，在這里再做一些數據簡述，請看下表：

關于流程需求，就不再一個個去列舉了。上面只是做了一些基礎框架需求的列舉，在框架下能夠細化出來的數據模型太多。

用戶分級

對用戶在運營體系里不同的狀態進行分級定義，主要可以按照上面提到的用戶狀態進行分級。

觀察/注冊/開戶/充值/投資/復投/回款/續投/提現/找回

當我們將用戶進行分級后，從分級狀態里提取狀態進行圖表化統計，可以得到一個用戶生命周期的模型。我提取了一個數據樣例，做了一個數據圖，如下圖：

從上圖示例數據看到，我將用戶的生命周期暫定為90天，這也是我目前對p2p平臺的新用戶的定義(注冊時間90天內屬于新用戶)，以此來進行用戶生命周期的分析。圖表所示，我將Y/X軸分為了資金軸和時間軸，自用戶注冊時起，便有了這樣的數據，將數據導入軟件后得到如圖。

從示例圖的數據我得到如下結論：

用戶從注冊時間起，到第一次充值時間截止。用戶大約決策了10天。

用戶從第一次充值時間起，到第一次投資時間截止，用戶大約決策了5天。

用戶自第一次回款開始，參照時間順序，分別進行了提現操作和續投操作。標明用戶對于平臺提現時效進行了體驗操作，再進行了續投操作。

用戶的充值、投資決策時間(時間軸)間隔越短，對應的資金越高，則代表用戶對于正在逐步進入沉淀期。

相應用戶的決策行為受外部諸多因素影響，比如：品牌事件、營銷活動、客服回訪開發等。

策略調整

提取用戶分級后的數據，分析后對運營策略進行調整。

在這里列舉兩個常見的數據運用進行說明：

1.在泛流量推廣渠道上，如何判斷分析在一定同等的條件下，哪些新用戶相對更加具備開發價值。

用戶決策難度越高，則開發價值越大。舉例來說，注冊的操作步驟較為簡單，而實名開通銀行存管賬戶的操作就要難很多，并且要填寫自己的身份證號碼、銀行卡信息這些高度隱私的信息，對于用戶來說就有很大的決策難度，再往后就是首充及首投。

注冊到開戶的決策時間，注冊或開戶到首充首投的決策時間。在沒有高精準的反欺詐(用戶的馬甲小號)功能前，這兩類決策時間越短的用戶，很大概率是受到營銷活動引導、渠道定向CpS活動引導而進行決策操作的。那么相對而言，這兩類決策時間越長，則越表明用戶一定的真實性、對平臺有一定的觀察期，慎重考慮過后才進行決策操作的。

在CpS推廣的渠道上，以一定的獎勵回報引導而來的用戶，大部分轉化用戶的首投金額是源于CpS推廣渠道的活動門檻的。若該渠道來源用戶的首投金額>渠道活動門檻，則表明這些用戶相對更加具備開發價值。除此之外，首投金額及期限越高，則越具備開發價值。

用戶在進入沉淀期之前，有一定的試投體驗期。這個期間的決策時間跨度間，未回款復投的用戶，要比回款續投的用戶更加具備開發價值。除此之外，復投及續投金額及期限越高，則越具備開發價值。

用戶零待收，且經過公式推算用戶的存管賬戶余額可能也為零的前提下，依舊產生登錄、訪問行為的用戶相對更加具備開發價值。且訪問頻次及瀏覽時間越高則用戶相對更具備開發價值。

那么在從多方面獲取到的數據信息里，逐步分析相對更加具備開發價值的用戶。從而調整客服部門，推廣部門的工作針對群體及策略。

2.非活動期間及活動期間，在排除沒有其他外部因素影響的前提下，不同投資能力的用戶，回款資金到達什么樣的預期值才會讓用戶進行提現或續投的決策操作。

如圖數據樣例所示，用戶連續15天回款，每天回款金額平均到達≥759.9元就會進行回款續投操作，最低一次回款續投操作在累計回款達518.17元時執行。因此我們由數據可初步推斷該用戶的回款續投決策，決策預期值需要回款資金≥518.17元才會執行操作。

用戶回款中有一筆973.76元的回款資金，同天進行了充值50元的操作，才進行的投資操作。這是一個很奇怪的行為，這個行為就像我們很多人有一個湊整心理。關于湊整心理在一些電商的營銷手段里常見，若有對行為心理學有研究朋友歡迎給一些關于“湊整”心理的資料。

接下來我們依據數據做出如下假設性的問題，供大家參考。

首先看下圖：

在這里假定用戶投資能力層級分別定為5個等級(具體如上)，那么前面舉例的用戶在投資能力為小的級別上。按照數據模型分析全部用戶，我們可能會發現不同級別的用戶在進行續投決策時，他們的決策預期值就能夠大概推算出來，這個推算出來的數據，是不是就能夠更精確的用于客服部門對客戶進行跟蹤回訪呢?

同理對于用戶在提現行為決策時，對于不同層級的用戶來說，回款資金到達什么樣的決策預期值，用戶會執行提現操作呢?

每個用戶在平臺的投資總額(俗稱倉)是否能夠通過數據模型，分析用于對平臺綜合能力的考量，用戶對在平臺建倉的心理預期在什么樣的范圍值之內?

以上問題就交給數據量較大，且擁有一定技術能力解決數據獲取的平臺運營朋友去論證吧。

引導作用

每一個運營環節(即用戶分級引導的環節)從內容、交互、視覺方面進行引導，觀察引導作用。

這個方面的數據，大致為頁面訪問數據(訪問數量、重復訪問、訪問深度)、信息到達數據、轉化數據(激活、喚醒、轉化)等?；旧线m用于：客服部門、推廣部門、運營部門。詳細適用于：活動策劃崗、文案崗、產品崗、設計崗。

多維權衡

從每次調整的運營策略里，挖掘多維的深度數據，權衡數據準確度。

可能這里的數據需求更多的是在于活動策劃崗位及客服崗位吧，比如說活動參與度、用戶活躍度、信息到達率、激活轉化率、決策行為增加等。

變量影響

每次運營數據的變量，著重分析數據變量涉及的多維度影響值。

這部分內容主要為：用戶撤資行為、用戶操作異常行為、用戶活躍度異常、用戶決策習慣異常等。主要作用于風險預警和行為預判，主要數據適用于客服部門、品牌部門、運營部門。詳細適用于：客服崗位、負面信息監測崗位、活動策劃崗位或交易管理崗位。

好了，本次分享就先到這里吧，的確大冷天思維不活躍，碼字也好艱難。本次分享的內容里有一部分內容沒有詳細講解的，在后面我會逐步分享。或者等我把我目前數據建模的很多東西更加論證之后再拿出來分享，目前正在整理一套數據模型，可能大約有100個左右。

作者：Mr路人丁，微信號公眾號：MrLuRenDing。擁有7年互聯網推廣營銷、互聯網運營經驗，兩年電商運營經驗。

本文由 @Mr路人丁 原創發布。未經許可，禁止轉載。

題圖來自pEXELS，基于CC0協議

<scriptdocument.writeln('

新聞標題：8個步驟，拆解P2P平臺數據運營體系
轉載來源：http://m.newbst.com/news42/178242.html

成都網站建設公司_創新互聯，為您提供網站制作、企業網站制作、網站策劃、營銷型網站建設、網站改版、網站設計公司

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯