业务|结合人货场解释用户运营中的数据分析是做什么的？天猫

编辑导读：用户运营中的数据分析对于很多人来说是个盲区，不知道是做什么的？本文作者对此进行了分析，与你分享。

文章插图
提问（修改）：很幸运收到用户运营这个岗位的面试通知，但是之前完全没有工作经验，我看到岗位职责里要求定期做数据分析，所以很想知道数据分析指的是什么。
一、用户运营 X 数据分析作为任职于某上市公司的集团用户数据中心的数据分析师，认为题主的问题就是在问我的日常工作：用户运营 X 数据分析。
用户运营是做什么？
先介绍一下题主入职后可能会接触到的工作：
答主就职的部门有三个职能：用户运营、数据分析、数据产品。
以我所在的新零售+电商行业为例。
二、用户运营核心就是围绕【人货场】进行运营，进而提升复购率等指标：

【人】即客户，了解整体画像，根据场景进行用户分层营销
【货】即产品及与之搭配的促销策略
【场】广义来说，即为渠道、节日活动，与客户触达的“天时地利”

大白话说，就是解决【什么时候什么样的人会在怎样的场合下购买什么产品】的问题
根据【人货场】的不同组合，可产生不同的业务场景，例如：

【货场→人】天猫确定了情人节活动，产品部门要求主推情人节套装产品，平台运营明确了折扣政策，此时，用户运营部就出场 → 圈选出可能会在情人节复购的人群A，圈选可能偏好主推产品的人群B，对人群A与人群B做交叉即为此活动目标人群，根据促销政策制定优惠券，并触达人群。
【人场→货】用户运营部门使用RFM模型对人群精细化运营，明确需提升重要价值用户比例，即明确了目标人群 → 此时用户运营的童鞋就需要去找产品要合适的产品，找运营拿折扣，甚至找推广配合做投放。
等等

1. 数据分析在【人货场】各种组合而成的复杂业务场景中，仅凭“直觉”，甚至“拍脑袋”，已经无法业务目标。绝大部分行业进入存量运营的今天，数据化决策已经是红海战场上的武器。所以，从前面【用户运营】的工作中，存在着许多数据分析的需求。它们的目的是通过数据分析找到业务增长的钥匙：
【货场→人】此场景已明确需主推的产品、节点及促销政策，需进行数据分析的地方：
【人货匹配】确定产品后，需要从全量人群中找到可能喜欢该产品的人。
简单点的方式可以通过历史订单统计实现，即提取出产品的元素，如爱心形，再从人群历史订单中找到喜欢心形的客户，认为他们可能也喜欢该新品。
复杂点的方式可以通过例如复购关联分析、商品推荐等模型反向找人群。

【复购周期】每个客户的活跃状态都不同，要先了解行业或者该品类客户的【生命周期】是多长，即复购间隔，如30天 → 找出30前刚买完的客户，认为他们处于活跃购买状态
【节日偏好】一般认为多次在节日节点购买的客户是偏好该节日的，例如产品有送礼属性，则客户在情人节买就是送对象的，一般他们感情不破裂就有可能在下个情人节继续送
【折扣敏感】不可否认的确存在对价格敏感的客户，甚至是“羊毛党”，折扣力度大才会现身购买，发现这样的规律能更好地将优惠券与客户匹配

【人场→货】与第一个场景不同的是，此场景先明确人群，再去匹配产品、折扣等，需进行数据分析的地方：

【RFM】基于RFM模型划分人群后，提出目标要提升重要价值用户是无法落地的，需要进一步讨论：该行业或品类下的重要价值用户更容易从哪个人群转化而来？例如一般价值用户，刺激他们连带消费、复购，即提升M，就可转为重要价值用户。这样才能提出落地的策略：针对一般价值用户进行连带提升。