XXXAPP在线教育运营化方案

在线教育，特别是K12领域，是及其重视运营的，可以说视运营为生命。无论是用户运营，还是内容运营上投入的程度，都决定了一家K12互联网公司所能达到的高度。

题图来自Unsplash，基于CC0协议

我司自建的BI平台处于起步阶段，所以日常数据采集是结合友盟一起完成的。产品矩阵中APP是主导地位，所在的领域是K12在线教育。公司有多个推广和运营团队，其中数据中心为核心部门，主要的任务是通过数据输出驱动各个团队的工作、提高运营工作效率。未使用友盟之前，推广和运营团队的方向不明确，运营效率也不高。

目的 

通过数据分析达到精准营销，解决主营盈利产品的转化率低的痛点；

通过事件分析提炼出更精细的用户分群颗粒度；

预测不同人群的转化率高低，做针对性的运营推广投入；

指导整体运营框架建设

步骤 

1. 提取相关指标；

2. 数据分析；

3. 确定“北极星指标”；

4. 总结

一、提取相关指标

提取相关指标：

APP活跃度数据（月活次数、时长、注册时间。。。）、

用户基本信息（注册来源、年级、科目、性别、地区）、

基本行为数据（年级、科目、次数、签到次数。。。。）、

视频课程使用数据（年级、科目、次数、时长、提问次数、附件下载次数）、

作业系统使用数据（浏览条数、年级、科目、完成次数、平均得分）、

名校试卷使用数据（浏览条数、试卷所在地、年级、科目、下载次数）、

志愿填报系统使用数据（录入次数、录入分数、意向学校、付费金额）、

分享数据（次数、成功人数）、

资源收藏评论数据（收藏次数、年级、科目、评论次数）；

二、数据整理、清洗和分析

1. 数据内容说明

付费课程为在线一对一课程，其它视频课程为免费，以下说的付费均为在线一对一课程。K12在线教育的课程付费，关键指标分为两部分：

（1）业务数据：支付时间(寒暑假、周末)、支付金额、所在地区、年级、科目（在线教育还有续费率、退费率等关键指标，因与本次比赛相关性不大，业务数据不在此做分析）；

（2）用户行为数据：基本行为数据、视频课程使用数据、作业、试卷、志愿填报、分享、资源使用等行为数据。所以数据分析部分将采用这些指标作为变量，做分析各个变量与付费之间的关系，由于此次比赛内容类型的限制，数据整理和清洗的部分直接跳过，我们之间进入到分析环节。

2. 提出目标

对比各个用户行为数据对付费的相关性，找出重要指标进行分群。

3 .数据内容说明

（使用python做可视化报表，时间原因仅选择主要变量而且没解决中文显示问题，报表文字都是英文，请见谅）

userid：用户唯一id；

registered time：注册时间，即从注册到当前时间的天数；

dau：日活次数；

grade：年级；

subject：科目；

video review time: 视频浏览量；

paper review time: 试卷浏览量；

homework review time: 作业浏览量；

share time:分享次数；

source collect time：资源收藏次数；

paynum：支付次数，结果变量。

以上数据都是从BI工具中提取出来，时间跨度是一年。

4. 分析数据

1）对于数据量比较大的分析案例，比如几万条的数据，要做数据提取、清洗、可视化等工作，mysql或者excel有一定的性能或者功能不足问题，所以工具的选择非常重要，好的工具可以事半功倍，节省时间提高工作效率。这块我经常会推荐同事或同行使用python（无论是运营岗位或者其他职能岗位）。例如使用python的第三方库seaborn可以快速制作出每个变量和结果变量paynum的关系图，数据已脱敏，X轴是用户id，柱子高度分别是video review time和paper review time的数量，蓝色曲线的Y轴是paynum，从图表中可以看出其中video review time和paper review time的相关性最高。也可以建立RFM模型，多个维度进行聚类分析。

2）由于这两个变量与结果的相关性明显比其它指标高很多，可以通过该两项指标和结果指标作为关键指标，使用友盟的人群分组，按照指标的大小进行分群：

通过数据分析来进行分群打标签，解决了之前通过简单的人数进行社群的分类带来的效率低下的问题。比如社群经理经常向我反馈：群数量过多，单位群产出比例差距明显，导致无法做出精细化运营。通过分群之后，将用户分为几类：重要保持客户、重要发展客户、重要挽留客户、一般低价值用户和毕业生。再根据不同的分类来分配不同的运营人员进行跟进和使用不同的运营策略。不仅运营人员的工作效率提高了，转化率和留存率的提高也非常明显。

3）用户分群之后，使用U-push进行不同人群不同的推送策略，比如为观看视频和查看试卷的，如果推送策略是引导观看视频或查看试卷，观看视频和查看过试卷达到一定次数的，则进行付费转化方面的推送，从而达到更加精准的营销。

如果是自己BI系统可以获取到公司系统中每个注册用户的使用行为数据，则可以进行针对性的社群营销。

4）通过用户画像分析，找出推广渠道和产品迭代方向：

自建的BI有个相比友盟有个非常明显的短板，就是缺少友盟大数据的用户画像。从得到的数据来看，非常符合K12教育的用户特点，APP的用户主要是35-49岁之间的父母，占比达到了67%，所以推广拉新的时候，我们不是针对的用户其实不是学生群体，这个对于行业外的人经常会误以为我们面对的新用户是否是7-19岁的学生用户，以至于推广渠道和产品设计都面向学生端倾斜。

性别也是一个非常重要的指标，妈妈对孩子的学习关注还是比较多的，通过公司内部一线用户社区运营的同事反馈，这个数据非常契合我们实际的使用情况。

所以在推广渠道选择上，用户画像中的“兴趣爱好”和“地域信息”等信息，即使初创公司无准确的社区运营数据，友盟的用户画像也为提供了这方面非常有用的用户数据。比如我们的用户的兴趣爱好在“影视观看”这一项占比非常高，达到了90%，那投放广告就可以多考虑这方面的渠道。

同时，关于用户使用较多的手机品牌也为我们做手机客户端适配提供了非常有用的帮助。

三、确定北极星指标

在线教育，特别是K12领域，是及其重视运营的，可以说视运营为生命。无论是用户运营，还是内容运营上投入的程度，都决定了一家K12互联网公司所能达到的高度。在如此重视运营的公司，运营人员的数量是非常庞大的，推广团队也非常给力，市场扩展推进很快，但在这种高速发展的情况下，内部团队人员也在不断扩张，经常存在目标不明确的现象，如果找错目标将会分成如果要做到快速增长，在公司产品绝大部分用户处于成长阶段的时候，找到“北极星指标”（引用肖恩埃利斯的作品《增长黑客》）尤为关键。

如何确定北极星指标呢？

1.我司产品核心价值是向K12用户提供高质量的学科辅导，提高学习成绩。这个指标可以让我知道的用户体验到了这种价值；

*2.这个指标能够反映用户的活跃程度；

*3.如果这个指标变好了，说明我的整个公司是在向好的方向发展；

*4.这个指标是不是很容易被整个团队理解和交流；

*5.这个指标是一个先导指标；

*6.这个指标是一个可操作的指标。

参考以上6个标准，结合友盟等BI工具的数据分析，我选出了视频观看次数作为我司产品的“北极星指标”，而不是付费用户数量。

总结

相信很多做运营的童鞋都知道框架化的思维方式的重要性，那总结部分我就用如何通过友盟数据分析指导运营工作的图来结束本文吧。

附：对友盟的建议：

友盟APP统计中应该会采集用户的device_id作为用户的唯一标示，如果友盟的统计能精细到具体每个用户，并且可以和数据库中的userid绑定，从而能够获取到数据库中每个注册用户的具体行为数据。对于很多需要做到个体营销而又负担不起自己BI系统或者服务器埋点的公司而言，将会是一个非常大的帮助；

友盟APP好久没有更新过了，想要通过APP来检测报表很不方便。如能参考googleAnalysis的APP就好了。

如果事件分析等数据能开放SQL查询更好。

作者：沈喜波

本文为「人人都是产品经理」社区和友盟＋联合举办的“2019「友盟杯」数据分析大赛”中获奖作品，未经作者及平台许可，禁止转载

本文部分数据有脱敏处理，非全部真实数据

有关产品测评大赛合作事宜，请联系邮箱：denis@woshipm.com