触脉咨询精华文章

未分类 1月 22,2021

什么是数据化运营

从通用解释来看，数据化运营是指通过数据化的工具、技术和方法，对运营过程中的各个环节进行科学的分析，为数据使用者提供专业、准确的行业数据解决方案，从而达到优化运营效果和效率、降低运营成本、提高效益的目的。

简而言之，可以说数据化运营是是从数据的角度出发，优化和提升业务的运营效率。是当前企业提高利润率，降低成本的主要方式之一。

一般来讲，数据化运营涵盖了市场战略分析、市场营销分析、网站运营分析、会员运营分析、客户运营分析、商品运营分析、用户体验分析等各个方面。

这些内容组合在一起，既包含了针对宏观C-Level的市场战略类支撑，也有着眼于落地应用的内部各个部门的应用。

一份相对完备的数据化运营解决方案可以完整支撑企业各个运营链条的决策机制，并通过计划预测、动态预警、效果分析、主题性挖掘等多种形式落地。

数据化运营如何落地

上文已经介绍过，数据化运营涵盖了多个分析角度，今天的文章我们会先概括介绍一份相对完整的数据化解决方案一般需要考虑哪些方面。

最理想的状态是企业可以从全局范围考虑，通过打通各个部门的关键数据节点，在解决痛点的基础上将各个环节有效结合起来，这样可以更好地确保各个体系都能有效理解并执行全局性数据工作，最终实现推动企业绩效的提高的目的。

在以往服务客户的过程中，为助力企业更好的实现数据化运营，触脉为客户提供的数据化运营解决方案会包含以下内容，供大家参考：

市场营销分析

市场营销分析面向的对象是市场中心或营销中心。核心是为市场营销和广告媒体的媒体策划、媒体执行、媒体效果评估提供支持。

市场营销分析一般主要提供以下内容：

建立媒体档案库，建立效果预测模型，辅助营销计划制定；
虚假流量辨别，并建立虚假流量预警系统；
每个活动中营销渠道效果评估，并根据活动目标提升目标转化率；
建立和健全营销渠道的主题性分析，包括生命周期、投放组合、价值贡献、预警判断等模式；
跟踪精准对手的媒体投放策略、行业新媒体趋势和发展脉络，为企业投放提供参考。

会员运营分析

会员运营分析面向的对象是会员营销、会员关怀等围绕会员的部门。核心是提升会员全生命周期价值并结合企业战略需要，开展基于数据驱动的精准化会员营销。

会员运营分析一般包含以下内容：

建立会员画像体系，建立完整的客户认知体系；
建立和健全用户生命周期内涵盖从匿名访客到流失用户的全周期价值研究体系；
建立完整的会员营销响应预测、计划实施、规则提取、自动执行、效果评估的自动化机制；
通过基于完整会员的分析，并结合个性化EDM、短信、微信、APP PUSH等方式落地和优化；
企业用户的调查研究与分析，协同其他会员渠道开展线下访谈、调研等，为获取用户真实反馈提供。

网站运营分析

网站运营分析面向的对象是网站运营或企业前端运营部门。核心是充分利用网站各个资源位和广告位，将流量分发价值最大化，提升目标转化效果。

网站运营分析一般包括以下内容：

网站资源位效果标杆管理，建立效果预警机制与评估模型；
网站活动运营、资源运营、页面运营等，并找出最优化投放组合及投放预测效果；
各资源位置效果监控及恶意点击监测，提升目标转化率；
完善站内潜在广告和资源位的挖掘机制，为企业变现提供更多思路和参考；
协同个性化推荐、CMS等相关系统，建立包含展示、引导、转化、复购等完整环节智能工作机制。

客服运营分析

客服运营分析面向的对象是企业内部以客户服务为主的部门，包括呼叫中心、客户服务等。核心是完善与客户的沟通渠道、方法和机制，提升客户服务的满意度。

客服运营分析一般包含以下内容：

通过整合企业内部各渠道数据形成完整客户认识，并建立基于时间的客户行为事件视图；
通过对客户诉求的分析，智能化匹配最优目标解决方案、流程或方法；
协助客服、IT部门打通客户接触通道形成自动化应答、引导机制；
建立和健全客户的满意度分析模型、口碑传播模型和情感认知模型，预判和识别客户场景化诉求；
完善客服工作绩效评估体系，将客户满意度与销售或其他目标转化结合，形成满意度价值贡献模型。

商品运营分析

商品运营分析面向的对象是企业内部的采销或商品运营相关部门。核心是通过对销售的预测与分析，提升商品周转，最大化商品销售利润。

商品运营分析一般包含以下内容：

研究商品流量入口分析，识别商品渠道属性并做流量落地页的商品适配；
完善商品销售转化漏斗，发现并优化商品销售短板，并通过程序化的方式建立有效应对机制；
将库存、物流、销售、推广、运营结合起来，实现商品流转认知；
建立和完善商品分析模型，涵盖销售预测、恶意订单检测、关联销售、动销分析等；
形成竞品调研和分析体系，为企业内部商品运营提供参考。

用户体验分析

用户体验分析面向的对象是企业内部以用户流程、功能和体验为主的部门，例如UI、UE、网站产品部等。核心是提升用户的好感度、体验度和满意度。

用户体验分析一般包含以下内容：

分别建立和完善用户体验衡量指标体系以及基于指标体系的数据收集和采集方案和机制；
建立用户需求感知模型，综合挖掘用户需求，并为网站改版、流程改进提供参考依据；
建立用户的流失、退出行为分析模型，协同IT、网站运营、商品运营等部门改进用户体验；
通过A/B和多变量测试等方法，对元素和功能、页面、流程等做测试，辅助于用户体验优化和改进；
建立用户体验分析矩阵，结合多种模式提取用户体验信息点。

搭建一个完整的数据化运营体系是为了助力企业用数据创造更大的价值。而在企业营销与运营的过程当中，实现精细化营销，则是为了帮助企业对最合适的用户，在最恰当的实际，采取最合适的营销手段，以期产生营销的最大价值。

在后续的文章中，我们也会为大家陆续介绍一些精准营销方案以及个性化推荐方案，感兴趣的小伙伴可以关注我们后期更新的内容。

关注我们，获取更多数据分析方法及新鲜资讯

作者 tm_user

未分类 1月 18,2021

实用篇：Google Analytics 4增强型电商部署

近期Google Aanlytics 4（以下简称为GA4）更新了增强型电商报告，对于有电商站且正在使用GA4的朋友们来说，这组报告尤为重要。

为了便于各位对GA4增强型电商衡量的初步了解，本文将使用GTM提供一些部署GA4电商事件的经验、比较Universal GA和GA4在电商衡量方面的差异，并在文末列举一些常见的问题，希望可以帮到各位小伙伴们。

GTM部署GA4电商事件

整体来说，使用GTM部署GA4电商代码依然延续了以往的模式，即在发生电商行为时，需要页面先推送数据层，然后GTM触发器感知到电商行为，进而触发GTM中的电商代码。为了方便大家有个直观的感受，以下给出两个测试成功的例子。

例1：开始结算

（数据层脚本）

在GTM中，需要配置数据层变量来获取数据层脚本中的信息。begin_checkout事件需要配置3个变量。由于各个变量的配置很类似，所以下文其他的示例事件，不再针对数据层变量配置一一举例了。

（数据层变量 – value）

（数据层变量 – currency）

（数据层变量 – items）

（触发器）

（代码）

我们在事件参数中添加了“debug_mode=true”，所以可借助“DebugView”报告查看代码触发情况。

（触发情况）

例2：购买

（数据层脚本）

（GTM配置）

（交易代码正常触发）

与Universal GA对比

对比一：电商行为衡量

关于电商行为，GA4总体上和Universal GA一致，但也有少许差异。比如：

1、Universal GA通过结算流程（需要设置结算步骤）来衡量整个结算过程中的交互行为，GA4中不再提供该衡量方式，但作为补偿，其提供了Universal GA所没有的“add_payment_info”事件、“add_shipping_info”事件；

2、GA4添加了“add_to_wishlist”事件（收藏）和“view_cart”事件（查看购物车）。

3、如果网站是使用analytics.js做监测，那么，电商数据只能与现有hit一起发送，例如 pageview 或 event。也就是说，在analytics.js中，电商互动数据更像是一些hit的“附加内容”，它并不能脱离一个hit，独立上报电商数据给GA。但在GA4中，这个“附加内容”本身就是一个hit（event），各种电商行为拥有了独立上报的能力。

对比二：数据层脚本

传统datalayer和GA4 datalayer有什么区别？下图以“产品详情浏览”datalayer为例，可以看出其差别主要集中在3块：电商操作字段、产品数组、产品级字段。

（“产品详情浏览”datalayer对比）

（详细对比）

对比三：GTM配置

Universal GA中，电商数据的上报依赖于一个Hit，在GTM配置中也反映出了这一点。我们需要先配置一个pageview或event标签，并开启增强型电商功能，就可以获取数据层中的电商信息，并完成事件上报。

（Universal GA的GTM配置）

电商行为在GA4中通过event来衡量。电商操作作为event name，各种电商字段作为event parameters。

GA4的GTM配置（以“添加到购物车”为例）

在这里一个相对比较大的差别是：Universal GA会自动读取数据层中的电商信息，换句话说，我们不需要人为地为ecommerce对象中的各个字段配置数据层变量，而目前GA4需要手动配置以获取。

一些常见问题

1. Universal GA的datalayer，GA4可以使用吗？

答：可以的。如果不想为GA4添加datalayer，那么依然可以使用以往版本的datalayer。下文以“产品点击”为例，说明针对Universal的datalayer，GTM该如何配置。

（数据层脚本）

（变量）

（触发器）

（代码）

（GA代码和GA4代码均正常执行）

（GA4事件参数传值正常）

2. 关于迁移传统GA中的产品级范围自定义维度，有什么最佳实践吗?

答：在GA4中引入了一些新的item-level参数，可以利用这些参数发送产品范围的数据。例如，item_category2、item_category3、item_category4、item_category5。

3. 在GA4电商报告出来之前，发送“purchase”事件时，会出现DebugView报告看不到item信息的情况，目前有做升级吗？

答：有。现在的DebugView报告中已新增了“Items”选项卡，它可用于查看产品信息。

4. 在GA4的事件参数中，有时会添加“debug_mode=true”参数来方便调试，如果在代码发版时，忘记将该参数删除，会影响GA4数据采集吗？

答：会的。为了防止测试和开发影响测量值，可以在调试模式下记录的事件将从总体Analytics数据中排除，并且不会包含在每日BigQuery导出报告中。

以上就是GA4增强型电商衡量的相关内容，关于代码部署，各位小伙伴们可以举一反三，争取把GA4电商报告尽快用起来！

作者 tm_user

未分类 1月 12,2021

如何正确的进行着陆页优化

可能有人认为着陆页的设计是有套路的，当着陆页已经工作了一段时间并且产生了还不错的转化时，我们会觉得在着陆页上已经没有太多优化的可能。但实际情况也许并非如此。

如何建设、测试着陆页效果，验证假设是否正确是我们面临的难题。通过Google Optimize工具，能够很大程度上帮我们解决以上的困扰。

Google Optimize是Google Marketing Platform中一款对网页进行A/B测试、重定向测试、多变量测试以及个性实验化的工具。当营销人员不确定自己该使用哪个页面的时候，我们可以通过这个测试工具，对页面上仅有一个或者多个不同元素的网页进行测试，选取用户体验更好、转化率更高的页面作为最终呈现给用户的页面。

01 重定向测试

重定向测试一般适用于已经完整上线的页面，不需要对页面内容进行修改，要求在变体中包含不同的URL。这其中既可设置重定向到一个页面，也可进行高级设置重定向到多个页面。

使用场景：

我们现在已经有DE和US两个不同样式的站点，目前还尚未对某个国家/地区（如TR）开发独立的站点，TR的用户会引流至US站点。现在，我们想要了解是否DE网站的设计更符合TR国家的人群访问偏好。

操作：

我们需要在受众定位中将国家人群限制在TR，在Original中填写US站点网址，在Variant1中填写重定向后的DE站点网址，即可测试着陆后的效果。

02 多变量测试

多变量测试是A/B Test的一种，可以让我们在多个页面上进行变体版本的修改，它具有将不同页面的变体链接在一起的功能。

使用场景：

我们想要测试对于从促销活动广告到达网站的用户，如果着陆页(节日活动页)→产品页→购物车页→结算页中都增加同样的修改内容（如增加“促销折扣20%字样”）后，是否效果会优于原始版本

操作：

创建多页面测试，在page1，page2，page3，page4分别输入着陆页，产品页，购物车页，结算页的网址，接着在每一个变体中增加相同的文案

小提示：

访问者无需按任何特定顺序访问页面即可进行多页实验。当用户访问多页实验中的任何页面后，再访问实验中的任何其他页面时都将保留在该版本中。

03 个性化测试

个性化测试无对比测试，仅修改后的页面，因此可根据需求，拖拽修改页面中的元素来进行修改后页面的测试效果。

使用场景：

比如我们想要为每一个广告系列针对性的设计不同的着陆页版本：设计当utm_content=apple时，在该广告系列的着陆页中含有apple的相应元素，实现广告内容与着陆页相匹配，查看实验的效果。

操作：

我们可以使用查询参数来定位不同的广告系列，从而创建不同的受众群体定位，并且在着陆页的修改中做到与受众群体定位的内容相匹配

04 优化内容参考

在修改内容时，我们可以以目标为导向确认具体的修改方案，比如当着陆页为某产品页时：

目标：增加购物车

解决方案：尝试突出PDP属性，突出CTA号召性用语

目标：增加购买转化或潜在用户转化

解决方案：使认证在联系或付款步骤中更加突出

目标：改善用户体验

解决方案：调整页面长度、布局、图片等方面

当访客终于被某个广告（甚至是多次重复出现的广告）吸引到着陆页面上来，这可能只是“万里长征“的第一步而已。而广告所对应的着陆页面承载着太多的使命，它要在短时间内回答访客很多的问题：

验证自己是否来对了地方——广告信息与着陆页首屏信息是否匹配；
自己是否要消耗太多精力——注册流程顺畅吗？弹窗关闭的按钮是否足够明显？
这里是否能满足我的需求——产品介绍呢？有试用吗？
现在是否能拿到最优惠的信息——有没有优惠券？优惠券是否足够明显？
这里是否足够安全——我填写的个人信息会不会被卖掉？以后会不会有人频繁给我打促销电话？
还有很多……

上面的任意一项，如果访客的感受不太好，那么他/她就会迅速离开，我们自己也一样。

Optimize可以帮助我们针对于不同渠道、受众特性的用户，动态的完成着陆页的设计，不仅减少了我们的工作成本，还有利于我们对着陆页更改效果的评估，从而为营销创造更高的价值。

作者 tm_user

未分类 1月 11,2021

Google云数据库BigQuery是什么？怎么“薅羊毛”？

BigQuery是什么？

Google BigQuery是Google的云数据仓库解决方案，它是Google Cloud Platform的一部分。它旨在处理“大数据”报告，分析和数据科学。

关联BigQuery后可以启用每日自动导出原始GA数据的功能，满足大家希望获取报告或分析数据时不抽样的需求。

使用SQL查询就可以通过BigQuery完成在Google Analytics界面中无法进行的更深入的统计分析、预测分析等。

BigQuery的特性

PB 级数据规模：轻松存储和分析 PB 级乃至 EB 级数据。
无服务器：通过无服务器数据仓储，Google负责在后台完成所有资源预配工作，使用者可以专注于数据和分析，而无需为基础架构的升级、保护或管理问题而分心。
数据治理和安全：BigQuery 通过与Identity and Access Management的集成，提供强大的安全和治理控制措施以及精细的控制功能。默认情况下，数据无论是在静态存储时还是在传输过程中，都会受到加密保护。
商业智能的基础：可利用Google及Google技术合作伙伴提供的工具无缝地集成、转换、分析、直观呈现和报告数据。
灵活提取数据：免费使用Data Transfer Service (DTS) 自动将数百种常用业务 SaaS 应用中的数据转移到BigQuery中，或者利用Cloud Data Fusion、Informatica、Talend等数据集成工具。加载和转换混合云和多云端应用中的任意规模的数据。

更多BigQuery产品特性可参考谷歌官方文档：https://cloud.google.com/bigquery#section-10

目前可关联的Google分析类工具

Google Analytics 360
Firebase
Google Analytics 4（目前免费）

BigQuery价格

免费版GA4目前可以直接和BigQuery集成。在BigQuery中存储数据和查询数据会产生一定的支出，但是成本很低。当前的费用标准为：

活跃存储：每月10GB免费。后续为每月每GB $ 0.02
长期存储：每月10GB免费。后续为每GB每月$ 0.01
查询：每月前1TB免费。后续查询为每TB $5.00

其中活跃存储和长期存储分别是指：

活跃存储：对过去 90 天内修改过的表或分区中存储的数据收取的月度费用。
长期存储：对过去 90 天内未修改过的表或分区中存储的数据收取的较低月度费用。

目前的优惠政策：新客户可获得 $300 赠金，可在 90 天内抵扣在 Google Cloud 上的支出。

如何启用BigQuery

第 1 步：创建 Google API 控制台项目并启用 BigQuery

登录 Google APIs Console
创建一个 Google API 控制台项目，或选择一个现有项目。
转到 API 表格。打开左上角的“导航”菜单，点击“ API和服务”，然后点击“库”。
激活 BigQuery。在“Google Cloud API”下，点击 “BigQuery API”。在随后出现的页面上，点击启用。
确认已向Cloud 项目添加服务帐号。确认已将firebase-measurement@system.gserviceaccount.com 添加为项目成员，并授予其项目层级的 Editor 角色。

第 2 步：针对 BigQuery Export 准备您的项目

1、确保项目已启用”结算“。如果项目未启用“结算”，请打开左上角的“导航”菜单，然后点击结算。

2、系统出现提示时，创建一个结算帐号。您需要有结算帐号才能对项目进行结算。按照控制台中的步骤操作以创建结算帐号。

第 3 步：将 BigQuery 关联至 GA4 媒体资源

1、导航至GA4“管理”界面

2、在媒体资源下点击“BigQuery关联”。（要求拥有媒体资源的修改权限）

3、根据系统界面提示，选定需要关联的BQ项目并选择数据存储位置。（要求拥有BQ项目层级的管理权限）

4、配置设置。如果有实时数据查询要求可以选择“流式”，但费用相对“每天“导出会更高。

5、确认信息无误后关联即可。

具体设置步骤可参考谷歌官方文档：https://support.google.com/analytics/answer/9823238?hl=en&ref_topic=9359001

BigQuery Export示例

数据集和数据表

数据集：如下图所示，将GA4关联至BQ后，可在BQ导航栏“资源“处下看到关联的媒体资源，每个媒体资源对应一个数据集，如”analytics_1234567“中，1234567则对应关联的媒体资源ID。
数据表：媒体资源每天更新的数据将以数据表的形式存储在数据集中

数据表的行和列

数据表中的每一行分别对应了Google Analytics收集的每一个事件，事件中的每个列对应该事件中收集的字段。

数据表中的字段说明可参考谷歌官网文档：https://support.google.com/analytics/answer/7029846?hl=zh-Hans&ref_topic=9359001&authuser=0

为什么要用BigQuery

目前，数据科学已经成为企业或者个人转型中相对核心的部分。企业早就脱离了凭直觉或者小规模调查来做决策的时代，通过分析大量的、底层的真实数据，然后借助智能分析做决策才会让数据更有价值。

不管是使用GA360还是GA4，当企业拥有了底层数据之后，我们就可以做更多的尝试：

比如打破Google UI中的维度指标组合按实际业务需求创建高级分析
比如整合线上线下数据，进而获取对一个用户的完整行为的分析
比如根据我们的商业目标利用BQML中的模型对用户进行更精细的分组识别高质量用户，然后再通过相似人群 (lookalike) 的功能在谷歌广告投放平台上触达更多潜在的优质用户，从而提升转化率等等

BigQuery “薅羊毛”用法

费用上：SANDBOX沙盒模式

如果希望免费试用BigQuery，可以使用SANDBOX（沙盒）模式，因为是免费层级，所有会有一定的使用限额，同步到BigQuery的数据最多可以保存60天。

沙盒模式是Google Cloud的免费计划，所以除了BigQuery，沙盒模式的免费层级同样适用于Compute Engine和Cloud Storage等其它Cloud产品。

数据上：Google Cloud Public Datasets

可能有的小伙伴目前还没有创建Google Analytics 4的媒体资源，或者说数据量不够大，又或者说想先练习自己的SQL语句，那么就可以使用BigQuery中的Google Cloud公开数据集。

Google Cloud Public Datasets 是由 Google 托管在 BigQuery的数据集，借助 Google Cloud Public Datasets 可以直接在 BigQuery 中查询数据，并充分利用其极快的速度和超大查询容量和上手熟悉BigQuery界面。同时还使用 Cloud AutoML、Vision AI 和 BigQuery ML (BQML) 等 GCP 机器学习功能，访问可用于机器学习用途的数据集并从中汲取更多信息。

也就是说，Google 负责把数据都存储在云端，这样所有人都可以在自己的云计算项目中访问到这些数据了。使用者仅需要支付用于查询数据的费用（每月前1 TB免费）。有了这些数据，试用超大型数据集就变得很容易。

如果希望了解更多Google Cloud Public Datasets的内容，请参考官方文档：https://cloud.google.com/public-datasets

如果没有合适的硬件和基础架构，存储和查询大量数据集可能非常耗时且成本过高。BigQuery作为一种企业数据仓库，拥有强大的处理能力可以实现快速查询，从而解决上述问题。

如果目前您拥有GA4的媒体资源，希望免费体验BigQuery的强大功能，那么可以尝试使用沙盒模式，虽然有免费限额以及60天的数据存储限制，但是并不会影响体验。

作者 tm_user

数据化运营是什么，如何构建数据化运营体系