实操回顾：如何通过社群运营使项目营收从0增至千万

主要收集3类数据（分析目的）：

• 用户行为数据——找出用户关键行为（影响关键指标的关键行为）。
• 用户路径数据——用户在产品各环节的使用数据（归纳用户典型路径，找出用户价值提升过程中的一般规律）。
• 用户基础信息——潜在用户画像（①针对异常数据进行基础判断；②一定程度上的用户细分；③区分渠道或判断渠道质量）、付费用户画像（如有共性，可为精准用户的获取和运营提供方向）。

2）找到影响关键指标的关键行为因素

用户进入社群后，影响转化率的用户行为可能有：发言提问、打开学习课程、学完课程、参与群活动、领取优惠券等。

那么结合时间点，用户的每日课程打开率、学完率、每日发言频次、讲座参与率、领券率都是需要密切关注的数据。

考虑到数据样本量和统计难度，先对小程序课程的打开率、学习率、领券率等进行埋点做定量分析，用户在社群内的发言频次、讲座参与情况等行为做用户标签，做定性判断。

以学习情况为例，学习率对免费得到课程，且仅仅只有3-5天学习时间的用户来说，是否能影响购买决策？影响值有多大，是否足够成为关键因素？

后台能拉取到2020年02月02日开班的这批课程里，有200个班级学员，这些学员的课程学习情况数据如下：

表里有用户基本信息，最后打开时间和课程学习情况。每节课里有4个环节，这里面1、2、3、4是指这个学员学到了这个课程里的第几个环节，0就代表一个环节未学。

这个后台数据是按照课程的学习情况来统计的，没有时间维度。就需要在定义的社群运营时间内，拉出这些学员的学习情况，以及付费情况。做交叉对比。

要了解学习率与付费率的关系，用户的基础信息先不看。

数据处理：定义在时间段内，学习过一个课程环节即视为学习过课程，对原数据进行处理，0为一次未学习，1为学习过至少1个环节。得到一个班级的学习率情况。

放大颗粒度，查看多个班级的学习率和付费率，以班级为单位比对学习率和转化率，有正向关系，但关系度有多大并不能明确。

回到表一，我们拉取过去1个月1万个体验课用户的学习情况进行取值。

可以和BI同学协作把数据放入相应模型寻找规律，找到聚合的分类方式。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!