信息大爆炸时代，用户每天都在从各种不同的渠道接收海量信息。虽然信息的数量级比以往更加巨大，但是信息的“碎片化”特征也愈加明显。用户在超载的信息中被分散注意力，也无法有效地从中获取到自己关注的和需要的有效信息。
某文娱企业 A 是一款基于兴趣的信息推送提醒工具，用户可以通过平台关注自己感兴趣的人物、资讯和事件，平台会跟踪相应的动态，并通过推送通知让用户及时获取自己关心的信息。为让用户更高效获取信息，拥有更好的阅读体验，该文娱企业 A 选择与大数据分析平台服务提供商神策数据强强联合，打造精细化运营体系提高用户转化和留存。
本文主要围绕文娱企业 A 为例，分享文娱类媒体数字化运营的前沿实践。
注：本文数据均为模拟。
一、数据驱动第一步：有完善的数据获取和分析体系
数字化运营和精细化运营和前提是“有数据”，所以建立完善的报表体系对于文娱类媒体的重要性不言而喻。报表可以清晰地、动态地展示数据，也方便工作人员查看数据和维护数据，灵活支撑业务的开展。
（1）术业有专攻
面对报表庞大的数量级，该文娱企业 A 坚持“术业有专攻”的原则，合理分工安排报表的建立维护和使用。
•老板：每天 1-2 次查看发送到邮箱的自动概览和分析师发出的报表；对报表提出修改建议，或调整指标内容。
•PM、运营：查看分析师部门为其配置的概览，获取需要的数据和信息；核心指标的查看与简单分析；负责的业务领域常规指标的查看；负责业务的基础数据分析，如核心功能使用情况、页面 PV/UV。
•研发：排查问题。大多是技术部门的同事使用，遇到问题就不需要再去查巨大繁琐的 log，在神策分析上就可以清晰地查看；二次开发与利用。订阅神策 Kafka 中的数据，实时推流到自己的推荐系统，实现产品内部的个性化推荐模块；调用神策查询 API，联合内部内容数据向内部平台输出数据报表和简易查询。
•分析师：搭载神策分析，使用各种分析功能，为运营、市场等部门配置概览。其中，该平台的分析师有 80% 在使用神策的事件分析、漏斗分析这样的基础分析功能；20% 在使用其他的进阶功能如用户分群、分布分析等。
（2）完善的报表体系
文娱企业 A 围绕两个关键词“用户”和“产品”，构建了报表体系的两大分支：日常报表，属于复盘型报表，围绕用户展开；专题性报表，属于分析型报表，主要和产品碰撞。
日常性报表，包含 4 种不同类型：
•整体业务报表：一个总体性的分析。该报表包含了用户的一些核心指标，例如 OMTM，整体日活、访问时长、用户留存。还包括一些用户行为数据，例如核心行为的发生量、发生率、行为留存、发生频次等。
•新用户报表：对用户获取和运营的一些分析。用户获取的两大关键数据：新用户核心指标，包括新增、留存、使用时长、启动次数等基础指标，以及新用户 OMTM 参与度和其它核心指标行为；渠道相关数据，包含投放素材变现，如浏览量、CTR、激活率、留存以及渠道用户 App 内行为，如启动、订阅、内容消费、内容生产等。该报表还提供新用户活动数据，包含运营位数据，如 CTR、活动参与深度；以及活动用户后续留存和行为追踪。
•分析师内部脑洞型报表：分析师自行去分析用户行为数据，挖掘其中的一些有效信息，并讨论后产出有价值的报告。
•异动分析报表：日活、留存、新增等数据发生异动时，通过细分探寻原因；如果判断是正常情况会相应改变一些策略，如日活正常偏高，就选择进行一些运营活动。
专题性报告主要有两个功能，一是，对产品功能、改版进行复盘；二是可以给产品经理提供效果数据，更好地进行产品迭代。所以，每一份专题性报告都是分析师和产品经理的一次碰撞。该平台的专题性报告的产出流程大致如下：
1、在每一次产品改进进行时，产品经理都会和分析师充分沟通本次改版的方向和目的；
2、在新功能或新版本上线后， 分析师会在第一时间（1-2天内）给产品经理们搭建新版本；
3、报表，来反馈改进效果（主要包含新版本覆盖情况、新功能使用情况和新优化的数据表现；整体表现数据如留存、转化；具体功能的使用人数、使用率、使用留存等）；
4、在 1-2 周内，给出 3-4 份详细的分析报告，进一步分析用户对新功能或新版本的反馈，并试图挖掘其中的原因；
5、前面的部分数据主要是作为后验的工具，另外，分析师们也会自己在数据中挖掘一些信息，并证明其有效性，分享给产品经理，推动其解决这些问题。至此，一个完整有效的报表体系就建立起来了，文娱企业 A 也成功搭建起数据驱动的基础。
二、建立三大数据机制
文娱企业 A 围绕用户转化和留存、产品体验和用户体验、个性化推荐三大核心点，建立了数据驱动三大机制，有效优化了产品体验，实现了精准触达，提高了用户留存。
（1）放大易转化的高留存行为
第一个数据驱动机制主要指精耕高留存的用户行为，并选择其中比较容易扩大使用者面积的几个，在产品功能层面放大，让更多用户看到并发生转化，从而提升留存。因为产品在改进期间会同时发生很多其他改进，也会有各种不同的市场、运营活动，所以无法单纯用留存指标来评估和验证方案改进效果。因此，评估最终效果时，首先评估该功能的使用人群和占比是否有效提升，有则认为改进有效。
场景 1：内容产品的“ Aha Moment ”
文娱企业 A 的核心功能就是内容的分发，用户绝大多数的使用时间都在浏览关注和推荐页的内容和评论。所以平台根据用户使用这两个模块的门槛和深浅将用户行为分为四类：路人行为（如浏览帖子），围观行为（点击并查看评论），普通参与行为（点赞，转发），深度参与行为（发布评论）。
借助神策分析的留存分析功能，文娱企业 A 发现行为深度越深，用户的留存越高。因此平台方提出了两个优化策略：
•扩大「参与行为」使用者面积
•扩大「 围观行为 」使用者面积
但由于参与行为的门槛过高，扩大发生参与行为的用户的规模的门槛过高，落地性较弱。因此，选择围观行为，通过放大其面积来提升用户的全站留存，为此运营人员在产品信息流列表页露出一条热评，一方面让更多的用户看到最精彩的评论，一方面更有力的引导用户点击查看更多评论。
新增热评功能后，该平台成功将阅读评论的用户比例提升，并提高了全站留存。使用人数和使用占比的提升如图。
（2）放大有效改进点
发现有效的改进点，并在各个使用场景中进行放大，能起到事半功倍的效果。
场景 2：大胆的复用优秀的经验
在场景 1 中，热评功能已经得到验证，所以该平台考虑将其应用到落地页中。此前，用户将内容分享出去后，落地页主要包括两部分：主贴内容的展示和相关的帖子推荐。平台方的优化方案是：主贴内容和推荐中间，加入大量热评。这样产品的信息流更加丰富，也便新用户快速了解产品形态，pick 到产品的核心价值和吸引力。在复用热评功能，改进了落地页之后，用户的下载激活率显著提升，如下图：
（3）用户标签和用户分群实现精准触达
该平台依靠数据，结合神策用户画像和神策智能运营，将适合的内容推给适合的用户。神策的用户分群功能极大的降低了精准运营的门槛，使运营同学自己就可以使用神策实现自己的脑洞。同时建立好的分群标签，也可以用来观察用户的后续反馈，等于是为运营同学开启了上帝模式。
场景 3：有的放矢的精细化运营
该平台将自己的业务后台与神策分析打通，将平台的数据实时接入和反馈到神策 PaaS 平台中。再整合各类数据，结合神策的用户画像产品，输出用户标签和用户分群指标，助力该平台实现精准触达和精细化运营。
同时，平台方的运营人员可以在后台根据需要随时对发现页和推荐页的 Banner 位进行个性化配置，在配置时也可以直接选取在神策上配置的某个用户分群，这些 Banner 就只对这个用户群里中的人可见。
举个例子，企业 A 的运营人员根据用户的行为特征和偏好，将用户分为普通用户、资深用户、主题达人等，并给不同的人群展示不同内容和推送个性化的消息，如给美食类的主题达人推送相关美食的话题，引导其参与互动等。
场景 4：实时推荐
神策与文娱企业 A 在此场景中欲实现的目标是：提升 CTR、消费量等核心指标。
要提高用户的核心指标，关键还是要促成用户进行更多的点赞、转发和评论行为。因此，文娱企业 A 订阅了神策 Kafka 中的实时数据。基于公司的业务需求，神策根据用户行为行为数据，如订阅、浏览、点赞、评论等行为建立了算法模型，实现基于实时数据的个性化推荐，应用在信息流内容推荐，关注推荐。
在优化完成后，有效的提升了 CTR 和付费内容的消费量。
场景 5：流失用户召回
文娱企业 A 结合神策分析，追踪用户渠道来源，分析用户留存、转化、流失等指标，不断调整渠道拉新策略。同时，根据追踪进入平台用户的用户行为和用户兴趣数据，对用户进行分群运营。针对从神策分析出的流失用户/低频用户，制定个性化的推送内容，例如 App Push，发送短信、限时活动等用户召回方式。
最后，结合神策上记录的用户渠道、用户在 App 内积累的行为与兴趣，算法生成多套推送文案与推送内容，进行 A/B Test。再将 A/B Test 同步记录到神策上，对比各组召回转化率，实时调整召回方案。
明确运营目标：对流失用户进行召回运营；制定合理策略：基于用户数据的个性化推荐；验证分析活动效果。这一完整的运营活动流程，让用户运营实现了有效的精准触达、精准营销。
如今，该文娱企业A已经实现了基于内容和用户偏好的精准匹配，让用户在轻松愉快的氛围下，获取有效信息。