從2014年從事P2P行業到現在， 已有3年多時間了。 習慣在年末年初對自己一年來的學習、工作、生活等方面做一些總結， 以前的總結都比較零散，
我在P2P行業總共待過3個平臺， 所負責的工作內容從推廣到運營， 從運營到產品， 從產品再回到運營。 在P2P平臺的運營過程中， 發現對於運營資料的挖掘分析， 其實可以做到很細緻。 現在我就用資料運營的角度， 從方法論去分解P2P平臺的資料運營， 從而構建一個完整的資料運營體系。
為什麼要做資料運營做資料運營， 是為了精確的分析具備某些特徵的使用者， 甚至於某個用戶在平臺上的所有操作行為， 研究分析其操作行為並做出行為預判， 調整針對性的運營策略， 從而做到精細化運營的目的。
資料運營的分解步驟如下圖， 我將資料運營的步驟進行了如下分解，
業務流程P2P的業務流程， 這個不瞭解的就妄為P2P從業人員了。
運營流程基礎運營流程， 即使用者的操作流程， 各家平臺大同小異， 主要的差異化是每個平臺在對於用戶操作的功能設計不同， 或者資料獲取的來源不同。
原則上來說， 我們做運營就需要使用者在平臺上所有的操作記錄。 通俗的來說， 就是什麼人什麼時間在什麼地方做了什麼事， 而這個事又是什麼？因此我們首先第一步是按照分解步驟去獲取使用者的操作記錄， 這是最原始最基礎的資料需求。
流程需求除基礎資料需求外， 整個運營流程中對應的部門和崗位到底產生了那些工作需求？這就是我們需要考慮的， 那麼在一般的平臺架構上， 運營部門可以大致分為如下7個部門， 並在其中涉及到的基礎框架需求列出來。
而關於前面的流程需求裡， 提到的一些資料需求， 在這裡再做一些資料簡述， 請看下表：
關於流程需求， 就不再一個個去列舉了。 上面只是做了一些基礎框架需求的列舉， 在框架下能夠細化出來的資料模型太多。
用戶分級對用戶在運營體系裡不同的狀態進行分級定義， 主要可以按照上面提到的使用者狀態進行分級。
觀察/註冊/開戶/充值/投資/複投/回款/續投/提現/找回
當我們將用戶進行分級後， 從分級狀態裡提取狀態進行圖表化統計， 可以得到一個使用者生命週期的模型。 我提取了一個資料樣例， 做了一個資料圖， 如下圖：
從上圖示例資料看到，我將使用者的生命週期暫定為90天，這也是我目前對P2P平臺的新用戶的定義（註冊時間90天內屬於新用戶），以此來進行用戶生命週期的分析。圖表所示，我將Y/X軸分為了資金軸和時間軸，自用戶註冊時起，便有了這樣的資料，將資料導入軟體後得到如圖。
從示例圖的資料我得到如下結論：
用戶從註冊時間起，到第一次充值時間截止。用戶大約決策了10天。用戶從第一次充值時間起，到第一次投資時間截止，用戶大約決策了5天。使用者自第一次回款開始，參照時間順序，分別進行了提現操作和續投操作。標明用戶對於平臺提現時效進行了體驗操作，再進行了續投操作。用戶的充值、投資決策時間（時間軸）間隔越短，對應的資金越高，則代表用戶對於正在逐步進入沉澱期。相應用戶的決策行為受外部諸多因素影響，比如：品牌事件、行銷活動、客服回訪開發等。
策略調整提取使用者分級後的資料，分析後對運營策略進行調整。
在這裡列舉兩個常見的資料運用進行說明：
1.在泛流量推廣管道上，如何判斷分析在一定同等的條件下，哪些新用戶相對更加具備開發價值。
用戶決策難度越高，則開發價值越大。舉例來說，註冊的操作步驟較為簡單，而實名開通銀行存管帳戶的操作就要難很多，並且要填寫自己的身份證號碼、銀行卡資訊這些高度隱私的資訊，對於使用者來說就有很大的決策難度，再往後就是首充及首投。註冊到開戶的決策時間，註冊或開戶到首充首投的決策時間。在沒有高精准的反欺詐（用戶的馬甲小號）功能前，這兩類決策時間越短的用戶，很大概率是受到行銷活動引導、管道定向CPS活動引導而進行決策操作的。那麼相對而言，這兩類決策時間越長，則越表明用戶一定的真實性、對平臺有一定的觀察期，慎重考慮過後才進行決策操作的。在CPS推廣的管道上，以一定的獎勵回報引導而來的用戶，大部分轉化用戶的首投金額是源於CPS推廣管道的活動門檻的。若該管道來源用戶的首投金額＞管道活動門檻，則表明這些用戶相對更加具備開發價值。除此之外，首投金額及期限越高，則越具備開發價值。用戶在進入沉澱期之前，有一定的試投體驗期。這個期間的決策時間跨度間，未回款複投的用戶，要比回款續投的用戶更加具備開發價值。除此之外，複投及續投金額及期限越高，則越具備開發價值。用戶零待收，且經過公式推算用戶的存管帳戶餘額可能也為零的前提下，依舊產生登錄、訪問行為的用戶相對更加具備開發價值。且訪問頻次及流覽時間越高則用戶相對更具備開發價值。那麼在從多方面獲取到的資料資訊裡，逐步分析相對更加具備開發價值的用戶。從而調整客服部門，推廣部門的工作針對群體及策略。
2.非活動期間及活動期間，在排除沒有其他外部因素影響的前提下，不同投資能力的用戶，回款資金到達什麼樣的預期值才會讓用戶進行提現或續投的決策操作。
如圖資料樣例所示，用戶連續15天回款，每天回款金額平均到達≥759.9元就會進行回款續投操作，最低一次回款續投操作在累計回款達518.17元時執行。因此我們由資料可初步推斷該使用者的回款續投決策，決策預期值需要回款資金≥518.17元才會執行操作。
用戶回款中有一筆973.76元的回款資金，同天進行了充值50元的操作，才進行的投資操作。這是一個很奇怪的行為，這個行為就像我們很多人有一個湊整心理。關於湊整心理在一些電商的行銷手段裡常見，若有對行為心理學有研究朋友歡迎給一些關於“湊整”心理的資料。
接下來我們依據資料做出如下假設性的問題，供大家參考。
首先看下圖：
在這裡假定用戶投資能力層級分別定為5個等級（具體如上），那麼前面舉例的用戶在投資能力為小的級別上。按照資料模型分析全部使用者，我們可能會發現不同級別的用戶在進行續投決策時，他們的決策預期值就能夠大概推算出來，這個推算出來的資料，是不是就能夠更精確的用於客服部門對客戶進行跟蹤回訪呢？同理對於用戶在提現行為決策時，對於不同層級的用戶來說，回款資金到達什麼樣的決策預期值，用戶會執行提現操作呢？每個用戶在平臺的投資總額（俗稱倉）是否能夠通過資料模型，分析用於對平臺綜合能力的考量，用戶對在平臺建倉的心理預期在什麼樣的範圍值之內？以上問題就交給資料量較大，且擁有一定技術能力解決資料獲取的平臺運營朋友去論證吧。
引導作用每一個運營環節（即用戶分級引導的環節）從內容、交互、視覺方面進行引導，觀察引導作用。
這個方面的資料，大致為頁面訪問資料（訪問數量、重複訪問、訪問深度）、資訊到達資料、轉化資料（啟動、喚醒、轉化）等。基本上適用於：客服部門、推廣部門、運營部門。詳細適用於：活動策劃崗、文案崗、產品崗、設計崗。
多維權衡從每次調整的運營策略裡，挖掘多維的深度資料，權衡資料準確度。
可能這裡的資料需求更多的是在於活動策劃崗位及客服崗位吧，比如說活動參與度、使用者活躍度、資訊到達率、啟動轉化率、決策行為增加等。
變數影響每次運營資料的變數，著重分析資料變數涉及的多維度影響值。
這部分內容主要為：用戶撤資行為、用戶操作異常行為、用戶活躍度異常、用戶決策習慣異常等。主要作用於風險預警和行為預判，主要資料適用於客服部門、品牌部門、運營部門。詳細適用於：客服崗位、負面資訊監測崗位、活動策劃崗位或交易管理崗位。
好了，本次分享就先到這裡吧，的確大冷天思維不活躍，碼字也好艱難。本次分享的內容裡有一部分內容沒有詳細講解的，在後面我會逐步分享。或者等我把我目前資料建模的很多東西更加論證之後再拿出來分享，目前正在整理一套資料模型，可能大約有100個左右。
作者：Mr路人丁，微信號公眾號：MrLuRenDing。擁有7年互聯網推廣行銷、互聯網運營經驗，兩年電商運營經驗。
本文由 @Mr路人丁 原創發佈于人人都是產品經理。未經許可，禁止轉載。
題圖來自PEXELS，基於CC0協議
從上圖示例資料看到，我將使用者的生命週期暫定為90天，這也是我目前對P2P平臺的新用戶的定義（註冊時間90天內屬於新用戶），以此來進行用戶生命週期的分析。圖表所示，我將Y/X軸分為了資金軸和時間軸，自用戶註冊時起，便有了這樣的資料，將資料導入軟體後得到如圖。
從示例圖的資料我得到如下結論：
用戶從註冊時間起，到第一次充值時間截止。用戶大約決策了10天。用戶從第一次充值時間起，到第一次投資時間截止，用戶大約決策了5天。使用者自第一次回款開始，參照時間順序，分別進行了提現操作和續投操作。標明用戶對於平臺提現時效進行了體驗操作，再進行了續投操作。用戶的充值、投資決策時間（時間軸）間隔越短，對應的資金越高，則代表用戶對於正在逐步進入沉澱期。相應用戶的決策行為受外部諸多因素影響，比如：品牌事件、行銷活動、客服回訪開發等。
策略調整提取使用者分級後的資料，分析後對運營策略進行調整。
在這裡列舉兩個常見的資料運用進行說明：
1.在泛流量推廣管道上，如何判斷分析在一定同等的條件下，哪些新用戶相對更加具備開發價值。
用戶決策難度越高，則開發價值越大。舉例來說，註冊的操作步驟較為簡單，而實名開通銀行存管帳戶的操作就要難很多，並且要填寫自己的身份證號碼、銀行卡資訊這些高度隱私的資訊，對於使用者來說就有很大的決策難度，再往後就是首充及首投。註冊到開戶的決策時間，註冊或開戶到首充首投的決策時間。在沒有高精准的反欺詐（用戶的馬甲小號）功能前，這兩類決策時間越短的用戶，很大概率是受到行銷活動引導、管道定向CPS活動引導而進行決策操作的。那麼相對而言，這兩類決策時間越長，則越表明用戶一定的真實性、對平臺有一定的觀察期，慎重考慮過後才進行決策操作的。在CPS推廣的管道上，以一定的獎勵回報引導而來的用戶，大部分轉化用戶的首投金額是源於CPS推廣管道的活動門檻的。若該管道來源用戶的首投金額＞管道活動門檻，則表明這些用戶相對更加具備開發價值。除此之外，首投金額及期限越高，則越具備開發價值。用戶在進入沉澱期之前，有一定的試投體驗期。這個期間的決策時間跨度間，未回款複投的用戶，要比回款續投的用戶更加具備開發價值。除此之外，複投及續投金額及期限越高，則越具備開發價值。用戶零待收，且經過公式推算用戶的存管帳戶餘額可能也為零的前提下，依舊產生登錄、訪問行為的用戶相對更加具備開發價值。且訪問頻次及流覽時間越高則用戶相對更具備開發價值。那麼在從多方面獲取到的資料資訊裡，逐步分析相對更加具備開發價值的用戶。從而調整客服部門，推廣部門的工作針對群體及策略。
2.非活動期間及活動期間，在排除沒有其他外部因素影響的前提下，不同投資能力的用戶，回款資金到達什麼樣的預期值才會讓用戶進行提現或續投的決策操作。
如圖資料樣例所示，用戶連續15天回款，每天回款金額平均到達≥759.9元就會進行回款續投操作，最低一次回款續投操作在累計回款達518.17元時執行。因此我們由資料可初步推斷該使用者的回款續投決策，決策預期值需要回款資金≥518.17元才會執行操作。
用戶回款中有一筆973.76元的回款資金，同天進行了充值50元的操作，才進行的投資操作。這是一個很奇怪的行為，這個行為就像我們很多人有一個湊整心理。關於湊整心理在一些電商的行銷手段裡常見，若有對行為心理學有研究朋友歡迎給一些關於“湊整”心理的資料。
接下來我們依據資料做出如下假設性的問題，供大家參考。
首先看下圖：
在這裡假定用戶投資能力層級分別定為5個等級（具體如上），那麼前面舉例的用戶在投資能力為小的級別上。按照資料模型分析全部使用者，我們可能會發現不同級別的用戶在進行續投決策時，他們的決策預期值就能夠大概推算出來，這個推算出來的資料，是不是就能夠更精確的用於客服部門對客戶進行跟蹤回訪呢？同理對於用戶在提現行為決策時，對於不同層級的用戶來說，回款資金到達什麼樣的決策預期值，用戶會執行提現操作呢？每個用戶在平臺的投資總額（俗稱倉）是否能夠通過資料模型，分析用於對平臺綜合能力的考量，用戶對在平臺建倉的心理預期在什麼樣的範圍值之內？以上問題就交給資料量較大，且擁有一定技術能力解決資料獲取的平臺運營朋友去論證吧。
引導作用每一個運營環節（即用戶分級引導的環節）從內容、交互、視覺方面進行引導，觀察引導作用。
這個方面的資料，大致為頁面訪問資料（訪問數量、重複訪問、訪問深度）、資訊到達資料、轉化資料（啟動、喚醒、轉化）等。基本上適用於：客服部門、推廣部門、運營部門。詳細適用於：活動策劃崗、文案崗、產品崗、設計崗。
多維權衡從每次調整的運營策略裡，挖掘多維的深度資料，權衡資料準確度。
可能這裡的資料需求更多的是在於活動策劃崗位及客服崗位吧，比如說活動參與度、使用者活躍度、資訊到達率、啟動轉化率、決策行為增加等。
變數影響每次運營資料的變數，著重分析資料變數涉及的多維度影響值。
這部分內容主要為：用戶撤資行為、用戶操作異常行為、用戶活躍度異常、用戶決策習慣異常等。主要作用於風險預警和行為預判，主要資料適用於客服部門、品牌部門、運營部門。詳細適用於：客服崗位、負面資訊監測崗位、活動策劃崗位或交易管理崗位。
好了，本次分享就先到這裡吧，的確大冷天思維不活躍，碼字也好艱難。本次分享的內容裡有一部分內容沒有詳細講解的，在後面我會逐步分享。或者等我把我目前資料建模的很多東西更加論證之後再拿出來分享，目前正在整理一套資料模型，可能大約有100個左右。
作者：Mr路人丁，微信號公眾號：MrLuRenDing。擁有7年互聯網推廣行銷、互聯網運營經驗，兩年電商運營經驗。
本文由 @Mr路人丁 原創發佈于人人都是產品經理。未經許可，禁止轉載。
題圖來自PEXELS，基於CC0協議