一个P2P平台的详细运营框架是怎样的_数据分析师
前言
运营分战略层运营和执行层运营。战略层运营考虑的是整个公司的资源、模式、预算、节奏;执行层运营根据战略定位执行提升流量、用户数、品牌、交易数据、销售数据等工作。前者只能是公司老板或者个别高层。
相比产品、技术,运营由于有额外的资源(钱)、有业绩压力,更需要考验领头人的决断能力和整个团队的执行能力,走错一步、走慢一步可能会带来很大遗憾。
问题是,在绝大部分互联网公司里,运营并没有得到应有的重视。大部分运营不过是在做打杂的事、在围绕KPI做临时抱佛脚的事。
所谓的应有的重视并不是指给运营更多的资源。是否坚定树立以运营为中心的网站观,让产品为运营服务、让技术为运营服务是其中最大的差别。过去互联网的发展先后走过了以编辑为中心、以技术为中心、以产品为中心的路线。早晚有一天,权力者们会明白,以运营为中心,彻底构建产品、技术、内容为运营服务的文化,运营指哪打哪,才是一个网站的合理运行之道。
理论上说,CEO的职位就是干这个的。无奈众多互联网公司的CEO往往只是PR、BD,或者与资本市场沟通的角色,很难要求CEO深入到业务层面做扎实的运营规划工作和执行监督工作,自然无法依赖CEO做出执行层正确的判断(战略层的运营才是其重点工作)。因此运营带头人的工作变得无比重要。
至于如此文化和压力下运营是否能做出正确的决策、是否能尊重用户、是否能熟悉业务、是否不依赖资源硬推广,一切看结果,结果不理想就可以考虑换人,直到外部找到或者内部提拔到合格的运营为止。
产品思维是:我要做一个NB的、完美的功能或者竞品分析、用户分析后觉得我们应有的产品/功能,解决用户需求。
技术思维是:需求写清楚我就做,不写清楚就打回去想清楚。
运营思维是:首先必须建立一套数据监测体系跟踪评估我们的努力。其次考虑现有资源和现在市场环境,我们要出一个功能/活动,目的是***,N天内必须上,考虑到时间,产品别浪费时间写事无巨细的PRD,技术别只埋头写代码挑剔需求,需求阶段就必须给产品足够的协助,需求大概沟通清楚就必须开始,大问题事前解决,再有问题事中事后解决。结果好坏我们看数据监测,无论好坏都总结经验教训,做好了团队立刻有奖励。
哪种思维更符合互联网的发展趋势和企业管理原理呢?不言自明。
作为一个网站,P2P平台有很多互联网网站早已摸索总结出来的特性,譬如(有效)流量是基础、(活跃)用户数是根本、交易数据是命脉。一切运营执行层的打法,结合平台模式和自身资源,都围绕这三个数据的提升去工作。而P2P平台自身的特性又在这三个关键指标的提升中暴露得非常明显。
流量
流量分付费流量和免费流量。
付费流量又分精准流量和非精准流量。精准流量渠道主要是SEM、金融网站/公众号,非精准流量就是一切有大流量的网站/客户端/APP端如各类大型社区、网址站、工具软件等。
免费流量主要依赖SEO、平台自身微信/微博、大型社区。
有钱的平台73分,没钱的平台37分。
没有什么比(有效)流量更基础了。
一个功能强大的流量监测工具是流量工作的必备。
流量分析是网站分析工作中最基本的一环。
流量来源渠道分析是流量分析中最重要的。
有钱的平台砸一遍基本就能知道各渠道流量质量如何,优质渠道投入资源固定维护关系,普通渠道定期关注即可。
对新流量渠道开拓的工作应是孜孜不倦的。
用户数
流量来了,怎么变成用户?
P2P网站根据自身模式,往往有两类用户,1借款人/企业;2投资者。
1类用户很难拓展,大部分来源于线下合作,提升该类用户更多靠BD和平台背景,这里重点谈下投资者。
投资者选择平台的原因各种各样,但本质上还是冲收益高、安全和体验去。
标的的基本收益完全依赖于战略层的定位改变不了。
不过红包类活动、新手标类设计是最容易刺激新用户注册的。
此外观察行业竞品收益率变化甚至其他热门金融产品收益率变化,也会有一定文章可做。
安全能被分解成无数要素,可能是平台背景、模式、流动性等。
网站的内容更新、产品设计、页面UI设计、技术支持上,必须围绕这些因素去设计。
网站越让人感觉安全,用户越容易注册。
体验分网站使用体验和投资体验,前者靠产品和交互,后者靠产品和客服,骨子里都靠技术。
此外,第三方平台的口碑,负面信息的影响,也非常重要需要定期维护。
用户注册了,怎么变成活跃用户?
首先还是得依赖良好的数据监测系统。一个强大的用户监测系统能够筛出不同特性的用户,从而让运营人员接近、分析、了解用户。运营人员越贴近用户,越能明白怎样让他们变活跃。股票行情好的时候投资者固然会抽出资金,年终奖即将发放,平台也应考虑这块难得的小肥肉。
P2P网站本质上是交易型网站,用户来了就走。P2P又不像电商,用户可以高频次交易。
怎么刺激用户变成活跃用户?让他们多投资、多交流、多学习、多见面。
投资的话题下边谈到交易数据再讲。
交流是给投资者一个论坛。固然这样透明的交流场所会放大平台的缺点,然而也会加倍放大平台的优势。众多谨慎的投资者是在论坛和QQ群中逐渐对平台产生信任。
学习是给投资者一个教育环境。受行业低级平台和民间投资公司、担保公司牵累,平台受的不白之冤太多。如何给投资者更好的理财教育而不是粉饰宣传,需要用心,投资者不是傻子。此外,P2P不过是投资者资产配置中的一环而已,不应过分贬损其他金融理财工具。宣传时只强调收益也是较初级的宣传手段。
见面是拉近平台与投资者的重要手段。见面会不单可以听取意见宣传品牌,还可以承载重要的拉投资的功能。金融行业永远需要对客户区别对待,一个大客户及大客户身边的人脉胜过无数小客户,如何挖掘客户身边的人脉不能仅仅通过简单的产品设计。定期举办公开/不公开的客户见面会,有助于平台更好地凝聚投资者。这是P2P网站和一般网站明显不同的环节,也是互联网人不习惯做的领域。
交易数据
如前所述,借款项目取决于BD和平台背景。在被众多担保公司不负责任教育后的当今投资者市场和媒体报道环境,平台单纯依赖担保公司、小贷公司输入借款项目已经捉襟见肘。P2P行业会越来拼借款项目的获取能力,投资者也会越来越看重平台这方面的能力。
如何提升投资数据?
相比借款数据,投资数据比较容易提升。
除基本的加强流动性工具设计外,对投资者基本利益的重视往往从客服电话、客服QQ、QQ群中就能感知到。P2P行业的客服不应是只会机械背话术打字的廉价劳动力。平台客服应是投资者专业的P2P理财顾问,她们更多需要站在投资者的角度去解决客户疑惑去关心客户,少一点站在平台的角度搪塞回避问题。理想化一点,客服应该是最熟悉业务的岗位,是用户需求的感知者,也是产品推进的原始驱动力。
往往越是以产品为中心、以技术为中心的项目越不会重视客服。只有以运营为中心,才会把一线接触用户的客服当成是宝贝。眼下口碑较好的平台,哪家CEO和高管不都在维护客户利益发出平台声音?
人人都应是自家平台的客服。相比起给平台挑bug、提创意、上功能,重视及迅速解决客户的每一个实质问题更重要。
以用户为中心是互联网人早已达成的共识,不过这个理念在金融领域并不是互联网领域常见的做用户调查、画像、访谈。只有平台真正对投资者好、急投资者所急,敢于跳出所谓的规章制度流程时间的限制,去解决投资者的问题,这才能真正受到投资者的爱戴。
否则,业内有家页面粗糙(未改版前)、收VIP费用、屡爆危机、老板既非专业互联网背景也非专业金融背景更没有线下事业做支撑,是如何受到投资者的热捧从未掉出top5呢?
赢得了投资者的心。
(注:不代表我不觉得他们没问题,只代表投资者对其认可度的不可思议现象背后的分析)
有别于其他互联网领域,P2P网站,用户间的彼此影响是被放大的。一点点好会被投资者疯狂传播,一点点坏也会被投资者疯狂传播。这本质上跟线下其他金融公司是相似的。在涉及到财富的领域,不考虑政府硬加的门槛设置,专业的投资者服务、口碑维护远远比一切更重要。
最后,无论是战略层运营还是执行层运营,最缺的永远是人,最容易忽视的工作也永远是人。
P2P这个领域,既跟互联网相关又跟金融相关,很难找到两边知识储备都有且足够专业的战力。
无论是公司层面还是部门层面,相应的培训、知识沉淀、薪酬机制、淘汰机制都必须跟上,否则人员流动和凝滞都会制约发展。小平台固然可能沦落成给大平台培养战力的跳板,大平台也可能变成给小平台培养中高层的工具。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21