文章从数据运营的角度，从方法论去分解P2P平台的数据运营，从而构建一个完整的数据运营体系。
从2014年从事P2P行业到现在，已有3年多时间了。习惯在年末年初对自己一年来的学习、工作、生活等方面做一些总结，以前的总结都比较零散，现在想逐步的从框架到细节逐步去做一些总结。
我在P2P行业总共待过3个平台，所负责的工作内容从推广到运营，从运营到产品，从产品再回到运营。在P2P平台的运营过程中，发现对于运营数据的挖掘分析，其实可以做到很细致。现在我就用数据运营的角度，从方法论去分解P2P平台的数据运营，从而构建一个完整的数据运营体系。
为什么要做数据运营
做数据运营，是为了精确的分析具备某些特征的用户，甚至于某个用户在平台上的所有操作行为，研究分析其操作行为并做出行为预判，调整针对性的运营策略，从而做到精细化运营的目的。
数据运营的分解步骤
如下图，我将数据运营的步骤进行了如下分解，然后按照这8个分解步骤进行逐一讲解。
业务流程
P2P的业务流程，这个不了解的就妄为P2P从业人员了。
运营流程
基础运营流程，即用户的操作流程，各家平台大同小异，主要的差异化是每个平台在对于用户操作的功能设计不同，或者数据获取的来源不同。在这里我们把简要的用户操作流程进行分解。
原则上来说，我们做运营就需要用户在平台上所有的操作记录。通俗的来说，就是什么人什么时间在什么地方做了什么事，而这个事又是什么？因此我们首先第一步是按照分解步骤去获取用户的操作记录，这是最原始最基础的数据需求。
流程需求
除基础数据需求外，整个运营流程中对应的部门和岗位到底产生了那些工作需求？这就是我们需要考虑的，那么在一般的平台架构上，运营部门可以大致分为如下7个部门，并在其中涉及到的基础框架需求列出来。
而关于前面的流程需求里，提到的一些数据需求，在这里再做一些数据简述，请看下表：
关于流程需求，就不再一个个去列举了。上面只是做了一些基础框架需求的列举，在框架下能够细化出来的数据模型太多。
用户分级
对用户在运营体系里不同的状态进行分级定义，主要可以按照上面提到的用户状态进行分级。
观察/注册/开户/充值/投资/复投/回款/续投/撤资/找回
当我们将用户进行分级后，从分级状态里提取状态进行图表化统计，可以得到一个用户生命周期的模型。我提取了一个数据样例，做了一个数据图，如下图：
从上图示例数据看到，我将用户的生命周期暂定为90天，这也是我目前对P2P平台的新用户的定义（注册时间90天内属于新用户），以此来进行用户生命周期的分析。图表所示，我将Y/X轴分为了资金轴和时间轴，自用户注册时起，便有了这样的数据，将数据导入软件后得到如图。
从示例图的数据我得到如下结论：
用户从注册时间起，到第一次充值时间截止。用户大约决策了10天。
用户从第一次充值时间起，到第一次投资时间截止，用户大约决策了5天。
用户自第一次回款开始，参照时间顺序，分别进行了提现操作和续投操作。标明用户对于平台提现时效进行了体验操作，再进行了续投操作。
用户的充值、投资决策时间（时间轴）间隔越短，对应的资金越高，则代表用户对于正在逐步进入沉淀期。
相应用户的决策行为受外部诸多因素影响，比如：品牌事件、营销活动、客服回访开发等。
策略调整
提取用户分级后的数据，分析后对运营策略进行调整。
在这里列举两个常见的数据运用进行说明：
1.在泛流量推广渠道上，如何判断分析在一定同等的条件下，哪些新用户相对更加具备开发价值。
用户决策难度越高，则开发价值越大。举例来说，注册的操作步骤较为简单，而实名开通银行存管账户的操作就要难很多，并且要填写自己的身份证号码、银行卡信息这些高度隐私的信息，对于用户来说就有很大的决策难度，再往后就是首充及首投。
注册到开户的决策时间，注册或开户到首充首投的决策时间。在没有高精准的反欺诈（用户的马甲小号）功能前，这两类决策时间越短的用户，很大概率是受到营销活动引导、渠道定向CPS活动引导而进行决策操作的。那么相对而言，这两类决策时间越长，则越表明用户一定的真实性、对平台有一定的观察期，慎重考虑过后才进行决策操作的。
在CPS推广的渠道上，以一定的奖励回报引导而来的用户，大部分转化用户的首投金额是源于CPS推广渠道的活动门槛的。若该渠道来源用户的首投金额＞渠道活动门槛，则表明这些用户相对更加具备开发价值。除此之外，首投金额及期限越高，则越具备开发价值。
用户在进入沉淀期之前，有一定的试投体验期。这个期间的决策时间跨度间，未回款复投的用户，要比回款续投的用户更加具备开发价值。除此之外，复投及续投金额及期限越高，则越具备开发价值。
用户零待收，且经过公式推算用户的存管账户余额可能也为零的前提下，依旧产生登录、访问行为的用户相对更加具备开发价值。且访问频次及浏览时间越高则用户相对更具备开发价值。
那么在从多方面获取到的数据信息里，逐步分析相对更加具备开发价值的用户。从而调整客服部门，推广部门的工作针对群体及策略。
2.非活动期间及活动期间，在排除没有其他外部因素影响的前提下，不同投资能力的用户，回款资金到达什么样的预期值才会让用户进行提现或续投的决策操作。
如图数据样例所示，用户连续15天回款，每天回款金额平均到达≥759.9元就会进行回款续投操作，最低一次回款续投操作在累计回款达518.17元时执行。因此我们由数据可初步推断该用户的回款续投决策，决策预期值需要回款资金≥518.17元才会执行操作。
用户回款中有一笔973.76元的回款资金，同天进行了充值50元的操作，才进行的投资操作。这是一个很奇怪的行为，这个行为就像我们很多人有一个凑整心理。关于凑整心理在一些电商的营销手段里常见，若有对行为心理学有研究朋友欢迎给一些关于“凑整”心理的资料。
接下来我们依据数据做出如下假设性的问题，供大家参考。
首先看下图：
在这里假定用户投资能力层级分别定为5个等级（具体如上），那么前面举例的用户在投资能力为小的级别上。按照数据模型分析全部用户，我们可能会发现不同级别的用户在进行续投决策时，他们的决策预期值就能够大概推算出来，这个推算出来的数据，是不是就能够更精确的用于客服部门对客户进行跟踪回访呢？
同理对于用户在提现行为决策时，对于不同层级的用户来说，回款资金到达什么样的决策预期值，用户会执行提现操作呢？
每个用户在平台的投资总额（俗称仓）是否能够通过数据模型，分析用于对平台综合能力的考量，用户对在平台建仓的心理预期在什么样的范围值之内？
以上问题就交给数据量较大，且拥有一定技术能力解决数据获取的平台运营朋友去论证吧。
引导作用
每一个运营环节（即用户分级引导的环节）从内容、交互、视觉方面进行引导，观察引导作用。
这个方面的数据，大致为页面访问数据（访问数量、重复访问、访问深度）、信息到达数据、转化数据（激活、唤醒、转化）等。基本上适用于：客服部门、推广部门、运营部门。详细适用于：活动策划岗、文案岗、产品岗、设计岗。
多维权衡
从每次调整的运营策略里，挖掘多维的深度数据，权衡数据准确度。
可能这里的数据需求更多的是在于活动策划岗位及客服岗位吧，比如说活动参与度、用户活跃度、信息到达率、激活转化率、决策行为增加等。
变量影响
每次运营数据的变量，着重分析数据变量涉及的多维度影响值。
这部分内容主要为：用户撤资行为、用户操作异常行为、用户活跃度异常、用户决策习惯异常等。主要作用于风险预警和行为预判，主要数据适用于客服部门、品牌部门、运营部门。详细适用于：客服岗位、负面信息监测岗位、活动策划岗位或交易管理岗位。
好了，本次分享就先到这里吧，的确大冷天思维不活跃，码字也好艰难。本次分享的内容里有一部分内容没有详细讲解的，在后面我会逐步分享。或者等我把我目前数据建模的很多东西更加论证之后再拿出来分享，目前正在整理一套数据模型，可能大约有100个左右。
文章来源：人人都是产品经理
【转载说明】 若上述素材出现侵权，请及时联系我们删除及进行处理：8088013@qq.com
