运营思维十大 *** （「20个运营思维」之异常与拆分思维）
如何做到 20运营思维与管理。
运营本身就是一个不断捕捉数据异常并进行拆分的过程，以找到异常的根本问题，而异常思维和拆分思维是我们在日常运营中需要用到的思维模式，更加具体和落地。作者用实际例子分解运营思路，希望对你有所启发。写在前面
最近开始了一系列的分享—— 《20个运营思维》系列，基本都是我个人操作的精华，涉及到的大部分思考都是我自己在探索中出来的。如果读者能从中得到一些，那将是莫大的荣幸。如有不同意见，欢迎指出并讨论。言归正传。今天是20个操作思维中的第二个。
本文主要分享变态和分裂思维。上一篇文章讲了增长模式思维。其实成长模型也是一种分裂思维，只是会更偏向于模型和它的预测能力，而变态思维和分裂思维是我们在运营过程中每天都需要用到的思维模式，更加具体和落地。
运营是一个不断捕捉数据异常，并通过拆分找到其背后本质的过程。
异常思维
想象你是一个企业经营者。当你发现今天交易用户在减少或增加，你会怎么做？这种场景几乎每天每个操作都会遇到。这种下降或上升本身就是一种异常现象。如果你找到了这种异常背后的原因，你可以用这个原因比如你找到了异常增长背后的原因，你可以想办法复制它，让这种增长正常化；另一方面，如果找到了异常下降背后的原因，也可以想办法修复或者避免。在复制修复异常的过程中，一种循序渐进的操作策略诞生了。运营是一个不断发现异常并加以利用的过程。1. 善于观察，高手在民间
其实有时候操作真的很简单。很多时候，操作不需要做策略。操作需要的是观察，观察，发现那些好的异常，然后放大。放大的过程就是策略。高手总是在民间。如果你在推一个100人的城市线团队，你需要为这些人提供中层服务，调动他们的积极性，帮助你们一起完成销售目标。需要如何制定运营策略？
如果你没做过线下销售，刚开始可能会有点迷茫，学会这招后你会觉得很轻松你定义一个KPI，让他们自由发展。在这个过程中，你会发现总有一些销量比别人好。当60%的销售失败时，总有10%的销售是每次都达到的。
这时候你需要做的就是去面试那10%的销售，以及是怎么做的，从中你很可能会听到截然不同的想法，从中你可以抽象出你的运营策略，你可以让剩下的60%学习那10%的做法，组织的整体效率自然会提高。
在一个非平均系统中，总会有一些异常。找到那些好的异常，复制过来，自然会让势头往好的方向发展。
专家在民间的理论也可以应用到线上运营。我记得我以前经营过一个信用卡赔偿产品。我没有。在那个月初，我什么也不做。我观察到，即使一个月没有任何运营干预，你也会发现数据会有异常，会有一些好的异常，总会有一些看似无关的动作(比如产品的一次更新)会带来数据的增长。这些异常的背后，是我们找到突破口的方式。
以上讲了通过观察发现异常，利用异常制定策略，再讲如何运用分裂思维找到异常背后的原因。
2. 拆分思维
至少以下列方式拆分（1）按用户渠道拆分
当你负责一个app新用户的运营时，发现新用户的整体转化率波动很大。这个时候，拆分渠道是个好办法。新用户的数据随着渠道的不同会表现出很大的差异。自然流量的用户和邀请好友的用户质量会明显不同，不同渠道的转化率、留存率等数据也有很大差异，需要区别对待。
新增户整体转化率下降，很可能是劣质渠道用户比例上升造成的。一般新用户的操作需要区分渠道，看各个渠道的数据变化。
（2）按照用户属性拆分
用户属性是指性别、年龄、地域等。对于一些商家来说，用户属性的差异也是相当明显的。比如，在电商平台上的购物活动，男女有明显的差异，学生和白领对于金融产品也会表现出不同的客单价特征；
对于一些商家来说，城市也是一个可以考虑的因素，比如对茶叶的热爱，贸易商数量的下降，按城市来说，无论是各个城市的普遍下降还是个别城市的下降，都会有更大的疫情、天气等因素的原因。
（3）按照场景入口去拆分
比如支付人数的下降，是线上支付场景的下降，还是线下支付场景的下降；是哪个伙伴倒了，还是所有伙伴一起倒了；具体是哪个支付产品在跌等等。
（4）按照用户分层去拆分
如果看一个app的DAU，可以把app的用户区域分为新用户池、活跃用户池、静默用户池、预流失用户池、流失用户池。每天，DAU必须由上述五个用户池的用户组成。DAU上上下下，哪个池子变化明显，打开就清楚了，如下图。
拆分的 有很多种，其实很好理解，拆分有一个基本要求，就是要符合业务认知，而不是为了拆分而拆分。比如你非要按性别分，那可能是徒劳的，因为在充话费这件事上，男女不会表现出很大的差异。
除了这些拆分 ，还有一种非。
常好用但又容易被忽略的拆分法，对时间拆分。3. 对时间拆分
假如你看到的每日交易的曲线是以上这样的，明显在9.1日的时候，产生了一个峰值。这时候怎么去判断峰值是怎么带来的呢，有种非常简单的 就是将9.1日数据再按小时拆，看当天的曲线变化，与前一天做对比。如下图所示。
拆到小时后，就可以清晰的看到，在9.1日1900的时候产生了一个极高的峰值，并且在这个之后，整体的量级都提升了一个台阶。我们的关注重点就可以转移到这个峰值是如何产生，很可能当时是推了push、短信等等。
也有一种情况会出现，也就是类似上图，一整天，没有明显的峰值，但实时曲线一直是在前一天之上。这种会有两种情况，一种是资源位影响（比如弹窗0点生效）或者刚好当日是一个促销日；如果排除了这个影响，那就往前一天追溯，没有无缘无故的峰值产生，一定是在前一天晚些时候有一个峰值，持续带动了第二天的交易。
对时间拆分如此好用，也是我为啥做任何业务都要先做一个前后两日的实时交易曲线对比，实时曲线收获的信息量要远远超过看日维度的曲线变化。
异常思维和拆分思维，本身不难，难的是善于观察，发现异常，难的是发现异常后，不偷懒，拆解，直到找到异常背后最本质的那个原因。能把运营做到什么程度，就看你愿意观察和拆解到什么程度了。
好了，关于异常和拆分思维的分享就到这里吧，欢迎给我留言讨论。
本文由 @酥酥说 原创发布于人人都是产品经理，未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。