&img src=&/v2-df43fe74e714ca_b.jpg& data-rawwidth=&900& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&/v2-df43fe74e714ca_r.jpg&&&p&&i&本文作者严鑫鑫，现任腾讯产品运营，曾供职于百度、网易。三节课3.3计划第三期学员。&/i&&/p&&br&&p&若说近两年最春风得意的互联网产品，网易云音乐绝对可以称得上是一个。&br&&/p&&blockquote&&ul&&li&&p&2013年4月推出；&/p&&/li&&li&&p&2015年用户数破1亿；&/p&&/li&&li&&p&2016年跻身行业第一阵营；&/p&&/li&&li&&p&2016年7月获得2亿用户；&/p&&/li&&li&&p&......&/p&&/li&&/ul&&/blockquote&&br&&p&而这，仅仅用了3年的时间。 这恐怕是任何一个产品都想要的“梦幻之旅”。更值得一提的是，在残酷的音乐市场竞争下，网易云音乐仅付费用户数在过去一年里就连续增长了数倍 。&/p&&p&如你所知，互联网已经来到了人口红利期已过的下半场，商业化恐怕是摆在每个产品面前最大的问题。当互联网音乐产品撞上了商业化，会擦出怎样的火花？本文会结合网易云音乐的商业化变现方式以及未来的可能性，来具体聊一聊这个问题。&br&&/p&&br&&p&笔者将会先介绍一下网易云音乐现有已经开始尝试的一些商业化手段，然后以个人理解来介绍一下音乐行业的整个产业链和市场格局，最后再试图来展望一下网易云音乐将来还有可能在哪些地方做出商业化变现的尝试。&/p&&br&&h2&&b&一、网易云音乐现有的商业化变现方式解析&/b&&/h2&&br&&strong&1.数字专辑&/strong&&p&&strong&数字专辑&/strong&（即没有实体CD，通过授权网站下载正版音乐的形式，最早在Ipod上进行音乐售卖就是这种形式）的出现得益于版权保护，作为传统唱片销售渐弱的一种创新商业手法，数字专辑有着天然独特的网络优势：&strong&制作成本降低，售价不高，比去实体店购买唱片更加方便快捷。&/strong&&br&&/p&&br&&p&用户使用场景如：刷到一条爱豆最新的专辑动态，立即到网易云音乐爱豆主页查看详情，自认为对爱豆的支持不能停留在口头，要先听为快！买买买！&/p&&p&又或者：听到一首非常想下载的歌曲，但发现只有订购专辑才能保存到本地，然后进入歌手专辑主页查看详情购买下载。&/p&&br&&p&比如我想下载下面这首歌，就会进入到专辑详情页，然后按照提示和付费流程进行操作，就可以完成付费了。&/p&&img src=&/v2-f30c9364d31_b.jpg& data-rawwidth=&1387& data-rawheight=&820& class=&origin_image zh-lightbox-thumb& width=&1387& data-original=&/v2-f30c9364d31_r.jpg&&&br&&p&这里有个关于云音乐的小问题要提一下——在数字专辑订购页面，我们发现用户可购买多张专辑赠送给好友，但这个体验并不是很好。&/p&&p&比如，前几天朋友给我发了一个链接“送你一张陈奕迅的数字专辑”，我点击了立即领取，然后......就完了！对，是结束了。领取完音乐后既没有自动播放也没有点击播放，那这首歌去哪里了呢？&/p&&img src=&/v2-6dcc8af38fa2de17b6f21c11_b.jpg& data-rawwidth=&800& data-rawheight=&355& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/v2-6dcc8af38fa2de17b6f21c11_r.jpg&&&p&我在网易云音乐App满世界寻找一圈，终于在“账号——会员中心——我购买的音乐”里面找到了这张专辑。然而笔者已经无心再听，去撸工作了……&/p&&br&&p&可以想象，同样的社交情景，从“收到链接——打开链接——领取音乐”整个过程投入的时间和情感精力，可能和打开一条新闻看一个视频相当。同时又得先找到购买的音乐才能收听好友赠送的数字专辑，流程之繁杂，打开的频次必然会很低。&/p&&p&因此笔者猜测，社交场景只是云音乐数字专辑销售的一小部分，其主要消费场景仍是用户主动购买。尤其，往下看，有一个“粉丝支持榜”，这个功能就厉害了。&br&&/p&&br&&p&以非专业歌手乒乓球运动员张继科的《心藏》为例，专辑于12月31日晚上线，作品上线12天，销量就突破了20万。对比网易云音乐平台的大部分专辑销售数量，这是一个较好的成绩。&/p&&img src=&/v2-cd3f0c5b4f5ceeb526b847_b.png& data-rawwidth=&1099& data-rawheight=&308& class=&origin_image zh-lightbox-thumb& width=&1099& data-original=&/v2-cd3f0c5b4f5ceeb526b847_r.png&&&br&&p&再来看一看粉丝惊人的力量。粉丝榜的前十名贡献了将近6万张专辑，占到专辑收入的30%。可以猜测排行榜前20%的用户应该是创造了大于80%的收益。而网易云音乐想要抓取的正是这部分创造了绝大收益比例的用户。&/p&&p&&img src=&/v2-26cd236c98b0_b.png& data-rawwidth=&741& data-rawheight=&564& class=&origin_image zh-lightbox-thumb& width=&741& data-original=&/v2-26cd236c98b0_r.png&&按照一张专辑正常8-10首歌，每首歌2元，平均专辑销量数在5万左右来算，扣除音乐版稅0.8元/首，云音乐平台和唱片公司三七分成，那么网易云音乐仅一张数字专辑的收入大概就在15万左右。&strong&而目前网易云音乐平台入驻明星1500位，音乐人2万，如果能实现以1年1000张专辑发售的话，平台收入就已达上亿。&/strong&&/p&&p&而且数字专辑的销量在过去一年里已经连续增长数倍，可以说是网易云音乐盈利最快，粉丝付费意愿较高的变现形式之一。但是我们发现除了首页banner和云音乐商城banner推荐外，数字专辑无统一入口。也就是说在网易云音乐上发布付费数字专辑的歌手数量其实并不是很多。&br&&/p&&br&&p&那未来有没可能出现一个统一入口呢？&strong&按照常理来说，我觉得这个入口出现的可能性很大，应该只是时间的问题了。&/strong&&/p&&br&&strong&2.会员&/strong&&p&推出会员是主流音乐平台最常用的变现方式之一了，网易云音乐当然也不会放过它的。&br&&/p&&p&下载单曲是用户最普遍的刚需，离线不需要流量而且满足了用户对歌曲的“占有感”。因此，针对一些版权方要求的音乐，网易云音乐推出了会员包，有8元/月和12元/月之分，12元豪华会员包除了8元普通会员所享有的基本的无损音质、会员曲库、免广告外，还增加了会员特价商品、个性皮肤、会员标识、音乐周边抽奖，同时付费音乐的下载量也增加了200首/月。&br&&/p&&img src=&/v2-77eaf3cbc22b25dff686840_b.jpg& data-rawwidth=&1468& data-rawheight=&1300& class=&origin_image zh-lightbox-thumb& width=&1468& data-original=&/v2-77eaf3cbc22b25dff686840_r.jpg&&&br&&strong&3.听歌流量包&/strong&&p&接下来是流量包。&br&&/p&&p&流量包的推出是从运营商基础数据底层切入，针对收听音乐消费方式的补充。开通听歌流量包对手机内存小，不够保存到本地的用户，或者习惯在线听歌的用户会是一个不错的选择，目前仅限联通和电信用户。10元/月的费用接近于一个月的会员，虽说免了流量，但如果想要下载付费单曲，仍是需要购买会员的。&br&&/p&&img src=&/v2-d36acfdfbb9f7a_b.jpg& data-rawwidth=&719& data-rawheight=&1280& class=&origin_image zh-lightbox-thumb& width=&719& data-original=&/v2-d36acfdfbb9f7a_r.jpg&&&br&&p&&strong&4.音乐商城&/strong&&br&&/p&&p&如果说数字专辑和音乐会员是围绕音乐内容推出的商业化手段，那么网易云音乐商城则是利用自身的品牌溢价来获得音乐周边的收入。卖周边想要规模化其实很难，因为用户消费的不是音乐内容，而是网易云音乐的品牌。用户可以冲着网易云音乐的品牌买一次水杯，但是会有第二次，第三次吗？如何提高周边网易云音乐商城商品的复购性是摆在云音乐面前的一个问题。&br&&/p&&p&网易云音乐商城产品分两类：音乐周边（网易自产自营）、数码影音（目前以耳机为主，第三方品牌直供）。&br&&/p&&br&&p&&strong&第一类：音乐周边&/strong&&/p&&p&目标用户：&br&&/p&&p&1. 网易云音乐忠实用户，习惯性用云音乐听歌，对网易云音乐的品牌有强烈的认同感；&/p&&p&2. 周边产品使用者，有使用周边产品，如水杯、笔记本等需求，同时具有猎奇心理想尝试使用。&/p&&br&&p&购物流程方面，笔者从网上购买了一个不锈钢保温杯，从商品图文介绍来看，图文简洁，一点都没有某宝待售商品货物应有的气息，我想这可能就是大家愿意接受的网易云音乐商城的风格。另外，从下单到支付，整个环节都比较通畅。&/p&&img src=&/v2-cdbaed2f2c5_b.jpg& data-rawwidth=&800& data-rawheight=&473& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/v2-cdbaed2f2c5_r.jpg&&&p&售后服务方面，如果想退货，需要第一时间向“网易云音乐客服”账号私信反馈。目前的方式适合小规模的商品交易，如果付费体量逐步增大，这种人工的方式应该会被产品功能取代，这也是商城需要完善之处。&/p&&img src=&/v2-d2b4bcbe8eb3ecc7d1d6de0d015d00b2_b.png& data-rawwidth=&762& data-rawheight=&135& class=&origin_image zh-lightbox-thumb& width=&762& data-original=&/v2-d2b4bcbe8eb3ecc7d1d6de0d015d00b2_r.png&&&p&&strong&第二类：数码影音（以耳机为主）&/strong&&/p&&p&目标用户：&br&&/p&&p&1. 音乐发烧友，对音质有极高的要求；&/p&&p&2. 音乐业余爱好者，需要一款听歌工具。&/p&&br&&p&笔者对比了网易云音乐的几款耳机，和某东上一样的价格和产品图文介绍。网易云音乐商城提示所有第三方产品均由品牌方直供，杜绝假货。商品的真实可靠性也就有了保障。其中一款耳机在音乐介绍上是网易云音乐的战略投资，并且放在了主要推荐位置，不难想象，商城正在进行的动作有：&/p&&blockquote&&p&1. 招商合作，拓展品类，引入更多的数码影音产品；&/p&&p&2. 战略投资优质且性价比较高的公司或者产品；&/p&&p&3. 完善产品购买到售后的整个服务流程。&/p&&/blockquote&&br&&p&当然，如果从音乐垂直电商平台的角度放大来讲，网易云音乐要做的还有很多。&br&&/p&&br&&strong&5.演出票务&/strong&&p&演出票务的推出表明网易云音乐已经在着力拓展音乐产业的上游，而且开展了很久。笔者是在听歌看评论的过程中无意间发现了演出信息（网易云音乐的广告真是藏于无形）。演出票务的入口放在歌手单曲的评论区，一来精准地抓住了粉丝群体，直达受众；二来评论区的盖楼展现有效地减弱了商业广告的成分，提升了用户体验。&br&&/p&&img src=&/v2-e2582ccf6bf6ed_b.jpg& data-rawwidth=&449& data-rawheight=&495& class=&origin_image zh-lightbox-thumb& width=&449& data-original=&/v2-e2582ccf6bf6ed_r.jpg&&&p&除了常规的演出票务售卖外，网易云音乐也在不断尝试新玩法，比如2015年的音乐大战赛事直播，不卖直播票改卖投票权。粉丝通过在线支付一定费用，获取爱豆的投票权，互动和参与感更强。而这也得益于网易云音乐自身社交基因和网易擅长的游戏优势。&br&&/p&&br&&strong&6.广告&/strong&&p&广告几乎是任何一款产品在成熟期之后都会有的变现方式之一，坐拥几亿用户的网易云音乐既收割了广告金主们的金饽饽，又在用户体验上做到了最佳平衡。&br&&/p&&p&最好的例子就比如我身边的朋友都说网易的广告少，那是因为网易云音乐在用户听歌的过程中绝不会打扰到用户，但如果仔细探索一下，广告还是有的，主要分为以下几类。&br&&/p&&br&&p&&strong&6.1 APP开屏广告&/strong&&/p&&p&网易云音乐开屏广告的时长约在2-4秒之间，这个时长的设计应该是充分考虑到了广告的有效露出和用户体验之间的平衡。&br&&/p&&p&广告内容方面，有雪佛兰汽车、Dior、泸州老窖商务酒等，总的风格是中高端品牌、大气上档次，这在盈利的同时对于网易云音乐的产品形象不会造成负面影响。&br&&/p&&img src=&/v2-84cb3f9a3fc6bcb4cbfbcda9_b.jpg& data-rawwidth=&1024& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/v2-84cb3f9a3fc6bcb4cbfbcda9_r.jpg&&&br&&p&&strong&6.2 首页banner&/strong&&br&&/p&&p&首页banner一共8屏，笔者通过几天的观察发现，推广位一般保持在两屏，一个是网易自家产品考拉海购的推广，另一个是与音乐相关的产品推广。看的出来，网易云音乐对广告的筛选很严苛，没有很强的广告感。想必开屏广告和首页banner的广告也做了严格区分。&/p&&br&&p&&strong&6.3 产品（机构）账号&/strong&&/p&&p&这可能是网易云音乐最独特也是很有意思的广告方式了。虽然是广告，但是以产品账号发布歌单的形式呈现，可以说是一个和产品深度结合的广告方式，广告形式之新颖以及用户可接受度应该比插入硬广要高明得多。&br&&/p&&br&&strong&7.赞赏&/strong&&p&虽然赞赏已经被各类自媒体平台用烂，但是网易云音乐推出的音乐赞赏功能着实让我意外又欣喜。&br&&/p&&p&就像李志的这首《天空之城》引起了我的共鸣，越听越喜欢，一看这首歌被赞赏了848次，不管钱多钱少，我也要赏一个。&br&&/p&&img src=&/v2-9baf7e5ebada67cccf53695_b.jpg& data-rawwidth=&928& data-rawheight=&820& class=&origin_image zh-lightbox-thumb& width=&928& data-original=&/v2-9baf7e5ebada67cccf53695_r.jpg&&&p&赞赏功能推出的原因和意义在于：&/p&&blockquote&&p&&strong&1. &/strong&&strong&鼓励优质原创内容，激励创作。&/strong&虽然赞赏的金钱不多，但是表达了对音乐人创作劳动的一种尊重、鼓励和喜爱之情。&br&&/p&&p&&strong&2. 保护网易独立音乐人，留住歌手。&/strong&赞赏金基本全部转入艺人账户，目前开通并具有歌曲赞赏功能的只限于网易音乐人知名创作型歌手，数量并不是很多，稀缺性可以激励更多的音乐人不断有高质量的产出，也让拥有赞赏功能的音乐人获得了一份荣耀感。&br&&/p&&/blockquote&&br&&p&综上，音乐平台围绕商业化的常规变现手段主要有会员、付费下载、电商（演出票务、云音乐周边）、广告这几种。&/p&&img src=&/v2-caea14e2521e_b.png& data-rawwidth=&737& data-rawheight=&324& class=&origin_image zh-lightbox-thumb& width=&737& data-original=&/v2-caea14e2521e_r.png&&&h2&二、从音乐产业链上对网易云音乐的思考&/h2&&br&&p&说了上面这些围绕音乐的常规变现途径，网易云音乐又该如何巩固变现手段？将网易云音乐放置在整个音乐产业链上来思考，又要做出哪些重点布局呢？我们不妨试着立足于整个音乐产业的产业链来看。&/p&&br&&p&&strong&横向看整个音乐产业链，主要有内容提供商、服务提供商、广告商、消费者4个关键因素。&/strong&&br&&/p&&p&在消费者层面，网易云音乐作为数字音乐服务提供商，3年的产品打磨已经建立起了不错的用户口碑和用户忠诚度，吸引了一群大学生、白领且付费能力相当的用户。有了这层基础后，用户的消费习惯可以逐步培养。&br&&/p&&br&&p&而对于广告业务，网易云音乐定位的消费群体得到了众多大牌广告主的青睐。网易云音乐合作的广告商基本都是大牌贴合云音乐气质的，产品内部的广告位已经做了充分挖掘，再多一份可能会破坏用户体验，所以接下来围绕的是音乐产业链上游。&/p&&p&版权方面，去年7月15日QQ音乐宣布和中国音乐集团合并，在线音乐逐步进入了腾讯和阿里巴巴双寡头竞争的时代，“版权竞争”已经初步结束。竞争者在版权上有着充足的资源优势，那网易云音乐接下来能做的同时也是必须做好的就是以原创音乐作为突破口，扶持和培养好网易音乐人，这是网易本身的固有基因。&br&&/p&&br&&p&通过这几年对原创音乐的扶持和耕耘，网易云音乐成为了国内独立音乐人入驻最多的音乐平台之一。在竞争对手垄断版权的前提下，网易云音乐在向音乐产业上游发展，进行全产业链性的版权开发，重点布局。这也许是网易云音乐的另一个未来。&/p&&img src=&/v2-b4a1aba982fc03ba3d620e5_b.png& data-rawwidth=&1100& data-rawheight=&675& class=&origin_image zh-lightbox-thumb& width=&1100& data-original=&/v2-b4a1aba982fc03ba3d620e5_r.png&&&h2&三、未来的商业化猜想及可能性&/h2&&br&&p&结合上面第二部分聊到的内容，如果我们把音乐行业再做进一步的细致剖析，可以分为：&/p&&blockquote&&ol&&li&&p&&strong&核心层&/strong&，如数字音乐、实体唱片之类；&/p&&/li&&li&&p&&strong&关联层&/strong&，如音乐教育培训、乐器、音响之类；&/p&&/li&&li&&p&&strong&拓展层&/strong&，如广播电视、影视音乐等。&/p&&/li&&/ol&&/blockquote&&br&&p&其中，关联层的想象空间似乎更大。详情可参考下图。&br&&/p&&img src=&/v2-548fd05c6db73b56787b_b.png& data-rawwidth=&1008& data-rawheight=&958& class=&origin_image zh-lightbox-thumb& width=&1008& data-original=&/v2-548fd05c6db73b56787b_r.png&&&br&&p&所以，笔者猜想，未来云音乐可能会尝试的新的商业化变现方式，更可能与“关联层”有关。下面来具体说。&/p&&br&&strong&1. 音乐课堂&/strong&&p&网易云音乐最近推出了一份问卷调查，从中可窥见网易云音乐有心要做在线音乐教育的端倪。而这可能预示着云音乐将由音乐内容提供商，向音乐综合素养能力培养服务转变。&br&&/p&&img src=&/v2-0c2ca603b7b52fc45bce6_b.jpg& data-rawwidth=&1468& data-rawheight=&1300& class=&origin_image zh-lightbox-thumb& width=&1468& data-original=&/v2-0c2ca603b7b52fc45bce6_r.jpg&&&br&&p&那网易云音乐课堂的典型场景又是什么呢？&/p&&p&比如：在网易云音乐听歌听了那么久，可是越听越不懂，曲风越来越狭窄，如果要评价一首歌，真不知道一首歌好在哪里，希望自己有音乐鉴赏的能力，系统学习一下鉴赏知识。&br&&/p&&p&又或者：在网易云音乐看到知名歌手在教吉她弹奏，而自己想学习一门乐器，爱豆教学让自己学习更有动力。&br&&/p&&br&&p&如果说其他音乐平台想要有类似玩法可能不太能轻易做成这件事，但网易云音乐想做成还是有其基础和独特优势的。原因有三：&/p&&blockquote&&p&1. 网易云音乐有着业内不错的用户忠诚度、口碑、付费用户规模。&/p&&p&2. 云音乐的用户画像基本是大学生、年轻白领、中产阶级等高知识分子群体，有消费能力、强烈的学习欲望和提升音乐鉴赏能力的需求。&/p&&p&3. 网易在在线教育领域深耕已久，有自己的经验。&/p&&/blockquote&&br&&p&可以预见的是，网易云音乐在线课堂会围绕用户听音乐的不同阶段推出体系化的教学服务。比如唱歌发声、琴艺乐器 、 编曲混音 、音乐基础等不同分类。2017年是否会上线这个产品功能，让我们拭目以待。&/p&&img src=&/v2-eb145b04b5cf8d7abfc660_b.jpg& data-rawwidth=&928& data-rawheight=&820& class=&origin_image zh-lightbox-thumb& width=&928& data-original=&/v2-eb145b04b5cf8d7abfc660_r.jpg&&&br&&strong&2. 云音乐+&/strong&&p&此外，网易云音乐产品经理王诗沐在谈及云音乐最初构想的时候也提到过，希望按照用户情景FM来做音乐。这一想法在文件夹中一躺3年，如今跑步FM已经在云音乐上线，这极大地满足了部分用户——比如我——跑步健身（晒图装逼）听歌的需求。&br&&/p&&br&&p&举个自己的例子，我在跑步的时候喜欢听歌，节奏激烈带感的音乐让我感觉整个身体在燃烧，越能够坚持长跑。跑步FM能根据步频推荐适合自己节奏的音乐，用户又可以根据音乐帮助稳定步频、甚至更快，达到跑步最佳效果。&/p&&p&在整个跑步App运动市场被充分教育的情况下，网易云音乐适时推出跑步FM，可以说是一次线上音乐主动走向线下相互融合的尝试。&br&&/p&&br&&p&未来商业化可能有：&/p&&p&&strong&2.1 音乐＋运动App &/strong&&br&&/p&&p&双方流量互换。借助运动App较科学精准的步频计算，按照用户的精确步频推荐合适的歌单等。&br&&/p&&p&&strong&2.2
音乐＋运动品牌&/strong&&br&&/p&&p&联合推出网易云音乐和运动品牌合作生产的定制产品，以及其他跨界合作。&br&&/p&&p&&strong&2.3 音乐＋智能运动器械&/strong&&br&&/p&&p&生产带有网易云音乐的智能运动器械，跑步机、智能杠铃等等。&br&&/p&&br&&p&总之，在整个音乐在线市场付费习惯未被充分教育的情况下，尝试与线下进行连接可能会给网易云音乐打开另一个空间。&/p&&img src=&/v2-74fc3c994c4_b.jpg& data-rawwidth=&719& data-rawheight=&1280& class=&origin_image zh-lightbox-thumb& width=&719& data-original=&/v2-74fc3c994c4_r.jpg&&&br&&h2&四、总结&/h2&&br&&p&2017年的年初跟以往相比，我们并没有听到一些产品大的动作声音，也没有被新一轮热门互联网事件刷屏，除去喧嚣，好像大家都冷静了很多，是在兢兢业业等待酝酿更大的发声还是重装待发，开启新的旅程，我们不得而知。任何一款商业产品最终都要以背负商业价值为己任。思索最大化变现产品价值值得我们认真对待。&/p&&br&&p&笔者按照付费用户规模、单笔消费最大额、消费频次、消费意愿度几个方面估算了网易云音乐各项商业变现手段的收入规模占比。&/p&&p&以笔者的观察和推算，目前网易云音乐的收入占比应该是广告&商城&数字专辑&会员&演出票务&流量包，而未来收入占比可能经历两个阶段：&br&&/p&&br&&p&&strong&第一阶段：商城&广告&数字专辑&会员&演出票务&流量包；&/strong&&/p&&p&&strong&第二阶段：商城&数字专辑&演出票务&会员&广告&流量包。&/strong&&/p&&br&&p&为什么这么说呢？&/p&&p&先说&strong&广告&/strong&，广告可以说是网易云音乐现在最赚钱的变现手段。网易云音乐的用户口碑、用户规模、消费层次在那儿，加上越来越好的产品体验，越来越活跃的用户人群，哪怕动作慢一点都没关系，广告收入随着时间推移，只会越来越高。&br&&/p&&br&&p&其次说&strong&商城&/strong&，现阶段商城的商品品类并不是特别丰富，购物流程不是特别完善，但是音乐发烧友消费意愿很强烈，而且一些周边很满足文青的需求。因为商城单品价格高，所以我认为现阶段的收入还是要高于数字专辑的，商城更大的可能性是在产品品类扩充、购物流程完善后，做一个音乐类垂直电商平台。这应该说是网易云音乐当前着力重点做的事情。&/p&&p&然后对&strong&数字专辑&/strong&来讲，竞品QQ音乐在版权资源挖掘和用户规模提升上做了几年时间，才在数字专辑上做到收入过亿，网易云音乐想要达到一年有1000张专辑且平均销量在5万以上的目标，还是需要努力的。而会员收入有待用户的音乐付费习惯慢慢培养后才能逐步放大。&br&&/p&&br&&p&最后说说&strong&演出票务&/strong&，其市场基本被大型的票务网站瓜分完毕，很难有更大的空间施展，不过以云音乐的创新玩法和尝试，兴许可以有另外一种打法，另辟蹊径，未尝不可。&/p&&p&至于笔者的两个猜想，有前途也有钱途，到底会不会出现，什么时候出现是决策者战略思考方面的问题，就交给时间去验证它吧。&br&&/p&&br&&p&最后，本文仅为一家之言，如有不妥之处，欢迎大家拍砖和交流。&/p&&br&&p&&i&更多内容，请关注三节课（微信公众号ID: sanjieke），一所互联网人的在线大学。这里有成体系的线上课程，有挑战的线下实战活动，以及有深度的产品运营观察+评论。&/i&&/p&
本文作者严鑫鑫，现任腾讯产品运营，曾供职于百度、网易。三节课3.3计划第三期学员。 若说近两年最春风得意的互联网产品，网易云音乐绝对可以称得上是一个。 2013年4月推出；2015年用户数破1亿；2016年跻身行业第一阵营；2016年7月获得2亿用户；...... 而这…
本文共计895字，阅读所需时间5分钟。&br&&br&&b&一、高德纳技术成熟度曲线&/b&&br&在判断一个产品火不火之前，先给大家分享一个小的概念叫作&br&“高德纳技术成熟度曲线”&br&互联网从业者都有必要了解一下这条曲线&br&“当一项新技术获得发展之后，我们会过份的缩短它的发展时间，夸大它的价值，以至于无法兑现承诺，而让公众对技术的幻想破灭，无法相信它的崛起。”&br&&img src=&/v2-d4dd5c5eb88e0dd29a03_b.png& data-rawwidth=&677& data-rawheight=&443& class=&origin_image zh-lightbox-thumb& width=&677& data-original=&/v2-d4dd5c5eb88e0dd29a03_r.png&&&br&互联网圈的从业者，通常都是“探索者”，很多产品在刚萌芽的时候，就开始探索体验使用了&br&并且因为自己的接触信息的方式（科技新闻居多）、接触的用户群（互联网从业者居多）&br&所以我们身上有个属性就是最早的看好某款产品，同时又是最早的否定某款产品的&br&&blockquote&比如我以及我身边的人不用微博，就以为微博挂了&br&我好久不用豆瓣，豆瓣就走下坡路了&br&知乎上面也有很多早期大V不在登陆了，说明知乎要完了……&/blockquote&我们作出这个反应，依据数据都是身边的样本量，而这些数据的样本并不全面&br&&br&不少产品再走向成功的时候，都会经历“高德纳技术成熟度曲线”，被一部分先行者热棒，短时间获得大量的知名度，由于扩张太快，暴露出了各种问题，然后被唱衰，产品开始调整，用户群下沉，覆盖的用户面逐渐增加，进入成熟期，拥有海量用户&br&进入到“闷声发大财”的时代&br&&br&&b&二、豆瓣的部分数据&/b&&br&回到本题中来，豆瓣真的在在走下坡路吗？可以用一组数据来说明（并不是内部一手数据，仅作参考）：&br&&img src=&/v2-79facc56c6bc76_b.png& data-rawwidth=&1085& data-rawheight=&389& class=&origin_image zh-lightbox-thumb& width=&1085& data-original=&/v2-79facc56c6bc76_r.png&&对比一下之前官方发布的数据&br&&blockquote&2012年8月，豆瓣宣布其月度覆盖独立用户数（Unique Visitors）已超过1亿，日均PV为1.6亿。2013年第二、三季度的豆瓣月度覆盖独立用户数均达2亿，较去年同期增长一倍。&/blockquote&在过去的6个月（2016年的7月-12月），豆瓣的日独立访客超过1.5亿的，走势也是较为平缓的&br&&br&&img src=&/v2-b6dbcf1effcfddeeb82410_b.png& data-rawwidth=&1086& data-rawheight=&357& class=&origin_image zh-lightbox-thumb& width=&1086& data-original=&/v2-b6dbcf1effcfddeeb82410_r.png&&PC网站的访问量有55%来自于搜索&br&&img src=&/v2-ee60ec1f0e12eba_b.png& data-rawwidth=&629& data-rawheight=&530& class=&origin_image zh-lightbox-thumb& width=&629& data-original=&/v2-ee60ec1f0e12eba_r.png&&其中82%的流量来自于“电影”“美剧”“书”等长尾词&br&另外，从变现的角度讲&br&&img src=&/v2-434ae4a11b409c942dc1d2b_b.png& data-rawwidth=&1022& data-rawheight=&499& class=&origin_image zh-lightbox-thumb& width=&1022& data-original=&/v2-434ae4a11b409c942dc1d2b_r.png&&&br&豆瓣自有广告的点击率没有查询到，但是就之前自己的投放效果推测，豆角的广告收入算是不错的&br&另外从流量走向上面看，除了51%bounce掉的流量外，豆瓣引荐到其它网站的流量中，有6.6%的流量流向的是亚马逊，这些引荐流量应该都是有分成的吧……&br&&br&&h3&三、结论&/h3&&br&豆瓣在发展过程中，肯定会遇到一定的挑战，作为一家慢公司，在其它产品衬托下，总感觉走的比较慢，甚至是在做下坡路，但是&a class=& wrap external& href=&///?target=https%3A///url%3Fsa%3Dt%26rct%3Dj%26q%3D%26esrc%3Ds%26source%3Dnewssearch%26cd%3D1%26ved%3D0ahUKEwjzt9rxsK_RAhVnzlQKHW4MAyUQqQIIHCgAMAA%26url%3Dhttp%253A%252F%%252Fyl%252F-06%252F8115328.shtml%26usg%3DAFQjCNHSTj6jqKPPs-bFBbzeeSq7XJdabQ%26sig2%3DV3EDcSE5hcFyM6ThUawbzQ& target=&_blank& rel=&nofollow noreferrer&&媒体：为什么豆瓣杀不死？ 因为人类表达看法的渴求杀不死&i class=&icon-external&&&/i&&/a&&br&&br&四、本文辅助参考材料，以及豆瓣相关的资料，感兴趣朋友可以下载&br&&img src=&/v2-88d6effc9_b.png& data-rawwidth=&391& data-rawheight=&571& class=&content_image& width=&391&&&br&关于公众号章鱼怕黑（zhangyupahei），回复“豆瓣”即可下载。微信交流zyulaoshi01
本文共计895字，阅读所需时间5分钟。 一、高德纳技术成熟度曲线 在判断一个产品火不火之前，先给大家分享一个小的概念叫作 “高德纳技术成熟度曲线” 互联网从业者都有必要了解一下这条曲线 “当一项新技术获得发展之后，我们会过份的缩短它的发展时间，夸…
&p&&b&我是如何冷启动引爆的花椒直播&/b&
&/p&&p&&b&前言&/b&&/p&&p&2015年年底，王思聪发微博挺17直播的当天晚上，我和微拍的核心团队一夜没睡，因为我从朋友圈看到，微拍的美女网红们纷纷模仿王思聪的微博，截图个人的17首页在朋友圈，求粉丝关注。可以说我的朋友圈被17直播刷屏了，当晚我意识到直播已经到了爆发点，再不追赶来不及了。当时两个关键指标，4g的普及率已经到了70%，大屏手机的普及率已经到了40%，大屏手机的用户最大的需求就是看视频，同时大屏手机的电池也为长时间直播提供了可能性。而走擦边球路线的17直播彻底点燃了这个市场。&/p&&p&
可是我认为台湾的17直播团队是不可能拿下这个市场。&/p&&p&主要是三点：&/p&&p&&b&第一&/b& 台湾团队对大陆政治氛围不熟悉，这在内容运营领域是致命伤。&/p&&p&&b&第二&/b& 台湾团队对大陆的热点文化无法把控，通过对投资了17直播的的几个天使投资人的微博和微信朋友圈分析，17团队也没有做好大规模建立运营团队的心理准备。&/p&&p&&b&第三&/b& 17团队的技术核心负责人虽然说是微软出身，但是其背景不是大规模高并发的背景，所以团队肯定短时间内无法处理有可能带来的大规模用户涌入。&/p&&p&&b&这些都是留给大陆团队的机会&/b&&/p&&p&可是微拍团队最大的问题是没有视频直播的技术平台，当时市面上开放的三方平台只有腾讯云一家，简单评估后觉得还不成熟，yy的欢聚云也不同意接入我们，只同意接入雷军系的团队，网宿的视频云还没有正式发布。我也在短时间内和国内所有已经上线的手机视频产品团队打了交道，微吼和随播等团队都希望仅仅通过技术方案支持就能占股份，商务上处理时间也来不及，他们不想通过三方视频云的方式提供服务。这时市面上几乎只剩下一个选择就是360的花椒直播，因为它的后台是看上去貌似比较成熟的360视频云。&/p&&p&这时，也有朋友介绍我和周鸿祎认识，看看微拍是否可以和360合作花椒。实话实说，微拍因为各种原因，发展一直不顺利，我也想通过这个合作能和周鸿祎学习一下，看看自己运作公司哪里出了问题，也觉得时间窗口紧迫，所以简单提了些商务条件，几乎未加推辞，就答应了下来。同期薛蛮子也有兴趣投资网红运营公司，但是决策比周鸿祎晚了一天，所以微拍团队后来一分为二，一部分支持花椒，一部分维持微拍的同时，尝试一家新公司红了吗和淘宝联合运营网红电商直播，那是后话了。&/p&&p&以上是前言，也是开场。&/p&&p&&b&正文&/b&&/p&&p&当时定的策略是先模仿17直播，其实也就是模仿instagram的设计，因为那时映客还没有露出头角。当时花椒团队从外部看有近百人，进入到内部看，问题多多。最主要的问题是团队资源分散，按照大公司的模式开发产品，速度极其缓慢。&/p&&p&&b&第一 停掉所有非苹果客户端的开发和设计&/b&&/p&&p&主力先集中开发苹果客户端，因为生产者网红们100%都是使用苹果手机的，而花椒当时主要重点还是在安卓。这样所有的设计和后台都集中在了苹果客户端的支持上，生产效率提升十倍不止。&/p&&p&&b&第二 先完善后台审核直播审核系统&/b&&/p&&p&因为各种原因，今天大部分直播的后台设计都愿意用图片审核，而忽略掉直播的本质是视频内容，所以应该让内容推荐团队直接看直播内容，以界定内容的好坏。在早期，这不会增加运营成本。&/p&&p&&b&第三 最小化开发单元，简化测试步骤，只测试用户的主使用流程&/b&&/p&&p&而之前的测试流程是测试开发的所有接口和流程，导致产品发布变慢。我当时的目标是一天一个版本，后来平均能做到一周一个大版本的发布。苹果的审核奇慢，大家可以找神奇的淘宝，有加速审核当天就能通过的服务供应商。&/p&&p&这里的前端产品设计有几个&b&关键点&/b&需要详细说明一下&/p&&p&&b&第一
重要的是图片也就是封面的清晰度&/b&&/p&&p&当时的手机直播都采用了用户头像当封面的设计，带来的问题是模糊，降低用户的点击欲望。解决方案是，用户在上传头像和图片的时候，长宽小于1080的时候不压缩，任何一边大于的时候压缩到1080。上传到后台后，因为压缩会导致图片的模糊和亮度降低，所以后台的图片处理服务需要为每一张图片增加3%的亮度和5%的锐化。通常技术人员的处理习惯是无论什么情况都压缩，导致图片反复压缩，模糊不清。&/p&&p&这里的前端产品设计有几个关键点需要详细说明一下&/p&&p&&b&第一
重要的是图片也就是封面的清晰度&/b&&/p&&p&当时的手机直播都采用了用户头像当封面的设计，带来的问题是模糊，降低用户的点击欲望。解决方案是，用户在上传头像和图片的时候，长宽小于1080的时候不压缩，任何一边大于的时候压缩到1080。上传到后台后，因为压缩会导致图片的模糊和亮度降低，所以后台的图片处理服务需要为每一张图片增加3%的亮度和5%的锐化。通常技术人员的处理习惯是无论什么情况都压缩，导致图片反复压缩，模糊不清。&/p&&p&&b&第二
重要的是视频直播的磨皮处理&/b&&/p&&p&我在微拍的时候，经过和网红们的反复调研，知道针对皮肤的磨皮和红润处理最好的工具并不是美图秀秀，而是一个叫美丽拍的软件，到我写文章的这一刻，它的磨皮效果依然是最好且唯一的。映客、美拍等都没法和它的效果相拼比。现在这个团队开放了sdk，有兴趣的团队可以加微信 来购买它的三方服务。&/p&&p&&b&第三
重要的是直播的动效&/b&&/p&&p&也就是为网红们直播时添加兔子和猫耳朵等可爱的道具。这方面国内动效做的最好的是faceu团队，面部识别做的最好的是sensetime团队。&/p&&p&&b&第四 重要的是唱歌的声音混响特效&/b&&/p&&p&这方面国内第一的不是唱吧，而是爱唱团队。为此我还请爱唱的创始人张明辉和周鸿祎见了一次。&/p&&p&&b&第五 重要的是进入直播房间是的卡顿和延迟。&/b&&/p&&p&当时的花椒花了大量时间做优化。目前这方面国内第一的是随播团队，他们绝对做到秒开，超过了给映客等当时市面上所有直播。这个项目现在还在进行中，所以你们看到花椒直播房间进入还是有明显的卡顿和延迟。&/p&&p&&b&第六 性能优化 &/b&&/p&&p&重要的是直播时大量用户同时送礼、点赞和评论还有美颜特效等带来的系统处理器优化问题，可以通过合并请求和降低刷新次数来降低系统消耗。&/p&&p&&b&第七&/b& &b&重要的是评论文字的清晰度&/b&&/p&&p&很多团队和产品不注意这个细节的处理，导致主播在播出时，无法看清评论。字体30%的透明，加2个像素的阴影，可以很好的解决这个问题。&/p&&p&&b&第八
就是反垃圾和安全系统&/b&&/p&&p&用户暴增之后，肯定会有垃圾评论和垃圾注册，还有大量的色情账号注册，它们会只攻击头部，导致社区的体验下降。这方面需要团队有很好的反垃圾技术储备，美国也有一个清华毕业的华人团队映莲提供此方面的技术三方服务。&/p&&p&&b&最后，最关键的服务器性能的坑&/b&&/p&&p&推荐初创团队推荐使用腾讯云，安全性、稳定性和扩展性极好，服务也非常专业，比阿里云不知道要强到哪里去。同时平台还提供防ddos攻击服务。微拍当年就被这个搞到非常头疼，持续打了一年，降低我们的服务质量，直到我们迁移到腾讯云。数据库绝对首选土鳖的mysql，因为出了问题，到处可以找到支持的朋友，而我见到很多谷歌出来的洋团队，使用了一些冷门数据库，发现需要快速开发的时候，招不到合适的便宜的人。微拍也是因为数据库选型使用了mongo，引发了很多技术和团队的问题。&/p&&p&&b&运营部分&/b&&/p&&p&说了产品和后台，下面重点讲讲运营的坑。这是解决一个社交类产品冷启动的关键。&/p&&p&&b&什么是模因&/b&&/p&&p&首先，大家要学会一个单词要模因（meme），我把它定义为用户行为模式的一个基本单元。通俗的说就是一个流行文化的最小元素，群体会无意识的模仿和复制并变形。&/p&&p&所以，如果你希望自己的社区具备什么样的文化，就应该增加类似内容和用户行为的曝光机会，以加速类似内容的产生和传播。换算到直播就是，如果我希望90后的美女占内容生产的主流，就在首页最明显的位置多推荐90后美女的直播内容，观众看到后会认为类似内容被鼓励被推荐，就会产生类似的内容回馈给系统，以产生内容的正向循环。&/p&&p&&b&模因的爆发&/b&&/p&&p&如果希望类似的内容和行为在短时间内爆发，就需要把此类内容展现给物理和逻辑上密度最高的群体，以产生跟风效应。物理上就是艺术院校等，逻辑上就是90后模特群。微拍在多年的运营中，积累了中国最先峰的90后网红群。她们的微信朋友圈、群和微博就是模因爆发的土壤。&/p&&p&&b&天使用户的特点&/b&&/p&&p&这里对微拍凝聚的90后先峰网红或者说主播做个简单的总结。以此类推也就是可以分析一个产品的天使用户应该具备什么样的特点。&/p&&p&&b&第一&/b& 她们大都是18-26岁之间的年轻女性，没有历史习惯和包袱，可以快速接受网络上的新鲜产品和新鲜事物。&/p&&p&&b&第二&/b& 她们手机里会经常更新各种新出现的app和社交类产品，她们是类似产品的尝鲜者。你可以在类似的新产品早期用户里轻易的发现她们，而不是那些已经普及的大众化产品。&/p&&p&&b&第三&/b&
她们的家庭和童年个人成长大都不是很幸福，所以可以突破重重阻力，使用饱受争议的各类产品。幸福家庭出来的孩子通常是跟风而不是潮流的引导者。&/p&&p&所以我在花椒产品完善了以后，把产品推荐到了著名的微拍红人群里，直接引发了连锁反应，可以说不让她们用都不行。&/p&&p&这里有些细节和大家分享一下。&/p&&p&&b&第一&/b& &b&映客的天使用户爆发从哪里来&/b&&/p&&p&映客引入贵州卫视《非常完美》的栏目组嘉宾，这些嘉宾都是男性，他们机缘巧合通过制片人的介绍，成批入住映客后，也成批的带入了自己在电视和微博上积攒的粉丝及刷礼物的土豪。这里推荐一下胡庶制片人的非常完美团队，我认为他们是国内传统电视媒体做互联网数字化媒体运营最好的团队，可惜在后来与花椒的合作因为各种原因没有成功。这里能看到他们具备了逻辑密度和文化统一的特点，同时这些都不是传统秀场的渠道和用户，手机直播对于当年的他们来说还是很新鲜的事物。他们的原有的社交关系链粉丝发现可以用过直播和偶像们互动，直接就引爆了。&/p&&p&&b&第二
映客的朋友圈分享策略。&/b&&/p&&p&当时微博的活跃度相对朋友圈而言，下降的很严重。&/p&&p&所以映客开播默认分享的是微信的朋友圈，同时故意把分享图标设计成灰色和默认打开，导致用户在开播的时候，大量分享到朋友圈里，而这些人的朋友圈重叠度很高，所以他们的朋友在刷朋友圈的时候，感觉映客一下子火了，因为可以同时看到很多人在分享。多次被刷以后，任何用户都会去下载一下，看看这是个什么app，所以说天使用户的密度集中爆发很重要。&/p&&p&&b&第三&/b& &b&病毒点&/b& &/p&&p&映客早期有很多机器人账号名字叫什么王思聪等，导致用户以为这个产品很火，王思聪都在玩，会主动截图分享到自己的朋友圈和粉丝群，进一步引发了用户分享的概率。&/p&&p&&b&第四 全平台运营&/b&&/p&&p&映客在淘宝和天猫开设了支付商店，用户可以绕开繁琐的苹果支付，直接去淘宝给映客帐户充值。&/p&&p&&b&第五
自刷单&/b&&/p&&p&映客运营人员主动给一些特殊红人送礼，造成土豪很多的假象。同时又限制了主播们每天提现的次数和额度，导致现金滞留在平台内部，沉淀了大量资金。&/p&&p&&b&第六 B计划&/b&&/p&&p&用户集中爆发以后，映客冲到了苹果排行榜的前几名，被苹果多次下架，每次下架，映客都有谐音小号甚至是企业版发布，以降低下架带来的损失。这期间花椒内部因为各种原因没有通过公关手段出手阻击映客，是一大遗憾。&/p&&p&&b&引爆新增&/b&&/p&&p&因为花椒后起步的原因，映客早爆发了大概两周，我们加速开发，完善系统的同时，针对映客的策略逐一对应，并在运营上增进和改良了许多。通过购买trustdata的数据服务看到，花椒的月增长是6倍，高于映客的月5倍增长速率。平均50%的次日留存和38分钟的单日使用时长均高于映客的平均45%的次日留存和32分钟的日使用时长。&/p&&p&&b&核心改良&/b&&/p&&p&&b&第一 推荐系统的完善&/b&&/p&&p&当时的花椒日对日增长达到了10%，根本无暇设计完善的推荐机制，主要采用人工推荐来对抗研发的滞后。这里设计了同时可查看5000路直播并发的视频推荐墙。一个人五分钟可以查看完毕5000路并发直播，口头推荐直播id给推荐团队，推荐团队手工输入直播id，保证高质量直播几乎实时出现在广场的优先位置。同时审核团队保证新直播开播后，三秒钟就完成审核和推荐进入新直播池，以保证新用户的留存和流量的分配。&/p&&p&&b&第二 分享奖励机制的设计&/b&&/p&&p&分享机制就是设计了粉丝分享到微信，会奖励花椒豆给主播，并增加其在比赛的排名。两次比赛，一次是金条一次是宝马mini车，可以说瞬间就在朋友圈引爆了花椒的分享。原计划下一步是兰博基尼和劳斯莱斯，因为各种原因，也未能持续下去。但这两次分享大赛，造就了徐大宝等众多网红的崛起。&/p&&p&&b&第三 重中之重的社群化运营。&/b&&/p&&p&根据微拍的经验，花椒还设计了官方直播屏幕私信。也就是主播在直播时，可以看到官方后台给他们发送的私信，粉丝们看不到。私信内容主要是添加我也就是官方运营负责人的微信，以建群加以管理。有关&b&社群化运营和管理&/b&又是一个大话题，这里强调一下这是运营的重中之重，国内做的好的微乎其微。&/p&&p&&b&有关主播的薪酬和奖励运营&/b&&/p&&p&花椒我刚去的时候，运营团队采用的是最传统的运营手段，就是和主播们签合约。首先合约制定的非常复杂，第二合约针对法律的条条框框太多，主播们几乎都看不懂，几个来回以后，一个月就过去了，这在移动互联网等于就是一年。&/p&&p&这里的改良点主要有三点&/p&&p&&b&第一 缩小决策的时间和金钱成本颗粒度到最小&/b& &/p&&p&告诉网红们只要开播，就给刷100元的礼物，分享到朋友圈同时再发100元的微信红包。这样我一个人第一天一个小时就开通了200路直播并发。网红们体验到了直播的快感，不让她们播都不行。这就是缩小决策的时间和金钱成本颗粒度到最小，到100元到一分钟。&/p&&p&&b&第二&/b&
&b&文案优化&/b&&/p&&p&网红们大都有各种收入来源，月薪2000元保底这种文案是无法吸引到高质量网红的眼球的。所以我们的合约大都是年薪50-100万，基本能覆盖所有主流网红的注意，只不过里面有很多激励和惩罚条款来约束这100万的获得。好的主播礼物的收入单日很快都超过了10万，很多制约条件的年薪已经不是那么重要了。&/p&&p&&b&第三&/b& &b&造就传奇&/b& &/p&&p&就是运营负责人要把流量和礼物短时间内集中到主要的网红身上，这样她们一次直播收入就可能超过10万元，这种消息马上在网红圈里就产生了爆炸性效应，达到了极大的口碑传播，远高过与主播们平均分配流量，这在早期冷启动的时候非常有效。&/p&&p&总结一下就是合格的产品体验加上精准的天使用户推广，带来了中国早期网红们通过微博微拍这样的平台培养的粉丝（主要集中在微信群和朋友圈），把产品下载量推到了苹果排行榜的位置，引发了尝鲜用户的下载。而分享奖励机制和分享流程的设计把涌入的流量再次和裂变式扩张，将产品推上排行榜第一的位置，进入用户增长的正向循环。这时就可以酌情付费引入明星、有千万粉丝级别的kol和不同文化属性的社群以把产品带上新高度。不过这个时候，因为各种原因，微拍和花椒的业务顾问合作中止了。&/p&&p&这一切引发了花椒的用户爆发，短短两个多月（还包含春节），在没有花费推广费的前提下，日活突破了30万，成功渡过了产品的冷启动期。&/p&&p&不知不知觉写了这么多，大家看着可能太累了，有关&b&粉丝分配&/b&、&b&内容推荐&/b&、&b&产品设计&/b&等内容，还有&b&吸星大法&/b&、&b&海森堡测不准原理&/b&、&b&可感知可持续可奖励的产品观&/b&及&b&边缘突袭&/b&的产品战略等等，等我下次分享的时候再写吧。&/p&&p&应朋友的邀请，暂时先分享这么多。这里要特别感谢周鸿祎、360团队和花椒团队还有无数微拍网红们的支持，这篇文章是很多人智慧的结晶，这里我就不一一点名感谢了，只是特别要感谢周鸿祎对我在产品上的帮助和指引，没有他和360团队整体的协助，不可能有花椒的大爆发。&/p&&ul&&li&时过境迁，直播大局已定，希望这种产品和运营的战略和技巧的分享能对其他产品起到抛砖引玉的作用。&/li&&/ul&
我是如何冷启动引爆的花椒直播
前言2015年年底，王思聪发微博挺17直播的当天晚上，我和微拍的核心团队一夜没睡，因为我从朋友圈看到，微拍的美女网红们纷纷模仿王思聪的微博，截图个人的17首页在朋友圈，求粉丝关注。可以说我的朋友圈被17直播刷屏了，当晚…
很多内容通过周报和笔记回忆，或有缺漏。&br&&br&————&br&&br&&b&2013年6月至9月&/b&&br&往届生找工作，那时候互联网正值最火爆的时候，自己却屡屡碰壁，心想互联网工作怎么这么难找啊。&br&&br&&b&日&/b&&br&终于入职，运营助理。&br&&br&&b&2013年10月下旬&/b&&br&公司产品是一个垂直领域的社区，入职后主要拉种子用户，注册各类马甲。我的leader非运营出身，专业指导较有限。后续的一系列学习更主要靠自己摸索。&br&&br&第一次使用思维导图，利用导图做策略。&br&&br&&b&2013年11月上旬&/b&&br&第一次做内容传播，用Photoshop完成了信息可视化图。&br&&br&申请公司的公众号。&br&&br&&b&2013年11月下旬&/b&&br&第一次参与公众号的推广项目，线下发了一周的传单，守着人流较多的地方。那时候O2O还只有苗头，自己已经是地推了，笑。活动最后并不理想，从现在角度看，都无法算是一次运营活动。&br&&br&&b&2013年12月&/b&&br&为了推广社区网站，学习SEO知识，关键词标题描述等。&br&&br&公司方向调整，在原有社区外，启动另一个新产品。&br&&br&&b&2014年1月&/b&&br&维护社区内容，内容有一点起色，也会有用户来，但是无法留存。工作上不知所措。&br&&br&研发同事爬取了不少内容填充社区，第一次知道爬虫，第一次知道技术的手段能这么用在运营上。&br&&br&&b&2014年2月&/b&&br&当初入职时认识的运营伙伴们，只剩下我和另外一位。自己会想，进步缓慢，又看不到方向，怎么办。&br&&br&&b&2014年3月&/b&&br&申请新产品的微信公众号，之前的微信公众号半放弃状态。&br&&br&&b&2014年4月&/b&&br&比较空，学习HTML+CSS，结合SEO了解。那时的外链，是自己写HTML提交到GitHub，算是自己第一次提交代码。&br&&br&社区部分生僻关键词在百度中开始有排名，对业务没有实际用处。&br&&br&&b&2014年4月下旬&/b&&br&新产品有种子用户试用，收集反馈、建议、将需求优先级排序。因为垂直领域，种子用户倾向线下地推的拉动，应用商店的渠道运营一直没机会尝试。&br&&br&&b&2014年5月&/b&&br&提高种子用户活跃度，方法就是打电话，每天和所有的新用户沟通，维护表格。在很长的一段时间，我都知道绝大部分用户的信息。即使在一年后，某次会议上提到用户，我仍旧能说出其背景和资料。&br&&br&又体验了一把线下地推，真不适合当销售。&br&&br&&b&2014年6月&/b&&br&下载用户数据，尝试分析。因为用户稀少，没什么意义。最有效的信息反馈依旧是每天的电话维护。感谢当时leader对我分析行为的鼓励。&br&&br&将收集到的产品反馈建立FAQ。当时是在前端的指导下用jQuery写（应该是他们懒），嵌套在APP内Web页（后来我司前端嫌难看又重构了）。&br&&br&涉及线下推广的物料制作，易拉宝，宣传单页等。几千份的宣传单页，搬运起来真的很累的。&br&&br&&b&2014年7月&/b&&br&开始用Axure策划产品和运营的后台。描述需求，应用场景，安排优先级。后来养成的另一个好习惯是策划前和研发沟通一下，需求麻烦的话先请一杯咖啡再给需求…&br&&br&用户数上升，兼任客服值班，负责夜晚用户的反馈，也为客服想了一个好听的名字：）沿用至今。每天打新用户电话没有断。&br&&br&&b&2014年8月&/b&&br&策划官网第一版，后来再交由产品优化（当时很多工作，都是运营产品交替做，因为人手问题）。最早的几次策划，我都不会移情，从用户的角度考虑。&br&&br&制定新用户使用流程的初版，包括欢迎提示语，功能引导。&br&&br&制作产品的市场宣传PPT。&br&&br&&b&2014年9月上旬&/b&&br&新产品正式投入大资源推广，用户数快速上升。那段时间是最忙时间之一，因为上升数超过了团队预期，所以没有足够的人手回应用户。我每天兼职客服回消息到夜晚一点，白天由其他同事顶上。忙到什么程度呢？我需要在后台界面用浏览器Ctrl ＋左键打开十多个聊天窗口，快速回用户们的问题或者进行操作，结束后再用shift选住所有聊天窗口全部关闭。这种操作速度最快，不会让用户久等。&br&&br&之后理所当然扩招客服，制定客服管理手册和流程，建立客服FAQ、沟通话术、培训新员工，算正式接手客服团队工作。&br&&br&&b&2014年9月下旬&/b&&br&市场部销售团队扩招，兼市场部数据分析和地推绩效考核。主要交叉审核地推团队的业绩。事后我也比较过两者在获取用户成本方面的优劣，差异挺大的。&br&&br&最初的社区产品不再维护。&br&&br&&b&2014年10月&/b&&br&用户数依旧上升，产品快速迭代，推出2.0，还是数不清的反馈、建议、Bug。和PM配合一起打磨产品。虽然工作节奏快了很多，倒不算运营正规军，更像救火队员。我们岗位没有以用户运营、内容运营、活动运营、产品运营的标准划分，在很长一段时间，我也就是运营专员的Title。那几个名词我是到15年才知道。&br&&br&改进客服后台，优化效率（比如快捷回复，比如信息聚合页，比如信息备注）。第一次开团队会议，演讲，虽然只是客服团队，自己还是很紧张，事后想来声音有点抖。&br&&br&我的直属上司变换，原有上司休产假，运营由原产品负责人负责。&br&&br&&b&2014年11月&/b&&br&我依旧很清晰的记得，新上司给我发过一封邮件，说我不应该用鞭策的方式管理团队，作为领导我的职责应该是带领团队，培训团队，服务团队。感触很深，她对我做到了，我对部门组员没有做到。&br&&br&负责产品的新内容板块，反响较好。当时我认为内容＝文章，是提高用户的粘性，想来视野还是狭隘，在传递产品价值的方面没有做好。&br&&br&11月末，客服团队的职责移交给其他同事，我负责除此以外的运营工作。我真正了解，做好自己，和做好团队是两回事，自己的能力和执行力再出色，也不一定能带好团队。&br&&br&&b&2014年12月&/b&&br&第一次参加产品创新培训，了解头脑风暴。&br&&br&不再负责地推业绩的审核。&br&&br&产品第一次大型活动，数据创新高。我负责辅助运营，客服团队忙前忙后，每天上厕所时间都没有。如果依旧是我领导，不会这么高效的调动出执行力。我放下情绪，配合运营工作的运转。&br&&br&&b&2015年1月&/b&&br&负责更多运营事项，深刻了解运营有多少杂事，上到数据统计和分析，下到宣传单页、用户礼品制作。什么事情都能插一脚和操心，逐渐有向保姆和管家过渡的趋势。过多的杂事虽会让人成长，重复一段时间后，更会焦虑，这是运营的通病。&br&&br&同样，杂事要做好也需要心思。以赠送核心用户的礼品举例，除了产品质量和送到用户手中外，有没有附带感谢卡片感谢用户打感情牌，有没有鼓励用户晒朋友圈造出一轮传播，外包装袋有没有产品Logo，都是细节的运营。&br&&br&&b&2015年2月&/b&&br&第二次过年会，回顾这一年来，觉得自己好像学到了不少，又觉得自己什么都没有学到。&br&&br&&b&2015年3月&/b&&br&运营方向往活动倾斜，加强活动资源。运营力度加强了，焦虑没有缓解。我一直希望我们&br&&br&负责产品推送和短信群发，每次推送都战战兢兢仔仔细细。我的推送是有过差错的，我被教育过，教育的原因不是因为出了差错，而是认为错误只波及到了1000位用户，不是大问题。用户是有感知的，不是后台的数字，不因以1000而推诿。&br&&br&线下实体物资的采购，学会讨价还价，哪怕单价降低0.1元，总价也能便宜不少。事实还是证明，我销售的技巧欠佳，怎么样去讨价还价呢？对商家说私下给我返点，返点能变相压低成本。另外变得略有抠门，还影响到往后的运营习惯，哈哈。&br&&br&&b&2015年4月&/b&&br&布置百度统计，掌握网站分析，也将分析应用到活动Web页面。开始针对所有活动进行复盘，培训运营部。&br&&br&部分运营工作交割，这一次谈话中我问领导：“是我工作没有做好么？”，“不是，是职能需要精细化，你也应该有更负责专注的工作”。其实我想，如果我能力足够，足够胜任一个更大的团对，是否是另外一种结果。这是第二次，还是平静的接受了。&br&&br&第一次学习项目管理课程，了解甘特图，了解项目管理的核心要素，也获得管理学书籍推荐：《一分钟经理人》。&br&&b&&br&2015年5月&/b&&br&接手微信公众号运营，第一篇文章10W+，只是借了用户基数的东风。&br&&br&负责运营相关统计的数据报表工作（活跃、功能使用率等）。早期由Leader负责，现在移交到我，也意味着需要对这些数据进行负责。&br&&br&扩大内容端，增加内容运营的工作。&br&&br&学习爬虫，用第三方工具解析Html爬取了两万条数据，清洗后导入到产品数据库。&br&&br&&b&2015年6月&/b&&br&策划用户运营体系，完善活跃，留存，流失等数据概念（写这功能的研发恨死我了，统计逻辑比较复杂），并移除第三方统计。这是我正式接触用户运营的概念，早期没有系统化学习这块，后知后觉。是的，产品在这时候才有明确的用户运营概念。&br&&br&负责后台功能和权限的策划。后台运营功能堆叠越来越多，主要负责梳理运营的框架部分。&br&&br&期间有过一次面试，那时面试很少，我记得他是一位硕士生，工作年限和我一样。我面得并不好，事后HR和我说，他私下觉得我并不怎么样，干几个月就能超过我了。我笑笑，心里是有结郁的，之后和Leader沟通，安慰说我并不差，只是经验不够。哪怕面试人再出色，如果不能融入到团队，也没用。有一句话我受用终生，你愿不愿意录取一个人，首先看的是愿不愿意和他一起奋斗和工作。如果不愿意，就别招。&br&&br&&b&2015年7月&/b&&br&开始布置各类数据统计，完善汇总渠道数据，优化渠道。一是团队的人手已经满足支撑更多的事情，二是有更主动的数据意识去主导策划。&br&&br&&b&2015年8月&/b&&br&通过渠道数据，对朋友圈的邀请入口优化，某一渠道注册成功率由0.56％上升到4%。渠道存在一定时间了，我的直觉经验告诉我，路径太长转化率不会好，可惜之前没有数据验证。这是第一次有明确数据结果的优化工作。&br&&br&在有了留存等数据后，深入思考用户运营的架构，尝试体系化。介入更多运营环节，例如新用户运营，未注册成功的唤回，促活等。&br&&br&学习SQL，第一次获得数据库权限，开始查询各类数据。&br&&br&&b&2015年9月&/b&&br&尝试全面提高数据，利用SQL，对部分用户进行短信推送（监控比较容易），也就是所谓的精细化运营，文案也借助了营销心理，转化效果由15%提升到35%。&br&&br&部门增加数据运营岗位。我第一次明确用数据驱动运营。&br&&br&&b&2015年10月&/b&&br&团队扩大，负责用户运营和产品运营，明确对活跃、留存粘性指标的负责。&br&&br&精细化运营道路越走越深，制定运营策略。总体是通过SQL获得用户数据，不断试错、分析和收集反馈，以此搭建运营的模型。举其中一个例子，有大型活动要营销，为了达到最好的效果，提前挑选出两小部分用户采用不用的营销文案进行AB推送，在1小时内迅速获得点击率的反馈，一般好文案数据会好10％～20%左右，然后用胜出的文案进行大推送以达到最优。后期这种思路，也深入到团队中去。&br&&br&策划用户画像第一版，针对用户数据进行收集和加工，当时打算走个性化之路。不过水平不够，后期也废弃了，这是大坑。&br&&br&&b&2015年11月&/b&&br&在精细化运营的基础上，明确用户分层，形成金字塔的结构（后来又修改了用户分层）。推广数据运营概念到全运营和产品部门。虽然我一直退休数据概念，但是要做到自上而下的数据意识是有难度，何况覆盖市场、产品、运营的广度。这是数据化思路的第一个难题。&br&&br&在搭建完用户运营的框架后，觉得自己组员需要更好的成长，一来框架可以避免他们像我当初那样走弯路。二来为了培养出更出色的运营梯队。于是逐渐放开他们的运营权限，给予试错的机会，但一定要主动执行，好运营是试错大的。后续的工作，更多是团队进行，个人化的参与已经越来越少了。&br&&br&将团队管理工作迁移到团队协作软件。&br&&br&提出数据查询平台的需求。&br&&br&&b&2015年12月&/b&&br&数据平台搭建完成，指导全部组员MySQL，做到了全员都会数据查询。以后实际的工作中，他们能自己提数据做分析，能自己提数据做各类精细化运营的尝试。这算是符合我当初数据驱动运营的期望了。&br&&br&准备完善运营的数据框架，制作运营文档和数据文档。&br&&br&这段时期上了积分系统，这也是大坑，但运营成本至少明朗了不少。了解运营成本（主要是积分、常规营销、短信等可量化的）和商业知识。例如将思维角度更多的聚焦在人均成本、ARPU、CAC的概念上。&br&&br&学习BI。&br&&br&&b&2016年1月&/b&&br&部署私有化BI，连接生产环境数据库，运营数据报表开始自动化。至此组员可以从每天繁琐的报表工作中抽身出来，更好的关注运营本职工作。&br&&br&策划用户数据埋点。因为埋点数据需要用到Hadoop平台，所以也了解了Hive，HDFS，MapReduce等，仅限了解就够了。&br&&br&在用户运营精细化后，内容也精细化了，目的是给用户看其喜欢看的。后来也有几次平台内容传播到朋友圈UV 10W＋，总体感觉还是不可控。&br&&br&&b&2016年2月&/b&&br&运营数据全自动化完成，拜拜Excel。开玩笑啦，分析还是会用到的，但电脑本地不怎么放报表。一个额外的坏处是我们组员上下班不带电脑，报表在服务器上，工作项目在协作平台上…所以家里有电脑就行了。&br&&br&负责运营更多的工作，例如活动的节奏，推送资源，内容曝光和展示的协调。因为我有数据权限，能根据各指标轻松分配。&br&&br&公司的第三次年会，回顾这一年的成长，比14年学习到更多，也就是在这一年，才觉得自己接触到运营，数据化运营。同时准备学习更高级的数据知识用以运营，数据挖掘之路。选择这条路，一来是培养自己的复合型能力，二来我也看好数据化的趋势。&br&&br&&b&2016年3月&/b&&br&了解ETL，编写脚本，对用户埋点数据清洗，HiveToMySQL。&br&&br&学习R语言，练习各种简单的建模。不知天高地厚地报名了数据挖掘竞赛，当然最后是不出意外的做了分母。总结还是收获到不少的，特征工程，特征选择，Recall 和Precision 等。&br&&br&了解更多的业务知识，了解CRM，RFM。&br&&br&&b&2016年4月&/b&&br&尝试运营成本控制，在减弱运营资源的情况下，维持运营效果不变。这就要求团队运营的更精准，运营的营销、文案各方面也需要做到更好。效果有，但不尽满意，所以准备建数据模型。&br&&br&利用产品埋点数据，统计用户行为轨迹和分析。例如我把经常看一个页面的用户定位成他对此很感兴趣，那么我就营销他，分析的上限又高出一个level。&br&&br&学习Python，要求研发给予数据库写入权限。&br&&br&&b&2016年5月&/b&&br&团队成长比我预想地快，也比当初的自己快，我越来越多地放手让他们运营，引导他们自己去思考运营体系。比如快速策划各种小活动提升数据，立即反馈效果调整。团队可以承担他们试错，但是不要没有执行力。&br&&br&因为组员大部分都是实习生，那段时间是论文时期，所以运营的节奏稍有些打乱。欣慰的是，即使在学校，也能用电脑完成各类策划、数据。&br&&br&我引导数据运营组的组员接触Python和R。&br&&br&&b&2016年6月&/b&&br&编写Python脚本，线上环境部署，接手部分数据研发的工作，主要是数据ETL部分。&br&&br&教导组员简单的数据挖掘。&br&&br&策划更精细的用户行为和业务维度，泛特征化。&br&&br&我授权变多，部门组员犯错也经常出现，也有发邮件通报的地步。Leader向我问责的时候，我只说：是，下次会通过XX改善和规避，补救措施XX已经推行。没有过多解释，也不会甩锅到下面，相信与承担是一体两面，事后请大家喝饮料就行。严厉常有，但不针对人，也是我Leader教会我的。&br&&br&我们团队没有KPI，有指标，但不挂钩奖惩，我虽然曾不止一次的想推行，最终都放弃了。我相信只要有优化推动的余地，他们都会去追求的。&br&&br&&b&2016年7月&/b&&br&数据清洗脚本函数化，基本上用户的所有行为和统计都能精确定位。除开需要服务器后台写入的数据，其他数据工作都可以不借助研发。&br&&br&教导组员建立简单的运营响应模型。通过模型，可以将运营的消耗资源降低40%，简单说就是预测用户行为，只针对更容易转化的用户营销。&br&&br&教导组员学习爬虫，主要是为了爬取微信公众号的内容，每天都爬取三百多篇文章，提升工作效率。原本需要一个人专门收集的热门文章，有了爬虫，至少能减少半天的工作量。即使是编程，我还是有明确目的，就是提高效率不要浪费时间，我的组员都挺珍惜的，运营有很多杂事，每天找那么复制黏贴内容累不累？尽量减少工作吧。&br&&br&对组员的观察中，以及自己的反思中，越来越发觉团队有为分析而分析的倾向，说的透彻点就是分析不接地气，要么拉了一大堆数据，要么忽略了背后的业务背景，最终导致执行力缺乏，很多分析就停留在文字了，没有为业务服务，这是数据分析的大忌。后续一直在改善了。&br&&br&&b&2016年8月&/b&&br&策划用户画像2.0，新画像主要是完善以前的疏漏。数据也是通过线上完成。除了最初的框架，其余都是组员写脚本（其实Python写这类难度不大，SQL封装个读写就好）。&br&&br&产品安装第三方的AB Testing SDK。&br&&br&&b&2016年9月&/b&&br&用户画像上线。通过用户画像，可以个性化决定用户应该看到什么内容，决定权在运营控制中，能精确定位1000人的用户群看到A内容，也能定位10000人的用户群看B内容，运营更加灵活。举个例子，以前我希望特定人群看一个Banner，需要研发开发，虽然开发时间不长，但也有服务器发布流程，如果人群的计算逻辑复杂，就更麻烦。而现在可以运营自己确定人群，哪怕希望这个Banner只有CEO能看到，我们也行，我们也确实曾经在某次方案中考虑过这样做，哈哈。&br&&br&试水了用户画像 AB Testing，有效果，也用假设检验验证。&br&&br&整个九月，商务和市场类的工作多了起来，就是营销、内容、包装、PPT。&br&&br&&b&日&/b&&br&刚好入职三年，回顾。&br&&br&————&br&题外话：&br&又补充了一些，写下来算是对自己的交代，很多细节靠周报，很多也确实非常难忘。&br&&br&看了这么多，大家也都知道，我是偏数据和运营的复合型。文案、策划、营销虽然多有涉及，但不是特别出彩，用户体验又是虚的，所以记录中淡化笔墨了，有空再另开。而对数据的接触深入，也确实觉得，在未来十年它会越来越重要，我相信前景，就以此作为自己竞争力了。&br&&br&可能大家觉得我有研发的倾向，我倒挺明确自己追求的是实在的术，是为了解决运营中的问题。同时也和研发们更好的沟通，偶尔和他们一起吐槽产品们，不要太惬意。&br&&br&等17年10月再回顾一次吧。&br&&br&取匿，赞舍不得…
很多内容通过周报和笔记回忆，或有缺漏。 ———— 2013年6月至9月 往届生找工作，那时候互联网正值最火爆的时候，自己却屡屡碰壁，心想互联网工作怎么这么难找啊。 日 终于入职，运营助理。 2013年10月下旬 公司产品是一个垂直领域的社区，入…
&p&说来我正式接触数据分析也快一年，对速成还是有一些心得。优秀的数据分析师是不能速成的，但是零经验也有零经验的捷径。&/p&&p&&br&&/p&&p&以上的前提针对入门，目的是达到数据分析师的门槛，顺利拿到一份offer，不涉及数据挖掘等高级技巧。我的方法倾向互联网领域，不论是分析师这个职位，还是运营、产品的能力发展都是适用的。其他领域就仁者见仁了。&/p&&p&&br&&/p&&p&市面上有《七周七数据库》，《七周七编程语言》。今天我们就《七周七学习成为数据分析师》。&/p&&p&&br&&/p&&p&没错，七周。&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&第一周：Excel学习掌握&/b&&/p&&p&&br&&/p&&p&如果Excel玩的顺溜，你可以略过这一周。不过介于我入行时也不会vlookup，所以有必要讲下。&/p&&p&&br&&/p&&p&重点是了解各种函数，包括但不限于sum，count，sumif，countif，find，if，left/right，时间转换等。&/p&&p&&br&&/p&&p&Excel函数不需要学全，&b&重要的是学会搜索&/b&。即如何将遇到的问题在搜索引擎上描述清楚。&/p&&p&&br&&/p&&p&我认为掌握vlookup和数据透视表足够，是最具性价比的两个技巧。
学会vlookup，SQL中的join，Python中的merge很容易理解。
学会数据透视表，SQL中的group，Python中的pivot_table也是同理。
&/p&&p&&br&&/p&&p&这两个搞定，基本10万条以内的数据统计没啥难度，80%的办公室白领都能秒杀。&/p&&p&&br&&/p&&p&Excel是熟能生巧，多找练习题。还有需要养成好习惯，不要合并单元格，不要过于花哨。表格按照原始数据（sheet1）、加工数据（sheet2），图表（sheet3）的类型管理。&/p&&p&&br&&/p&&p&专栏上写了三篇Excel的文章，比较简单，大体介绍了Excel应用，可以作为职场新人的指南。&/p&&p&&br&&/p&&p&第一篇&a href=&/p/& class=&internal&&数据分析—函数篇&/a&。主要简单讲解常用的函数，以及与之对应的SQL/Python函数。&/p&&p&&br&&/p&&p&第二篇&a href=&/p/& class=&internal&&数据分析—技巧篇&/a&。主要简单讲解我认为很有新价比的功能，提高工作效率。&/p&&p&&br&&/p&&p&第三篇&a href=&/p/& class=&internal&&数据分析—实战篇&/a&。主要将前两篇的内容以实战方式进行，简单地进行了一次数据分析。数据源采用了真实的爬虫数据，是5000行数据分析师岗位数据。&/p&&p&&br&&/p&&p&下面是为了以后更好的基础而附加的学习任务。&/p&&p&&br&&/p&&p&了解单元格格式，后期的数据类型包括各类timestamp，date，string，int，bigint，char，factor，float等。&/p&&p&&br&&/p&&p&了解数组，以及怎么用（excel的数组挺难用），Python和R也会涉及到 list。&/p&&p&&br&&/p&&p&了解函数和参数，当进阶为编程型的数据分析师时，会让你更快的掌握。&/p&&p&&br&&/p&&p&了解中文编码，UTF8和ASCII，包括CSV的delimiter等，以后你会回来感谢我的。&/p&&p&&br&&/p&&p&养成一个好习惯，不要合并单元格，不要过于花哨。表格按照原始数据、加工数据，图表的类型管理。&/p&&p&&br&&/p&&p&如果时间还有剩余，可以看&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&大数据时代 (豆瓣)&i class=&icon-external&&&/i&&/a&，培养职业兴趣。&/p&&p&&br&&/p&&p&再来一道练习题，我给你1000个身份证号码，告诉我里面有多少男女，各省市人口的分布，这些人的年龄和星座。（身份证号码规律可以网上搜索）&/p&&img src=&/e48d25ababf941e4afacc1_b.png& data-rawwidth=&425& data-rawheight=&247& class=&origin_image zh-lightbox-thumb& width=&425& data-original=&/e48d25ababf941e4afacc1_r.png&&&p&&br&&/p&&p&&br&&/p&&p&&b&第二周：数据可视化&/b&&/p&&p&&br&&/p&&p&数据分析界有一句经典名言，字不如表，表不如图。数据可视化是数据分析的主要方向之一。除掉数据挖掘这类高级分析，不少数据分析就是监控数据观察数据。&/p&&p&&br&&/p&&p&数据分析的最终都是要兜售自己的观点和结论的。兜售的最好方式就是做出观点清晰数据详实的PPT给老板看。如果没人认同分析结果，那么分析也不会被改进和优化，不落地的数据分析价值又在哪里？&/p&&p&&br&&/p&&p&首先要了解常用的图表：&/p&&p&&br&&/p&&img src=&/v2-15e812e7de4c1ddd26cf0_b.jpg& data-rawwidth=&1280& data-rawheight=&959& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&/v2-15e812e7de4c1ddd26cf0_r.jpg&&&p&&br&&/p&&p&各类图表的详细介绍可以查看第四篇文章：&a href=&/p/& class=&internal&&数据可视化：你想知道的经典图表全在这&/a&&/p&&p&&br&&/p&&p&了解图表后，还应该学会报表制作，这里准备了第五篇：&a href=&/p/& class=&internal&&数据可视化：打造高端的数据报表&/a&。将教会大家Excel的高级图表用法。&/p&&p&&br&&/p&&img src=&/v2-90e7cf2f3977c66c6821e_b.png& data-rawwidth=&950& data-rawheight=&1118& class=&origin_image zh-lightbox-thumb& width=&950& data-original=&/v2-90e7cf2f3977c66c6821e_r.png&&&p&&br&&/p&&p&如果还不过瘾，我们得掌握信息图和BI，下图就是微软的Power BI：&/p&&p&&br&&/p&&img src=&/v2-f79c7d413fd311e4dc105b7f_b.png& data-rawwidth=&600& data-rawheight=&350& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/v2-f79c7d413fd311e4dc105b7f_r.png&&&p&&br&&/p&&p&BI（商业智能）和图表的区别在于BI擅长交互和报表，更擅长解释已经发生和正在发生的数据。将要发生的数据是数据挖掘的方向。&/p&&p&&br&&/p&&p&BI的好处在于很大程度解放数据分析师的工作，推动全部门的数据意识，另外降低其他部门的数据需求（万恶的导数据）。&/p&&p&&br&&/p&&p&BI市面上的产品很多，基本都是建立仪表盘Dashboard，通过维度的联动和钻取，获得可视化的分析。第六篇：&a href=&/p/& class=&internal&&数据可视化：深入浅出BI&/a& 将以第一周的实战数据学习BI，上图的就是学习后的成果。&/p&&p&&br&&/p&&p&数据可视化的学习就是三个过程，了解数据（图表），整合数据（BI），展示数据（信息化）。&/p&&p&&br&&/p&&p&可视化也和审美息息相关，很多直男代表并不擅长做图，没关系，抽空可以看书：&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据之美 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&&br&&/p&&p&PPT也别落下，Excel作图多练习，不会有坏处的。&/p&&p&&br&&/p&&p&&a href=&/topic//hot& class=&internal&&PPT - 热门问答&/a&&/p&&p&&br&&/p&&p&&a href=&/topic//hot& class=&internal&&Excel 图表绘制 - 热门问答&/a&&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&第三周：分析思维的训练&/b&&/p&&p&&br&&/p&&p&这周我们轻松一下，学学理论知识。&/p&&p&&br&&/p&&p&分析思维首推大名鼎鼎的&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&金字塔原理 (豆瓣)&i class=&icon-external&&&/i&&/a&，帮助数据分析师结构化思维。如果金字塔原理让你醍醐灌顶，那么就可以学思维导图，下载一个&a href=&///?target=http%3A//www.xmindchina.net/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&XMind中文网站&i class=&icon-external&&&/i&&/a&，或者在线用百度脑图（百度难得不被骂的产品）。&/p&&p&&br&&/p&&p&如果不想看金字塔原理，那么就看第七篇文章：&a href=&/p/& class=&internal&&如何培养麦肯锡式的分析思维&/a&。将书本的内容提炼了大部分。&/p&&p&&br&&/p&&p&再了解SMART、5W2H、SWOT、4P理论、六顶思考帽等框架。这些框架都是大巧不工的经典。你要快速成为数据分析师，思考方式也得跟着改变。网上搜咨询公司的面试题，搜Case Book。题目用新学的思维导图做，先套那些经典框架，做一遍，然后去看答案对比。&/p&&p&&br&&/p&&p&等思维框架建立好，我们应该往里面塞点数据分析的思维了，&a href=&/p/& class=&internal&&如何建立数据分析的思维框架&/a&。两篇文章相结合，就能出师了。&/p&&p&&br&&/p&&p&这里送三条金句：&/p&&p&&br&&/p&&p&一个业务没有指标，则不能增长和分析&/p&&p&&br&&/p&&p&好的指标应该是比率或比例&/p&&p&&br&&/p&&p&好的分析应该对比或关联。&/p&&p&&br&&/p&&p&举一个例子：我告诉你一家超市今天有1000人的客流量，你会怎么分析？&/p&&p&&br&&/p&&p&这1000人的数量，和附件其他超市比是多是少？（对比）&/p&&p&&br&&/p&&p&这1000人的数量比昨天多还是少？（对比）&/p&&p&&br&&/p&&p&1000人有多少产生了实际购买？（转化比例）&/p&&p&&br&&/p&&p&路过超市，超市外的人流是多少？（转化比例）&/p&&p&&br&&/p&&p&这是一个快速搭建分析框架的方法。如果只看1000人，是看不出分析不出任何结果。&/p&&p&&br&&/p&&p&优秀的数据分析师会拷问别人的数据，而他本身的分析也是经得起拷问，这就是分析思维能力。需要确切明白的是，一周时间锻炼不出数据思维，只能做到了解。&b&数据思维是不断练习的结果&/b&，我只是尽量缩短这个过程。&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject/5257905/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深入浅出数据分析 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&这本书太啰嗦了，我看到一半放弃了…但推荐人不少，可以快速翻看一下。&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&第四周：数据库学习&/b&&/p&&p&&br&&/p&&p&Excel对十万条以内的数据处理起来没有问题，但是互联网行业就是不缺数据。但凡产品有一点规模，数据都是百万起。这时候就需要学习数据库。&/p&&p&&br&&/p&&p&数据库入门看这篇文章：&a href=&/p/& class=&internal&&写给新人的数据库指南&/a&&/p&&p&&br&&/p&&p&越来越多的产品和运营岗位，会在招聘条件中，将会SQL作为优先的加分项。&/p&&p&&br&&/p&&p&SQL是数据分析的核心技能之一，从Excel到SQL绝对是数据处理效率的一大进步。&/p&&p&&br&&/p&&p&学习围绕Select展开。增删改、约束、索引、数据库范式均可以跳过。SQL学习不需要买书，W3C学习就行了，&a href=&///?target=http%3A//.cn/sql/index.asp& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL 教程&i class=&icon-external&&&/i&&/a&。大多数互联网公司都是MySQL，我也建议学，性价比最高。&/p&&p&&br&&/p&&p&主要了解where，group by，order by，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的逻辑，时间转换函数等。&/p&&p&&br&&/p&&p&如果想要跟进一步，可以学习row_number，substr，convert，contact等。另外不同数据平台的函数会有差异，例如Presto和phpMyAdmin。&/p&&p&&br&&/p&&p&你看，和Excel的函数都差不多。按照&a href=&/p/& class=&internal&&SQL，从入门到熟练&/a&&a href=&/p/& class=&internal&&SQL，从熟练到掌握&/a&这两篇的内容学习。虽然没有实战的打磨，但是了解一个大概够了。&/p&&p&&br&&/p&&p&期间你不需要考虑优化和写法丑陋，查询几秒和几分钟对数据分析师没区别，跑数据时喝杯咖啡呗，以后你跑个SVM都能去吃饭了。&/p&&p&&br&&/p&&p&网上也能搜索SQL相关的练习题，刷一遍就行。也能自己下载数据库管理工具，找些数据练习。我用的是Sequel Pro。&/p&&p&&br&&/p&&p&&b&附加学习：&/b&&/p&&p&如果这周的学习充裕，可以了解MapReduce原理。&/p&&p&&br&&/p&&p&来一道练习题，表A是用户的注册时间表，表B是用户所在地，写出各地区每月新注册用户的查询SQL。掌握到这个程度，基本够用，虽然往后工作中会有更多变态数据需求。&/p&&img src=&/a52ede0cd1c809d9dba0cf_b.png& data-rawwidth=&428& data-rawheight=&196& class=&origin_image zh-lightbox-thumb& width=&428& data-original=&/a52ede0cd1c809d9dba0cf_r.png&&&p&&br&&/p&&p&&br&&/p&&p&&b&第五周：统计知识学习&/b&&/p&&p&很遗憾，统计知识是我最薄弱的地方，也是数据分析的基础之一。&/p&&p&&br&&/p&&p&统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。&/p&&p&&br&&/p&&p&这一周努力掌握描述性统计，包括均值、中位数、标准差、方差、概率、假设检验、显著性、总体和抽样等概念。详细的数学推导不用细看，谁让我们是速成呢，只要看到数据，知道不能怎么样，而是应该这样分析即可。&/p&&p&&br&&/p&&p&Excel中有一个分析工具库，简单强大。对列1的各名词做到了解。如果是多变量多样本，学会各种检验。&/p&&img src=&/9cce8bdc0d228dd77822e_b.png& data-rawwidth=&475& data-rawheight=&331& class=&origin_image zh-lightbox-thumb& width=&475& data-original=&/9cce8bdc0d228dd77822e_r.png&&&p&&br&&/p&&p&（图片网上找来的）&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject/3595095/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&统计数字会撒谎 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&休闲读物，有趣的案例可以让我们避免很多数据陷阱。&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject/7056708/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深入浅出统计学 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&还是经典的HeadFirst系列，适应它一贯的啰嗦吧。&/p&&p&&br&&/p&&p&多说一句，老板和非分析师不会有兴趣知道背后的统计学原理，通常要的是分析后的是与否，二元答案。不要告诉他们P值什么的，告诉他们活动有效果，或者没效果。&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&第六周：业务学习（用户行为、产品、运营）&/b&&/p&&p&&br&&/p&&p&这一周需要了解业务。对于数据分析师来说，&b&业务的了解比数据方法论更重要。&/b&当然很遗憾，业务学习没有捷径。&/p&&p&&br&&/p&&p&我举一个数据沙龙上的例子，一家O2O配送公司发现在重庆地区，外卖员的送货效率低于其他城市，导致用户的好评率降低。总部的数据分析师建立了各个指标去分析原因，都没有找出来问题。后来在访谈中发觉，因为重庆是山城，路面高低落差比较夸张，很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。&/p&&p&&br&&/p&&p&这个案例中，我们只知道送货员的送货水平距离，数据上根本不可能知道垂直距离这个指标。这就是数据的局限，也是只会看数据的分析师和接地气分析师的最大差异。&/p&&p&&br&&/p&&p&对于业务市场的了解是数据分析师工作经验上最大优势之一。既然是零经验面试，公司肯定也知道刚入门分析师不会有太多业务经验，不会以这个卡人。所以简单花一周了解行业的各指标。&/p&&p&&br&&/p&&p&以知乎最多的互联网行业为例。至少了解活跃用户数，活跃用户率，留存率，流失率，传播系数等通用概念。&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&增长黑客 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&数据驱动业务的典型，里面包含产品运营最经典的AAARR框架。部分非数据的营销案例，如果时间不够可以略过。此外产品和运营的入门读物也能看，这里就不推荐了。&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&网站分析实战 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&如果应聘的公司涉及Web产品，可以了解流量的概念。书中案例以Google Analytics为主。其实现在是APP+Web的复合框架，比如朋友圈的传播活动肯定需要用到网页的指标去分析。&/p&&p&&br&&/p&&p&&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&精益数据分析 (豆瓣)&i class=&icon-external&&&/i&&/a&&/p&&p&互联网数据分析的入门书籍，归纳总结了几个常用的分析框架。比较遗憾的是案例都是欧美。&/p&&p&&br&&/p&&p&还有一个小建议，现在有不少第三方的数据应用，囊括了不少产品领域的数据分析和统计。自学党们即使没有生产环境的数据，也可以看一下应用Demo，有好处的。&/p&&p&&br&&/p&&p&除了业务知识，业务层面沟通也需要掌握。另外建议在面试前几天收集该行业的业务强化一下。&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&第七周：Python/R 学习&/b&&/p&&p&&br&&/p&&p&终于到第七周，也是最痛苦的一周。这时应该学习编程技巧。&/p&&p&&br&&/p&&p&是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘，爬虫，可视化报表都需要用到编程能力。掌握一门优秀的编程语言，可以让数据分析师事半功倍，升职加薪，迎娶白富美。（SAS/SPSS我不了解，所以不做指导）&/p&&p&&br&&/p&&p&这里有两条支线，学习R语言或Python。速成只要学习一条，以后再补上另外一门。&/p&&p&&br&&/p&&p&我刚好两类都学过。R的优点是统计学家编写的，缺点也是统计学家编写。如果是各类统计函数的调用，绘图，分析的前验性论证，R无疑有优势。但是大数据量的处理力有不逮，学习曲线比较陡峭。Python则是万能的胶水语言，适用性强，可以将各类分析的过程脚本化。Pandas，sklearn等各包也已经追平R。&/p&&p&&br&&/p&&p&如果学习R，我建议看&a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&R语言实战 (豆瓣)&i class=&icon-external&&&/i&&/a&， 照着书本打一遍代码，一星期绰绰有余。另外还有一本 &a href=&///?target=https%3A///subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&统计学 (豆瓣)&i class=&icon-external&&&/i&&/a&
，偏知识理论，可以复习前面的统计学知识。&/p&&p&&br&&/p&&p&R学习和熟悉各种包。知道描述性统计的函数。掌握DataFrame。如果时间有余。可以再去学习ggplot2。&/p&&p&&br&&/p&&p&Python拥有很多分支，我们专注数据分析这块，入门可以学习 &a href=&///?target=https%3A///subject/6892016/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深入浅出Python（影印版） (豆瓣)&i class=&icon-external&&&/i&&/a& 。也是把代码写一遍。&/p&&p&&br&&/p&&p&需要学会条件判断，字典，切片，循环，迭代，自定义函数等。知道数据领域最经典的包Pandas+Numpy。&/p&&p&&br&&/p&&p&在速成后的很长一段时间，我们都要做调包侠。&/p&&p&&br&&/p&&p&这两门语言最好安装IDE，R语言我建议用RStudio，Python我建议用 &a href=&///?target=https%3A//www.continuum.io/downloads& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Anaconda&i class=&icon-external&&&/i&&/a&。都是数据分析的利器。&/p&&p&&br&&/p&&p&Mac自带Python2.7，但现在Python 3已经比几年前成熟，而且没有编码问题。各类教程也足够多，不要抱成守旧了。Win的电脑，}