星巴克数字忠诚十五年（中）

十五年里，星巴克成功建设了从店面到礼品卡、礼品卡到移动应用、再从移动应用到店面的核心产品闭环，基于这个闭环，星巴克将进行三种类型的创新：基于闭环要素（店面、礼品卡、移动应用）的 持续创新 ；基于闭环要素之间关系的 深度创新 ；基于更大生态系统的 生态创新 。持续创新星巴克从未停止三大闭环要素的持续创新，它们分别是基于店面、礼品卡、以及移动应用的长达十五年的创新过程。店面创新

业界综合 2017年03月01日

活动结束啦，那么复盘该从哪些方面展开？

当一个活动结束时，我们应该需要哪些维度的数据来进行复盘呢？这个问题来源于读者提问，问的超级好，他的问题原文如下：如何复盘一场自己做的活动？应该从哪些角度收集信息和数据以优化以后的运营策略和手段？ 那么，今天我们就用一个小故事聊聊复盘的细节。社区的本质小王做了一个活动，预期是希望通过活动，提升一段时间内，用户的交易额。小王做了如下设计：活动期间，所有参与交易的用户，都可以

产品运营 2017年12月05日

产品经理的技术修行笔记——数据结构篇

懂技术是产品经理的加分项，这是毋庸置疑的。为了经营好这一个加分项，产品经理要为自己的技术能力定制一个修行计划。很多同学在产品入门的时候都会考虑到一个问题——产品经理需要懂技术吗？这个问题也许没有准确的答案，但是一个懂技术的产品经理确实有很明显的优势。一方面产品经理在日常工作中，接触到最多的一类人，就是程序员，懂技术能减少与技术同学的沟通成本；另一方面，许多成功的产品经理都是

产品经理 2018年04月07日

做运营必须掌握的四个数据分析思维

对于运营数据分析，我相信很多小伙伴会存在以下问题：面对异常数据经常出现“好像做了什么？好像发生了什么？所以可能造成了影响”的主观臆测？ 面对数据报表，不知道该怎么分析？不知道该分析什么？ 数据分析作为运营最基础的一项技能，你是否真正的将其价值发挥出来，合格的运营一定是数据驱动运营，而非运营驱动数据！从单一维度到体系化从单一维度到体系化的思考，是做数据分析必须做出的转变！对于

产品运营 2017年05月04日

产品经理学数据分析 SPSS 篇（2）-- 基本认知和数据导入

限于操作截图较多，本篇主要介绍SPSS窗口、数据变量定义、数据导入相关操作。下篇讲解数据清洗及数据处理相关操作。SPSS窗口数据窗口1、菜单栏，同Excel菜单栏，如图文件、编辑、数据、转换、分析等。数据处理常用菜单为数据、转换；数据分析常用菜单为分析。2、数据视图，用于输入、编辑、显示数据窗口，可对个案、变量进行添加、删除等操作（行数据成为个案，列数据成为变量）。3、变量

产品经理 2017年06月08日

线下零售企业在数据驱动上的三个挑战和三条思路

数据分析渗透传统企业是互联网时代大势所趋，这是我一直思考的重点。这次我把问题圈定在线下零售企业。我从数据的视角探讨问题，并不是针对线下零售的全方位解决方案。我的思考总结为三个挑战和三条思路。挑战一：数据采集能力不足线下零售相比线上电商，在数据采集上有天然的劣势。对于电商来说，我们把一个用户的渠道来源、浏览的商品详情、注册登录信息、加入购物车、购买等完整的行为路径记录下来。而

产品经理 2017年07月17日

App 行为数据探讨：基于行为数据的场景化营销

营销成功的关键在于不断的尝试，优化场景化标签中的各个数据维度和数值，同时在效果达到预期的方案固化，形成标准的运营方案。企业面临三类数据，一类是企业内部的交易数据，一类是企业同用户之间的交互数据，一类是第三方数据也称外部数据。企业过去的数据资产是建立在第一类数据之上的，利用人口属性、销售数据、物流数据、内部流程等数据建立数据资产，开展商业应用。客户行为数据也被称为交互数据，主

产品运营 2017年05月10日

数据分析能力的核心是思维

对于业务人，比如产品或运营，数据分析能力的核心不在方法和工具，而在于思维。大多数人错误地理解了数据分析，把数据分析能力提升的关键放在了方法和工具；对于业务人而言，数据分析的核心思路是，得到两个变量之间的「量化关系」，用以解释现象；数据分析的步骤，感知问题、提出假说、选择表征、收集数据、分析验证；提出假说和选择表征是很多业务人数据分析做不下去的原因。数据分析的方法崇拜在和团队

产品 2018年04月16日

数据驱动产品运营的理论与实务

从工作的侧重点来分，运营可以分为产品运营、用户运营、活动运营等等，数据驱动运营也主要从这几个方面入手。今天我们从理论和实操层面来分析一下，数据是如何驱动产品运营

产品运营 2023年07月23日

乌合统计学｜产品经理都想学的”统计学”入门课！

本文作者：刘震宇  原文地址：猛戳这里数据分析数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。信息时代，数据越来越多，信息越来越丰富，数据的形式也越来越多样化，但我们无法将这些数据拿来直接使用。因此我们必须将这些数据分析更加的系统化，以系统的数据科学作为数据分析的指导，才会更好的为数据分析服务。数据分析

产品经理 2016年06月22日