编辑导语：上一篇文章笔者分享了关于快速构建数据化运营平台的MVP方案，可查看《在线教育大数据营销平台实战（二）：快速构建数据化运营平台的MVP方案》；本篇作者将会在上篇文章基础上探讨如何将此数据产品方案推广实施下去，我们一起来看一下。

不仅仅是数据产品，所有的B端产品都会面临实施效果问题，这里所说的B端产品不仅包括ToB企业服务的商业化B端产品，也包括企业内部自建的B端产品。

内部自建B端产品实施难度相对来说小一些，因为你的用户就是你身边的同事，但是如果自建的是较大的平台，也是需要一个实施团队的。

对于做企业服务的公司来说，维护一个庞大的实施团队是不可避免的，实施做的最好的可能就是华为了，已经把5G基站实施到了珠峰，但不是所有企业都有华为的资金实力和组织管理效率。

有位运营小伙伴曾经给我讲过一个笑话：他上家公司老板拍板买了神策的竞品（名字不便提哈），结果一年过去了所有运营都不知道系统登录地址是啥，可能只有老板自己在用吧；换个角度来看，想要达到实施效果最大化，需要甲乙双方共同努力，内因有可能还是主要因素。

神策产品功能的优势是其功能的灵活性，比growingio和友盟等同类产品来说上手难度高一些，辩证来看即是其优点又是其缺点；为了弥补不足，神策实施团队也是够拼了，我所看到的是一线分析师团队差不多在手把手教反馈问题的人员怎么来操作，但是你经不住运营人员多啊，总不能像审查背课文一样全员轮一遍。

数据产品部署完成后相当于给了你鱼竿和钓鱼的方法，但是你能不能拿着鱼竿钓到鱼这就不太好说了，每个人员的认知和实践能力是不一样的；那怎么让用户将方法和工具融会贯通，真正达到授人以渔，本篇基于对自己实践经验的总结尝试一下破局。

本篇还延续之前的文章思路：分析问题-给出解决模型-实践迭代，本篇会从产品实施初期面临的问题分析、实施推广思路、如何进行核心用户推广、建立规范化使用机制几个方面进行阐述。

一、前期使用问题分析

1. 使用热情不高

虽然大家汇报工作时候都把数据化运营挂在嘴边，但是真到落地环节由于工作惯性，大部分人都不愿动去改变，给你一个系统让你自己去用，在入门阶段其实是增加了工作成本，听到“从入门到放弃”这句话就不足为怪了。

前期自觉用起来的人聚焦在投放、网站运营等团队，人数也就不足10人；这些团队也只是关注考核他们KPI的核心指标：名片量、注册用户数、PV、UV等，分析模型的使用集中在事件分析，漏斗分析、用户属性分析。

2. 基础功能不了解

针对第一次全员培训热情较高，但后来其实并未怎么使用的人员进行调研，发现他们其实对基础功能了解的不多更谈不上深；有的是自己看过教程但是上手较难，有的是自己使用过程发现一些问题不理解但也不好意思问，当然还有的是事务性工作太多没时间使用等等。

总归结果一样，都是从入门到放弃了。

3. 很难和业务场景结合

上面也分析了前期自觉使用起来的运营人员也是集中在几个常见的分析模型功能，另外分析的指标也是盯着自己的KPI，对影响最终KPI结果的各环节指标分析不足，缺乏对业务流程梳理和量化分析的能力。

如何熟练使用系统功能，并融会贯通的应用在业务场景中，确实是一个挑战难度比较大的问题。

4. 统计口径不一

统计口径不一主要体现在两个层面，第一种是业务同学在神策分析上查看的数据与内部业务系统对不上，这里面存在埋点误差的情况（参看上篇埋点校准部分）；但是本篇我要讲的情况是人为造成的，因为有些运营小伙伴对原子指标和维度理解不透彻，在不同系统查询的过程中原子指标选择、或者维度选择不一致造成的。

另一种情况是，同一系统上（都在神策分析上查询），不同人员对同一指标（名字叫法相同）定义不同造成的。

二、实施推广思路

以上分析完之后，我们对大体问题已经心中有数了，那咱们解决呢？我们直接上解决思路，请看下图。

1）阿尔法行动：从上面的解决思路我们可以看到，处于核心位置的是阿尔法行动，这个行动其实没有什么神秘的，就是起了个酷点的名字，其实质就是培养核心用户；后面我会用一个章节进行说明，对核心用户的培养有利于提升使用氛围，探索公司对数据系统使用的培训考核机制，纳入新人入职的培训体系。

2）推广迭代：当核心用户的培养搞过几轮之后，不出意外的话公司数据化运营氛围会提升，核心用户也会扩大，需求自然后增多，促进系统步入正向迭代阶段。

3）推广治理：核心用户扩大后，拥有分析师角色权限的人员会增多，使用不规范情况会增多，需要对使用环节进行治理避免陷入无序，因此需要对使用关键环节进行规范化。

三、阿尔法行动

1. 行动综述

组织阿尔法行动目的是为了培养并扩大核心用户群体，宣传并提升数据化运营氛围，在行动的多轮实施和迭代中建立常规化的培训考核机制。

阿尔法行动的具体实施步骤如下图所示：

1）组建行动小队：行动的发起需要征求到公司高层的支持，高层的赋权不仅是明确了其合法性，也会决定其在公司内部的影响力和受关注程度。

成员的组成包括：

• 发起人，产品经理或运营负责人；
• 业务顾问，熟悉公司运营业务的骨干人员，在行动过程中提供业务指导；
• 技术支持，这里的技术支持是指熟悉系统功能的人员，可以是内部的产品经理，当然如果你能邀请到分析师更好；
• 参培人员：被培训对象，建议前几期选择成长型年轻人，学习能力接受新事物能力相对较强。

2）制定实战训练课程：课程方案的制定需要和公司业务相结合，从参训人的实际工作内容中找主题，这样既能达到实战化效果，也不给参训人增加额外工作负担；建议设定两个主题，由易到难；每周定期开会小复盘，总结规律反思不足。时间建议3~5周为宜。

3）复盘分享&评优：此环节是活动最后高潮部分，全员对本次行动进行公开复盘总结，向全公司运营人发出邀请，分享案例、收货、心得。复盘分享完毕后，评选优秀学员，公司领导颁奖，借此进行内部新闻宣传，进一步强调数据化运营理念。

2. 小行动也要PDCA

虽然阿尔法行动不涉及软件开发，只是一个培训活动，但是我们也要用项目管理的思维来看待，采用PDCA的项目管理思路，降低翻车风险，毕竟组织一次不容易。

1）P (plan) 计划，包括方针和目标的确定，以及活动规划的制定。

2）D (Do) 执行，根据已知的信息，设计具体的方法、方案和计划布局；再根据设计和布局，进行具体运作，实现计划中的内容。

3）C (check) 检查，不仅要对最终的结果进行check，过程中也要设定检查节点，及时发现问题；比如在阿尔法行动执行过程中，每个主题可能为期2周左右，差不多1周左右的时候我会在群里询问各位参训人员的进度，让他们发思维导图Check他们的分析思路是否正确。

4）A (action)对阶段性结果进行处理，对成功的经验加以肯定，并予以标准化；对于失败的教训也要总结，引起重视；对于没有解决的问题，应提交给下一个PDCA循环中去解决。

以上四个过程不是运行一次就结束，而是要在多次行动中周而复始的进行，一次行动完了，解决一些问题，未解决的问题进入下一次行动中，这样阶梯式上升的。

四、规范化使用机制

核心用户扩大后，拥有分析师角色权限的人员会增多，使用不规范情况会增多，需要对使用环节进行治理避免陷入无序，因此需要对使用关键环节进行规范化。

1. 用户分层责权分明

将参与阿尔法行动培训的人员制定为分析师角色，其职责如下：

• 分析师角色需要部门专人指定；
• 负责部门内部神策系统使用（报表制作、特定场景分析）；
• 部门内部系统使用培训；
• 部门内部数据指标体系搭建；
• 汇总反馈需求；

2. 需求反馈流程

• 如流程图所示，每个部门需要指定分析师角色；
• 部门内部产生的数据需求，先通过分析师依托神策系统来解决；
• 分析师无法解决的需求，需要按照需求卡片的格式反馈数据产品经理处。

3. 账号管理机制

1）账号申请机制，由于涉及到公司内部具体角色和人员不方便详细描述，我这里做简要说明：分析师账号采用分配账号的形式名额取决于部门人员基数，特殊申请数据分析师账号（权限）的人员需要走部门领导（或VP）审批。

2）权限变更、离职人员权限关停机制。

3）账号定期排查清理机制，不经常活跃的账号容易成为漏洞攻击的目标，神策系统存在大量业务数据，一但泄露，造成的影响不可设想；基于数据安全的考虑，建立相应的账号定期排查清理机制。

• 最近登录时间超过30天的普通权限账号将被注销；
• 最近登录时间超过15天的分析师权限账号将被降级为普通权限；
• 常用使用功能只停留在查看面板的分析师账号将被降级为普通权限；

4. 统计口径标准化

基于各业务部门调研情况和AARRR模型，整理出了《常用原子指标统计口径标准》，公开发布给运营同事，尤其对新手是必备锦囊。

截图示意如下：

5. 培训考核常规化

目前已建立常规化的培训考核机制，值得一提的是，担任培训考核工作的是一期阿尔法行动的优秀学员。

1）培训时间进度

• 第一周：培训+答疑+问题沟通
• 第二周：考核+第一轮次评分
• 第三周：二轮补考+最终淘汰名单确

2）考核方式

• 考核方式为：完课率（占20%）+客观题线上测试（占30%）+数据表单制作汇报（占50%）。
• 考核标准：合计100分，及格线为70分，如数据表单制作不予提交，则直接视为放弃本轮培训考核，直接关停账号。
• 奖惩方式：第一轮考核如未过线可允许在三天内进行补学补考（补考通过条件：二轮客观题测试达到80分以上，且提交数据表单经评估后有较大迭代）；补考结束后确认本轮淘汰名单，将于xx日同步对应业务线负责人并关停分析师账号。

五、写在最后

文章到这里就接近尾声了，本篇针对我推动过的数据产品实施推广的实践方案做了一个总结梳理，系统化阐述各环节；每篇文章我都尽可能从个人实践过程出发，结合在线教育业务背景和当时的客观限制条件，尽可能详细的给大家阐述。

我已经用三篇文章阐述了企业数据化之路由底层建设到MVP方案，再到推广落地，本篇作为节点。

之后的系列内容我想从我负责的另一条营销CRM产品线角度，结合在线教育的营销业务场景，总结梳理数据如何赋能营销业务线；如果你对CRM产品、对数据如何赋能营销并构建大数据营销管理平台比较感兴趣，请继续关注！

相关文章：

《在线教育大数据营销平台实战（二）：快速构建数据化运营平台的MVP方案》

《在线教育大数据营销平台实战（一）：大数据平台构建实战》

本文由 @Tigerhu 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。