好的运营架构就和好的研发架构一样，能够支撑业务从0到1，从1到100W。

谈到运营的体系，不得不先谈谈，我们对于运营的误解

首先是运营和营销边界的误解

现在越来越多的公司招募市场运营，活动运营，品牌运营，营销增长，用户增长这样的岗位，这和传统的营销工作的工作区别到底是什么呢？

最大的区别就是——运营是典型的互联网时代（新经济时代）数据驱动的营销，供应链，商品生产工作

其实互联网时代这个词早就OUT了，我们越来越不以互联网公司来区分公司，互联网渐渐也变成了传统行业，成为了人民群众喜闻乐见的基础设施和企业使用的工具，现代新经济企业的区别在于是否有数据化的思维去解构业务板块，规划高效率的业务运转路径，是否是以对于行业和用户的认知在提升优势，而非对于资源的垄断来提升优势

回到营销和运营的差别上来，我们能看到运营在成为一个越来越广义的词，一方面和营销的工作的边界渐渐模糊，另一方面和产品工作的边界也渐渐模糊，比如近来行业里面的热门概念——

增长黑客，就是典型的以数据思维为基础，测试为手段，用户为核心，产品为落地实施方案的一套完整的系统

而我们运营人，也在渐渐成长为企业经营人

说到营销和运营就不得不说到乔林老师合著的《数字时代的营销战略》中提到的“4R”模型，在我看来4R模型和AARRR模型并没有什么本质的不同

4R模型：

1）将用户的喜好，需求，年龄等特征极大可能的数字化，在用户数字化的基础上

2）对获取用户的渠道触达用户的方式进行极大的数字化，这背后是这些渠道的流量，转化率等，用户到来后

3）保持和用户的关系，运作和用户的之间的关系和粘性让用户发生信任，传播，最后带来

4）收入

AARRR模型：

用数据驱动，不断的给出假设，并且按照优先级实验最好的方式从

1）获取用户

2）激活活跃用户

3）留存用户

4）获取收入

5）用户传播

每一个环节都要极大可能地数字化

以上，看看是不是并没有什么不同，实际上两个模型通俗易懂一点来说都是在讲：

要更精细化的通过用户和渠道的匹配来提升获取用户的效率，在用户来到平台后都要更精细化的推荐内容留存用户，建立和用户更长期的关系，使得用户愿意付费，愿意传播，愿意留存

上文提到了AARRR和4R模型，相信大部分同学还是一脸懵逼，当我开接触AARRR模型的时候，不仅仅发现这个思路本质上和原来线上那套流量转化客单价异曲同工，同时发现其实百度在很多年前的业务增长，就在使用黑客增长的这套思路

只是当时我们不称之为黑客增长，我们称之为渠道评级

反而由于我在百度移动端搭起来了这样一套基于数据驱动，不断ABTest精细化的渠道匹配的策略，还因此在百度申请了一个算法专利

当时我是负责这个项目的产品经理，王霖和陈浩是百度内部和我合作的来自大数据研发部门的研发，这妥妥的硅谷增长黑客团队的配置，竟然到今天我才意识到，何其幸也

当时的我们是怎么做的呢?

在谈到怎么做之前，先来分享一下实际的背景

1）在百度不同的移动端产品在渠道推广的结算价格不同，例如百度搜索和百度输入法，百度地图即便都在和步步高手机这条渠道合作，但是结算单价和结算方式都有可能是不同的，有可能一个产品按照激活A结算，单价是2块，另一个产品按照活跃DAU结算，单价是5元

2）在百度不同的产品同样的日活为百度贡献的价值不同，实际上用户是否活跃的评判标准也不同，例如地图可能一周使用一次就算一个活跃用户了，可输入法得每天使用一次才算一个活跃

3）对于百度而言，最重要的是一个高价值的用户，这个的用户价值是能够带来更多的用户，能够贡献更多的内容和活跃行为，或者是点击了更多的广告使得广告商的投放更有价值，而这一切的后续的用户行为都和用户活跃相关

因此我们假设有一个策略模型，可以平衡好AARRR模型中的各项指标

这个假设的逻辑是：

1），一个渠道能够给我们带来用户的新增，活跃，留存，收入，和自传播，

但在业务的不同的阶段，这五件事情的重要性不同，我们通过调整五件事情的重要性的权重，可以明确哪个渠道在我们这里的评级更高

2），一个渠道如果得到超出预期更高的结算单价，就会更愿意将用户导流给百度，这样可以在这条渠道上获取更多的用户量（毕竟哪个时候一条渠道可以同时给百度，给腾讯，给阿里，给360导流）

3），一个渠道的价值更高，我们愿意结算更高的超出平均水平的结算单价

4），这个结算单价，和带给我们的用户价值对比，也就是单用户的ROI是持续更好的

因此所需要考量的指标均纳入计算体系

从所有百度移动端产品搜集来用户行为的数据，无线搜索的数据，移动云渠道结算的数据，用来成为用户的生存，活跃，贡献价值的模型，分别在用户的成本收益，用户的质量（留存，活跃，传播），渠道的推广能力（新增），渠道战略价值，综合维度评估

当时我们的假设是结算价格会影响渠道是否愿意把更多的量给百度

实现的方式，是通过调整带量，带活跃，带用户价值等数据的权重的参数调整，影响那些更擅长带量或者是更擅长带活跃用户的渠道给百度更多的用户

虽然以上案例太过生涩，但道理始终如此：

以数据为基础，以实验迭代为方式，快速ABTest，来实现用户的增长，活跃，变现等目标

我想这可能是第一个黑客增长模型的专利，只是当时已惘然

当时的百度渠道增长的思路案例，也可以用4R的框架来拆解

Recognize：数字化的识别用户，形成用户的画像

用户购买了小米手机，先从小米应用市场下载了百度输入法，后来看到手机预装了百度搜索，很不喜欢于是卸载了。用户配置好手机后，开始玩游戏，玩游戏的时候如果下载百度地图可以增加200积分，于是用户下载了百度地图，下载后偶尔会使用，这样一个用户的画像是不是跃然纸上

当然我们也可以更进一步去看用户在百度系不同的APP内的行为，例如用户总是在上下班的时间在两个点之间活动，例如用户总是在百度输入法输入一些表情符号，有了类似这样的数据，我们对用户画像是不是也会有更准确的判断

这样接下来百度移动端不论哪一款产品都更加清楚这个用户是什么样子的用户，我们在做PUSH的时候可以做更准确的推荐，也更清楚如果要唤醒这样的用户，他会玩这款游戏，会使用手机输入法，会使用小米应用市场，我们是可以通过这款游戏，通过小米应用市场的活动来唤醒这个用户的

当时，我们在百度内部做的百度移动端运营系统就有这样的功能，打通了百度的移动端产品和一些渠道，可以做到综合百度移动端整体的数据画像，对用户进行更准确的唤醒

Reach：数字化的渠道触达方式识别，例如这个渠道都带来了哪些用户，他们的留存，活跃，贡献的价值，贡献的收入都是什么样子的

由于结算数据在我们的平台上，我们也很清楚这些渠道带来的这些用户的成本是什么样子的

Relationship：知道用户和哪一个渠道有更强的链接，也知道用户和哪一个百度系的移动端产品有更强的链接，那么我们可以选择通过这款产品和用户建立更持久的链接，或者通过这款产品推荐用户使用百度系其他的产品

Return：当然百度不直接从用户身上获取收入，用户贡献的用户行为就是百度收入的