1.3　流量运营的职能岗位

本节将介绍电商企业中流量运营的主要部门划分以及技能要求。

1.3.1　部门划分

流量运营按职能划分，属于市场或营销的范畴，因此在各个电商企业内基本属于品牌中心、营销中心或市场中心。

在该中心体系下，通常会按照不同的营销职能将流量运营拆分为不同的部门。

• 广告部门。主要负责以付费方式获得流量的硬广告类渠道，主要渠道合作模式包括CPT、CMP、CPC、CPA，主要广告包括门户广告、垂直渠道、导航类广告、信息流广告、程序化广告、RTB广告、物联网广告、OTT（Over The Top）等。
• SEM部门。主要负责搜索引擎营销类的渠道，以付费的方式获得搜索流量。
• SEO部门。主要负责搜索引擎优化，以免费的方式获得更多搜索渠道的流量。
• CPS部门。主要负责按效果计费的渠道，这类渠道主要是返点、返利或导购类渠道。
• 会员营销部门。主要负责会员营销相关渠道，主要是EDM（电子邮件）、SMS（短信）和MMS（彩信）等类媒介。
• 社群营销部门。该部门以社会化媒介为载体，主要以粉丝、用户或客户的服务与营销为主，包括常见的新浪和腾讯的社群渠道、企业与KOL（关键意见领袖）或网红在社会化媒体上的合作等。
• 商务合作部门。主要负责商务合作、异业合作、跨界合作、商务拓展、赞助、资源置换等方面的合作内容。
• 无线营销部门。围绕App业务的营销业务部门，主要包括ASO（App Store Optimization）、应用市场合作、App预装合作、刷机合作、换量合作、生态内植入甚至地推安装（例如安装App送鸡蛋、首次下单返现金等）等方面的业务。
• 品牌和公关部门。以品牌性活动为主的营销工作，例如会议营销，在线活动，公关软文，政府关系维护，传统的电视、报纸、杂志、广播、户外广告的品牌传播等。

1.3.2　技能要求

在流量数据化运营过程中，业务职能部门除了需要具备基本的业务能力之外，还需要具备数据化工作的能力。数据化工作能力具体包括基于数据驱动的决策思维以及基本的数据获取、统计分析能力。

1. 基于数据驱动的决策思维

大多数情况下的运营决策都应该基于数据驱动，即依靠数据的先验经验获得已知规律，然后应用到新的业务执行环境中。这种思维需要业务部门在日常工作中逐渐锻炼而成，它不是一蹴而就的。

2. 基本的数据获取、统计分析能力

很多企业中一般都有专门的数据部门，包括数据分析部门、数据挖掘部门、数据产品部门、数据库管理部门等，这些部门都根据自身在数据工作环节中的定位，仅开展与其职能定位相关的工作。在日常多部门协作中，很多由业务部门发起的数据需求，其实都能自主“动手”实现，举例如下。

• 拉取数据。这种操作只需要拥有权限并稍加培训就能实现，甚至可以让数据部门写好取数代码，业务部门只需要按需修改特定字段即可。
• 简单的统计。业务部门经常需要根据不同的时间粒度（例如月度、周度、季度）、地域、业务体系划分等维度进行统计汇总。这种基于几个维度的“分类汇总”其实并不复杂，无论是数据库（例如MySQL、Oracle）还是特定程序（例如Python、R）都几乎只需一行代码就能解决。
• 简单的分析。对数据分析而言，简单的分析方法在日常工作中更加实用。例如基于不同维度的对比分析、构成占比或成分分析、时间趋势分析、多维的数据透视表分析、多维的上卷下钻分析、条件分组分析、描述性分析等几乎占据日常“数据分析”80%以上的应用场景，这些方法虽然简单，但确实能解决相当多的实际问题。这些分析方法几乎没有“知识”和“技能”上的难度，仅仅需要获得数据之后再进行简单处理即可实现。

业务部门实现了上述需求后，其数据运营的效率和效果都会得到极大提升，主要原因分析如下。

• 时间及时性的考虑。如果业务部门需要其他部门协作，那么需要多次沟通和排期，很可能数据部门产出的结果无法满足业务部门分析的及时性，毕竟任何部门都有自己的任务优先级。
• 任务排期冲突的考虑。如果在业务部门的需求时间内数据部门的资源已经被其他任务占用，那么就会导致任务排期冲突，因此将无法实现分析需求。
• 业务自主性的考虑。降低对其他部门的依赖，将更多的工作自主权掌握在业务部门手中。这样业务部门对任何工作的安排和统筹将更游刃有余。