数据操作的工作内容(根据操作具体做什么？)广义而言，数据是反映产品和用户状态的最真实的方式，它指导运营决策并推动业务增长。与数据分析师的职位不同，数据运营更侧重于支持一线业务决策。在产品运营的整个生命周期中，数据运营是一项技能，可以通过数据分析发现和解决问题，提高效率，促进增长。

1.数据运营需要学习哪些知识？

1.阐明数据分析的目的

做数据分析，一定要有明确的目的，知道为什么要做数据分析，想要达到什么效果。比如为了评价改版产品的效果，比以前更好；或者通过数据分析找到产品迭代的方向。

在明确了数据分析的目的之后，有必要确定应该收集哪些数据。

2.收集数据的方法

说到数据采集，首先要做好数据的掩埋。

所谓“埋点”，就是在正常的功能逻辑中加入统计代码，统计出你需要的数据。

目前主流的数据嵌入方法有两种:

第一个:自我发展。开发时，添加统计代码，构建自己的数据查询系统。

第二:使用第三方统计工具。

常见的第三方统计工具有:

网络分析工具:阿列克谢、谷歌分析、百度统计

移动分析工具:谷歌分析、优盟、TalkingData、Crashlytics

需要不同的产品，不同的用途，不同的支持数据。确定数据指标后，选择适合贵公司的方式收集相应的数据。

3.产品基本数据指标

新:新用户的数量和速度。如日添加、月添加等。

主动:有多少人在使用该产品。如日活动(DAU)、月活动(MAU)等。用户越活跃，就越有可能为产品带来价值。

保留率:用户将使用产品多长时间？如:次日留存率、周留存率等。

沟通:平均每个老用户都会带来几个新用户。

投票率:某段时间内流失的用户数，占这段时间活跃用户的比例。

4.常见的数据分析方法和模型

这里我们讲一下漏斗分析和AARRR分析模型。

漏斗分析

用于分析从潜在用户到最终用户的过程中用户数量的变化趋势，从而找到最佳优化空。该方法广泛应用于产品各种关键过程的分析。

比如这个例子就是分析从用户进入网站到最终购买商品的变化趋势。

从用户进入网站到浏览产品页面，转化率为40%。从浏览到加入购物车的转化率为20%等。要找出哪个环节转化率最低，需要有对比数据。

比如第一个，从进入网站到浏览产品，如果同行业水平的转化率是45%，而我们只有40%，就说明这个过程还没有达到行业平均水平，需要具体原因分析，然后有针对性的进行优化和改进。

当然，以上是我们设计的一个理想化的漏斗模型，数据可能是汇总后得到的。真正的用户行为可能不会遵循这个简单的过程。这时候就要分析用户为什么要经过这么复杂的路径才能达到最终目的，思考是否还有可以优化的空间空。

AARRR模型

这是所有做产品的小伙伴都必须掌握的数据分析模型。

所谓获取用户，就是为了吸引新用户。对于APP来说，拉新意味着新用户下载注册；对于很多微信官方账号、微博、贴吧的运营者来说，拉新是指吸引新粉丝的关注。

在列出你的渠道时，需要注意的是，每个渠道都需要有充分的依据，包括这个渠道是否与你的目标群体兼容，单价是高是低，渠道的二次传播是否可行。现在推广APP的渠道将包括:

获取用户是通过各种渠道拉新用户的过程。除了交流合作，在各大论坛发帖，贴吧等社区，社区营销等免费方式。支付方式包括但不限于使用搜索引擎、微信微博头条等自媒体、线上广告、线下活动、网络电视。增加黑客的特殊方式也在使用。

判断新政策是否有效有一个标准——触发关键行为。例如，下载APP的用户不一定会使用。根据产品情况，关键行为可能是浏览文章、观看视频、发送消息、开始游戏或填写邮箱等。

一个好的渠道并不意味着用户数量最多的渠道，也不是成本最低的渠道。只有不断探索用户的偏好和分布，才能使投资策略更加优化和合理确定，CAC才能不断最小化。各渠道获取的用户数量、质量、成本不同，需要通过用户获取成本(CAC)、用户数量、留存率、ARPU数等综合判断。

当然，除了通过外部渠道获得新客户，如果用户量大，也可以从产品设计的角度进行更新。

一、主动告知用户有APP的推送消息、EDM邮件、短信通知三种方式，消息推送的时间、内容、用户可以根据用户画像进行。

二是被动告知用户，打开屏幕广告，设置明显入口，在功能入口添加折扣备注，在首页设置相关轮播地图。例如，mobike APP的开屏广告展示了在线乘车、滴滴APP等各种其他功能。

提高活动(激活)

活动是指用户使用产品的时间和频率。每个产品都有不同的活动定义。比如百度贴吧希望用户每天都可以登录、发帖、评论。在线教育产品更注重用户的学习时间和实践次数。

活动基于产品的核心价值，如高质量的内容、越来越好的用户体验、多功能需求等。，它可以在最初的几十秒内捕获用户。

还有一些辅助手段，包括满足用户需求的活动、完善的用户激励体系、成长体系、增加用户与其他用户互动的方式，以及对新手APP用户的引导等更细致的操作。

更全面的分析思路是将用户从使用产品开始到结束的每一个过程单独列出，不断从用户的角度寻找提升生活的方法。比如分析新功能的转化率，使用过程的流畅性，延伸用户的产品使用过程。

当然，我们也可以筛选出优质用户。如果某个渠道的用户使用产品的时间和启动时间相当长，就应该加大对这个渠道的投入。此外，有些用户只启动过一次产品，这些用户大多是被动激活的。

除了渠道，与活动相关的另一个分析维度是版本。但这会产生两种错觉:用户习惯了现在的产品，所以不希望产品迭代更新；用户会要求您添加新功能。

比如2006年，脸书首次推出新闻频道，引起了巨大的用户反弹。但随着时间的推移，这款产品已经成为脸书的核心功能。脸书无视少数派的反对，坚持自己的策略。

我们不想刺激现有的忠实用户，还需要获取下一个百万用户。添加功能比切断功能更容易。通常，用户需要的功能是解决小的便利性问题，而不是真正的解决方案。我们需要积极与用户沟通。如果数据告诉你新的方向是正确的，那么忽略说话的少数用户。

提高保留率

开始使用产品并在一段时间后继续使用的用户被视为留存用户，留存用户占当时新用户的比例即为留存率。

每个应用程序中用户的生命周期是一个接触-使用-放弃或忘记的过程。在用户使用阶段，有效的活动推广措施也可以提高留存率，但恢复用户同样重要，恢复用户有一个通用的流程。

首先，确定流失用户的标准；然后建立用户流失模型，分析用户流失的原因，并采取相应的措施进行补救；同时，通过EDM、短信等方式让用户知道你在召回。最后，通过新手指导让用户重新熟悉产品操作，并保持下去。

获取收入

目前，移动应用获得收入的主要方式有三种:付费应用、应用内支付和广告。下载在苹果APP Store比较常见，广告是大部分开发者的收入来源，APP内支付比较常见，比如游戏、增值服务、自营商场等等。特别是除了广告，高德地图的盈利模式在于自身地图数据和用户数据与其他领域的结合。

人们通常用ARPU(每个用户的平均收入)值来判断收入标准。然而，对于一个既有付费用户又有未付费用户的应用程序，也有必要看看ARPPU(每个付费用户的平均收入)。

因为涉及到付费用户占所有用户的比例，如果付费用户数量少，那么就要思考产品盈利的方式是否有问题，包括定价、产品特性、实现方式等等。

在计算收入时，我们也应该考虑利润。计算利润时有一个指标:LTV(生命周期价值)。用户生命周期是指用户从第一次到最后一次为应用程序产生的总收入。LTV和CAC的区别可以看作是应用程序从每个用户那里获得的利润。

自传播(参考)

社交网络的兴起给产品带来了更强的生命力——基于社交网络的自我传播。自我传播，或者说病毒营销，来源于病毒传播，即已经感染病毒的宿主在与其他宿主接触的过程中也会感染病毒。k因子量化了“感染”的概率。

K =(每个用户发送给好友的邀请数)*(收到邀请的人转化为新用户的转化率)。当K>1时，用户基数会像滚雪球一样增加，但大多数移动应用必须与其他营销方式相结合。

除了好的产品之外，同样重要的是，受众在自我传播的过程中，要足够精准地唤起用户的需求，比如兴趣、虚荣心、稀缺性、试用性等等。比如滴滴，美团的红包好友分享；用户付费邀请朋友免费试用产品；转发朋友送的礼物等。

以一次成功的微信百日跑活动为例，展示自我传播过程中的一些可调点。

1.拉动新的分配机制

跑步KOL新梯度激励:团队每多10个人，发一组红包；如果团队超过80人，组长可以得到一双跑鞋。同时，每天我们在队长组做分组操作，晒队号列表，“XX队满80人”“XX队长收跑鞋”，让队长充分的被激励。

2.常规共享机制

在微信系统中，分享海报比分享链接更吸引眼球。海报结合“Win iPhone8”的卖点，让用户在发朋友圈时更加醒目。同时分享过程也要充分引导，比如“长按图片发给朋友”。

3.诱导共享机制

活动有报名费，所以设计了“活动页面分享到朋友圈，成功注册后返现20元”的奖励。因为在运行的用户中有一个共同的微信群，所以用户分享朋友圈是最有效的。同时我也担心有些用户发朋友圈的时候会看得见，或者发完就删了，所以加了“需要10个人才能通过朋友圈打开你的分享”的机制。

A.共享机制的详细描述

b、修改分享标题，进行第二次分享，

只要能数字化，就能做成排名表。用户在晒自己，这是第一次报名，可以激发人类心中攀比炫耀的心理，有助于分享。

C.用H5设计“假活动图”，可以自由定义阅读数(直接10万+)、点赞数、用户对这个H5的评论。通过设计好的用户留言，引导用户报名，解决一些疑惑。

E.“提醒10人点击阅读”

朋友圈打开时提醒一次。同时，有些人分享朋友圈后，没有10个人打开，或者误与朋友或群分享，所以每隔两天，我们会发送模板消息，提醒没有收到20元的用户再次发送朋友圈。

添加客服号dqc6633，立即加入火星行动新媒体交流群。

2.数据操作需要分析什么？

1.新阶段:关注用户来源类型:纯新用户(首次注册)或老用户(重新注册)；补丁广告有多少用户来源，弹出广告有多少用户来源，等等。

2.转化阶段:关注转化率:200个用户浏览了你的宣传页面，100人注册。这100人实现了转化，转化率为50%(= 100/200)；同样，除了注册转换率，还有付费转换率等等。

3.活跃阶段:关注用户在产品中的活跃程度，不同的产品有不同的表现形式。比如贴吧:发文量、回复量等。网站:点击量、查看量等。

4.留存阶段:关注留存或流失用户数。比如第一天有300个新用户，第二天300个用户中有100个仍然活跃，第三天仍然活跃？第四天呢？保持类比。

用户操作只是操作的功能之一，它贯穿于各种产品的操作之中。用户、不同行业、不同平台等关注的数据指标侧重点不同。

根据操作平台:

网站运营:

(1)应注意交通:

PV(页面视图)访问页面生成的数据。一个用户访问五个页面，然后生成五个PVS。

特定页面的访问者数量。不管一个页面和一个账号被点击多少次，UV都是1，因为只有一个访客。

VV(访问视图)指的是访问者的总数。一个账号进入一个网站，不管这个账号访问了多少页面，VV都是1，因为这个网站只有一个访问者。

IP:全站网络IPS数量。你在家里的电脑上登录了这个网站，然后你表哥也用同一台电脑登录了他的账号，访问了同一个网站，但是此时的IP只有1个，因为你和你表哥用的是同一台电脑，网络的IP地址也是一样的。

(2)参观时应注意:

跳出率:页面有300个访客，但是有150个人不喜欢这个页面，所以如果他们选择离开，跳出率是50%(=150/300)。

二跳率:首页有300个访客，150个人觉得这个网站很受欢迎，就点击浏览下一页，然后二跳率是50%(=150/300)。以此类推，有三跳率、四跳率等等。

转换率:最终产品目标页面的转换率。如果是电商，最终目的是下单，那么就是新用户与转换到订单页面的用户的比例。以此类推，还有手续费转换率、注册转换率等等。

(3)需要注意的积极方面:

DAU(每日活跃用户)是每日活跃用户的数量。

MAU(月活跃用户)是月活跃用户数。

相关的，还可以有周活跃用户，年活跃用户等等。

(4)转型需要注意:(这里的转型仅指电商的运营。区别于上面的转化率)

每个订单的数量:用户已经下了多少个订单？

支付金额:用户支付多少？

客户单价:已付金额/单单金额=客户单价。这里需要的是每笔订单的平均价格数据。

支付率:支付的换算率。

APP操作:

(1)新增:新增设备数量(按手机型号划分)；新注册的设备数量(注册新用户。)

(2)活动:活动设备的数量；的活动用户数

(3)保留:

次日留存率:比如第一天新增300人，第二天登录150人。那么第二天的留存率是50%(=150/300)。以此类推，有三天的保留率(第三天的登录次数/第一天的新增次数)……n天的保留率等等。

TAD:比如7号TAD=第一天留存的数量+第二天还留存的数量……+第七天还留存的数量。

用于计算设备在七天内有多少天处于活动状态。

(4)转型:这里也指电商，和上面网站运营中的转型一样。

根据经营行业:

内容行业:关注PV、UV、V V、帖子数、页面停留时间、分享数等。

社会行业:关注帖子数、发言数、PV、UV、活跃比例等。

电商行业:关注销售收入、单量、客户单价等。

游戏行业:关注活跃用户数、付费率、营收、ARPU(每用户平均营收)等。

除了运营平台和运营行业两个划分角度之外，还有很多划分角度，其中用户在运营中应该关注的数据指标有不同的侧重点。

三、如何进行数据分析

1.数据收集

好的数据源主要有两个基本原则，一是完整，二是详细。

All:也就是说我们要取各种数据源，但不能说只取一个客户端的数据源，服务器的数据源，数据库的数据源。在做分析的时候，没有这些数据，你可能做不到。另外，大数据讲的是总量，不是抽样。不能说只画了部分省份的数据，然后就可以开始讲全国了。有些省份可能很特殊，比如新疆、西藏，那里的客户可能和内地有很大的不同。

细节:其实就是强调多维度，在采集数据的时候尽量为其采集每一个维度、属性、字段。比如在为其收集地点、人员、方式等东西时，可以选择的维度不能在后期分析中跳出来，而不是一开始就关注需求。根据这个需求，决定生成一些数据。当后来有新的需求时，就需要收集新的数据。这时候整个迭代周期会慢很多，效率也会差很多。尽量从源头收集数据。

2.数据建模

一旦你有了数据，你就必须处理它。您不能将原始数据直接暴露给上述业务分析师。可能比较乱，逻辑上不抽象。这涉及到数据建模。首先，一个概念是数据模型。很多人可能对数据模型这个词有一种恐惧，认为模型是深奥复杂的东西，但其实很简单。

在数据分析领域，尤其是对于用户行为分析，目前最有效的模型之一是多维数据模型，“在线分析处理”模型。它包含了这个关键概念，一个是维度，一个是索引。

比如城市，那么北京和上海，一个维度，维度西边的一些属性，那么操作系统，iOS和安卓都是一些维度，然后维度里面的属性。通过信息网络的交叉维度，我们可以看一些指标，比如用户数、销售额，这些都是指标。比如通过这个模型，我们可以看到他们在北京和使用iOS的整体销量是多少。

3.数据分析方法

数据分析方法有多种，如多维事件分析、漏斗分析(文章前面已经做了简单分析)、回访分析、交叉分析等。这里我们就选择一个交叉分析来做一个案例分析。

交叉分析法:通常是纵向比较和横向比较相结合，从多个角度对数据进行分析。例如:

A.交叉分析角度:客户+时间

从这个数据可以看出，iOS端的用户数量每个月都在增加，而安卓端的用户数量却在减少。整体数据没有增加的主要原因是安卓端的数据在减少。

接下来我们要分析一下为什么第二季度安卓端的新用户数据在下降。一般此时会增加通道维度。

B.交叉分析角度:客户+时间+渠道

从这个数据可以看出，安卓A端预装渠道占比比较高，且呈下降趋势，其他渠道变化不明显。

因此可以得出结论，第二季度安卓端新用户减少主要是由于A预装渠道减少。

因此，交叉分析的主要功能是从多个角度细分数据，找出数据变化的具体原因。

5.如何验证新产品功能的效果？

要验证新产品功能的效果，我们需要同时从这些方面入手:

A.新功能受欢迎吗？

衡量标准:有效比例。即使用新功能的活跃用户数/同期活跃用户数。

除了这个功能，用户数量还会受到很多因素的影响。我们不能单以这个指标来判断功能，必须结合下面其他方面进行综合评价。

B.用户会重用吗？

衡量标准:复用率。即回访第n天继续使用新功能的用户数/第一天使用新功能的用户数。

C.工艺转化率的优化效果如何？

衡量指标:转化率、完成率。转化率:进入下一步的用户数/进入上一步的用户数。完成率为:完成功能的用户数/迈出第一步的用户数。

在这个过程中，转化率和完成率可以用第一部分提到的漏斗分析方法来分析。

D.对留存的影响？

衡量标准:保留率。初始时间后第n天用户回访的比例，即第n天的留存率。常用的指标有:次日留存率、7日留存率、21日留存率、30日留存率等。

E.用户如何使用新功能？

真实用户的行为轨迹往往比我们想象的使用路径要复杂得多。如果使用的数据监控平台能看到相关数据，就能引起我们的反思，他们为什么会走这条路，是否有更简单的流程帮助我们做出最优决策。

无论是市场、产品、运营还是老板，每个人都会有各种各样的数据需求，所以数据运营其实是一个很受欢迎的岗位，但是要真正做好并不是那么容易的，因为数据是一个复杂的东西，而且设计的因素数据指标很多。但是，作为一个产品运营人员，我总是需要处理数据，而且我似乎没有什么数据分析能力，所以我有基本的数据分析能力。