数据运营工作内容（据运营到底是做什么的？）

数据操作的内容(根据操作具体做什么？从广义上讲，数据是反映产品和用户状态的最真实的方式，它可以指导运营决策，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，数据运营是一种技能，可以通过数据分析解决问题，提高效率，促进成长。

1.数据操作需要学习哪些知识？

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，想达到什么效果。比如为了评价产品改版的效果比以前好；或者通过数据分析找到产品迭代的方向。

为了明确数据分析的目的，我们需要确定应该收集哪些数据。

2.数据收集方法

说到收集数据，首先要做好数据掩埋。

所谓“埋点”，就是在正常的功能逻辑上加上统计代码，统计出你需要的数据。

目前，有两种主流的数据嵌入方法:

第一种:自我发展。开发时添加统计代码，构建自己的数据查询系统。

第二种是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:Alexa，谷歌分析，百度统计

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

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

3.产品的基本数据指标

新:新用户的数量和速度。如日增、月增等。

活跃:有多少人在使用该产品。例如每日活动(DAU)和每月活动(MAU)。用户越活跃，越有可能给产品带来价值。

留存率:用户使用产品的时间。如:次日留存率、周留存率等。

传播:平均每个老用户会带来几个新用户。

换手率:某段时间内用户流失的数量，占这段时间内活跃用户的比例。

4.常用的数据分析方法和模型

这里我们就来说说漏斗分析和AARRR分析模型。

漏斗分析法

用来分析潜在用户到最终用户过程中用户数量的变化趋势，从而找到最佳优化空。这种方法广泛应用于产品关键过程的分析。

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，从进入网站到浏览商品，如果同行业水平的转化率是45%，而我们只有40%，说明这个过程没有达到行业平均水平，所以需要分析具体原因，然后有针对性的优化和改进。

当然，以上是我们设计的理想化的漏斗模型，数据可能是汇总后得出的。然而，真实的用户行为可能并不遵循这个简单的过程。这时候就要分析为什么用户要经过这么复杂的路径才能达到最终的目的，想想有没有可以优化的空间空。

AARRR模型

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，就是吸引新用户。对于APP来说，拉新意味着下载和注册新用户；对于许多微信官方账号、微博和贴吧的运营者来说，拉辛指的是吸引新粉丝的关注。

在列举你的渠道时，需要注意的是，每个渠道都需要有理有据，包括这个渠道是否与你的目标人群相适应，单价是高是低，渠道的二次传播是否可以等因素。现在，推广APP的渠道将包括:

获取用户就是通过各种渠道拉新的过程。除了换量合作，在各大论坛发帖、社群营销等免费方式。付费方式包括但不限于自媒体、线上广告、线下活动、互联网电视，如搜索引擎、微信微博头条等。黑客这种特殊的成长方式也被一些人使用。

有一个判断拉动新事物效果的标准——触发关键行为。例如，用户下载应用程序后可能不会使用它。关键行为取决于产品的情况。可能是浏览文章，看视频，发消息，开游戏或者填邮件。

好的渠道不代表用户数量最多的渠道，也不代表成本最低的渠道。不断探索用户的偏好和分布，可以优化并合理确定投资策略，将CAC降到最低。每个渠道获取的用户数量、质量、成本都不一样，需要通过用户获取成本(CAC)、用户数量、留存率、ARPU等综合判断。

当然，除了通过外部渠道获取新客户，如果用户量大，还可以从文佳社会百科的产品设计角度拉新品。

一、主动通知用户，有APP的推送消息、EDM邮件、短信通知三种方式，可以根据用户画像推送小家文社百科信息的时间、内容、用户。

第二，被动告知用户，打开屏幕广告，设置明显入口，在功能入口添加优惠备注，在首页设置相关轮播图等。比如摩拜单车APP的开屏广告，显示滴滴APP还有各种其他功能。

提高活性(活化)

活跃度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，希望用户可以每天登录，发帖，评论。在线教育产品更注重用户的学习时间和练习次数。

活跃度是基于产品的核心价值观，比如优质的内容，越来越好的用户体验，多功能的需求等。，以便在最初的几十秒内抓住用户。

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APP的新手引导等更细致的操作。

更全面的分析思路是，将用户使用产品从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激活的方法。比如分析新功能的转化率，使用过程的流畅度，延长用户的产品使用过程。

当然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次数都相当可观，就应该加大对这个渠道的投入。另外，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，另一个与活动相关的分析维度是版本。但这会造成两种错觉:用户习惯了现在的产品，所以不希望产品迭代更新；用户会要求你添加新功能。

例如，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，这种产品已经成为脸书的核心功能。脸书无视少数群体的反对，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。添加功能比删除功能更容易。通常情况下，用户要求的功能是解决次要的便利性问题，而不是真正的解决方案。我们需要主动与用户沟通。如果数据告诉你新的方向是正确的，那就忽略那几个直言不讳的用户。

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，当时留存用户与新用户的比例就是留存率。

每个应用的用户生命周期都是接触-使用-放弃或遗忘的过程。在用户使用阶段，有效的激活手段也能提高留存，但保存用户同样重要，保存用户有一个大致的过程。

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，并继续保持。

获得收入(收入)

目前移动应用获取收入的方式主要有三种:付费应用、应用内付费、广告。付费下载在苹果APP Store很常见，广告是大部分开发者的收入来源，应用内付费也很常见，比如游戏、增值服务、自营商城等。特别是，除了广告，高德地图的盈利模式还在于自身的地图数据和用户数据与其他领域的结合。

人们通常用ARPU(每用户平均收入)值来确定收入标准。但是对于一个既有付费用户又有非付费用户的应用，你还需要看看ARPPU(每个付费用户的平均收入)。

因为涉及到付费用户在所有用户中的占比，如果付费用户数量低，那么就要思考产品的盈利方式是否存在问题，包括定价、产品功能、套现方式等。

计算收入时，利润也应考虑在内。计算利润时有一个指标:LTV(生命周期价值)。用户的生命周期是指一个用户从第一次到最后一次为应用产生的总收入。LTV和CAC的区别可以看作是应用从每个用户那里得到的利润。

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，即一个已经感染了病毒的宿主，在接触其他宿主的过程中也会感染病毒。因子K量化了“感染”的概率。

K =(每个用户发送给他好友的邀请数量)*(收到邀请的人转化为新用户的转化率)。K>1时，用户群会滚雪球，但大部分移动应用必须结合其他营销方式。

除了产品足够好，同样重要的是传播过程中受众足够精准，能够引起用户的兴趣、虚荣、稀缺、试用等需求。比如滴滴，美团分享的红包友；付费用户邀请好友免费试用产品；转发好友送礼物等。

本文以一个成功的微信百日跑为例，展示了自传播过程中的一些可调点。

1.拉新的分配机制。

做跑步KOL的梯度激励:团队每10人，发群红包；团队超过80人，领队可以获得一双跑鞋。同时每天在队长群里做群运营，晒队数量排名。“XX队80人”“XX队队长收跑鞋”让队长干劲十足。

2.定期共享机制

在微信系统中，分享海报比分享链接更吸引眼球。结合了“赢iPhone8”卖点的海报，让用户在发朋友圈时更加抢眼。同时，分享过程要充分引导，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“在朋友圈分享活动页面，注册成功返还20元现金”的奖励。因为跑步用户中有公共微信群，用户分享朋友圈最有效。同时担心用户发好友时，会有一部分可见或被删除，所以增加了“需要10个人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.修改分享标题带来第二次分享，

任何可以数字化的地方都可以做成排名榜，用户都晒着自己是第一个报名的，可以激发人心中的攀比炫耀心理，从而产生分享。

C.用H5设计“假活动图形”。在这个H5上，你可以自由定义阅读数(直接10万+)、点赞和用户评论。通过设计好的用户留言，引导用户注册，解决一些疑惑。

e，“提醒10个人点击阅读”

打开时提醒一条朋友圈。同时，有的人分享朋友圈后，没有10个人打开，或者误分享到好友或群。所以每隔两天，我们会发一条模板消息，提醒没有收到20元的用户再次发朋友圈。

添加客服号dqc6633，立即加入火星运营新媒体交流群。

二、数据操作需要分析什么？

1.拉新阶段:关注用户来源类型:纯新用户(首次注册)或老用户(重新注册)；贴片广告有多少用户来源，弹窗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，100人注册。这100人实现了转化，转化率50%(= 100/200)；除了注册转化率，还有付费转化率等等。

3.活跃阶段:关注用户在产品中的活跃度，不同的产品有不同的表现形式。比如贴吧:帖子量，回复量等。网站:点击量、浏览量等。

4.留存阶段:关注留存或流失用户的数量。比如第一天有300个新用户，第二天这300个人里有100个还在活跃，第三天还在活跃的人呢？第四天呢？诸如此类。

运营只是运营的功能之一，贯穿于各种产品的运营。用户关注的数据指标，不同行业，不同平台等。各有侧重。

根据操作平台:

操作:

(1)交通需要注意:

通过访问页面生成的PV(页面视图)数据。一个用户访问了五个页面，因此生成了五个PV。

UV(用户视图)特定页面的访问者数量。无论一个页面或者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)是指全站的访问人数。当一个账号进入一个网站，无论这个账号浏览多少页面，VV都是1，因为这个网站只有一个访客。

IP:全站网络IP数量。你在家里的电脑上登录了这个网站，然后你表弟用同一台电脑登录了他的账号，访问了同一个网站。但是这个时候IP还是只有1，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:页面访客有300人，但是有150人不喜欢这个页面，选择离开，所以跳出率是50%(=150/300)

二跳率:有300个访问者停留在首页，有150个人非常喜欢这个网站，于是点击浏览下一页，所以二跳率是50%(=150/300)。等等，还有三跳速率，四跳速率等等。

转换率:最终产品的目标页面的转换率。如果是电商，最终目的是下单，那么就是新增用户和转化到订单页面的用户的比例。以此类推，还有付费转换率，注册转化率等等。

(3)积极方面需要注意:

DAU(每日活跃用户)是每日活跃用户数。

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运营。区别于上面的转换率)

单量:用户下了多少单？

支付金额:用户总共支付多少？

客户单价:已付金额/已付金额=客户单价。这里需要的是每单均价的数据。

支付汇率:要支付的折换率。

APP操作:

(1)新增:新增设备数量(按手机型号)；注册的新设备数量(注册的新用户。)

(2)活动:活动设备的数量；活跃用户数量

(3)保留:

次日留存率:比如第一天新增300人，第二天登录150人。那么第二天留存率就是50%(=150/300)。以此类推，有三天留存率(第三天登录数/第一天新增数)...n天留存率等等。

TAD:比如第7天的TAD =第1天留存的金额+第2天仍留存的金额…+第7天仍留存的金额。

用于计算设备在七天内处于活动状态的天数。

(4)转型:这个也指电子商务，和上面网站运营中的转型是一样的。

按照经营的行业:

内容行业:关注PV，UV，V V，帖子数量，页面停留时间，分享数量等等。

社会行业:关注帖子数、发言数、PV、UV、活跃比例等等。

电商行业:关注销售收入，单量，客单价等等。

游戏行业:关注活跃用户数、付费率、营收、ARPU(每用户平均营收)等等。

除了运营平台和运营行业两个角度，还有很多角度，其中用户在运营中需要关注的数据指标各有侧重。

第三，如何进行数据分析

1.数据收集

好的数据源有两个基本原则，一是完整，二是精细。

All:也就是说，我们要取多个数据源。不能说只取一个客户端数据源，服务器数据源和数据库数据源。没有这些数据，你可能无法进行分析。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，然后就可以开始说全国了。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的客户有很大不同。

细:其实强调的是多维度。收集数据时，尽量收集它的每个维度、属性和字段。比如在哪里，谁，怎么收集之类的东西给它，然后可以选择的维度在后面的分析中是跳不出来的，而不是说一开始也是围绕需求。根据这个需求，确定生成一些数据。当一个新的需求后来出现时，就需要收集新的数据。这个时候整个迭代周期会慢很多，效率也会差很多。试着从源头收集数据。

2.数据建模

有了数据之后，你必须处理它。你不能直接把原始数据暴露给上面的业务分析师。可能比较乱，没有逻辑抽象。这涉及到数据建模。首先，一个概念是数据模型。很多人可能会害怕数据模型这个词，觉得模型是很深奥复杂的东西，其实很简单。

在数据分析领域，尤其是对于用户行为分析，目前比较有效的模型之一是多维数据模型，即“联机分析处理”模型。它包含了这个关键概念，一个是维度，一个是指标。

比如维度城市，然后北京上海，维度西边的一些属性，然后操作系统，iOS和Android都是一些维度，然后维度里的属性。通过维度的交集，可以看一些指标，比如用户数、销售额等。这些是指标。比如，通过这个模型，我们可以看到使用iOS的北京人的整体销售情况如何。

3.数据分析方法。

数据分析方法有很多种，比如多维事件分析、漏斗分析(简单分析在文章前面已经做过)、回访分析、交叉分析等。这里，我们将选择一个交叉分析作为案例研究。

交叉分析法:通常采用纵向比较和横向比较相结合的方法，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上的用户数量每个月都在增加，而Android上的用户数量在减少。整体数据增长乏力的主要原因是Android数据的下滑。

接下来，为什么第二季度Android上新用户的数据在下降？此时，将添加渠道维度。

B.交叉分析角度:客户端+时间+渠道

从这个数据可以看出，Android A的预装渠道占比较高，并呈下降趋势，其他渠道的变化并不明显。

所以可以得出结论，第二季度Android上新增用户的减少，主要是因为减少了一个预装渠道。

所以交叉分析的主要作用是从多个角度对数据进行细分，找出数据变化的具体原因。

5.如何验证产品新功能的效果？

要验证新产品功能的效果，我们需要同时从这几个方面着手:

A.新功能受欢迎吗？

衡量标准:活跃比率。即使用新功能的活跃用户数/同期活跃用户数。

用户数量也会受到这个功能之外的很多因素的影响。一定不能仅凭这个指标来判断功能的好坏，要结合下面其他方面来综合评价。

B.用户会重复使用吗？

度量:重用率。即第n天回访并继续使用新功能的用户数/第一天使用新功能的用户数。

C.对流程转化率的优化效果如何？

衡量标准:转化率和完成率。转化率:下一步用户数/上一步用户数。完成率为:完成该功能的用户数/迈出第一步的用户数。

在这个过程中，可以利用上一部分提到的漏斗分析法来分析转化率和完成率。

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:第二天留存率、第7天留存率、第21天留存率、第30天留存率等。

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路径复杂得多。如果我们使用的数据监控平台能看到相关数据，就会引起我们反思他们为什么要走这条路。有没有更简单的流程来帮助我们做出优化决策？

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比较热门的岗位，但是要做好并不是那么容易，因为数据是一个很复杂的东西，有很多设计好的因素数据指标。但是作为一个产品运营人员，我需要时时刻刻和数据打交道，没有一点数据分析能力似乎不太合理，所以我有关于数据分析能力的基础知识。

以上就是由优质生活领域创作者 嘉文社百科网小编 整理编辑的，如果觉得有帮助欢迎收藏转发~