从广义来讲，数据是反映产品和用户状态最真实的一种方式，通过数据指导运营决策、驱动业务增长。与数据分析师的岗位不同，数据运营更加侧重支持一线业务决策。而运用在产品运营的整个生命周期中，数据运营就是属于一种技能，通过数据分析发现解决问题，提升效率促进增长。

　　一、数据运营都需要学习些什么知识?

　　1. 明确数据分析的目的

　　做数据分析，必须要有一个明确的目的，知道自己为什么要做数据分析，想要达到什么效果。比如：为了评估产品改版后的效果比之前有所提升;或通过数据分析，找到产品迭代的方向等。

　　明确了数据分析的目的，接下来需要确定应该收集的数据都有哪些。

　　2. 收集数据的方法

　　说到收集数据，首先要做好数据埋点。

　　所谓“埋点”，就是在正常的功能逻辑中添加统计代码，将自己需要的数据统计出来。

　　目前主流的数据埋点方式有两种：

　　第一种：自己开发。开发时加入统计代码，并搭建自己的数据查询系统。

　　第二种：利用第三方统计工具。

　　常见的第三方统计工具有：

　　网站分析工具：Alexa、Google Analytics、百度统计

　　移动应用分析工具：Google Analytics、友盟、TalkingData、Crashlytics

　　不同产品，不同目的，需要的支持数据不同，确定好数据指标后，选择适合自己公司的方式来收集相应数据。

　　3. 产品的基本数据指标

　　新增：新用户增加的数量和速度。如：日新增、月新增等。

　　活跃：有多少人正在使用产品。如日活跃(DAU)、月活跃(MAU)等。用户的活跃数越多，越有可能为产品带来价值。

　　留存率：用户会在多长时间内使用产品。如：次日留存率、周留存率等。

　　传播：平均每位老用户会带来几位新用户。

　　流失率：一段时间内流失的用户，占这段时间内活跃用户数的比例。

　　4. 常见的数据分析法和模型

　　这里讲下漏斗分析法和AARRR分析模型

　　漏斗分析法

　　用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势，从而寻找到最佳的优化空间，这个方法被普遍用于产品各个关键流程的分析中。

　　比如，这个例子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商品页面，转化率是40%;浏览商品到加入购物车转化率是20%等，那要找出哪个环节的转化率最低，我们需要有对比数据。

　　比如第一个，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%，那说明这个过程，没有达到行业平均水平，我们就需要分析具体原因在哪里，再有针对性的去优化和改善。

　　当然，上面这是我们设计的一种理想化的漏斗模型，数据有可能是经过汇总后得出的。而真实的用户行为往往可能并不是按照这个简单流程来的。此时需要分析用户为什么要经过那么复杂的路径来达到最终目的，思考这中间有没有可以优化的空间。

　　AARRR模型

　　这个是所有的做产品的小伙伴都必须要掌握的一个数据分析模型。

　　所谓获取用户，就是拉新就是吸引新的用户。对于APP来说，拉新意味着新的用户下载注册;而对于众多的微信公众号、微博、贴吧运营个体而言，拉新指的是吸引新的粉丝关注。

　　在罗列你的渠道时，需要注意的是每个渠道都需要有根有据，包括这个渠道是不是跟你的目标人群相契合、还有单价高或低以及渠道的二次传播行不行等等因素。而现在推广APP的渠道都会包括：

　　获取用户就是通过各个渠道拉新的过程。除了换量合作，在各大论坛贴吧等社区发帖，社群营销等免费方式。付费方式包括但不限于利用搜索引擎、微信微博头条等自媒体、网盟广告、线下活动，互联网电视这些方式。增长黑客这种特别的方式也有人在使用。

　　拉新是否有效有一个评判标准——触发关键行为。比如用户下载了APP不一定会使用。关键行为根据产品的情况而定，它可能是浏览文章，观看视频、发送消息、开始游戏或者填写邮箱等。

　　好渠道并不意味着用户量最大的渠道，也不是成本最低的渠道。不断探索用户的喜好和分布，才能更加优化合理的确定投入策略，不断最小化CAC。每个渠道获取用户的数量，质量，成本都不一样，需要通过用户获取成本(CAC)，用户量，留存率，ARPU数剧等综合评判。

　　当然除了通过外部渠道获得新客户，如果用户体量较大，也可以从产品设计的角度完成拉新。

　　第一、主动告知用户，有三种方式：APP的push消息、EDM邮件、短信通知，可以根据用户画像来进行消息推送的时间，内容和用户。