精细化运营已经变得尤为重要，数据驱动决策是我们运营人必须要面对的挑战也是我们要下意识学的一门技能。

数据驱动运营是未来运营的趋势，也是我们运营人的一个分水岭，在运营的刀耕火种时代已经趋于没落的时候，精细化运营以及变得尤为重要，数据驱动决策是我们运营人必须要面对的挑战也是我们要下意识学的一门技能。

但也是很多刚进入运营领域的新人一个头疼问题，因为他所涉及到的数据分析方法、方法论、逻辑分析能力以及一些工具的使用，而且一堆数据也是很多运营人员不愿面对的。本章节我们就从如何获取数据、如何分析数据以及一款产品都关注哪些数据维度。

一、数据从哪里获取

在我们分析数据之前，就必须得有数据供我们分析，所以我们就得拿到数据，怎么拿到呢？

数据的来源渠道主要有两种：

1.自有数据分析系统

公司自有的数据是最源质化的数据，也是最可靠、最全面的。一般而言，有条件的情况下都是以内部数据为准；

2.第三方数据分析工具

这个是借助外部工具获得数据。下面给大家介绍主要5款的数据分析工具：

当然了，数据分析工具不止这5款，如果你们正在使用其他的，也是可以的。使用分析工具我们可以得到以下内容：

记录那些点击信息，包括没有与网站产生交互的信息；可直接生成链接的百分比，点击分布图和热力图；可统计用户的悬停，将用户潜在行为可视化

获取数据的方式其实多种多样，关键在于，作为运营人员要了解什么样的数据是重要的，对于这些数据的前后关联，是怎样的，这是一个联动的过程，不是一个单一的行为。

有了这些数据之后，我们该怎么去分析这些数据呢？哪些是可以为我们所用的额，又有哪些是可以剔除掉的。

二、如何分析现有的数据

从第三方数据分析工具或者自家的分析后台拿到这些数据后 ，该怎么去分析呢？我相信很多运营人在拿到数据时，都是没多少思路的。要么胡子眉毛一把抓，要么无从下手。这都是缺少分析思路的表现，需要宏观的方法论和微观的方法来指导。

在我们进行数据分析时经常会使用到方法论，这些方法论在我们进行数据分析时扮演宏观指导的角色。所以说在我们进行数据分析时，应该先找到适合自己的方法论进行指导。主要会用到的方法论：

数据分析的方法论很多，这里不能一一列举；没有最好的方法论，只有最合适的。下面我详细介绍一下 AARRR 方法论，对于精益化运营、业务增长的问题，这个方法论非常契合。

对于互联网产品而言，用户具有明显的生命周期特征，我以一个APP为例阐述一下。

首先通过各种线上、线下的渠道获取新用户，下载安装APP。安装完APP后，通过运营手段激活用户；比如说首单免费、代金券、红包等方式。通过一系列的运营使部分用户留存下来，并且给企业带营收。在这个过程中，如果用户觉得这个产品不错，可能推荐给身边的人；或者通过红包等激励手段鼓励分享到朋友圈等等。需要注意的是，这5个环节并不是完全按照上面顺序来的；运营可以根据业务需要灵活应用。AARRR的五个环节都可以通过数据指标来衡量与分析，从而实现精益化运营的目的；每个环节的提升都可以有效增长业务。

在使用这些数据分析方法论要明确他们的作用：

1.理顺分析思路，确保数据分析结构体系化。

2.把问题分解成相关联的部分，并显示它们之间的关系。

3.为后续数据分析的开展指引方向。

4.确保分析结果的有效性及正确性。

再比如，我们在分析APP的数据维度时，会使用到趋势分析法，因为趋势分析是最简单、最基础，也是最常见的数据监测与数据分析方法。通常我们在数据分析产品中建立一张数据指标的线图或者柱状图，然后持续观察，重点关注异常值。在这个过程中，我们要选定第一关键指标，而不要被虚荣指标所迷惑。

如果我们将我们分析的APP的下载量作为第一关键指标，可能就会走偏；因为用户下载APP并不代表他使用了你的产品。在这种情况下，建议将日活跃用户作为第一关键指标，而且是启动并且执行了某个操作的用户才能算上去；这样的指标才有实际意义，运营人员要核心关注这类指标。

三、一款产品都关注哪些数据维度

我们都知道，运营人每天都会跟各种各样的数据打交道，那一款产品都有那些数据维度是我们经常会分析到的呢？

一款产品（特指APP）的数据指标体系一般都可以分为：用户规模与质量、渠道分析、参与度分析、功能分析以用户属性分析。

1.用户规模和质量的分析

包括总用户数、新用户数、留存用户、转化率。用户规模和质量是APP分析最重要的维度，其指标也是相对其他维度最多，产品负责人要重点关注这个维度的指标。

2.渠道分析主要是分析各渠道在相关的渠道质量的变化和趋势

以科学评估渠道质量，优化渠道推广策略。渠道分析尤其要重视，因为现在移动应用市场刷量作弊是以及业内公开的秘密。渠道分析可以从多个维度的数据来对比不同渠道的效果，比如从新增用户、活跃用户、次日留存率、单次使用时长等角度对比不同来源的用户，这样就可以根据数据找到最适合自身的渠道，从而获得最好的推广效果。

3.参与度分析主要是分析用户的活跃度

分析的维度主要是包括启动次数分析、使用时长分析、访问页面分析和使用时间间隔分析。

4.功能分析主要包括

1.功能活跃指标：某个功能的活跃用户，使用量情况；功能验证；对产品功能的数据分析，确保功能的取舍的合理性。

2.页面访问路径：用户从打开到离开应用整个过程中每一步骤的页面访问、跳转情况。页面访问路径是全量统计。通过路径分析得出用户类型的多样、用户使用产品目的的多样性，还原用户目的；通过路径分析，做用户细分；再通过用户细分，返回到产品的迭代

3.漏斗模型是用于分析产品中关键路径的转化率，以确定产品流程的设计是否合理，分析用户体验问题。用户转化率的分析，核心考察漏斗每一层的流失原因的分析。通过设置自定义事件以及漏斗来关注应用内每一步的转化率，以及转化率对收入水平的影响。通过分析事件和漏斗数据，可以针对性的优化转化率低的步骤，切实提高整体转化水平。

4.用户属性分析不管在我们的产品启动初期，还是战略的调整，分析用户画像都有着重要的意义。比如我们在产品设计前需要构建用户画像，指导设计、开发、运营；产品迭代过程需要收集用户数据，便于进行用户行为分析，与商业模式挂钩等等。

用户属性一般包括性别、年龄、职业、所在地、手机型号、使用网络情况。如果对用户的其他属性感兴趣的，可以到自的微信呢公众号后台或者其他诸如头条、uc等后台看用户属性都包含哪些维度。

以流量为中心、野蛮的运营时代已经结束，接下来的时代是以科学的数据作为依据，围绕着用户紧紧做精细化的运营时代。

作者*来源：艺林小宇（cs-jy8）