家装室内设计培训班哪里广州营销优化

可能大家理解的数据运营更偏向于是数据分析层面，实际上， 数据运营包括数据收集、数据分析、决策支持 三个环节。数据分析只是其中的一环节。

1. 数据收集

数据有很多种，当你不使用它们的时候，他们就是一堆杂乱的数据，只有你有了明确了数据分析的目的，才能进行数据分析。电商后台就有很多数据，如商品的名称、型号、尺寸大小、价格、货源产地、购买者的淘宝账号、下单号、下单地址、购买者的身份（是否为新老用户）等。

数据收集主要是收集哪些数据呢？围绕运营目标，我们可以把要收集的数据分为4种类型：行为数据、流量数据、业务数据、外部数据。

1.1 行为数据

它是记录用户在产品上一系列操作行为的集合，按时间顺序记录。
举个例子，阅读内容、点赞、评论、分享是社区产品的用户行为，点击产品、添加购物车、下单、付费、评价是电商产品的用户行为。不同平台对用户行为的定义标准不同。
另外一方面，用户行为也是用户运营体系的基础，我们可以按不同行为划分出不同梯度，将用户区分成核心用户、重要用户、普通用户、潜在用户，再进行分层管理。

行为数据的核心是描述用户在不同时间点、产品的不同环节，用了哪种方式完成了哪个类型的操作。

1.2 流量数据

通常是先有流量，才有了用户行为合集，流量达不到一定程度，用户的个别行为可能都比较独立，无法有效支持决策。

流量数据和行为数据最大的差异在于，流量数据能够知道用户从哪里来，是通过搜索引擎、外链还是直接访问。 这些数据通常用于渠道转化分析、广告投放决策等应用。

1.3 业务数据

业务数据在产品运营过程中伴随业务产生。
比如电商产品，我进行了促销，多少用户领取了优惠券，多少优惠券被使用，优惠券用在哪个商品上，这些数据和运营息息相关，但因为没办法通过行为数据和流量数据解释清楚，所以归类到业务数据的范畴。

这部分数据一般关注比较多，因为它能直接反映出销量、下载量，跟企业的生存关系特别密切。

1.4 外部数据

通常外部数据是指不通过公司内部出现的，比如一些第三方平台统计的行业数据、用户行为数据。
这些数据对公司决策也起到很大支持作用，公司可以拿着这些数据跟内部数据对比，看看目前公司处于哪个水平。

2. 数据分析

数据运营做产品的数据分析，要考虑影响产品的核心指标是什么。比如电子商务网站，流量就是非常重要的指标。当重要指标数据或趋势过于宏观时，我们需要通过不同的维度对核心数据进行分解，来获得更加精细的数据洞察。

在选择维度时，需要仔细思考其对分析结果的影响。举个例子，当监测到网站流量异常时，可以通过拆分地区、访问来源、设备、浏览器等维度，发现问题所在。
如下图，当天网站的访问用户量显著高于上周，这是什么原因呢？当我们按照访问来源对流量进行维度拆分时。不难发现直接访问来源的访问量有非常大的提升，这样就进一步把问题聚焦了。

3. 决策支持

数据运营无论做数据报表还是数据分析，目的都是为了用数据支持决策。比如我们用漏斗模型对用户注册进行分析，能够还原出用户每个路径结点用户的转化。

上图中注册流程分为 3 个步骤，总体转化率为45.5%，第二步的转化率是 56.8% ，显著低于第一步 89.3% 和第三步转化率 89.7%，可以推测第二步注册流程存在问题。

第二步的提升就是我们关注的重点，接下来我们要做的就是优化产品，关注新的数据情况，这就是在用数据支持决策。否则我们只是知道注册环节有问题，但又不知道具体的小问题出现在哪里，就显得很无措。

---

OVER