互联网产品运营人员在项目中要关注哪些核心数据？
1970-01-01 来源：
?
一、产品数据的定义
?
产品数据，其实就是一堆数值。但这些数值，是从用户的行为中统计而来的。用来便于需要使用数据的同学进行研究和分析之用的基础素材。
?
二、有哪些运营数据是需要关注的
?
我们在这里用一张脑图简单列出一些核心运营数据：
核心数据
?
这张脑图，仅仅简单的展示了也许是通用的部分运营数据，但如果我们仔细去看，去归纳，会发现三个数据类型，是所有运营都需要具备的：
?
渠道数据、成本数据、收益数据。
?
渠道数据，是用来衡量渠道质量、渠道作用的，它由产品本身的定位的客群和产品的特性所决定。一个理财产品如果投放游戏社区这种渠道，其运营效果可能并不会太好，可如果换成彩票、博彩，可能效果就很好；同理，传奇这一类的游戏的宣传与活动如果投放到女性社区平台，其效果几乎也可以无视，而如果换成一款 Q 版小游戏，或许效果就很好。
?
成本数据和收益数据，则会从不同层面反映出运营的效果。
?
运营必然需要成本。运营的效率可以通过经验、熟练度、创意等各种手段来提升，但运营的成本是必然存在的，并且一般来说和运营效果是成正比关系的。很简单的一个道理：两个活动，一个活动送 100 台 iPhone6，一个活动送 1 台 iPhone 6，哪个效果更好？
?
做运营的，一定要认真去评估每一个运营动作背后的成本。而所谓『收益』，并不等价于『收入』，获得金钱是收益，获得用户也是收益，获得口碑同样是收益。
?
如果我们了解了渠道、成本、收益这三类数据，我们就可以根据自身的产品特性去设定需要获取数据。
?
我们拿足记来简单举个例子，足记这样的应用，它会关注哪些数据呢？
?
从产品的层面，它会去关注：
?
1.App 每日的打开数
2.各种功能的使用次数和使用频次
3.各种 Tab 的点击次数和对应页面的打开频次
?
从运营的层面，它可能会去关注：
?
1.App 每日的活跃用户数
2.每日产生的 UGC 数量（区分新老用户）
3.每日分享到社会化媒体的 UGC 数量（同时考虑单位用户的产生内容数）
4.分享出去的 UGC 带来的回流新装机、新激活用户数等等。
?
而我们需要注意的是，这些关注的数据点，并不是一成不变的，它会因为产品的不同阶段而调整，如果我们假设足记有盈利模式，那么它关注的核心数据，就会从内容转向收入，这时候，转化率相关数据就会变的重要了。
?
我们需要的数据，根据实际的需求来进行设计，并没有一个完全通用的标准。当然，如果你做的越多，你会发现，你的数据感在不知不觉中获得了提升，这一点，非常重要。
?
三、如何获取数据
?
获取数据的渠道有很多，这里推荐两个：Google Analytics 以及百度统计，更多的工具自行去了解哈。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。
?
四、如何分析数据
?
对于数据的解读，每个人都有不同的方式。这里我们摘取书中的几个总结：
?
1）首先确定数据的准确性
?
这里包含了选择数据维度的合理性、数据统计的准确性。如果数据维度选择不合理、数据统计结果不精确，我们可能是无法得出正确的分析结果的。这是基础。
?
2）明确影响数据的因素
?
一个数据，会受到多种因素的影响，这些因素有内部的，有外部的，运营人员应当尽可能多的了解所有层面的影响因素，以利于我们对于数据的解读是在一个相对正确的范围内。
?
3）重视长期的数据监测
?
在运营数据分析中，经常会使用环比和同比方式来对比数据。简单的说，环比是本日与前一日的对比、本月与上月的对比、本季度与上季度的对比；同比是今年当日与去年当日的对比、今年当月与去年当月的对比、今年当季度与去年当季度的对比。环比帮我们看短期的数据波动，而同比帮我们了解大环境下的数据波动。
?
4）保持客观的视角
?
数据分析的过程中，客观非常重要，切忌挑选有利于自身的结论。我们通常会犯先入为主的错误，这不仅会影响数据的准确性，还是职业道德的问题，也是职业发展中非常常见的问题。
?
5）注意剔除干扰项
?
实际的工作中，我们会碰到很多问题，这些问题就是干扰项。例如，在一个相对平稳的曲线中，突然出现了一个点上的强烈波动，这时候我们需要全面的了解个波动产生的原因，如果无法确认原因，就剔除这个波动，否则我们很难去获得一个正确的结论。
?
五、数据分析职业方向有哪些
?
我们这里只说国内哈，在国内，与大数据相关的岗位主要分为以下几类：
?
数据分析师：
?
运用工具，提取、分析、呈现数据，实现数据的商业意义，需要业务理解和工具应用能力。
?
数据挖掘师/算法工程师：
?
数据建模、机器学习和算法实现，需要业务理解、熟悉算法和精通计算机编程。
?
大数据工程师：
?
运用编程语言实现数据平台和数据管道开发，需要计算机编程能力。
?
数据架构师：
?
高级算法设计与优化；数据相关系统设计与优化，有垂直行业经验最佳，需要平台级开发和架构设计能力。
?
当然一个行业肯定不止这几个岗位，这里只是列举普遍的，吃香的（你懂的~）。
?
六、总结
?
关于数据的内容，一篇文章其实说不出更多有价值的东西，更多的需要自己在工作中的思考与总结；当然，同行交流以及吸取同行前辈的经验也很重要。
?
作者：庖丁开发
来源：产品100干货速递
标签： Google 标准 大数据 媒体 数据分析 网站 问题 行业 选择 用户
版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点！
本站所提供的图片等素材，版权归原作者所有，如需使用，请与原作者联系。
最新资讯
热门推荐