编辑编者按：产品运营者离不开数据的支撑，需要透过数据展开调查和分析搜寻自己在运营中的不足，以便先期更快地运营。随著互联网的发展，企业产品运营渐渐精细化，意味着我们对于数据的运营要求更加高。作者从数据化运营的基础流程、用户数据和同价位数据三个方面展开，归纳如何搞好数据运营的方法，一起来看下吧。

任何产品运营者都不敢说自己的运营是轻松的，再好的运营也有瑕疵。因此，产品运营者必须要搞好数据展开调查和分析组织工作，透过数据信息和用户意见反馈发现运营中的不足，填补误判，为到时候运营搞好准备。

一、数据化运营基础流程

产品运营离不开数据，因为数据能帮产品运营者分析和意见反馈信息，也能帮产品运营者认识到不足。现如今是数据时代，每一企业都讲求数据，每一产品也都讲求数据化运营。数据化运营已经成为有经验的产品运营者的生活必需品。

随著互联网、媒体、用户、市场的发展变化，企业产品运营渐渐由粗放型走向精细化，以实现网络广告工作效率最小化。数据分析的益处在于能对目标用户群体或者子代展开特征肖像跟踪，分析用户在某一时间段的特征和习惯，向用户提供专用服务。

数据化运营并非标语，而要有实际的流程，主要就分为以下三步。

1. 数据搜集

数据搜集是产品数据分析的第二步，也是整个数据化运营的基础。数据搜集充斥产品运营全过程，不论是起步阶段却是Wasselonne阶段，不论是试验却是评估结果，都要加进数据搜集。产品运营以用户为核心，数据搜集的重点是搜集用户的需求数据。

数据收集方法主要有同卷展开调查、用户专访、发问成绩单、数据工具等。产品运营者要设计一系列前瞻性的问题，透过互联网等方式间歇性截叶展开调查，最终求出某一信息，完成数据搜集。

2. 数据处理

产品运营者搜集完产品数据，接下去的组织工作是数据处理。数据处理简而言之，是对数据的储存、索引、加工、转换和数据传输。数据处理的基本目的是从巨大的数据中获取对产品运营起著帮助的数据。

现如今数据处理不再是育苗，而要有专门的工具和各式各样的数据处理方法。但是，不管使用哪一种数据处理工具和方法，都需要遵从不变的原则。

简洁原则。在处理数据时，产品运营者要选择管用的数据，失掉那些没有意义的数据。按照简洁原则对数据展开精简，这样处理过的数据才是研磨和有量纲的。 表述原则。产品运营者需要对不会说话的数据展开表述。换言之，所搜集到的大数据究竟代表了什么，需要给它下一个表述。这就要挑战产品运营者的体悟、分析、逻辑推理、判断和阐述等能力。只有对数据下了表述，才能挖掘出数据背后暗藏的真正有价值的信息。

3. 数据分析

数据分析是数据化运营的核心环节。主要就是指用适当的统计分析方法对搜集来的大量数据展开客观分析，提取管用信息，形成结论，并对数据加以详细研究与概括归纳。

我们能用“5W2H法则”来展开数据分析，“5W2H法则”即做这件事的原因（Why）、具体做什么事（What），什么人去做（Who），什么时间去做（When），在什么地方做（ Where），怎么做（How），做到什么程度（ How much）。

这个法则应用相对广泛，可用于用户行为分析、业务问题专题分析、营销活动分析等，对产品的决策和执行性的活动措施能起著非常大的帮助，也有助于填补一些数据缺失和缺陷。

产品运营者还能利用逻辑树或者思维导图来展开数据分析。见下图思维导图。将问题的所有子问题分层罗列出来，从最高层开始，逐步向下扩展。这能帮助企业理清产品思路，避免对产品展开重复和无关的思考。

产品运营者还要强化和分析用户行为数据。主要就从用户对产品的认知、熟悉、购买过程出发。这方面，产品运营者可透过用户行为理论，梳理各关键指标之间的逻辑关系，构建符合实际业务的分析指标体系。

4. 数据展现

完成数据分析之后，接下去要把分析得到的数据透过某种方式展现出来。数据展现非常关键，展现得当，企业才能快速得到准确的信息。通常情况下，数据展现采取的是可视化方式。

数据可视化是指把每一个数据项目作为单个图文元素表现出来，这样企业就能从不同的维度观察产品数据，从而行更深入的观察和分析。

同时，产品运营者还要将数据导成图片展示出来。常见的数据展现模式有柱状图、饼状图、拆线图、雷达图等。这些图都有专业的制作工具，产品运营者能自行了解并学习，在这里不再赘述。

二、用户数据分析：了解产品活跃度，提升运营实力

产品运营者对产品运营的每一次改进都要根据数据来展开，数据的作用非同小可。产品运营中，有几个关键数据点是不能少的，产品运营者需要分析并掌握它们。

我们以互联网产品为例，来具体分析这些关键数据点。产品运营中的五大关键数据点见下图。

1. UV数

UV数，简单来说是指每天的用户访问量。对互联网产品运营者来说UV数是非常重要的数据点。在这里，我们首先要区分几个访客数的概念。

UV数：也称独立访客数，访问网站的一个电脑客户端为一个访客00:00-24:00相同的客户端只能算一次即当天有多少台电脑访问，一般以COOKIE来统计。 独立IP数：指当天记录的唯一的IP数，一般根据IP地址来统计。 PV数：指同一个IP地址，不同的电脑访问过的数量，即页面浏览量或点击量，用户每次刷新就算一次。

综上所述，UV数主要就是以 COOKIE为依据展开统计的，每一电子产品的COOKIE存在明显的差别，所以，UV数比IP数更真实准确地反映用户数量。关注产品的UV数能让企业了解产品的活跃度和新增用户量。如果新增用户量减少，企业就需要考虑展开一些拉新活动。

2. 访问次数

访问次数与UV数是不同的概念，访问次数是指访客完整打开页面展开访问的次数。访问次数是页面访问速度的衡量标准。如果访问次数明显少于访客数，说明用户没有完全打开产品页面时就关闭了。

如果出现这种情况，企业就要检查一下页面的打开速度是否足够流畅。一般来说，访问次数是大于UV数的。

3. 页面停留时间

页面停留时间指的是用户花费在一个网站页面上的时间，也能理解为用户总共在浏览产品信息上面花费的时间。企业为什么要关注页面停留时间呢？产品运营者关注页面停留时间的作用见下图。

（1）可用于判断页面的用户体验

产品运营者必须清楚，页面停留时间是在用户产生先期行为的情况下统计出来的。因此，透过对比分析每一页面的停留时间，就能得出用户停留时间长或短的原因。

如果用户在搜索结果页面停留时间较长，那么分析判断，很可能是因为搜索结果不能让用户满意。

如果用户在列表页面停留时间过长，可能是因为产品在列表页筛选方面做得不够人性化。

如果用户在产品尾页停留时间过长，有可能是因为尾页展示的内容过多或用户难以找到想要的内容。由此，产品运营者能到时候改进完善。

（2）可展开访客再营销

产品运营者能记录下那些在页面浏览时间很长，但最后没有完成购买行为的用户数据，然后对这些用户展开再营销。

（3）可弹出优惠信息

当用户在产品页面停留时，产品运营者能抓住这个契机，弹出产品的优惠信息，促进用户购买，实现成交。当然，也能弹出温馨的客服窗，为用户解决困难，促使用户下单。

4. 跳出率

跳出率是指用户进入产品页面之后，仅浏览了一个页面就马上返回。观察跳出率对产品运营者来说也是一个非常重要的环节。

跳出率能让产品运营者知道用户对产品内容的认可度，或了解产品对用户到底有多大的吸引力。在互联网产品运营中，跳出率是衡量产品内容质量的重要标准。

很多产品运营者为跳出率过高而担忧，到底是什么原因导致产品的跳出率过高呢？跳出率高的原因主要就如下：

（1）关键词不够精准

选择正确关键词的前提是对产品有充分的了解。产品运营者首先要充分了解自己的产品，了解用户的点击行为，然后根据用户反应和用户行为定位关键词的匹配度。

关键词精准了，最终的化率也会更高，并且能有效节省产品推广成本。

（2）网页速度过慢

如果打开产品页面的时间超过3秒，用户跳出几率就会大大增加。因此，一定要提高页面打开的速度。

（3）广告太多

很多产品运营者为了赚取广告费，把广告的载入顺序优化一一先载入广告再载入产品内容。过长的广告载入时间会直接导致用户关闭页面。

（4）URL不准确

很多时候，产品运营者不知道，链接太长可能会使系统无法完全识别链接。越短的URL越有利于产品推广，也能在很大程度上减少出率

5. 转化率

转化率指的是在一个统计周期内，完成转化行为的次数占推广信息总点击次数的比率。转化率是一款产品最终能否赢利的核心，提升产品转化率是产品综合运营实力的结果。产品运营者要特别注重转化率的数据分析。

三、同价位数据分析：快速把握市场，掌握运营新玩法

产品运营者要透过同价位数据分析为制定产品规划提供可靠的依据和帮助。同价位数据分析对初创企业来说更是不可或缺的，透过对同价位的数据分析可帮助产品运营者快速熟悉并把握市场。对成熟的企业来说，透过同价位分析能掌握互联网产品运营的新玩法并优化方向。

关于同价位数据分析，产品运营者需要掌握“四部曲”：明确同价位目标、明确做同价位分析目的、搜集资料、持续跟进。

1. 明确同价位目标

同价位数据分析，首先要明确同价位目标。

直接竞争者，包括市场目标方向一致、用户群体基本一致、产品功能相似度极高的产品。 间接竞争者，市场用户群体目标不一致，但是在产品功能需求方面互补的产品。 同行业不同模式的竞争者。

2. 明确同价位数据分析的目的

同价位数据分析能是针对产品在所在的市场做宏观的分析，也能是挑选某一款或几款同价位做细致入微的展开调查，从需求、功能、优劣势等方面展开分析。

必须清楚同价位数据分析的目的：一是了解目标市场的容量、市场规模、同价位所处位置、核心功能等，然后指导自己的产品展开相关改造、改进、优化、差异化；二是单点突破，走差异化路线，设计独特的卖点。

成熟的产品运营者往往集中分析同价位数据，而且将其当作重要的长期组织工作，并非临时起意。

3. 搜集资料

前文提到，同价位数据分析是产品运营者的长期组织工作，随时随地搜集同价位数据资料。通常情况下，展开同价位数据分析，首先要有一颗对数据和信息异常敏感的心。一般情况下，同价位数据来源有以下几个。

（1）行业报告

所谓的行业报告，主要就是指透过行业网站、行业里的大咖或者领袖（从他们的微博、微信、博客等）获取的资料报告。

（2）公司内部、外部资料

公司内部、外部的一些共享资料。包括团队群组、公司外部相关行业公司内部、外部的一些共享资料。包括团队群组、公司外部相关行业的QQ群、微信群组等群组的资料分享，经常会有一些关于行业、同价位的趋势报告和信息。

（3）用户

透过用户专访、用户回访等环节，与用户交流，获取用户对自己产品和同价位的不同看法，产品运营者能对两者展开比较和分析，得出报告资料。

（4）长期关注同价位信息

产品运营者选择同价位目标之后，能坚持长期用这款同价位，并关注同价位的企业员工或者服务人员的空间论坛等还能关注同价位的官方网站和公告，获取更多关于同价位的有效信息。

（5）与行业相关的专业书籍、杂志

展开上述等多方面的长期观测之后，产品运营者就会很轻易得出一份有价值的同价位分析资料，之后就要定期整理并且写出书面的同价位分析资料文档。

通常情况下，一份同价位分析资料文档的结构应该是这样的：

首先对行业现状和市场趋势展开分析；然后分析同价位的定位和发展策略；中间部分主要就阐述对同价位的分析，包括同价位的目标用户、产品市场占有率、功能、交互特点、产品优势、推广组织工作；最后做出归纳，归纳自己产品需要做出的改进。

4. 持续跟进

同价位数据分析需要长期的过程，产品运营者如果决定着手展开同价位数据分析，就一定要持续眼进。

例如，如果你也做电商APP，那么淘宝、京东、唯品会等APP能被当作同价位。优秀的APP都有固定的版本更新周期，譬如一个月更新一至两次。

在了解同价位资料分析之后，接下去就要持续观察该APP每次的版本更新情况，原则上，产品运营者至少每一月会配合APP的版本升级做一次详细的同价位分析报告，详细记录APP每次版本开级的变化和优势。

持续几个月之后，你会发现同价位分析报告对你自身的APP产品运营有很大的帮助。