通過數(shù)據(jù)指導(dǎo)網(wǎng)站運營決策、驅(qū)動業(yè)務(wù)增長

在產(chǎn)品運營的整個生命周期中，數(shù)據(jù)運營就是屬于一種技能，通過數(shù)據(jù)分析發(fā)現(xiàn)解決問題，提升效率促進(jìn)增長。

　　從科派來講，數(shù)據(jù)是反映產(chǎn)品和用戶狀態(tài)最真實的一種方式，通過數(shù)據(jù)指導(dǎo)運營決策、驅(qū)動業(yè)務(wù)增長。與數(shù)據(jù)分析師的崗位不同，數(shù)據(jù)運營更加側(cè)重支持一線業(yè)務(wù)決策。而運用在產(chǎn)品運營的整個生命周期中，數(shù)據(jù)運營就是屬于一種技能，通過數(shù)據(jù)分析發(fā)現(xiàn)解決問題，提升效率促進(jìn)增長。

　　一、數(shù)據(jù)運營都需要學(xué)習(xí)些什么知識?

　　1. 明確數(shù)據(jù)分析的目的

　　做數(shù)據(jù)分析，必須要有一個明確的目的，知道自己為什么要做數(shù)據(jù)分析，想要達(dá)到什么效果。比如：為了評估產(chǎn)品改版后的效果比之前有所提升;或通過數(shù)據(jù)分析，找到產(chǎn)品迭代的方向等。

　　明確了數(shù)據(jù)分析的目的，接下來需要確定應(yīng)該收集的數(shù)據(jù)都有哪些。

　　2. 收集數(shù)據(jù)的方法

　　說到收集數(shù)據(jù)，首先要做好數(shù)據(jù)埋點。

　　所謂埋點，就是在正常的功能邏輯中添加統(tǒng)計代碼，將自己需要的數(shù)據(jù)統(tǒng)計出來。

　　目前主流的數(shù)據(jù)埋點方式有兩種：

　　種：自己開發(fā)。開發(fā)時加入統(tǒng)計代碼，并搭建自己的數(shù)據(jù)查詢系統(tǒng)。

　　第二種：利用第三方統(tǒng)計工具。

　　常見的第三方統(tǒng)計工具有：

　　網(wǎng)站分析工具：Alexa、Google Analytics、百度統(tǒng)計

　　移動應(yīng)用分析工具：Google Analytics、友盟、TalkingData、Crashlytics

　　不同產(chǎn)品，不同目的，需要的支持?jǐn)?shù)據(jù)不同，確定好數(shù)據(jù)指標(biāo)后，選擇適合自己公司的方式來收集相應(yīng)數(shù)據(jù)。

　　3. 產(chǎn)品的基本數(shù)據(jù)指標(biāo)

　　新增：新用戶增加的數(shù)量和速度。如：日新增、月新增等。

　　活躍：有多少人正在使用產(chǎn)品。如日活躍(DAU)、月活躍(MAU)等。用戶的活躍數(shù)越多，越有可能為產(chǎn)品帶來價值。

　　留存率：用戶會在多長時間內(nèi)使用產(chǎn)品。如：次日留存率、周留存率等。

　　傳播：平均每位老用戶會帶來幾位新用戶。

　　流失率：一段時間內(nèi)流失的用戶，占這段時間內(nèi)活躍用戶數(shù)的比例。

　　4. 常見的數(shù)據(jù)分析法和模型

　　這里講下漏斗分析法和AARRR分析模型

　　漏斗分析法

　　用來分析從潛在用戶到最終用戶這個過程中用戶數(shù)量的變化趨勢，從而尋找到的優(yōu)化空間，這個方法被普遍用于產(chǎn)品各個關(guān)鍵流程的分析中。

　　比如，這個例子是分析從用戶進(jìn)入網(wǎng)站到最終購買商品的變化趨勢。

　　從用戶進(jìn)入網(wǎng)站到瀏覽商品頁面，轉(zhuǎn)化率是40%;瀏覽商品到加入購物車轉(zhuǎn)化率是20%等，那要找出哪個環(huán)節(jié)的轉(zhuǎn)化率，我們需要有對比數(shù)據(jù)。

　　比如個，進(jìn)入網(wǎng)站到瀏覽商品，如果同行業(yè)水平的轉(zhuǎn)化率是45%，而我們只有40%，那說明這個過程，沒有達(dá)到行業(yè)平均水平，我們就需要分析具體原因在哪里，再有性的去優(yōu)化和改善。

　　當(dāng)然，上面這是我們設(shè)計的一種理想化的漏斗模型，數(shù)據(jù)有可能是經(jīng)過匯總后得出的。而真實的用戶行為往往可能并不是按照這個簡單流程來的。此時需要分析用戶為什么要經(jīng)過那么復(fù)雜的路徑來達(dá)到最終目的，思考這中間有沒有可以優(yōu)化的空間。

　　AARRR模型

　　這個是所有的做產(chǎn)品的小伙伴都必須要掌握的一個數(shù)據(jù)分析模型。

　　所謂獲取用戶，就是拉新就是吸引新的用戶。對于APP來說，拉新意味著新的用戶下載注冊;而對于眾多的、微博、貼吧運營個體而言，拉新指的是吸引新的粉絲關(guān)注。

　　在羅列你的渠道時，需要注意的是每個渠道都需要有根有據(jù)，包括這個渠道是不是跟你的目標(biāo)人群相契合、還有單價高或低以及渠道的二次傳播行不行等等因素。而現(xiàn)在推廣APP的渠道都會包括：

　　獲取用戶就是通過各個渠道拉新的過程。除了換量合作，在各大論壇貼吧等社區(qū)發(fā)帖，社群營銷等免費方式。付費方式包括但不限于利用搜索引擎、微信微博頭條等自媒體、網(wǎng)盟廣告、線下活動，互聯(lián)網(wǎng)電視這些方式。增長黑客這種特別的方式也有人在使用。

　　拉新是否有效有一個評判標(biāo)準(zhǔn)觸發(fā)關(guān)鍵行為。比如用戶下載了APP不一定會使用。關(guān)鍵行為根據(jù)產(chǎn)品的情況而定，它可能是瀏覽文章，觀看視頻、發(fā)送消息、開始游戲或者填寫郵箱等。

　　好渠道并不意味著用戶量的渠道，也不是成本的渠道。不斷探索用戶的喜好和分布，才能更加優(yōu)化合理的確定投入策略，不斷最小化CAC。每個渠道獲取用戶的數(shù)量，質(zhì)量，成本都不一樣，需要通過用戶獲取成本(CAC)，用戶量，留存率，ARPU數(shù)劇等綜合評判。

　　當(dāng)然除了通過外部渠道獲得新客戶，如果用戶體量較大，也可以從產(chǎn)品設(shè)計的角度完成拉新。

　　、主動告知用戶，有三種方式：APP的push消息、EDM郵件、短信通知，可以根據(jù)用戶畫像來進(jìn)行消息推送的時間，內(nèi)容和用戶。

　　第二、被動告知用戶，開屏廣告，設(shè)置明顯的入口，功能入口添加優(yōu)惠便簽，首頁設(shè)置相關(guān)的輪播圖等;如摩拜APP的開屏廣告顯示有網(wǎng)約車，滴滴APP的其他各種功能。

　　提高活躍度(Activation)

　　活躍度指用戶使用產(chǎn)品的時間以及頻率。每個產(chǎn)品對活躍度的定義不一樣，比如百度貼吧希望用戶能夠每天都能登錄、發(fā)帖、評論;在線教育類產(chǎn)品，則更關(guān)注用戶的學(xué)習(xí)時長、練習(xí)次數(shù)等。

　　活躍度建立在產(chǎn)品的核心價值上，如高質(zhì)量的內(nèi)容，越來越好的用戶體驗感，多功能的需求等，在用戶最初使用的幾十秒鐘內(nèi)抓住用戶。

　　還有一些輔助手段，包括滿足用戶需求的活動、完善的用戶激勵體系，成長體系、增加用戶與其他用戶的互動的方式，還有APP的新手指引這類更細(xì)致化的操作等。

　　一個比較的分析思路是，把用戶從使用產(chǎn)品開始到結(jié)束的每一個流程單獨列出來，站在用戶角度，不斷尋找可促活的途徑。比如，分析新功能的轉(zhuǎn)化率，使用過程的流暢性，延長用戶的產(chǎn)品使用流程。

　　當(dāng)然，我們還可以篩選出優(yōu)質(zhì)用戶。如果某個渠道的用戶，使用產(chǎn)品的時間和啟動次數(shù)很可觀，則應(yīng)加大這個渠道的投入。此外，還有些用戶只啟動過一次產(chǎn)品，這類用戶大多屬于被動。

　　除了渠道，另一個和活躍度相關(guān)的分析維度是版本。但這會產(chǎn)生兩個錯覺：用戶習(xí)慣了現(xiàn)在的產(chǎn)品，所以不希望產(chǎn)品迭代更新;用戶會要求你增加新功能。

　　例如，2006 年 Facebook 推出新聞頻道，造成巨大的用戶反彈。但隨著時間的推移，這個產(chǎn)品卻成為了Facebook 的核心功能。Facebook忽視了少數(shù)派的反對聲音，堅持了自己的戰(zhàn)略。

　　我們既不想刺激現(xiàn)有的忠誠用戶，又需要獲取下一個百萬用戶，添加功能比砍掉功能更容易。通常用戶要求的功能是解決很小的便利問題，而不是真正的解決方案。我們需要積極地與用戶溝通，如果數(shù)據(jù)告訴你新方向是正確的，那么忽略發(fā)聲的少數(shù)用戶。

　　提高留存率(Retention)

　　用戶開始使用產(chǎn)品并且一段時間后仍然繼續(xù)使用，被認(rèn)作是留存用戶，而留存用戶占當(dāng)時新增用戶的比例即是留存率。

　　用戶在每個應(yīng)用中的生命周期是接觸使用放棄或者遺忘的過程。在用戶使用階段，有效的促活手段也能提高留存，但同樣重要的是挽回用戶，而挽回用戶有一個通用的流程。

　　先確定流失用戶的標(biāo)準(zhǔn);再建立一個用戶流失模型，分析用戶為何流失，采取相應(yīng)的手段補救;同時通過EDM，短信等方式讓用戶知道你在召回;通過新手引導(dǎo)重新讓用戶熟悉產(chǎn)品操作，繼續(xù)留存。

　　獲取收入(Revenue)

　　現(xiàn)階段移動應(yīng)用獲取收入的途徑主要有三種：付費應(yīng)用、應(yīng)用內(nèi)付費，以及廣告。付費下載多見于蘋果APP Store，廣告是大部分開發(fā)者的收入來源，而應(yīng)用內(nèi)付費也較為普遍，比如游戲類，增值服務(wù)類，自營商城等。特別說明，高德地圖的盈利模式除了廣告之外，還在于其本身的地圖數(shù)據(jù)和用戶數(shù)據(jù)與其他領(lǐng)域的結(jié)合。

　　大家通常采用ARPU(平均每用戶收入)值來判定收入標(biāo)準(zhǔn)。但對于一個既有付費用戶，又有未付費用戶的應(yīng)用而言，還需要看 ARPPU(平均每付費用戶收入)。

　　因為涉及到付費用戶在全部用戶中所占的比例，如果付費用戶的數(shù)量較低，那么就要思考產(chǎn)品盈利方式是否有問題，包括定價，產(chǎn)品功能特性，變現(xiàn)方式等。

　　計算收入的同時也要考慮利潤。計算利潤的時候有一個指標(biāo)：LTV(生命周期價值)。用戶的生命周期是指一個用戶從次啟動應(yīng)用，到一次啟動應(yīng)用之間，為該應(yīng)用創(chuàng)造的收入總計。LTV CAC的差值，就可以視為該應(yīng)用從每個用戶身上獲取的利潤。

　　自傳播(Refer)

　　社交網(wǎng)絡(luò)的興起，為產(chǎn)品帶來了更強的生命力基于社交網(wǎng)絡(luò)的自傳播。自傳播，或者說病毒式營銷，來源于病毒傳播學(xué)，即一個已經(jīng)感染了病毒的宿主在接觸其他宿主的過程中也會被傳染上病毒。K因子量化了感染;的概率。

　　K = (每個用戶向他的朋友們發(fā)出的邀請的數(shù)量) * (接收到邀請的人轉(zhuǎn)化為新用戶的轉(zhuǎn)化率)。當(dāng)K>1時，用戶群就會象滾雪球一樣增大，但是絕大部分移動應(yīng)用還是必須和其它營銷方式相結(jié)合。

　　自傳播除了產(chǎn)品足夠好，傳播過程的受眾足夠準(zhǔn)確，能夠引發(fā)用戶的需求也同樣重要，比如利益，虛榮心，稀缺性，試用等等。比如滴滴，美團(tuán)的紅包好友分享;付費用戶免費邀請朋友試用產(chǎn)品;轉(zhuǎn)發(fā)朋友圈送禮品等。

　　以一個成功的微信百日跑活動為案例，展現(xiàn)自傳播過程中部分可調(diào)整的點。

　　1、拉新分發(fā)機制

　　對跑步KOL拉新做梯度激勵手段：隊每多10人，就發(fā)群紅包;隊滿80人則隊長可以獲得跑鞋一雙。同時每天在隊長群中做群運營，曬隊人數(shù)排行榜，隊滿80人啦隊隊長領(lǐng)取跑鞋，讓隊長被充分激勵。

　　2、常規(guī)分享機制

　　在微信體系內(nèi)，分享海報比分享鏈接更引人注目。結(jié)合贏取iP賣點的海報讓用戶發(fā)朋友圈時比較搶眼。同時分享流程也要做充分的引導(dǎo)，比如長按圖片，發(fā)送給朋友。

　　3、誘導(dǎo)分享機制

　　活動有報名費，所以設(shè)計了報名成功后分享活動頁到朋友圈立返20元現(xiàn)金的獎勵。因為跑步用戶之間有公用的微信群，所以必須是用戶分享朋友圈才最有效。同時又擔(dān)心用戶發(fā)朋友圈時選擇部分可見，或發(fā)完立刪，所以補充了需要10人通過朋友圈點開你的分享這個機制。

　　A、分享機制的詳細(xì)說明

　　B、對分享標(biāo)題做改版，帶來二次分享，凡是可以數(shù)據(jù)化的地方就能做成排行榜，用戶都在曬自己是第幾個報名的，能激發(fā)人類心中攀比炫耀的心理，這就促成了分享。

　　C、利用H5設(shè)計假活動圖文，在這個H5上可以自由定義閱讀數(shù)(直接100000+)，點贊數(shù)和用戶留言。通過設(shè)計的用戶留言，引導(dǎo)用戶報名并對一些疑慮進(jìn)行破解。

　　E、10人點開閱讀的提醒

　　朋友圈一人點開就提醒一次。同時，部分人分享朋友圈后并沒有10人打開，或錯分享給好友或群，所以我們每兩天，會用發(fā)模板消息提醒未領(lǐng)20元的用戶再次發(fā)朋友圈。

　　二、數(shù)據(jù)運營需要分析什么?

　　拉新階段：關(guān)注用戶來源的類型：純新用戶(次注冊)還是老用戶(再注冊);貼片廣告的用戶來源有多少，彈窗廣告的用戶來源有多少等等。

　　轉(zhuǎn)化階段：關(guān)注轉(zhuǎn)化率：200個用戶瀏覽了你的宣傳頁面，注冊的有100人，這100人就是實現(xiàn)了轉(zhuǎn)化，轉(zhuǎn)化率為50%(=100/200);同樣的除了注冊轉(zhuǎn)化率還有付費轉(zhuǎn)化率等等。

　　活躍階段：關(guān)注用戶在產(chǎn)品內(nèi)的活躍量，不同的產(chǎn)品表現(xiàn)形式不同。例如，貼吧：發(fā)帖量、回帖量等等;視頻網(wǎng)站：點擊量，觀看量等等。

　　留存階段：關(guān)注留存或流失的用戶量。例如，天新增的用戶有300人，300人中第二天還在活躍的有100人，第三天還在活躍的呢?第四天呢?一直類推。

　　用戶運營只是運營的職能之一，貫穿在各種產(chǎn)品的運營中。用戶運營所關(guān)注的數(shù)據(jù)指標(biāo)，不同行業(yè)、不同平臺等等都有不同的側(cè)重點。

　　根據(jù)運營的平臺來劃分：

　　網(wǎng)站運營：

　　(1)流量方面需要關(guān)注：

　　PV(page view)訪問頁面產(chǎn)生的數(shù)據(jù)。 一個用戶訪問了5個頁面，那么就產(chǎn)生了5個 PV。

　　UV(user view)某個特定頁面的訪客數(shù)。一個頁面一個賬號無論點進(jìn)去幾次，UV都是1，因為只有一個訪客。

　　VV(visit view)于全站的訪客數(shù)。一個賬號進(jìn)入一個網(wǎng)站，無論這個賬號瀏覽了這個網(wǎng)站多少個網(wǎng)頁，VV都是1 ，因為這個網(wǎng)站只有一個訪客。

　　IP：于全站的網(wǎng)絡(luò)IP數(shù)。你在家用電腦登錄了這個網(wǎng)站，之后你表哥也用同一臺電腦登陸了他的賬號，訪問了同一個網(wǎng)站，但這個時候IP還是只有1，因為你和表哥用的同一臺電腦，網(wǎng)絡(luò)的IP地址也是一個。

　　(2)訪問方面需要關(guān)注：

　　跳出率：頁面停留訪客有300人，但是有150人不喜歡這個頁面，選擇離開，那么跳出率就是50%(=150/300)

　　二跳率：首頁頁面停留訪客有300人，有150人覺得這個網(wǎng)站很喜歡，于是點擊瀏覽下一個頁面，那么二跳率就是50%(=150/300)。以此類推還有三跳率，四跳率等等。

　　轉(zhuǎn)化率：轉(zhuǎn)化到最終產(chǎn)品目的頁面的比率。如果是電商的話，最終目的就是下單，那么就是新增用戶和轉(zhuǎn)化到下單頁面的用戶 的比率。以此類推，還有付費轉(zhuǎn)率，注冊轉(zhuǎn)化率等等。

　　(3)活躍方面需要關(guān)注：

　　DAU(daily active user)即 日活躍用戶量。

　　MAU(monthly active user)即 月活躍用戶量。

　　相關(guān)的，還可以有周活躍用戶量、年活躍用戶量等等。

　　(4)轉(zhuǎn)化方面需要關(guān)注：(這里的轉(zhuǎn)化，單指電商運營方面。與上文轉(zhuǎn)化率做區(qū)分)

　　成單量：用戶共成了多少單

　　付費金額：用戶共付費多少元

　　客單價：付費金額/成單量=客單價。這里需要的是，每單平均多少錢的數(shù)據(jù)

　　付費率：走到付費這一步的轉(zhuǎn)化率

　　APP運營：

　　新增：新增的設(shè)備數(shù)(按手機型號分);新注冊的設(shè)備數(shù)(注冊新用戶。)

　　活躍：活躍的設(shè)備數(shù);活躍的用戶數(shù)

　　留存：

　　次日留存率：例如，天新增300人，第二天還登錄的有150.那么次日的留存率就是50%(=150/300)。以此類推，還有三日留存率(第三日登錄數(shù)/天新增數(shù))日留存率等等。

　　TAD：比如，7日TAD=天留存量+第二天仍在留存的數(shù)量+第七天仍在留存的數(shù)量

　　用于計算七天內(nèi)，一臺設(shè)備活躍過幾天。

　　(4)轉(zhuǎn)化：這里也特指電商，同上文網(wǎng)站運營里的轉(zhuǎn)化。

　　根據(jù)運營的行業(yè)來劃分：

　　內(nèi)容型行業(yè)：關(guān)注PV,UV,V V，帖子數(shù)，頁面停留時間，分享數(shù)等等

　　社交類行業(yè)：關(guān)注發(fā)帖量，發(fā)言數(shù)，PV,UV，活躍占比等等

　　電商類行業(yè)：關(guān)注銷售收入，成單量，客單價等等

　　游戲類行業(yè)：關(guān)注活躍用戶量，付費率，收入，ARPU(每用戶平均收入)等等

　　除了運營平臺和運營行業(yè)兩個劃分角度外，還有很多劃分角度，其中用戶運營所要關(guān)注的數(shù)據(jù)指標(biāo)都是有不同側(cè)重的。

　　三、如何進(jìn)行數(shù)據(jù)分析

　　1、數(shù)據(jù)采集

　　好的數(shù)據(jù)源主要有兩個基本的原則，一個是全，一個是細(xì)。

　　全：就是說我們要拿多種數(shù)據(jù)源，不能說只拿一個客戶端的數(shù)據(jù)源，服務(wù)端的數(shù)據(jù)源沒有拿，數(shù)據(jù)庫的數(shù)據(jù)源沒有拿，做分析的時候沒有這些數(shù)據(jù)你可能是搞不了的。另外，大數(shù)據(jù)里面講的是全量，而不是抽樣。不能說只抽了某些省的數(shù)據(jù)，然后就開始說是怎么樣?？赡苡行┦》浅Ｌ厥?，比如新疆、西藏這些地方它客戶端跟內(nèi)地可能有很大差異的。

　　細(xì)：其實就是強調(diào)多維度，在采集數(shù)據(jù)的時候盡量把每一個的維度、屬性、字段都給它采集過來。比如：像where、who、how這些東西給它采集下來，后面分析的時候就跳不出這些能夠所選的這個維度，而不是說開始的時候也圍著需求。根據(jù)這個需求確定了產(chǎn)生某些數(shù)據(jù)，到了后面真正有一個新的需求來的時候，又要采集新的數(shù)據(jù)，這個時候整個迭代周期就會慢很多，效率就會差很多，盡量從源頭抓的數(shù)據(jù)去做好采集。

　　2、數(shù)據(jù)建模

　　有了數(shù)據(jù)之后，就要對數(shù)據(jù)進(jìn)行加工，不能把原始的數(shù)據(jù)直接暴露給上面的業(yè)務(wù)分析人員，它可能本身是雜亂的，沒有經(jīng)過很好的邏輯抽象的。這里就牽扯到數(shù)據(jù)建模。首先，提一個概念就是數(shù)據(jù)模型。許多人可能對數(shù)據(jù)模型這個詞產(chǎn)生一種畏懼感，覺得模型這個東西是什么高深的東西，很復(fù)雜，但其實這個事情非常簡單。

　　在數(shù)據(jù)分析領(lǐng)域領(lǐng)域領(lǐng)域，特別是用戶行為分析方面，目前比較有效的一個模型就是多維數(shù)據(jù)模型，在線分析處理這個模型。它里面有這個關(guān)鍵的概念，一個是維度，一個是指標(biāo)。

　　維度比如城市，然后北京、上海這些一個維度，維度西面一些屬性，然后操作系統(tǒng)，還有iOS、安卓這些就是一些維度，然后維度里面的屬性。通過維度交叉，就可以看一些指標(biāo)問題，比如用戶量、銷售額，這些就是指標(biāo)。比如，通過這個模型就可以看來自北京，使用iOS的，他們的整體銷售額是怎么樣的。

　　3、數(shù)據(jù)分析方法

　　數(shù)據(jù)分析方法是有多種的，比如多維度事件分析、漏斗分析(文章前面已經(jīng)做了簡單分析)、回訪分析、交叉分析等，在這里我們就挑一個交叉分析來做個案例分析。

　　交叉分析法：通常是把縱向?qū)Ρ群蜋M向?qū)Ρ染C合起來，對數(shù)據(jù)進(jìn)行多角度的結(jié)合分析。舉個例子：

　　a. 交叉分析角度：客戶端+時間

　　從這個數(shù)據(jù)中，可以看出iOS端每個月的用戶數(shù)在增加，而Android端在降低，總體數(shù)據(jù)沒有增長的主要原因在于Android端數(shù)據(jù)下降所導(dǎo)致的。

　　那接下來要分析下為什么Android端二季度新增用戶數(shù)據(jù)在下降呢?一般這個時候，會加入渠道維度。

　　b. 交叉分析角度：客戶端+時間+渠道

　　從這個數(shù)據(jù)中可以看出，Android端A預(yù)裝渠道占比比較高，而且呈現(xiàn)下降趨勢，其他渠道的變化并不明顯。

　　因此可以得出結(jié)論：Android端在二季度新增用戶降低主要是由于A預(yù)裝渠道降低所導(dǎo)致的。

　　所以說，交叉分析的主要作用，是從多個角度細(xì)分?jǐn)?shù)據(jù)，從中發(fā)現(xiàn)數(shù)據(jù)變化的具體原因。

　　5. 如何驗證產(chǎn)品新功能的效果

　　驗證產(chǎn)品新功能的效果需要同時從這幾方面入手：

　　a. 新功能是否受歡迎?

　　衡量指標(biāo)：活躍比例。即：使用新功能的活躍用戶數(shù)/同期活躍用戶數(shù)。

　　使用人數(shù)的多少還會受該功能外的很多因素影響，千萬不可只憑這一指標(biāo)判斷功能好壞，一定要結(jié)合下面的其他方面綜合評估。

　　b. 用戶是否會重復(fù)使用?

　　衡量指標(biāo)：重復(fù)使用比例。即：第N天回訪的繼續(xù)使用新功能的用戶數(shù)/天使用新功能的用戶數(shù)。

　　c. 對流程轉(zhuǎn)化率的優(yōu)化效果如何?

　　衡量指標(biāo)：轉(zhuǎn)化率和完成率。轉(zhuǎn)化率即：走到下一步的用戶數(shù)/上一步的用戶數(shù)。完成率即：完成該功能的用戶數(shù)/走步的用戶數(shù)。

　　這個過程中，轉(zhuǎn)化率和完成率可以使用(上)篇中提到的漏斗分析法進(jìn)行分析。

　　d. 對留存的影響?

　　衡量指標(biāo)：留存率。用戶在初始時間后第N天的回訪比例，即：N日留存率。常用指標(biāo)有：次日留存率、7日留存率、21日留存率、30日留存率等。

　　e. 用戶怎樣使用新功能?

　　真實用戶行為軌跡往往比我們設(shè)想的使用路徑要復(fù)雜的多，如果使用的數(shù)據(jù)監(jiān)測平臺可以看到相關(guān)數(shù)據(jù)，能引起我們的反思，為什么他們會這么走，有沒有更簡便的流程，以幫助我們作出優(yōu)化決策。

　　不管是市場也好，產(chǎn)品也好，運營也好，老板也好，大家都會有各種各樣的數(shù)據(jù)需求，所以數(shù)據(jù)運營其實是一個蠻受歡迎的崗位，但是真正要做得好不是那么容易的事情，因為數(shù)據(jù)是件較為復(fù)雜的事情，設(shè)計的因子數(shù)據(jù)指標(biāo)比較多。但是作為一個產(chǎn)品運營人員，時刻需要跟數(shù)據(jù)打交道，不會那么一點數(shù)據(jù)分析能力好像說不過去，所以基本的關(guān)于數(shù)據(jù)分析能力害的具備。