数据是伴随在项目中的点点，我觉得数据的魅力在于可以让我们做到知己知彼。在发展速度如此快的互联网行业中，想要存活下来，就要占领头部市场，跻身到行业中的前三，最终做到行业第一。
本章着重来讲数据，是因为数据无论在各行各业都是很重要的一块。本章主要分为三部分：
1.什么是数据运营 2.数据运营的目标 3.数据运营的体系搭建
第一部分、什么是数据运营
百科：数据运营是指数据的所有者通过对于数据的分析挖掘，把隐藏在海量数据中的信息作为商品，以合规化的形式发布出去，供数据的消费者使用。
在App运营中的，数据分为很多种，比如常见的DAU、MAU、留存率、CTR、PV、UV、VV。
目前常见的数据分析平台有友盟、growingio、七麦、questmobile，有些企业还会自己开发适用与自己的数据平台。
第二部分、数据运营的目标
数据分析的用意不在于数据本身，而是要打造一个数据反馈闭环。
数据可以推动产品迭代和市场推广，可以发现产品盈利的关键路径；可以优化现有的盈利模式。
数据运营其实是运营数据，数据可以推动产品迭代和市场推广，可以发现产品盈利的关键路径；可以优化现有的盈利模式。想让数据起到什么作用，取决于我们想达到什么目的。
第三部分：关于数据运营这方面的体系搭建
一、常见的数据指标
APP的数据指标体系主要分为五个维度，包括用户规模与质量、参与度分析、渠道分析、功能分析和用户属性分析。
1.用户规模与质量（浅度）
（1）活跃用户指标
活跃用户可以定义为固定周期内启动过App的用户，也可以统计周期内操作过产品核心功能的用户，通常，一个产品是否成功，如果只看一个指标，那么这个这指标一定是活跃用户数。一般常见的是DAU，WAU,MAU,其中日活是常见的一个活跃用户的指标，也比周活和月活要重要一些。
（2）新增用户指标
新增用户量指标主要是衡量营销推广渠道效果的最基础指标；新增用户占活跃用户的比例也可以用来用于衡量产品健康度。如果某产品新用户占比过高，那说明该产品的活跃是靠推广得来，这种情况非常值得关注，尤其是关注用户的留存率情况。因为如果留存率过低的话，说明这个钱花的太冤枉了。
（3）用户构成指标（ 用户分层）：
方式一：头部用户、核心用户、活跃用户、普通用户分层；
方式二：也可以是以周活跃用户为例，包括以下几类用户：
新用户、持续活跃用户、回流用户
（4）用户留存率指标
用户留存率是指在某一统计时段内的新增用户数中再经过一段时间后仍启动该应用的用户比例。用户留存率可重点关注次日、7日、14日以及30日留存率。
用户留存率是验证产品用户吸引力很重要的指标。
对于某一个相对成熟版本的应用，如果用户留存率有明显变化，则说明用户质量有明显变化，很可能是因为推广渠道质量的变化所引起的。
如果是不成熟的版本的应用，如果用户留存率有明显变化，则很有可能是因为产品和投放渠道相关。
（5）每个用户总活跃天数指标
每个用户的总活跃天数指标（TAD，Total Active Days per User）是在统计周期内，平均每个用户在应用的活跃天数。
如果统计周期比较长，如统计周期一年以上，那么每个用户的总活跃天数基本可以反映用户在流失之前在APP上耗费的天数，这是反映用户质量或黏性，尤其是用户活跃度很重要的指标。
（6）用户属性和画像分析
用户属性分析主要从用户使用的设备终端、网络及运营商、地域和用户画像角度进行分析。
设备终端分析的维度有机型分析、分辨率分析和操作系统分析；
网络及运营商分析的唯独有有用户联网方式和电信运营商，地域主要从不同省市和国家来分析。
用户画像分析包括人口统计学特征分析、用户个人兴趣分析、用户商业兴趣分析。
2.参与度分析（深度分析）
参与度分析主要是分析用户的活跃度，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。
（1）启动次数指标
启动次数是指在某一统计周期内用户启动应用的次数。
（2）使用时长
使用总时长是指在某一统计统计周期内所有从APP启动到结束使用的总计时长。
人均使用时长=同一统计周期内的使用总时长/活跃用户数
单次使用时长=同一统计周期内使用总时长/启动次数
使用时长相关指标也是衡量产品活跃度、产品质量的重要指标。
（3）访问页面
访问页面数指用户一次启动访问的页面数。
（4）使用时间间隔
使用时间间隔是指同一用户相邻两次启动的时间间隔。
我们可以通过不同统计周期（但统计跨度相同，如都为30天）的使用时间间隔分布的差异，以便于发现用户体验的问题。
3.衡量运营效果指标
主要是跟产品相关的核心数据制定一些标准，用来衡量运营效果
1.内容效果
CTR、PV、UV、VV等数据
2.互动效果
人均评论、人均点赞
3.订单额
人均消费值
4.UGC
发帖数、人均发帖
5.Push点击率
6.其他维度，具体还是需要结合产品本身
4.渠道分析
渠道分析主要是分析各渠道在相同的投入情况下，用户数量的变化和趋势，以科学评估渠道质量，优化渠道推广策略。为了检验，还要研究到渠道防作弊层面。还要考虑投放素材、成本等指标。
渠道分析包括新增用户、活跃用户、启动次数、单次使用时长和留存率等指标。
APP的推广渠道主要为安卓和iOS。
IOS的渠道为AppStore；
安卓的渠道：
①第三方应用市场，如华为、oppon、小米、91助手等；
②第三方平台：微博、今日头条等
③厂商预装，像华为、小米、vivo等；
④水货刷机，如刷机精灵等；
⑤社会化推广，如在社群做分享，软文推广，
5.产品功能优化分析
功能分析主要分析某个功能活跃情况、页面访问路径以及转化率。
（1）功能活跃指标
主要关注某功能的活跃人数、新增用户数、用户构成、用户留存。
（2）页面访问路径分析
主要是统计用户从打开应用到离开应用整个过程中每一步的页面访问和跳转情况。
目的是达成APP的商业目标，即引导用户更高效的完成App的不同模块的任务，最终促进用户付费。
APP页面访问路径分析，需要考虑APP用户以下三方面问题：
①身份：用户可能是你的会员或者潜在会员，也有可能是你的同事或者竞争对手等；
②目标：不同用户使用APP的目的有所不同；
③访问路径：即使身份类似、使用目的类似，但访问路径也很可能不同。
因此，我们在做APP页面访问路径分析的时候，需要对APP用户做细分，然后再进行APP页面访问路径分析。
最常用的细分方法是按照APP的使用目的来进行用户分类。
如汽车APP的用户便可以细分为关注型、意向型、购买型用户，并对每类用户进行不同访问任务的路径分析，比如意向型的用户，他进行不同车型的比较都有哪些路径，存在什么问题；
还有一种方法是利用算法，基于用户所有访问路径进行聚类分析，依据访问路径的相似性对用户进行分类，再对每类用户进行分析。
（3）转化率
转化率是指进入下一页面的人数（或页面浏览量）与当前页面的人数（或页面浏览量）的比值。
通常使用漏斗模型来，它可以分析产品中关键路径的转化率，以确定产品流程的设计、用户体验问题。
通常我们只需要对每天的转化率进行连续性的监控即可。
6.最终收入分析
这个是最关键的数据了，盈利是产品的最终目的，所以总收入、付费用户数、付费率、ARPU这四个指标经常用到。
总收入、付费用户数反映的是收入和付费用户的规模；付费率、ARPU代表的是用户付费质量，反映的是用户付费的广度与深度。
主要关注转化漏斗最后环节的订单数量和金额。
二、搭建APP的数据指标的流程
1.了解产品逻辑，了解业务逻辑
2.埋点需求的提出，埋点本身其实是对产品的一个可视化健康检查
3.交付产品经理
4.数据分析，持续迭代
还可以数据体系拆分成 内部数据和外部数据两大块
第一部分：内部数据
1、确认数据维度以及迭代：
主要制定大盘核心数据到业务核心数据，从项目来讲，一个项目最基本的部门有技术、产品、运营。涉及到产品部门数据、技术部门数据、运营部门数据，每个部门都涉及到很多数据，而每个部门都会有核心数据。
2、数据周期：每天、每周、每月
明确不同数据不同周期以及其意义，而不是眉毛胡子一把抓。
3、查看工具
如何更方便更快捷的查看数据，需要运营、产品、技术同学协力配合的一件事情，有时候技术在根据运营需要的时候往往有更佳的实现方法。
4、数据分析
通过看到的数据分析背后代表的意义，是一件很有意思的事情。小到每个用户，每场活动，大到产品的成败。尤其是在大数据支持当下，分析清楚现状才能更好的制定新的作战方案。我觉得分析所花的精力应该占整个数据比重的50%以上。
第二部分：外部数据
重点参考的是市场上竞品的数据，从大到小都可以被获取，被分析，进而辅助自家产品的运营。
