一、數據類型

互聯網數據運營 根據運營的流程可以分為四大類，可以說無論是什么運營所要關注的數據都可以從這四個階段思考。

1、拉新階段：關注用戶來源的類型：純新用戶（第一次注冊）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。

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

3、活躍階段：關注用戶在產品內的活躍量，不同的產品表現形式不同。例如，貼吧：發帖量、回帖量等等；視頻網站：點擊量，觀看量等等。

4、留存階段：關注留存或流失的用戶量。例如，第一天新增的用戶有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，貫穿在各種產品的運營中。用戶運營所關注的數據指標，不同行業、不同平臺等等都有不同的側重點。

根據運營的平臺來劃分：

網站運營：

（1）流量方面需要關注：

PV（page view）訪問頁面產生的數據。 一個用戶訪問了5個頁面，那么就產生了5個? PV。

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

VV（visit view）針對于全站的訪客數。一個賬號進入一個網站，無論這個賬號瀏覽了這個網站多少個網頁，VV都是1 ，因為這個網站只有一個訪客。

IP：針對于全站的網絡IP數。你在家用電腦登錄了這個網站，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，網絡的IP地址也是一個。

（2）訪問方面需要關注：

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。

轉化率：轉化到最終產品目的頁面的比率。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化到下單頁面的用戶 的比率。以此類推，還有付費轉率，注冊轉化率等等。

（3）活躍方面需要關注：

DAU(daily active user)即 日活躍用戶量。

MAU(monthly active user)即 月活躍用戶量。

相關的，還可以有周活躍用戶量、年活躍用戶量等等。

（4）轉化方面需要關注：（這里的轉化，單指電商運營方面。與上文轉化率做區分）

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據

付費率：走到付費這一步的轉化率

APP運營：

（1）新增：新增的設備數（按手機型號分）；新注冊的設備數（注冊新用戶。）

（2）活躍：活躍的設備數；活躍的用戶數

（3）留存：

次日留存率：例如，第一天新增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/第一天新增數）……n日留存率等等。

TAD：比如，7日TAD=第一天留存量+第二天仍在留存的數量……+第七天仍在留存的數量

用于計算七天內，一臺設備活躍過幾天。

（4）轉化：這里也特指電商，同上文網站運營里的轉化。

根據運營的行業來劃分：

內容型行業：關注PV,UV,V V，帖子數，頁面停留時間，分享數等等

社交類行業：關注發帖量，發言數，PV,UV，活躍占比等等

電商類行業：關注銷售收入，成單量，客單價等等

游戲類行業：關注活躍用戶量，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兩個劃分角度外，還有很多劃分角度，其中用戶運營所要關注的數據指標都是有不同側重的。

二、數據分析概論

1、先了解指標跟維度的概念

城市是維度，后面的列是指標，維度永遠是站著的，指標是躺著的。維度就是那一列，指標是具體值。

維度：版本，渠道，地域，終端，操作系統，時間

基礎指標：注冊用戶數，訂單量，pv，新增用戶，用戶啟動，uv（簡單的數據）

復合指標：退出率，平均停留時長，留存率，支付轉化率，跳出率，平均訪問深度。（數據的簡單疊加分析）

舉例：頁面或全站跳出率=跳出訪問量/全部落地訪問量。

跳出：投放h5活動頁面，用戶點進去然后什么都沒做，又退出去了，這個就是跳出。

放一張經典營銷表舉例

direct：直接的流量/other：不好歸類的其他/referral：其他合作渠道跳轉的/organic search：seo搜索詞/social：社交類流量的豆瓣/display：品牌廣告

拿到表應該看什么？

一、趨勢：趨勢發現異常點，從而發現原因。

二、對比，跟上周，甚至是上個月的同一周，去年的同一時間段去做對比。幫助確定數據是不是存在問題。

三、細分

總結：數據分析并不僅僅是看數字，分析的過程更多的是從不同維度中分析指標的潛在含義。所有的指標都是有基礎指標各種加減乘除算出來的，基礎指標指導埋點，復合指標更具有指導意義

數據分析師應該看什么？

從趨勢觀察數據

從對比中發現問題

多維度細分找出問題原因

三、數據采集概述

1、數據采集是根基，需要做到以下四點：

完備性：有點公司只有業務數據，而沒有用戶行為

多維度：維度多了才能滿足統計的需求

及時性：不能這周的h5下周才收集數據。

準確性：最好精準統計，分析結果才更精確。

互聯網數據統計發展演變史

2、數據采集的主要對象

（1）前段操作：

可視化埋點，全埋點：某事，某刻某人提交了已給訂單

毛病：采集數據非常有限。

全埋點：好多代碼先把數據都采集起來，全埋點只要嵌入一段代碼就可以非常快速的看到效果，比較容易實現。一般采集兩種，一種是pv，還有一種是點擊交互。

兩者都有的毛病是不能提供多維度的豐富數據

代碼埋點：訂單金額，商品名稱，用戶級別

自定義的采集屬性等。

（2）后端日志

代碼埋點：商品庫存，商品成本

導入工具：用戶風險級別

重要的數據盡量還是后端去采集。更準確，完整，靈活度更高

（3）業務數據

導入工具：進，銷，存訂單配送狀態，售后服務信息。

做正確的事，而不是容易的事

全：多端采集，全量而非抽樣

細：盡可能采集足夠全面的屬性和維度

準：準確的業務數據

針對不同業務需求選擇不同的數據采集方案。