在当下的互联网时代，几乎每一个人都知道大数据的强大，每一个企业主都在强调我们要以数据来说话，每一个做运营的同学都知道数据很有用。那么，我们说的运营的中的数据运营，到底是以一个什么样的东西呢？

这也是我们数据篇里首先要提的：数据它不仅仅是那些阿拉伯数字，它的意义在于它背后的那些“因”和“果”。所以它首先是一个逻辑思维。种的什么样的“因”，才能得到什么样的“果”，那我们如何才能知道呢？这个就要依赖于数据了。数据是“果”，而之前的运营工作是“因”，我们要改变“果”，就要改变“因”。

我们先以一个通俗易懂的案例来说一下数据运营的几个步骤：

我们平时都要定期的去体检，体检完成之后我们会拿到一张体检报告（上面有各种指标数据），我们看了数据之后会和标准数据进行对比，对比完成之后我们会发现我们身体上比较健康的部位和差的部位，然后我们会根据我们比较差的身体部位想解决的办法，最后我们通过调理或治愈那些差的部位来获得整个身体的健康。

我们来分析以上步骤：

我们去做体检，就是我们开始做数据运营这件事了。

每个体检套餐上的数据数量是不一样的，我们选择了哪个套餐，就是完成了我们的数据规划的工作。

我们拿到一张体检报告，就是我们完成了我们数据收集的工作。

我们通过对比发现了我们较差的身体部位，并找到了改善的方法，就是完成了我们数据分析的工作。

我们通过实现方法最终把整个身体体质改善，就是完成了一次数据驱动运营。

而那张体检表上所有的数据，就是我们的数据模型。

我们看下图，数据运营的步骤：

这一次的体检，他对我们有什么帮助呢？

• 它直观的告诉了我们目前身体的状况。
• 它告诉了我们哪些点是好的，哪些点是差的？
• 它会引导我们对我们身上的某个器官有更深入的了解。
• 它能帮助我们找到改善的方法。
• 它最终让我们身体变的更健康。

我们把“身体”换成“公司”，数据运营的作用就马上出来了：告诉你运营当前状况、告诉你运营情况的好或坏、让你对用户有更深入的了解、帮助你找到改善效果的方法，最终让公司能够更好的发展。这就是数据运营的作用。

接下来我们进入主题了，我们应该怎么做呢？

我们来看一看体检那个案例，如果把体检作为一次数据运营来看的话，要完成首先有两个必要前提：

1. 知道要哪些数据；
2. 知道每个数据背后意味着身体的什么状况。

同样，在我们的运营过程中，我们首选也必须知道：

1. 我们要收集哪些数据；
2. 每个数据背后意味着运营的什么情况。

很多做运营的同学特别是一些新手运营会觉得，数据太多了，感觉什么都有用，但同时又无法下手。其实数据并没有我们想的那么复杂。

在正式说数据之前，我们先来明白两个概念：

1. 数据分析是一个极为庞大的学科，在各行各业各领域都会大量的应用，需要统计学、数据库技术、编程技术等。我们这里说的，只是在一家公司业务体系下，针对用户，围绕用户所进行的的一些数据运营工作。
2. 数据运营是一个向下无极限的工作，理论上来说，随着数据量的增大和维度的不断拆解，可以无限制的精细化。

举个例子：我们统计了1天的新增用户量。这个是普通的公司会收集的一个数据。但随着数据量的上升，我们可以对此进行维度拆解：

• 比如维度区域：我们拆成省份，再拆变成市，再拆变成区县、再拆变成区域 ……
• 比如维度时间：我们拆成每小时，再拆变成每分钟，再拆变成每秒钟……
• 比如维度人群：我们拆成性别，再拆变成职业，再拆变成年龄……
• 比如维度设备：我们拆成操作系统，再拆变成手机型号……

如果我们拆成以上的维度，我们很有可能得到一条极其精细化的数据，比如：在某天的几点几时，在某市某小区里面，一个25岁的女性，职业是教师，拿着iphone7手机，成为了我们的用户。

只要掌握了我们面向对象的思维，拆维度并不难，我们只需要判断的是：在我们当下的运营工作中，需要拆到哪个维度就可以了。

我们常说的大数据中的“大”，其实就是数据量的“大”+ 维度的“多”。

接下来我们要开始规划我们的数据了，我们的运营工作中到底有多少核心指标呢？

第一步：我们要找到我们最顶层的核心数据指标

所谓最顶层的数据指标，其实就是一个指路的方向，它引导着我们所有的运营工作忘一个方向去前行。也是一家公司的总战略方向，这是必不可少的一点。那我们怎么确定我们最顶层的数据指标呢？我们可以回顾一下我们的《思维篇｜如何成为一个运营大牛（二）：运营立方体》，我们就知道，抛开产品之外，对绝大部分公司而言，最重要的指标就是：用户量和单客利润，单客利润也称ARPU（Average Revenue Per User，即每用户平均收入）。

 大家通过前面的篇章也了解，除了像电商之类的是直接从拉新到转化一步打通，大部分情况我们在转化之前，需要做留存和促活两步的铺垫。所以我们要获取ARPU之前，留存率和活跃度非常重要，所以：留存率和活跃度（一般用日活做标准，简称DAU）这两项指标也是顶层的核心指标。

显然，这是我们最重要的几个数据指标。这样，我们确定了最顶层的四个常用的核心指标：用户量、留存率、活跃度（DAU）、每用户平均收入（ARPU）。其实以上四个指标也是对应了我们拉新、留存、促活、转化四步。

第二步：最顶层的数据指标只能有一个

虽然用户量、留存率、活跃度（DAU）、每用户平均收入（ARPU），这四个指标都是非常的重要，也是在运营的工作中必须需要同时抓的，但是运营的不同阶段，我们也必须在这四个里面选出一个老大来。这个没有一个明确的选择标准，会根据公司的实际情况（行业、模式、背后的资本支持等）进行调整。一般来说初期会以用户量，中期会以留存和活跃度，后期会以每用户平均收入为核心指标，如果一家创业公司进行融资，产品算是A轮的话，那么以上几个指标分别对应的可能就是B轮、C轮和IPO轮。

第三步：我们开始往下拆分我们的指标

我们知道用户量、留存率、活跃度（DAU）、每用户平均收入（ARPU）这四个指标是我们的核心指标了，但如果只是看这四个指标的话，会在很多的情况下有失偏颇，所以围绕着这四个，我们还有一些重要的核心指标。

1、用户量

看过前面文章的同学都知道，我们的用户量是通过渠道来的，而渠道来源于：自有产品渠道、外部免费渠道、外部收费渠道。不管是以上哪种，我们做的都是：让某内容，在某个渠道下的曝光后，让某些用户看到，最后获取到了用户。

那么，在不考虑渠道成本的情况下，如自有渠道和免费渠道，我们都可以分解成以下两个数据指标：UV（独立访问数）、新用户转化率。而新用户转化率=本次新增用户数/ UV（独立访问数）。

在考虑渠道成本的情况下，我们必然又多考虑一个指标：新用户获取成本。

比如：

• 渠道A：投放10000元，带来5000流量，转化成1000个用户，转化率是20%。
• 渠道B：投放2000元，带来3000流量，转化成450个用户，转化率是15%。

以上述的数据来看，虽然渠道B不管在流量、转化率各方面都低于渠道A。我们还是会优先选择渠道B，因为它的新用户获取成本比较低。

当然，不能仅仅以新用户获取成本来判断一个渠道的好坏，我们还要综合考虑这些用户后期的留存和活跃情况，否则就要惨遭羊毛党的毒手了。

这样，我们在这个环节多了三个核心指标：UV（独立访问数）、新用户转化率、新用户获取成本。

2、留存率

留存率比较容易理解，就是指一个新用户在一定时间之后，仍然留下来的比例。由于留存率是一个线性的概念，所以我们一般从时间的维度对他进行分解，我们又多了三个常用的核心指标：日留存率、周留存率、月留存率。一般我们主要看月留存，但日留存和周留存对一些高频使用的产品是非常重要的。

3、活跃度（DAU）

其实“活跃度”这个东西，不同的公司不同的产品，都没有一个明确的界定。特别是一些低频的产品，比如旅游型APP，大部分人会在想旅游的时候才会打开，这种时候就要用一些高频的辅助输出来支持了。参考《结构篇｜如何成为一个运营大牛（四）：一图览运营》

日活也是一个线性的概念，但它不能单独来看，必须结合日活增长来综合考虑，原因我们举个例子：

某产品第一天的日活为10000，第二天的日活是11000。从表面上看数据不错。

但实际上第一天里面有2000个是当日新增并活跃（DNU），第二天里面也有2000个是当日新增并活跃。所以第一天的日活增长为2000/10000=20%，第二天的日活增长为2000/11000= 18.2%。换句话说，日活确实是在增长，但是增长的加速度减慢了。

 大家通过物理知识都知道，加速度是一个非常重要的东西，当加速度开始减小的时候，虽然速度还是在增大，但也是呈衰退趋势了，需要我们警惕。如果有一天日活增长为0的时候，那就说明没有新增活跃用户了。当时Facebook的扎克伯格去见投资人的时候，亮出的所有数据全部低于当时的竞争对手Myspace，唯独一个数据：日活增长。通过这个数据投资人相信了Facebook会在一年内超过Myspace，而事实也确实如此。所以，日活增长也是我们的一个核心数据指标。

这里，我们又多了两个核心数据指标：当日新增并活跃DNU、日活增长（DNU/DAU）

4、每用户平均收入（ARPU）

ARPU是一个有时间的数值，一般以月为单位。一般理解为每一个付费用户的平均月收入，公式为月总收入/月付费用户数。所以ARPU必须和付费用户数联系起来一起看。举个例子：

• 公司A：一个月收入为10000，免费用户990个，付费用户10个，月ARPU值为1000。
• 公司B：一个月收入为50000，免费用户500个，付费用户500个，月ARPU值为100。

 从这个例子看，虽然公司A的ARPU值远大于公司B，但肯定没有公司B好，原因就是付费用户转化率没有B高。所以，这里我们又多了一个核心指标：付费用户转化率。

另外，我们知道一个概念，就是：每一个产品是有生命周期的，有些长，有些短。举例：

• 产品A：它的生命周期为三个月，它的ARPU为1000元/月。
• 产品B：它的生命周期为1年，它的ARPU为800元/月。

那么很显然，产品B比产品A更有吸引力，所以我们需要再引进一个指标，用户生命周期价值（LTV）。即为用户在整个产品的生命周期中，贡献的价值，如上例：A为3000元，B为9600元。

但凡说到收益的东西，我们就必然要想到成本，大家还记得我们运营结构中的那个盒子么，有入口和出口，所以，投资回报率ROI也是我们必须要抓的一个核心指标。

好了，到这一步为止，我们已经把整个运营中最重要的这些核心指标列了出来。当然，我们还可以继续：

第四步：根据实际的需要再继续往下拆分

前三步的几个数据指标几乎是任何公司必需的核心指标，从这一步开始，基本就没有什么标准了，不同的行业不同的公司不同的阶段，都可以不断的往下无限制的细化。比如：

新用户需要注册的，我们可以分为：引导页转化率、注册页转化率、完成页转化率等。

渠道可以根据渠道的类型（CPM、CPC、CPA），我们可以再拆分为：到达率、点击率等。

流失这块可以分为：付费前流失率、付费后流失率等。

活跃这块我们可以根据设定的活跃标准分为：轻度活跃率、中度活跃率、重度活跃率等。

成交这块我们可以分为：收藏转化率、订单转化率、成交转化率等。

我们还可以根据时间维度、区域维度、设备维度、用户维度等等各种维度在上面的基础上不断细化。

科技的进步从某个程度上来说也意味着数据的不断精细化吧，或许这就是人工智能的未来吧。

好了，至此，我们把我们要的一些核心数据指标全部列出来了，如下图：

我们之所以要把以上数据指标单独每个解释一遍而不解释其他数据，是因为以上指标直接关系着一家公司的生死存亡，是我们运营体系中最重要的核心指标。在我们的运营体系中，这些指标都属于三维空间的指标，而其他的都属于二维空间或一维空间的指标。至于运营指标的四维空间，我们会在下一篇中结合分析方法进行描述，敬请关注。

接下来，我们用一道小题目来思考一下：

题目：  我们现在在运营一款产品，它的运营数据如下：

产品的新用户日、周、月留存分别是80%、40%、20%，此后稳定在20%

我们把留存中的前20%设定为活跃用户

我们产品中有一款付费产品，每次交易可带来10元的利润

这款产品的生命周期为1年

所有活跃用户平均每2天登录一次，每3次会产生1次交易

所有非活跃用户平均每6天登录一次，每5次会产生1次交易

在产品第三个月初的时候，我们准备了一次软文投放，按惯例这篇软文的注册转化率在5%，此次投放金额10万元。

问题： 

1. 本次软文的阅读量达到多少的时候，基本可以确保收回投资？
2. 假设此时有另外一家渠道报价CPC单价为1元/次，那么我们在该渠道上的预计ROI是多少呢？

（注：如果您的计算时间超过5分钟，那么应该就是方法不对了。）

大家可以稍微思考一下，我们将在本文结束的时候公布答案。

我们先继续本篇的内容，刚上面的这张图可以算是我们的运营的数据体系了吗？

不，还不是。纵使我们把很多的维度都细化了，也只是算是一个数据模型，还达不到数据体系的要求。因为以上的数据是加工过的数据，是表现层的。

什么意思呢？我们来看上面的那些数据，什么转化率、留存率、活跃率啊等等，这些其实是我们主观要的数据，而非直接可以拿到的数据。也就是说，我们要的是一个加工过的数据，而我们要拿到这些数据，我们必须要有接入层的原始数据。

我们来举个例子：

我们做了一次活动，有成两个页面，分别是引导页、注册页，在A渠道上进行投放。我们现在想知道本次活动在A渠道上的新用户转化率。

我们要的这个新用户转化率是一个加工后的数据，在原始数据里是不会直接告诉我们这个数据的。所以我们必须要根据这个加工后的数据，来设计它的原始数据。如下图：

我们根据这个表，我们可以知道，A渠道上来了4个人，通过他们的行为记录，我们可以知道，最后完成注册的有1位，新用户转化率是25%。这里，用户来源、用户、行为、时间是原始数据，最后新用户转化率是加工后的数据。

原始数据一般通过以下几个方面去获取：

（1）通过用户的属性和行为来设定

比如用户的年龄、性别等以及用户做了哪些行为操作等。

（2）通过产品的功能细分来设定

这个主要针对的是APP等一些互联网产品，整个产品流程中每一个细分功能的数据，比如：收藏、评论、领优惠券等等也是我们的原始数据。

（3）通过外部数据的调用

一般就是调用外部产品的API接口，比如调用了微信的接口，我们就获取了我们微信上面的各种数据。土一点的办法也可以通过报表的导出和导入来实现。

我们要搭建我们最终的数据体系，需要首选确定我们的加工数据，然后再根据这些加工数据，来搭建其背后的原始数据。这样，才算真正完成了数据规划。

最后我们来看这么一张图：

我们通过收集接入层的原始数据，进行加工，产出加工的数据，进行展现，再通过分析的手段进行分析，找出问题并形成有效的运营解决策略，再进行实施，最后产生新一轮的原始数据。这就是数据驱动的一个闭环。

好了，到这里我们才算真正的把数据运营前期的数据规划工作全部做完。但值得一提的是，数据的规划不是一步到位的，事实上也很难一步到位。我们应尽早尽可能的把数据体系搭的完善一点，并在运营的过程中不断的完善和优化。希望本篇也能帮助您完成你自己的数据规划。

最后，我们就用上面的小题目的解题来完成此篇文章吧：

• 先辨别出此处的日留存、周留存是个坑。
• 算出LTV：
  1. 假设有100个新用户，那么会产生20个留存用户，其中4个为活跃，16个为非活跃.
  2. 活跃用户的平均产出是1笔交易/6天，即5笔交易/月=50元/月，由于产品生命周期还有10个月，所以产出500元/人，4个人即2000元。
  3. 非活跃用户的平均产出是1笔交易/30天，即1笔交易/月=10元/月，由于产品生命周期还有10个月，所以产出100元/人，16个人即1600元。
  4. 总计3600元，除100，得LTV=36元/人

总投入为10万元，即需要本次获取新用户=100000/36 ≈ 2778（人）

根据5%的转化率，把2778/0.05=55560（阅读量）

（1）即至少确保有效阅读量达到55560，才能保证这次10万元的投资在10个月后可以收回成本。

（2）CPC单价为1元/次，根据我们的转化率，我们的新用户获取成本为20元/人，结合我们上述的LTV36元/人，我们的投资回报率在ROI=36-20/20=80%。

小结

数据是数据运营的关键和前提，最好数据规划也是数据运营首选要做的一步。当然，我们得到了我们的数据，如何可以有效的展现并合理使用最终产生效果呢，这就要说说数据使用的场景了和数据分析的方法了。

 

本文作者@致远  由(青瓜传媒)整理发布，转载请注明作者信息及出处！