2.3 关于用户数据的三点补充
从整体来看，运营包含四大方面，分别是用户运营、渠道运营、内容运营和活动运营，如图2-4所示。要想做好用户运营，其他三个方面的数据分析也要同步做好。
图2-4 运营的四大方面
另外，用户数据分析工作比较烦琐，需要运营人员很细致地进行数据的处理与维护。除了利用第三方工具进行数据收集，以及数据埋点外，还要在日常维护中做好三件事：重视日常用户运营数据整理，建立“用户反馈—需求—完善”系统，以及科学撰写数据报告。
2.3.1 重视日常用户运营数据整理
很多人认为数据分析只是在产品开发、推广及迭代时才需要用到，其实对于用户运营来说，用户的数据整理工作是每一天都要做的。在用户运营的日常数据整理工作中，我们需要关注以下指标。
1．新增用户、活跃用户、启动次数
这三个数据是运营人员关键绩效指标的主要评估标准。我们每天都要整理收集这些数据，来了解产品每天的用户拓展情况是否符合预期。
2．留存用户、留存率、流失用户
除了要关注用户的数量，还要关注用户的质量。留存用户和留存率就是判断一个产品用户质量的重要指标。用户留存率越高，说明产品越能够满足用户需求。运营人员应每天进行留存率的整理，然后总结出留存率在一段时间内的增减情况。同时，通过对比来分析不同版本和渠道对于用户质量的影响，并以此来选择推广渠道，优化产品。
用户流失情况也是用户运营中需要极其重视的部分。由于产品的类型不同，企业对于流失用户的界定标准也不同。例如，新闻和微博这类用户，如果用户超过1个月没有使用，就可以将其认定为流失用户；而对于淘宝、京东这类网商产品而言，如果用户超过3个月没有使用或者半年内没有任何消费记录，就可以将其认定为流失用户。根据用户的流失情况可以分析出用户流失的原因，针对产品所处的时期采取措施尽量召回用户。
3．用户行为指标：自定义事件、漏斗模型、页面访问路径
自定义事件是运营人员为了收集到某些特定的数据而设定的。例如，清空或结算购物车的行为、推荐产品的点击情况等都可以被认定为自定义事件。通过分析这些自定义事件的数据，企业可以获得一些特定的信息，以此来完善产品功能，满足用户潜在需求。
漏斗模型是指一系列自定义事件按照漏斗顺序依次触发的流程，是一个量化转化过程。企业可以通过漏斗模型来分析关键路径的数据，从而掌握用户使用产品的关键行为信息。
页面访问路径是指用户访问页面时的流程顺序。企业不仅要知道访问页面的顺序，还要知道各页面之间的转化率和使用情况。整理这些数据能够帮助运营人员了解访问页面的顺序及各页面之间的跳转是否存在问题，同时了解访问页面的流程中的某些要素是否可以有效地被用户触发等。
4．其他指标
在日常运营中，运营人员除了要关注以上主要指标外，还有一些其他指标同样需要关注，如使用频率、地域、目标用户画像，甚至崩溃率等。这些数据可以帮助我们更全面地了解用户的使用行为、产品的迭代，还可以让我们针对不同的目标用户群，采取不同的运营措施。
2.3.2 建立“用户反馈—需求—完善”系统
用户反馈系统能够根据用户反馈意见，帮助电子商务网站对销售服务、网站进行改进。“用户反馈—需求—完善”系统应该包括用户意见的提交、意见的整理和筛选、对反馈意见的回应三个部分。用户反馈意见的数据一般要有提交时间、用户信息、用户反馈类别、反馈内容等。对用户反馈意见做出回复的数据也应该包括答复时间、答复内容和答复对象等内容。我们的用户反馈系统一般从三个维度加以设计，如图2-5所示。
图2-5 用户反馈系统设计的三个维度
1．系统的逻辑结构
用户反馈系统应该是简单而又清晰的，这样才能使用户快速地了解系统的使用方法，所以企业在设计用户反馈系统时一定要规划好它的逻辑结构。一般来说，根据用户反馈信息的不同，反馈系统通常有平行结构、树形结构或两种结构相结合这三种形式。
平行结构指将所有可能的反馈信息进行分类，然后通过一个页面展示给用户，由用户选择他所要反馈的类别进行反馈。这种结构简单明了，便于信息的收集、整理及统一应答。
案例
美国的购物网站Crutchfield将用户可能的反馈内容分为用户个人账号问题、产品问题、用户订单情况问题、用户使用的电器系统的问题、用户对网站的建议、如何与网站进行联系六个部分，结构简单清晰。
树形结构是将反馈信息按照先后次序进行划分，引导用户将反馈信息填写完整。这种结构的特点是可以将反馈信息的层次结构表现出来。
案例
世界最大的美容化妆品公司雅芳的反馈信息中，首先填写的是用户的姓名、地址等个人信息，然后是用户自己要反馈的问题的类别，最后是反馈的具体内容。这样就把反馈内容的层次关系展现了出来。
如今，企业一般都采用两种结构相结合的方式来收集用户的反馈数据。这样既能够使用户使用起来更加方便，又有利于对反馈信息进行整理、分类和及时应答，最终促进产品功能的完善和用户运营工作的顺利进行。
2．通信方式的多样化
随着科技的进步，如今我们的通信方式也越来越多。用户进行反馈可以通过各种通信方式，更加方便快捷。例如，产品反馈信息表、E-mail、微信公众号、客服等。同时，用户反馈方式的多样化，也能够大大提高运营人员的工作效率。
由此，企业必须利用先进的通信方式建立高效的信息反馈机制。例如，耐克网站除了使用网页反馈、E-mail等传统方式收集用户的反馈信息外，还利用网站客服工具，每天在特定的时间回答用户的问题，从而增强了用户黏性。
3．系统的个性化
有时一些稍带个性的用户反馈系统会给用户带来一种亲切感。现在一些网站会通过自己的数据库将用户的ID和用户个人反馈进行联系，为用户提供属于自己的反馈服务。用户填写反馈信息之后会由用户决定是否将问题公开，然后将用户的反馈和自己的个人账号联系起来。在用户登录账号后，可以在自己的个人中心看到自己反馈的问题和网站的应答。这种方式既保护了用户的隐私，又提升了用户体验。同时，将一些可公开的反馈和相应的答复进行公布，又可充分体现网站的公信力。
微信创始人张小龙说：“互联网产品应该由用户来推动，而不是产品经理来推动。产品经理的作用只是找到四两拨千斤的地方稍微用点力。”这里的“四两”就是用户需求。
当下市场上很多企业过分关注产品，不考虑用户需求，盲目地改进产品性能，直到产品被淘汰的时候才知道自己的产品根本没有满足用户需求。
由此，企业必须时刻结合用户反馈数据，找出用户对产品的新需求，建立独特的用户需求系统。用户需求系统的建立也不是一蹴而就的，企业的首要任务就是进行需求信息筛选，分析产品是否满足了用户需求，剔除掉其中不合理的部分，增加需要的部分，以此完成产品的更新迭代。
2.3.3 撰写数据报告的7个基本步骤
做好用户数据分析工作，还必须掌握科学撰写数据报告的流程。整体来看，数据报告的撰写需要经过7个基本步骤，分别是目标确定、数据获取、数据清洗、数据整理、描述分析、洞察结论及报告撰写。
1．目标确定
数据分析目标撰写包括三个方面：分析目的、分析范围、分析时间。除了以上三个方面外，通常还有一些备注。这里需要注意的是，企业进行数据分析的时候一般都会对产品迭代前后两个版本的数据进行比较，因此企业进行数据分析的周期一般都会跟着产品的迭代情况相应变化。
2．数据获取
前文我们已经说过，获取数据主要有以下两种方法。
第一种：研发人员在设计产品时植入相关代码，并建立起相应的数据统计后台。
第二种：通过第三方统计工具来进行埋点统计，如友盟、百度统计、ASO100、百度指数、社群空间、Group+等。
3．数据清洗
当企业收集到数据后，通常都要先对数据进行清洗，因为庞大的数据当中会有一些无效值、异常值、重复值等。清除这些数据和信息是撰写数据报告最关键的步骤之一。若数据本身出现问题，即使我们有最好的分析，也将产生错误的结果，并对我们用户运营的方向和政策产生误导。这里有一个典型的案例供大家参考。
案例
美国许多公司曾惊讶地发现，他们公司的产品用户都住在纽约的一个名为斯克内克塔迪的城市。然而这座城市的人口还不到70000人。后来经过调查发现，这座小城的邮政编码是12345，原来很多用户在使用产品时往往不愿填写他们的真实信息，所以就进行虚假填写。很多用户在填写信息时就根据顺序选择了这个城市。
如果我们直接分析这些数据就会得出错误的结论，除非运营人员能够采取一些相关的措施来验证数据的真伪并清洗数据。所以，无论企业获取数据时采用的是哪一种方式，数据清洗都是一项必不可少的工作。
4．数据整理
清洗过后，企业就需要对数据进行整理，数据整理的目的是更方便地进行下一步分析，对于一些简单的数据，我们通常用Excel来完成这一工作即可。
如果数据已经进行了按序排列，那么企业还要计算一些二级指标。例如，对某款游戏用户充值的数据进行时间对比。具体来讲，对充值总额、充值人数、平均充值金额、服务器平均充值人数等数据进行上周和本周的差额对比和增减率对比。当然如果游戏还需要计算其他项目，企业也可以适当增加其他数据内容。
另外，企业在收集数据时可能还会收集一些非数字的数据。例如，用户对产品的反馈、对商品的评价等。此时，企业在进行数据整理时，就需要应用“关键词-标签”的方式，将这些非数字的数据转化为相对应的标签，再对标签进行整理。
5．描述分析
描述分析是企业对数据进行分析统计时最常用的方法，也是在撰写报告等工作中运用最广泛的分析方法。描述分析一般由数据描述和指标统计两大部分组成。
数据描述：对收集到的数据的基本情况进行描述，包括数据来源、数据总数、时间周期、地域范围等。如果要进行数据建模，那么还要对数据的趋势、极值、离散度等内容进行描述分析。
指标统计：主要是运营人员在做报告时进行统计，根据实际情况的数据指标，一般将其分为3类：变化、分布和对比。
变化：数据指标在两个时间周期内的变动，表现为增减幅（同比、环比等）。如，这周相比于上周的用户数量的变化、用户充值金额的增减幅度等。
分布：指标在不同层次上的表现，比如产品目标用户的区别（年龄、性别、职业等）、用户地域分布（城市、农村）、用户集中使用时间分布（早上、中午、晚上）等。
对比：一般分为内部和外部，内部对比包括公司内部各个部门对比、本公司研发的两个或多个产品对比，例如，移动公司的“动感地带”和“全球通”的用户数、收入对比等；外部对比主要是与所处行业的市场整体情况或者同类产品的其他竞争者进行对比。这一部分与分布有一些交叉的地方，但分布更多用于发现关于产品用户时间、地点、年龄、性别等的分布情况，而对比则是通过和其他产品对比找出其中的原因。
6．洞察结论
洞察结论是撰写数据报告的关键，也是最能体现用户运营分析水平的部分。
这一部分考察的是运营人员对于问题的分拆及对产品用户逻辑的建立。对于一个相同的图表，一个缺乏经验的运营人员和一个经验丰富的运营人员可能解读出不同的内容。
图2-6是某个游戏主机的用户运营统计到的用户行为聚类数据，用户群被分为四类。通过观察可以发现，前三类用户群的数据比较接近，那么第四类用户群的数据为什么会与前三类用户群的数据相差如此大呢？他们是什么人群呢？
图2-6 用户行为聚类
（1）缺乏经验的运营人员：第四类用户群交易频率远高于一般用户，那么他们一定是游戏主机的狂热爱好者。
（2）经验丰富的运营人员：第四类用户群是一些倒卖游戏主机的二手贩子，否则不会在一年内买将近7台索尼主机。
很明显，经验丰富的运营人员能够透过现象看到本质，得出正确的结论。通常来说，洞察结论就是数据报告的最终结果。所谓洞察，就是要通过分析数据，去推测和理解数据背后可能的实际情况。单纯地对数据进行描述分析没有意义，我们要在分析数据的基础上得出真实情况并做出决策，数据报告才会有意义。
7．报告撰写
最后一步就是报告的撰写。在报告撰写时，首先需要保证的是数据报告各部分的完整性。一个完整的数据报告应该包含以下六个部分：数据报告的背景、报告目的、数据的来源和基本情况、分页图表内容及本页结论、各部分小结及最终总结，以及下一步策略或对趋势的预测。
其中，背景和目的决定了报告的主题，是指导企业报告的方向；数据基本情况是企业报告的依据，数据的来源可以增加报告的可信度；分页的图表需要企业在报告撰写当中按照一定的顺序和结构来构建，可以让企业对报告有更加直观的了解；小结及总结是企业报告的最终结果，是必不可少的；下一步策略或对趋势的预测就是企业的运营策略和方法。