收集从零开始操作(高级-第6章)
第六章
在本文的最后，我们留一点篇幅来谈谈数据。
数据问题一直是很多运营商头疼的问题。其实我们在入门文章里说了一些东西，但是没有展开。不知道入门文章能走多远，先说说吧。
1
数据的定义
数据其实就是一堆值。
但是这些值是从用户的行为中计算出来的。用于方便需要使用数据进行研究和分析的学生的基本材料。
2
有哪些数据？
在介绍性文章的最后，我们列出了一些核心数据，我用脑图简单总结了一下，进入了我们这一节的内容:
这张脑图只是简单展示了一些可能很常见的运营数据，但如果我们仔细观察，会发现所有运营都需要具备的三种数据类型:
渠道、成本和收益。
如果你要我简化上面的脑图，我会告诉你，你操作需要获取的数据是这三类数据:
渠道数据、成本数据、收入数据。
渠道数据是用来衡量渠道质量和渠道功能的，是由产品本身的定位客户群和产品的特性决定的。其实我们很容易就能把它推倒。一个理财产品如果放入游戏社区的渠道，其运营效果可能不会太好，但如果换成抽奖或赌博，可能会很有效果；同理，如果把《传奇》等游戏的宣传和活动放在女性社区平台上，效果几乎可以忽略不计，而如果换成q版游戏，效果可能会很好。
成本数据和收入数据会从不同层面反映运营的效果。
对了，不要相信网上流传的各种鸡汤文，比如“XX纪律性强，你不花钱操作”。运营肯定有成本，肯定有成本。如果你觉得一个专家操作者不花钱就能做事，那还不如相信男人能怀孕生孩子。运营的效率可以通过经验、熟练、创意等各种手段来提高，但运营的成本是不可避免的，一般与运营效果成正比。一个非常简单的事实:
两个活动，一个活动送100 iphone6s，一个活动送1 iphone6s，哪个效果会更好？
做运营的同学们，请务必认真评估每一次运营背后的成本。
所谓“收益”并不等同于“收入”。拿到钱就是营收，拿到用户就是营收，拿到口碑也是营收。
如果我们知道了渠道、成本、收入这些指导运营的核心数据，就可以根据自己的产品特点来设定需要获取哪些数据。
就拿最近很流行的App——注脚来说吧。
Footnote因为一个非核心功能而流行，但作为这样的应用，它会关注哪些数据呢？
从产品层面来说，它将关注:
1)每天打开的app数量。
2)各种功能的使用频率和次数。
3)各页签的点击次数和相应页面的打开频率。
从操作层面来看，可以关注:
1)app每天的活跃用户数。
2)每天产生的UGC数量(区分新老用户)
3)每天分享到社交媒体的UGC数量(考虑到每个用户生成内容的数量)
4)共享UGC带来的新装机数和新激活用户数。
等一下。
我们需要注意的是，这些数据点不是一成不变的，会因为产品的不同阶段而有所调整。如果假设未来会有盈利模式，那么它关注的核心数据就会从内容转移到收入。这个时候，转化率相关的数据就变得重要了。
同样，我们在本文的第二章举了一个例子:
某旅游网站发起老用户邀请新用户加入，新老用户均可获得100元代金券。如果新用户在活动期间完成一笔旅游订单，作为邀请方的老用户无论金额多少，都可以获得100元的代金券。
当时我们分析了活动流程，梳理了活动流程的关键点。这些要点是需要获得的数据:
我们需要的数据是根据实际需要设计的，没有完全通用的标准。当然，做多了，你会发现你的数据感觉在不知不觉中提高了，这很重要。
三
如何获取数据
获取数据的渠道很多，途径基本都是自己动手，借助外部工具。
自己做的话，App可以选择“嵌入点”和日志，Web可以通过日志、日志和按钮嵌入来记录。
外部工具，有很多第三方会提供服务。
其实获取数据的方式有很多种，但关键是作为运营者，重要的是要知道什么样的数据是重要的，这些数据的脉络是什么。这是一个联动的过程，不是单一的行为。
四
如何分析数据
每个人解读数据的方式都不一样。如果要简单总结，数据分析的方法不外乎:
1)来确定数据的准确性。
这包括选择数据维度的合理性和数据统计的准确性。如果数据维度选择不合理，统计结果不准确，我们可能无法得到正确的分析结果。这是基础。
2)确定影响数据的因素。
a数据会受到许多内部和外部因素的影响。操作人员要尽可能了解各个层面的影响因素，帮助我们在相对正确的范围内解读数据。
3)注意长期数据监测。
在运行数据的分析中，经常使用环比和同比两种方法。简单来说，环比就是今天和前一天、这个月和上个月、这个季度和上个季度的对比；同比是今年日与去年日、本月与去年月、本季度与去年季度的对比。环比有助于我们看到短期的数据波动，同比有助于我们了解大环境下的数据波动。
4)保持客观的视角
在数据分析的过程中，客观是很重要的。我们应该承认我们做错了操作，带来了不良影响。当我们取得了意想不到的结果时，我们应该冷静，避免选择对自己有利的结论。这是职业道德的问题，也是职业发展中很常见的问题。
5)注意排除干扰项。
在实际工作中，我们会遇到很多问题，都是干扰项。比如一条相对稳定的曲线，在某一点突然出现强烈波动。这时，我们需要充分了解波动的原因。如果不能确认原因，就排除波动，否则很难得到正确的结论。
对于数据的内容，我个人说不出什么更有价值的东西。我本着负责任的态度写在这里，希望对其感兴趣的同学通过专业渠道努力学习，在实践中提高水平。