圖6-2 3個維度分析數據

用戶基礎數據，用來反饋使用產品的用戶的整體基本情況，也是數據運營人員日常中接觸最多的數據。 這些數據包括日活躍用戶、周活躍用戶、月用戶活躍等用戶活躍數據，日新增用戶、周新增用戶、月新增用戶等新增用戶數據，啟動次數、啟動時間、總使用時長，用戶留存情況，分渠道的用戶數據等。網絡社區的數據運營，更關注新用戶數、活躍用戶數和用戶使用時長，等數據指標。

產品使用數據，基本也是用戶的使用數據，一般從各種維度來反饋用戶在產品內的使用行為。 比如，產品頁麵的瀏覽率、瀏覽人數、流失率，Push推送的到達率和點擊率，每個用戶進入產品後的行為是什麼樣的，用戶是從哪些頁麵跳出應用的，用戶的訂單轉化率是怎麼樣的，支付轉化率是什麼樣的，會員用戶和非會員用戶的使用習慣有什麼差異等。同時，這部分數據還包括了產品的功能數據，主要指產品內的各個功能的埋點數據，反映出產品內各功能用戶的使用情況。從數據看出哪些功能是用戶比較常用的，該功能的使用場景是什麼樣的，用戶從什麼場景中點擊到這個功能模塊等。以網絡社區為例，用戶在網絡社區的行為包括訪問、瀏覽帖子，回複、評論帖子，以及發帖、轉發、分享等。後期做用戶運營時，可以根據用戶使用功能的不同，對其進行分類，有針對性地提升某類用戶的指標。

用戶畫像數據，這些數據通常是最有價值也是最需要加以運用的，通常會集合商業化目的來一起收集和使用。 通過標簽等形式，為每個用戶打造相對應的用戶畫像，向有相同興趣標簽的新用戶推送一致的內容，並通過不斷的優化和學習，實現更精準的用戶畫像。要想使用戶畫像更完善，可以結合一些外部數據來進行聯合推薦，如可以了解到喜歡聽周傑倫歌曲的這類用戶，都喜歡購買什麼類型的衣服等。了解用戶更喜歡哪類內容，給用戶推薦相應的帖子，也可以根據用戶標簽給用戶推薦一些符合的商業化廣告。

以上這些數據，是從簡單到相對複雜的幾個層級，逐漸從用戶分析到商業收入，這些數據都是做數據運營的同學必須了解和掌握的基礎數據類型。結合每個產品的不同特點，會有不同的側重，如電商類產品會更注重產品使用數據，關注訂單的轉化率和流失率等；以廣告為核心收入的產品，會注重對用戶畫像數據的使用。