CHAPTER 06（第2页）
用户画像数据，这些数据通常是最有价值也是最需要加以运用的，通常会集合商业化目的来一起收集和使用。
通过标签等形式，为每个用户打造相对应的用户画像，向有相同兴趣标签的新用户推送一致的内容，并通过不断的优化和学习，实现更精准的用户画像。
要想使用户画像更完善，可以结合一些外部数据来进行联合推荐，如可以了解到喜欢听周杰伦歌曲的这类用户，都喜欢购买什么类型的衣服等。
了解用户更喜欢哪类内容，给用户推荐相应的帖子，也可以根据用户标签给用户推荐一些符合的商业化广告。
以上这些数据，是从简单到相对复杂的几个层级，逐渐从用户分析到商业收入，这些数据都是做数据运营的同学必须了解和掌握的基础数据类型。
结合每个产品的不同特点，会有不同的侧重，如电商类产品会更注重产品使用数据，关注订单的转化率和流失率等；以广告为核心收入的产品，会注重对用户画像数据的使用。
6.2数据分析驱动精细化运营
数据并不是只为产品而服务的，运营更需要“数据驱动”
，将数据分析运用到运营的每个环节，有明确、有效的指标，才能实现精细化运营。
作为数据运营人员，需要从数据中找到规律，分析数据上升和下降的节点，并找到相应原因，从而指导运营工作。
6.2.1来看看一些案例吧
下面，来看一个和收入相关的案例。
一个移动工具类应用，主要收入模式是广告收入，而近期的广告收益下降较多，即使在平时高点的周期点，收益也有下降，这时需要从数据角度找原因。
我们可以按照前面提到的数据运营的几个维度来分析。
首先要看用户的基础数据，看活跃用户和新增用户是否有减少；如果是新产品，基本上新增用户占活跃用户比例较大，新增的减少对于活跃用户数量会有比较大的影响。
活跃用户减少，会直接引起用户的浏览时间减少，导致广告收入下降。
如果新增用户减少了，那么必须找到下降的原因，是某个大渠道减少了投入，还是所有渠道都减少了。
如果是所有渠道都减少了投入，是不是竞品做了某些推广，导致新增减少。
如果是活跃用户减少，是不是产品本身的问题，导致用户无法使用；或者产品发布新版后，不能达到用户满意而流失了用户。
其次，从产品使用数据来看，必须确认产品相关的功能数据是否正常，如果功能使用数据没有太多改变，可以看一下广告模块是否出现了问题，导致广告无法正常展示等。
还要看一下用户在有广告展示的页面的行为是否正常、浏览时间是否下降明显、广告的点击率是否变化明显等。
同时，关注广告页面的产品设计及运营规则是否出现了调整，是否造成了广告展示频率的下降。
最后，从用户画像上来看，必须明确是否延续了原有的广告展示规则，是否根据用户的兴趣标签进行了广告匹配，广告内容是否让用户感到厌恶等。
要从数据变化中，敏感地从各个方面找寻出数据变化的原因，从而采取相应的措施。
分析数据，本质上是根据数据变化找到对应的解决方案。
下面，再来看一个和用户运营相关的案例。
一个电商应用，在初期阶段开展邀请有礼活动，老用户通过微信、微博、短信、电子邮件等方式邀请新用户来注册、使用产品，每星期邀请来的注册用户最多并且达到一定值的老用户可以获得一台手机。
数据运营人员对于这类和用户相关度较高的数据，应关注的是用户基础数据和产品使用数据。
首先是用户基础数据，基本上是和老用户相关。
包括老用户分享的人数、次数，每种分享渠道的次数、每个渠道的点击数、转化为注册的人数、邀请到不同人数的老用户分布情况，以及新增用户的注册流失率及主要在哪一步流失。
然后是产品使用数据，基本和新用户相关。
新用户到来后的活跃情况、使用时长、使用频次、使用轨迹、下单情况、付费转化率及后续1天、3天、1个星期、两个星期和1个月的留存情况等。
后续能用到的数据就是与用户画像相关的数据，这些数据会更多地运用到前端商品的推荐上。
通过对用户基础数据、产品使用数据及用户画像数据的结合分析，基本可以判断出哪种渠道的分享拉新成功率最高（即注册为产品用户），哪个渠道的新用户质量最高（即新用户有消费行为），老用户对于这类活动的参与程度与反馈情况等。
同时，要从成本环节来匹配送出的奖品与新增的用户之间的投入产出比，以及成本投入与活动新增用户产生的总销售额的投入产出比。
请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。
