在上一章里，我们已经讨论过整个“流量-变现”闭环的构建，用最简短的方式带你纵览了一遍运营是如何通过搭建流量和变现的整个通路，从而让一家公司可以持续、稳定赚钱的。
而在所有运营和流量、变现相关的工作里，有一件事可能是极其重要、贯穿你的运营生涯始终的——那就是数据与指标在运营工作中的应用。
你会发现，几乎所有的运营工作都离不开数据，小到一篇文章的阅读量、一个社群的管理和活跃度，大到一个上亿用户产品的DAU（日活跃用户数）、GMV（商品交易总额），这些数据都需要我们去观察和分析数据。
并且，在所有数据背后，也都映射着我们在工作中需要关注的业务指标。结合数据完成好目标的制定和达成，本身也是运营工作中永远离不开的话题，也是你最有必要去清晰理解的事情之一。
最终，所有的业务指标，也都要回归映射到我们的“运营第一公式”上去——在上一章里，我们也有提到，在不同公司内，因为其业务结构不同，围绕我们的“运营第一公式”往下延伸出来的商业价值公式和各种核心指标也可能会有所不同。
这一章，我们来系统地探讨一下这些话题。
5.1 如何才能找到掌控运营指标的感觉
在这一节的开始，我们先来解决一下“如何能够真正对运营指标负责”，或者说“如何让自己对运营指标更具掌控力”的问题。这件事情，对能不能在烦乱冗杂的运营工作中厘清头绪，找到自己的方向和目标，进而让自己的工作状态变得更好，是至关重要的。
这里我要先分享一个观点：
一个特别靠谱的运营在着手解决问题、开展工作的时候，会尽力让70%以上的事情变得对自己是可知可控的，只给自己留下少量的不确定因素。而一个靠谱程度还没那么高的运营，则有可能正好相反——他会使更多的事情具有不确定性。
不妨举一个很多人都会遇到的真实例子：
假如你在一家成人职场成长方向的公司负责新媒体+社群运营的工作，目前公司刚刚起步不久，已有1万名左右微信公众号+社群粉丝。这个月，老板们开了个会，决定要加速业务发展，定了一个目标：未来两个月内，要把微信公众号+社群的粉丝从1万名左右提升到5万名，且公司早期没有预算，不能花钱。
请问，换了是你，拿到这个目标，你会怎么做？
从我接触到的实际情况来看，大部分新手运营从业者们拿到这样的目标后，要么会给出一个“拍脑袋”式的答案，要么就会手足无措。他们往往在第一时间会出现如下的各种反应：
● 咱们是不是可以办一个特别好的活动来拉新？
● 咱们是不是可以写几篇阅读量10W+的爆款内容来带动粉丝增加？
● 咱们看看能不能对外谈一个BD（商务拓展），找几个特别好的资源，或者请几个名人大佬站台，帮一下我们！
● 钱都不给，这不可能吧？怎么做啊？！
然而，如果你的第一反应是这样的，那么你在提升自己的运营能力上还有很长的路要走。
我们可以感受一下，一个靠谱且有丰富经验的运营，在拿到这个目标后可能会如何思考：
首先，我们的目标是2个月内0推广预算把粉丝从1万名提升到5万名，那我至少要先认真了解一下，过去我们在同样没有预算的情况下，是如何实现粉丝增长的。也评估一下，过去我们的粉丝增长方式还能带给我们多大的增量。
其次，假如过去的增长方式无法帮助我们实现目标，那我们能想到+看到的新的潜在免费粉丝增长手段也许还有哪些？如果把所有工作落实好，我们的时间、人力等资源是否可以支持，它们又能帮助我们实现多少粉丝增长？
最终，我们在完成如上思考评估后，可以再理性地思考一下，2个月增长到5万粉丝的目标，是否真的是可实现、可达成的？
即便你在思考后真的感到这个目标的达成有难度，你带着自己的思考再去跟老板沟通，寻求支持。这时候，相比之前“拍脑袋”式的答案，你也一定更容易获得老板的青睐。
我们不妨再具体一点，往下落实一下：
1）我们整体分析了过去3个月的粉丝增长数据，发现之前的粉丝增长主要来自我们公众号内容的新增，以及公众号每日社群打卡活动带来的粉丝新增。根据过去3个月的数据，如果我们能维持整体公众号的内容质量不下降，则我们大概每天自然粉丝增长量在50～80人；而那个社群打卡活动，每周能稳定带来500人左右的新增粉丝。这样，过去的这两个用户增长来源，在未来两个月内能带给我们的粉丝增长量预期分别是：80人×60天=4800人，以及500人×9周=4500人，合计共9300名粉丝。
2）接下来，我们再认真分析一下，新的潜在粉丝增长手段可能会有哪些，以及它们能带给我们怎样的粉丝增长预期。
（1）跟其他几个粉丝体量差不多的社群和自媒体进行集体互推，参考行业内其他人的互推数据，每次互推能带来1500名左右粉丝，每2周左右可以做一次互推，2个月可以做4次互推，共带来6000名左右新增粉丝。
（2）策划一个“每月邀请3位朋友一起加入我们社群，共同领取精华学习资料包”的活动，按照行业经验，这样的活动在1万人左右的社群里如果推进顺利，有机会每次带来5000名左右新增粉丝，2个月做两次，就是1万名新增粉丝。
（3）内容方面，现有的内容还能增加一下质量和深度。在行业内，一般一些深度型的内容，会因为其他账号和渠道的转载为我们带来自然新增粉丝。假如我们此后2个月内，每个月产出一篇高质量且有深度的内容，并重点联系一些渠道寻求转载，预计每次深度文的发布都能额外带来500+名粉丝，2个月差不多9周时间，这项工作如果做得好，预计能带来4500+名新增粉丝。
（4）公司目前的主要付费产品是课程+部分实物（如手账笔记本等），根据经验，如果在用户体验流程中抓住一些关键点，例如打开手账笔记本的那个时刻，或者第一次完成课程学习的时刻，如果能给用户制造出来某些有惊喜或是让人觉得很有共鸣的体验，用户是愿意帮助产品和品牌进行传播的。这个事情假定我们也投入资源去做得更好，让更多用户愿意去为我们进行分享传播，这样的分享传播也是能为我们带来更多新增粉丝的。假定我们每月有3000名左右付费用户，我们重新优化用户体验流程后，能让其中三分之一的人愿意帮我们传播分享，每个人的分享都能给我们带来3个左右净增粉丝，则这部分操作也有机会在未来2个月给我带来6000名左右净增粉丝。
通过以上思考与盘点过后，我们其实已经可以在未来2个月内找到增值3.58万名粉丝的可能性，也就是有机会把我们的粉丝数从目前的1万提升到4.58万。那个原本老板拍脑袋定下来的“2个月增长到5万名粉丝”的目标，已经不那么虚无缥缈、遥不可及了。
同样一个问题，不知道你看完如上两种思考方式的对比后，感觉如何？
你会发现，前一种思考往往会让人充满了不确定、不可控的感受。换句话说，你虽然给出了一个答案，但事实上，这个答案是不是真的可以帮你达成预期和目标，可能连你自己都完全没谱。
而相比起来，后一种思考方式则会让你感觉到这个4万粉丝的增长是真的可行、可达成的，而你对这个目标也是相对具备一些可控力的。当然，这个可控一定不可能是绝对的可控，一定还存在各种突发的事件和运气等客观因素。所以，你只能尽力做到相对可控。
尽管如此，这种“相对可控”的感受仍然是宝贵的，它会让你感受到你的工作有具体目标和方向，且具有一系列可行的方针和策略。找到这种感受，你才不会产生那种一个人对着一个几万粉丝的KPI、做着一个连自己都不知道能不能管点儿用的活动时的无助感和无力感。
这，就是我们所说的：一定要试着让70%以上的事情变得对自己是可知、可控的，只留下少量的不确定因素。
至于如何才能让事情对自己而言更加可控？答案是：要对你所负责的运营指标做好拆解。
就像我们上面已经通过具体事例展示过的：你要把围绕着一个大目标的所有工作任务都拆分得极细、极具体。
承接着上面的案例，我们可以再分享几个对运营指标进行逐级分解，以让其变得更可控、更可行的例子，也借此展示一下针对不同运营指标进行拆解的思路。
举例，某电商网站正在做一个大促活动，假如老板跟我们说，要把这个活动的销售额提升5倍，那我们要如何去思考呢？
我们或许应该先梳理一下，这个大促活动的销售额指标，主要会跟哪些分支指标或要素相关？
于是，我们可能会得到一个如下图所示的公式。
有了上面这个公式后，是不是觉得我们的工作思考方向一下子就变得清晰了很多？
例如，对照上面的公式，假如其他两个因子不变，我们只需要把“活动流量”“付费率”“ARPU值”中的任意一个提升5倍，就可以达成我们“销售额增加5倍”的目标。
我们再来简单说一下，上面这3个指标具体怎么拉升。
先说活动流量。我们是不是可以把活动流量来源先细分为活动内部流量（即来源于站内导流到活动页面的流量）和活动外部流量（即通过外部渠道导流到活动页面的流量）两部分，然后具体去看对于活动内部流量，我们是否可以拿到更好、更多的内部推荐位？
而对于活动外部流量，我们是否可以逐一将其拆解为如下图所示的样子？
这样的话，为了最终提升整体来源于外部的活动流量，我们只需要逐一在上述这些渠道乃至更多的渠道上做好推广引流就可以了。
甚至是，沿着这个思路，在具体某个渠道（比如百度网盟）去做推广引流的时候，我们也可以将其进行再进一步的细化，比如我们或许可以得到如下的公式：
百度网盟带来的流量=我们的推广内容在百度网盟得到展示的次数×推广内容点击率
依照如上公式，我们在百度网盟的推广，要么就是提升我们的推广展示次数，要么就是提升我们推广内容的点击率。
而关于提升付费转化率，我们是不是可以去具体思考梳理一下，从用户访问这个活动页面，一直到其完成付费的全过程，一共分为哪几个关键步骤？在每一个步骤或环节上，我们是否可以设置一些小的运营机制，去牵引着用户往下走？还是像之前说的那样，简单粗暴，哪怕每走一步，你就送点小礼品呢？
比如说，某年某猫的双11站内活动，大概就是如下图所示这么做的。
至于如何提升ARPU值，你还记得电商网站中的各种包邮、满减、促销和相关推荐等一大堆东西吗？你没有觉得很多时候，你其实就是在被这些东西牵引着，一不小心就又多掏了几十元吗？
最后，我们来总结提炼一下吧。当你拿到一个目标或运营指标的时候，你应该试着对其进行拆解，遵照如下几个步骤来进行思考，并最终落地。
第一，你要界定一下，这个指标是由哪些分支指标或哪些要素构成的。你需要把你的目标指标和这些要素间的关系界定出来，最好变成一个公式的样子（类似我们前面的例子）。
第二，这些被你提炼出来的分支指标或要素，现在是否还存在可以提升的空间？比如说，上面我们在第二个例子中提到来源于内部渠道的流量，假如你们站内的总流量是10万，但目前导入活动页的流量只有5000，那么还是有比较大的提升空间的。而假如目前导入活动页的流量已经有六七万了，那么这个地方其实没有太大可以提升的空间了。
第三，具体来思考，如果要提升某个分支指标，我们需要将其拆分和落实为哪些具体的运营手段？比如，是优化几个文案、做几个活动送点礼品，还是多发几篇微信图文和微博？
另外，如果你认真看过了本书前面的内容，你会发现，其实本节的内容，跟我们此前第3章 里提到的很多思考方法和分析思路，都是一脉相承的。这也是我为什么一直都在说，一定要先有认知和思维，再去接触具体技能，因为这样效率会更高。
关于如何在较大、较复杂的运营指标面前让自己变得更加具有掌控力，我们就先聊到这里。我觉得，在杂乱繁多的运营工作面前，学会做好自己的目标和工作内容管理，可能对一个运营人而言，是优先级最高的能力之一了。
5.2 运营工作中常见的各种数据指标和数据处理
上一节，我们讲过了指标拆解，在这一节里，我们不妨进一步来认识一些运营工作中常见的数据指标和一些相关的数据处理工作。
首先，你一定要更好知晓和理解，在一家公司里，所谓数据分析和处理都涉及哪些工作。
你可能以为，数据分析就是拿到数据，然后赶紧分析出结论就完事了，哪有那么复杂！
但事实上还真不是这样——一家公司的数据相关工作的背后，至少涉及如下5项工作：
● 数据采集；
● 指标定义；
● 数据处理；
● 数据分析；
● 数据洞察。
其中，前2件事和后3件事之间有着很强的相关性，我们下面分别做进一步解释。
5.2.1 关于数据采集和指标定义
首先是数据采集。我们这么来理解吧——你在一家公司能看到所有数据的基本前提都是“这家公司在它们的数据库里提前记录和采集了这些数据”。
比如，你想看到用户在过去30天里每天访问我们网站的停留时长变化，但结果你在内部一沟通下来，发现你们根本没有记录和采集过这些数据，数据库里压根就没有任何相关信息，这时你就傻眼了。
所以，作为运营，你一定要提前跟公司内的产品经理、研发、数据分析师们沟通好，哪些数据对你们是至关重要的，必须要提前进行采集和记录。包括，在一些重要的产品版本上线之前，有哪些数据埋点要提前做好，都是一个特别需要认真沟通的事。
然后是指标定义。
你要知道，在运营工作中我们所提到的所有指标，有一些是相对客观的，我们直接进行统计和抓取就可以了。比如“收入”“订单数”等。
但，还有另外一些指标，它们则是相对主观的——我们需要先定义清楚该指标，才能进行进一步的数据处理和分析。这样的指标，其实在每家公司内，其数据口径和定义可能都是不一样的。
典型例如“次日留存率”和“DAU（日活跃用户数）”，要对这样的指标进行采集和统计，你必须要先搞清楚到底什么才算是“留存”和“活跃”，有明确一致的数据口径，才有后续的一切。
比如说，到底是每天只要打开APP就算是活跃，还是每天打开后访问浏览时间不低于2分钟才算活跃，还是要打开后有某些具体的浏览行为才算做一次活跃？
一个运营新人最容易犯的错误之一，就是连指标都没有定义清楚，也跟其他人完全没有共识，就要去跟人聊一个指标到底该怎么做。
而看到这里后，我希望你至少能知道，很多时候，我们在聊的“留存”和“活跃”，未见得跟其他人说的“留存”和“活跃”就是一回事。作为一个运营，在公司内部开展工作时，请一定记得先在那些主观的数据指标上与其他人达成共识，形成清晰的定义后，再考虑如何开展工作。
尤其是，假如你在一家知名的互联网大厂工作，你会发现，你工作中遇到的很多扯皮、协作不顺的问题，根源可能都在于“数据口径没有统一”。
因为，大厂内部很多时候的沟通协作，都是直接用数据指标来沟通的，比如你可能经常会面对这样的状态——某部门同学跟你说：能不能给我这个活动在××频道上来个50万的流量？
很多人听到这个消息可能一拍胸脯就答应了，说没问题，不就50万流量吗，看我分分钟给你搞定。
但这时候其实问题就来了：到底什么叫50万流量？我们是要看曝光量还是看点击量？看PV（页面访问数）还是看UV（单用户访问数）？如果是曝光量，我们对每次曝光的时长，或者曝光的位置大小有无要求？
你会发现，如果这些问题大家之间并未达成一致，造成的很可能是事后大家开始各种互相指责、抱怨和推诿。
所以一定切记：在运营工作中，如果你与其他人围绕着某个指标要进行密切协作，你首先必须要关注解决好的问题，就是在“数据口径和指标定义”上与对方达成一致，这是保证你们此后可以顺利、高效协作的基础。
5.2.2 关于数据处理、数据分析与数据洞察
再接下来，就是剩下的3个适合放到一起来说的事情：数据处理、数据分析和数据洞察了。
在数据处理过程中，其实很多时候我们从数据库或者产品研发人员那里拿到的数据，都是一些非常原始、阅读起来难度很大的数据，而我们要么依赖于自己，要么与其他人一起合作（例如与数据分析师、数据工程师、产品经理等），把原始数据转化为更容易阅读和理解的数据。
举一个最直白的例子，当你定义好所有数据指标和数据采集的需求时，你从数据库能拿到的原始数据，可能会是如下图所示的样子。
上面这张图，站在业务的角度看，其阅读难度和理解成本显然是比较高的，所以我们要对上述数据进行进一步处理，有时还会涉及很多脏数据的清洗等工作，把它们转化为更直观、更符合业务视角的数据，比如经过数据处理后，我们能看到的效果如下图所示。
这样一来，是不是我们在阅读和理解数据时，瞬间就变得更加清晰和友好了？
所以，在数据工作的背后，很多时候做好数据处理也是非常重要的。在一家公司里，有时你可能需要自己对数据进行处理，有时则可能需要产品经理、数据分析师来协助你对数据进行处理。但无论如何，你要知道我们看到的所有清晰、美观的各种数据报表，都不是天然就有的，而是需要经过大家的很多沟通、很多操作步骤后，才能呈现在你的面前。
当你拿到了自己想要的数据，也能直观、清晰地阅读它们时，接下来你就要进行各种分析，从中找到一些线索和问题所在，形成自己的洞察，并据此推导出下一步行动。
而数据分析的过程，就是不断阅读数据，提出关键问题，再进一步进行验证比对的过程。
比如，当你在一家在线教育公司内看到前页提到的这两张图时，你可以先想想看，你会提出些什么问题，不妨先思考一下再看下面这张图。
如果是我，第一时间我能想到如下3个问题：
（1）4月底、11月初都能看到注册用户数和支付订单数的大幅增长，当时发生了什么？当时增长的订单是更多来自新增的注册用户吗？
（2）为什么在1月、6月、8月产生了较为显著的用户增长，但那些新增注册用户并未转化为公司的支付订单？那些用户身上发生了什么？
（3）4月、11月都曾出现过支付订单大于新增注册用户数的情况，这两个时间又发生了什么？
基于上述3个问题，我们可以进一步梳理数据需求，查看更多数据，进行分析比对，以找到一些线索，帮助我们改善和优化手中的工作。
比如，如果你比对后发现，4月、11月的订单增长，确实更多来自新注册用户的贡献，且跟少数1～2门爆款课程的上新强相关。而其他非爆款课程的上新，能拉动老用户在站内的复购，但对新用户的付费转化效果则不明显。因此，接下来你的工作思路也可以变得非常清晰：我们应该在站内把课程分为流量爆款课程和复购型课程两种，分别在两类课程的上新上加强一些管理，并对上新频次、业务指标等提出更明确、清晰的要求，据此让我们的工作和业务产出也变得更加清晰。
而在所有运营工作中，最常见的数据分析方法是漏斗分析和对比分析。
所谓漏斗分析，其实背后就是我们之前已经提到过的“流程化思维”——当你面对某项具体工作，已经清晰地梳理出用户的行为路径时，你就拥有了一个“数据漏斗”，可以据此来查看整个路径上，每个环节到下一个环节的转化率是怎样的。
例如，下图就是某公司按照“漏斗转化模型”梳理出的它们在线上某渠道进行广告投放的一个数据监测表。我们可以看到，整个“漏斗”是按照“浏览页面-客服咨询-创建订单-支付完成”这样一个路径进行数据监测的。
当我们在上图中看到从创建订单到支付完成的转化率只有57.43%的时候，我们就能迅速意识到，这里应该存在显著的可提升空间，从而我们会往下再进行更多的数据比对和挖掘，搞清楚那些创建了订单，但并未最终完成支付的用户，到底都遇到了什么问题，再进行进一步优化和调整。
而所谓对比分析的基本思路，则是把两组同时存在大量相似性和少量差异性的数据来进行全面对比，试图从中找到一些关键的线索来改善我们的业务。
比如，在上表中我们可以看到，从“客服咨询”到“创建订单”这一关键环节上，1119—1201期间的转化率最高，达到了13%以上，而1112—1118，以及1029—1104期间的转化率则平均不到9%，那我们就可以试着把这几个时间段的数据进行进一步对比和分析。
我们可以进一步查看，这几个不同时间段背后，我们吸引到的用户画像、我们投放的关键词和广告样式、我们与用户进行沟通互动的文案等，这些东西是否产生一些变化，最终试着从中找到一些线索，搞清楚到底是什么在影响着我们的咨询-订单转化率，最终为公司带来更多收入。
以上，应该可以让你对运营工作中的数据分析到底是怎么回事有更加具象、全面的了解了。
5.3 “运营第一公式”与各种常见的运营数据指标
看到这里，你一定发现了——在运营工作中，好像有好多特别纷繁复杂的数据指标。
但是，我们又提到了“运营第一公式”是所有运营工作背后，底层不变的东西。
所以，那么多复杂的指标与“运营第一公式”之间，到底是什么关系？又该如何认识这些指标？
这一节，我们就来试着解答这个问题。
首先，我们回顾一下“运营第一公式”：
一家公司的商业价值=（其拥有的用户数量×平均单体用户价值）-流量营销成本-交付供给成本
抽象来看，任何一家公司，确实都能定义用户数量，平均单体用户价值，流量营销成本、交付供给成本3个维度的数据，也因此这个公式才具有了普适性。
但问题在于，一旦回归到更具象的层面，你会发现，每家公司的业务结构都是不一样的，对于用户数、平均单体用户价值、流量营销成本、交付供给成本的更进一步的明确定义也都是不一样的，甚至围绕着它们如何达成和提升，还会进一步拆出来更多更复杂的公式。
这里面，起着核心影响因素的，是一家公司的商业模式。
比如，一家电商公司，其商业模式是通过线上流量运营和流量广告投放，最终面向C端用户直接卖货变现，这时候它的用户数量也许就可以定义为是其站内的付费用户数，平均单体用户价值可以就是平均每个付费用户在半年内的付费金额，流量营销成本里可能包含了团队人力成本和流量投放、物料等成本，而交付供给成本则可能包含了其进货成本、仓储成本、物流配送成本等。
而一个用户数千万的内容社区APP，其商业模式是“流量-广告变现”，即通过做大站内流量规模，最终面向B端广告主售卖广告进行变现。这时候，该社区APP的用户数量也许是其站内符合某些条件的注册用户数，而平均单体用户价值则可能会用用户的有效在线时长、发帖互动次数等来进行定义，而作为一个内容社区，其供给交付成本则可能是为了激励用户生产更多优质内容，并做好内容运营所付出的人力成本和激励成本等。
所以，虽然我们可以用“运营第一公式”来理解并解读所有的公司，但实际上，因为公司的商业模式不同，每家公司的核心业务指标定义一定都是不一样的。
比如：
● 一家内容社区，一定会有大量业务指标有关于内容数量、点击量、互动数等；
● 一个社交APP，一定会有大量业务指标有关于用户关注数、互动数、在线时长等；
● 一家直播电商公司，一定会有大量核心业务指标有关于直播间人数、平均停留时间、订单转化率、最终GMV（即总交易金额）等；
● 一个同城配送服务平台，一定要关注相应外卖订单的接单率、准时送达率、用户满意度等。
理解了上面的信息后，我们再来看一下，在运营工作中最常见到的数据指标都有哪些。
其实，从落地层面的目标导向的角度，一家公司内的运营工作通常会有5种导向，背后也会各自有一些常见的数据指标，我们不妨一起来看一下。
● 拉新导向，关注用户或流量的新增；
● 维系导向，关注用户的留存率和活跃度；
● 营销转化导向，关注公司收入的增长或转化路径的效率；
● 生产供给储备导向，关注供给侧资源储备的充裕程度和运转效率；
● 服务交付导向，关注服务质量和用户评价。
在上述5种导向下，常见的一些数据指标如下图所示。
在一家公司里，在上述5种导向的运营指标中，通常生产供给储备导向和服务交付导向两个维度的指标及其背后的实现成本，最终会以某种方式映射到“运营第一公式”中的交付供给成本。
以此类推，营销转化导向和用户维系导向两个维度的指标，往往会映射到“运营第一公式”中的平均单体用户价值，而拉新导向维度的指标往往会映射到“运营第一公式”中的用户总数。
而营销转化导向和拉新导向两个维度的指标背后的实现成本，则往往是我们的流量营销成本。
但你也要理解，上述普及虽然能让你对各种常见的运营指标在脑海中形成一个整体性的纵览，但最终在一家公司中，“到底核心看什么指标”这个问题，仍然要回归到其商业模式的层面来具体分析。
这一节的内容，我们差不多就先分享到这里。
5.4 更加深刻理解和掌控数据，放大数据的价值
在前面几节我们对指标拆解和各种常见的数据指标都已经有所了解，本节，我们再来展开讲一讲数据对于运营工作的价值，以及我们该怎么使用好数据。
在讲具体的方法前，先提一嘴，数据的背后，其实是逻辑和推理。换句话讲，想要让数据可以更好地为你服务，你需要先有好的逻辑和推理分析能力。假如连这一层都做不到，即便你看过了这节内容并拍案叫绝，很可能也是只得其形，未得其神。
我们再进一步讲的话，运营身上的所谓这种逻辑和推理分析能力，也是高度基于商业的。
在逻辑和推理的背后，是各种商业上的因果关系，也存在各种模型。
类似于前面我们提到的“销售额=活动流量×付费率×ARPU值”就是一种最常见的数据模型。而类似的数据模型还有很多，例如用户LTV=用 户 生 命 周 期 时 长×平 均 每 年/月 贡 献 收 入，用 户DAU（n）=A（n）+A（n-1）R（1）+A（n-2）R（2）+…A（1）R（n-1）…。
所以，你要锻炼自己“以商业价值为中心，持续积累各种数据模型认知能力+可以高效地进行推理分析”的能力。
当遇到问题时，不管是用户增长和流量增长未达预期，还是收入出现下滑，抑或是用户退款率快速上升，都别慌，要先多追问几个“为什么”，让自己搞清楚背后的“因果关系”再行动。例如在收入下滑的背后，是流量下降，还是转化率不行，还是最近我们换了新产品，还是本身就是因为最近是淡季？
这样持续训练一段时间后，你会慢慢感受到，伴随着你的经验累积，你可以越来越精准、快速地定位到问题所在，并可以越来越高效地知道解决不同问题分别该看什么数据，以及该如何理解数据。
逻辑推理和数据敏感度都不是不可以练习的，只是一定需要投入大量时间。
很多人尤其是部分文科生在提及数据时往往会觉得比较怵，但数据其实一点也不可怕，只要将思路梳理清楚了，你会发现数据其实还挺有趣的。在这一节内容里，我就会试着给你呈现一些有趣的例子。
5.4.1 深刻理解数据对于运营工作的4层价值和应用思路
接下来我们正式聊聊数据在运营中的作用。
如果我们需要总结一下的话，简而言之，数据对于运营的价值，从基础到复杂，可能包括了如下几方面。
1）数据可以客观地反映出一款产品当前的状态好坏。
这一层次，只需要看一些非常直观的数据就可以，反映出的也更多是简单的“是或否”的问题。
比如，有瞰学社定位的用户群主要是泛互联网、新媒体相关的“运营从业者”，这群人假如有1000万人，目前我们已经有了20万名用户，且依靠口碑形成的自增长还比较迅速，那么我们是不是应该加大一些推广和营销的力度，把推广做得更好一些？
又或者，假如我们现在只有1万名用户，且我们的课程用户满意度、用户NPS（用户净推荐值）等指标其实还比较一般，那么我们当前的核心任务是不是更应该将节奏放慢，踏实地把产品体验做好了再说？
这一部分，除了基础的看数据，还涉及更加宏观深入一些的东西——如何从宏观上结合产品形态和产品发展趋势判断一款产品所处的阶段，并制定相应的运营策略。那些更加深入宏观的信息，我会在本书后续内容中再具体来聊。
2）假如做完了一件事但效果不好，数据可以告诉你，你的问题出在哪里。
在这个语境下，你做任何工作，肯定都会有你的目标预期，一旦上线后效果不好，你需要迅速结合整个事件的流程、转化漏斗、渠道构成等进行分析和拆分，快速找到其中出现问题的子环节（其实本质跟上面指标拆解的思路仍然相似）。
我们来看一个真实的例子。
某O2O课程学习平台，注册用户为5万人，模式为用户通过线上付费报名，线下实地上课。近期上线了一个专题，聚合了6门课程进行打包推广，预期每门课至少报名40人以上，但从结果来看，效果不佳。该专题页的相关数据如下图所示。
现在，我们想要知道这个专题的具体问题到底出在哪里，请问该怎么做？注意，这里我建议你，可以自己先花点时间，动动脑子思考一下，有了一些自己的判断和结论后，再继续往下看我的答案会更好。
这里可能需要提到我们之前曾经在“我眼中的4个关键性‘运营思维’”里提到的4个“运营思维”其中之一了：流程化思维。也就是说，要先梳理清楚流程，再用流程来反推问题所在。
比如，围绕着一个课程专题的运营，其触达用户的整个流程大体应该如下图所示。
于是，我们可以依据这个流程回过去看，到底整个专题的运营问题出在哪里？比如说，是推广本身不给力？还是推广到专题页的转化率太低？还是专题页的跳出太高，基本没人进入课程？又或者从课程页面到报名的转化率太差？还是说报名后的订单确认和支付流程流失掉了太多的人？
以及，如果我们已经界定清楚了，以上几个大环节中的某一个环节存在问题。比如说，我们已经发现了推广到专题的流量数据太差，那么具体又是什么原因导致的？
是因为我们渠道铺设得太少，还是因为渠道执行力度不够？还是推广素材和文案太差？
如果按照以上思路来对这个专题的数据进行分析，我们可以发现，该专题的问题可能主要出现在以下几方面。
第一，专题页的整体UV就很差。累计1000出头的UV对一个专题来说实在是太可怜了。而具体的原因可能包括：
（1）专题上线时间太匆忙，可以看到，8月3号就要开课的专题7月31号才上线；
（2）专题推广不是特别给力，具体是铺设的渠道不够，还是在特定渠道内没做好执行，这可能需要进一步具体去看每个渠道的流量构成，并结合执行情况来进行分析。
第二，专题页的效率普遍较差。一方面是其跳出率超过40%，另一方面则是从专题页导到单门课程的UV最多也不过187，仅相当于专题页流量的10%左右，这个效率还是低得有些可怕的。
第三，从单门课程的层面来看，课程3对用户的吸引力可能比较差（报名和课程页访问都很少），课程4的课程详情页或定价等可能有可以优化的空间（访问很多，报名很少），课程6则报名转化率还不错，但目测整体在站内得到曝光的机会比较少。
看完这个例子，是不是感觉数据真的可以帮助我们把问题界定得无比精细，让我们言之有物、目标确凿？
3）假如你想要实现某个目标，数据可以帮助你找到达成目标的最佳路径。
在这一层次，逻辑和前面提到的“指标拆解”本质上是相同的。好比你们公司老板让你把销售额提升5倍，你是不是得去看看，销售额的提升到底该从哪方面着手？是吸引进来更多流量？还是用心把付费转化率做上去？还是好好提一下客单价？或者老板要的是用户量提升50万，你是不是得去看看，这50万名用户从哪里来更靠谱？多少可以来自用户口碑和自增长？各个不同的渠道分别能给我们带来多少新增用户的可能？
下面，针对“你想达成某个特定目标，如何通过数据来评估和具体化你的最佳达成路径？”这一问题，我们再来看一个更具体的例子：
假如某知识付费平台，主要面向0～5年工作经验的IT、技术研发相关从业者，站内有超过100门课程，目前日均报名上课学习的用户数是2000。接下来一个月内，希望把日均报名上课人次这个指标提升10倍，到20000，在投入预算成本最低的情况下，我们可以怎么做？
拿到这个问题后，我们首先可以依照上一节提到的目标拆解方法对我们的目标进行拆解，于是可得：
人次=网站流量×课程转化率×人均报名课程数
然后，既然是要把目标指标提升10倍，我们要分别评估一下提升3个因子的可能性。
先看网站流量，我们已知该知识付费平台的目标用户主要是0～5年工作经验的IT、技术研发从业者，根据市场规模估算，这部分人群基数全国超过2000万人，但目前该知识付费平台日UV（独立用户访问次数）只有不到10000，那么以正常逻辑推断，流量方面的提升空间还是挺大的，往前提升至少2～3倍以上肯定是有空间的。但这个流量如果需要在短期内拉动，肯定需要投入一些推广费用了。
再看课程转化率，假使该平台目前整体UV/课程报名人数的转化率为2%，依据经验判断，这已经是一个还算不错的转化率数据了——参考其他同类课程学习类网站的数据，一个知识平台站内的流量/课程报名人数转化率能达到3%，已经是业内比较高的数字了。我们在此暂且认为经过流程梳理后，可以在站内课程曝光引导、优化课程列表页和详情页等布局及课程文案、优化课程报名流程&体验等环节做出一定优化，从而实现3%的转化率，整体提升1.5倍。
最后是人均报名课程数，假使我们发现目前该平台的平均每用户报名课程数量为2门，而站内目前有超过100门课程，那么，人均报名课程数这个因子是存在明显的可提升空间的。
同时，我们也发现，站内的100门课程，其实存在很多相关性，比如我们可以把很多课程打包到一起进行相关推荐，变成技术IT人员入门必学的10门课程、前端工程师需要学习的8门课程、后端工程师必学的6门课程等。因此，我们也姑且推断，我们有机会依靠课程打包、相关课程推荐、站内消息告知、一次性报名多门课程赠送绝密资料等一系列运营手段，把单用户人均报名课程数从目前的2门提升到8门，整体提升4倍。
好了，接下来再看，因为我们的命题要求是“预算最低”，所以我们的思路一定是优先考虑无预算的指标拉升手段，再考虑有预算的指标拉升手段。
那么基于以上的推断，我们应该可以在不做预算投入的情况下做到以下状态：课程报名人次=网站流量×（课程转化率×1.5）×（人均报名课程数×4）=（课程报名人次=网站流量×课程转化率×人均报名课程数）×6
此时我们发现，如果按照这个推断，课程报名人次这个指标，已经提升了将近6倍。也就是说，为了达成10倍的目标，理论上我们只需要再投入一些预算，把网站流量提升到原有的接近2倍即有望达成预定目标。
至此，我们的这个最低成本达成目标的运营方案，算是成形了。
上述这个不断对目标数据反复进行推导思考的过程，也希望可以带给你一些启发。
4）极度精细的数据分析可以帮助你通过层层拆分，对用户更了解，也对整个站内的生态更有掌控力。
在这一语境下，对你的数据分析能力要求会变得更高。我们需要对数据有更深刻的理解，也往往需要我们去深入挖掘数据背后的隐藏含义——很多时候，能不能拿到数据，以及会不会解读数据是两件事。如果你能结合业务，从同样一批数据中解读出不同的、更高价值的信息，那么这将成为你运营工作中一个极具竞争力的能力。
