數(shù)據(jù)分析這件事情，聽起來像是程序員干的，但它卻在悄無聲息地接近每一個(gè)運(yùn)營人。

  且不說阿里、騰訊這樣的巨頭，早已經(jīng)把數(shù)據(jù)分析作為決策的客觀依據(jù)。即便是在初創(chuàng)的產(chǎn)品中，用戶、運(yùn)營、銷售等數(shù)據(jù)也已被證實(shí)擁有巨大的分析價(jià)值。

  產(chǎn)品功能如何迭代？轉(zhuǎn)化流程如何優(yōu)化？如何根據(jù)用戶畫像做精準(zhǔn)投放？如何根據(jù)用戶行為高效促活？這些之前看似拍腦袋就可以決定的事情，缺點(diǎn)和局限性在客觀的數(shù)據(jù)面前仍然很大。

  從前日色變得很慢，而現(xiàn)在每天都有新的東西在產(chǎn)生、繁榮和消亡。你可能會(huì)發(fā)現(xiàn)，以前行之有效的經(jīng)驗(yàn)，在商業(yè)環(huán)境快速迭代中，不再那么可靠，生命周期明顯變短。

  數(shù)據(jù)驅(qū)動(dòng)和精細(xì)化運(yùn)營的時(shí)代，來得比我們的預(yù)料要更早。

  比如流量運(yùn)營，僅僅關(guān)注pv、uv等虛榮指標(biāo)，在今天是遠(yuǎn)遠(yuǎn)不夠。CPC、DAU、平均訪問時(shí)長、訪問深度、跳出率、平均流量轉(zhuǎn)化等更加精細(xì)的指標(biāo),以及基于這些指標(biāo)的大規(guī)模數(shù)據(jù)分析，對(duì)于用戶行為的判斷，更具分析意義。

  又比如內(nèi)容運(yùn)營，個(gè)人的經(jīng)驗(yàn)和感覺可能需要長期的訓(xùn)練，而這種經(jīng)驗(yàn)?zāi)苡枚嗑?，未知，但越來越不樂觀?；谟脩魹g覽偏好、使用習(xí)慣，我們幾乎可以得到非常精確的、有指導(dǎo)意義的結(jié)論。

  比如淘寶根據(jù)瀏覽記錄的商品推薦，比如網(wǎng)易云音樂根據(jù)相似用戶的音樂推薦，今日頭條基于用戶畫像的內(nèi)容推薦，這些都是數(shù)據(jù)分析支撐內(nèi)容運(yùn)營的典范。