其实完全可以采用会员管理系统里的RFM客户关系

　　，所以你只会去找相关的事件来证明你的推测是正确的，所以，在做数据分析时，一定要避免预设立场。

　　这一步是定位，但不要定性。

　　深挖用户行为与系统事件

　　定位完成后，就要去挖掘对应时间节点的相关事件，包括系统事件（版本升级、服务器错误、系统异常等）和用户行为（时间节点前后一段时间相关联用户的持续行为，比如是否做了什么活动等），通过这一步找出可能造成影响的动作和事件。

　　尝试换位思考

　　接下来，不管定位原因是系统还是用户，运营人员都需要换位思考，假设运营人员是用户，在对应的时间节点和对应的事件行为发生时，有怎样的感知、反馈，模拟可能的状态。

　　需要注意的是，必须要把用户的真实反馈模拟出来，而不是夸大或削弱用户的反馈。必要的时候，可以找一些用户进行调研。通过这一步，运营人员进一步了解数据变化的原因，并对后续整合数据，如何操作进行思考。

　　整合关键数据

　　整合关键数据，是指整合可能有用的核心数据，譬如历史数据、关联数据、竞品数据等，最后得出结论：

　　·造成数据变化的原因究竟是什么？

　　·有什么办法可以改善或者促进数据的变化？

　　·总结经验，类似情况再次发生时，应该进行何种处置与预案。

　　最重要的是，要整合所有路径的数据，串起所有流程去看对应的行为，孤立的一个数据不说明任何问题。

　　我们举个例子加以说明。

　　某品牌电商最近成交量下降，为找出其中原因，运营人员需要看哪些数据？

　　运营人员需要关注的数据大致如下：

　　·页面流量变化、各渠道入口流量变化；

　　·登录用户的浏览行为，使用购物车但未购买的用户数、商品类型；

　　·支付订单页面的蹦失率；

　　·其他：竞品平台同类商品价格，竞品平台同节点流量变化，网站最近的异常监控报告等。

　　跳出数据看数据，考验的是运营人员对数据的敏感度，以及通过数据解读背后原因和提出解决方案的总结、归纳、提高的能力。这种做法需要大量的实践经验，同时需要运营人员坚持积累的心态。

　　运营的核心数据

　　我们之前已经讨论过内容运营、活动运营、用户运营的基础知识，我们需要知道这些领域的核心数据都有哪些，如何解读这些数据。

　　内容运营的核心数据

　　对一个网站（产品）而言，其内容运营的核心数据包含如下几个方面。

　　内容的展示数据

　　内容的展示数据是最基础的数据，它的意义和价值在于：提供给内容运营者一个直观而基础的数据，用来展示内容被点击、查阅的情况，从而分析内容是否为网站（产品）提供了相应的帮助，如：内容覆盖人数、内容是否符合用户兴趣等。

　　内容的展示数据可能包括但不限于：

　　·内容的点击次数；

　　·内容页面的蹦失率；

　　·内容页面的停留时长。

　　以一篇文章为例，这篇文章的链接被点击了100次，其中，50次点击停留的平均时长为20秒，10次是点击后直接关闭网页，另外40次点击停留的平均时长是3秒。通过这些数据，我们可以了解到，这篇文章的质量可能是不错的。接下来要做的事情是，10次直接关闭网页和40次平均3秒的停留时长背后的用户还看了哪些文章，他们的行为是怎样的。

　　我们通过这样的分析，可以了解如何通过改善内容的类别、质量，提高内容对于用户的价值及契合度，从而提高内容被展示的次数。

　　内容的转化数据

　　内容的转化数据，是相对展示数据而言更深层的数据，它往往用于判断内容是否能够促进用户的转化，比如能否利用内容让用户从活跃转向付费。

　　我们以一本网络小说为例，从免费阅读转向付费阅读，数据表现出来的该作品的“吸金”能力，就是内容的转化数据。从一定层面上说，这是衡量内容能否带来高质量“粉丝”的一个依据。

　　内容转化数据可能包括但不限于：

　　·内容中付费链接的点击次数、付费成功次数；

　　·内容页面广告的点击次数、广告的停留时间、二次转化成功率。

　　内容的黏性数据

　　黏性数据和展示数据相关，但二者有一些区别。考虑展示数据时，如果进一步分析用户重复阅读的次数，那么结合每次阅读的停留时间，就可以得到黏性数据。

　　对于黏性数据，其实完全可以采用会员管理系统里的RFM客户关系管理模型来进行分析，获得内容或者用户的黏性值和分布，从而指导日后的内容运营工作。RFM模型在本章节中不做展开，有兴趣的读者可以使用百度搜索或进入MBA智库百科去查阅相关词条。

　　内容的扩散与分享数据

　　内容的扩散数据或称“分享”数据，是社会化浪潮中一个新增可监测的数据。

　　内容的分享频次和分享后带来的流量统计，可以说明内容对某类用户的价值和作用情况，这对需要通过分享带来用户的网站（产品），以及需要引爆热点和病毒传播的运营有着重大的意义和价值。

　　活动运营核心数据

　　对于经常执行活动运营的运营人员来说，活动运营数据比其他类型的数据都更加重要，而活动运营的数据又非常复杂，我们用2个活动案例来说明活动运营的核心数据的情况，在实际操作中，运营人员需要加入自己的思考。

　　案例1：某