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運營人。

  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、運營、銷售等數(shù)據(jù)也已被證實擁有巨大的分析價值。

  產(chǎn)品功能如何迭代？轉化流程如何優(yōu)化？如何根據(jù)用戶畫像做精準投放？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。你可能會發(fā)現(xiàn)，以前行之有效的經(jīng)驗，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)驅動和精細化運營的時代，來得比我們的預料要更早。

  比如流量運營，僅僅關注pv、uv等虛榮指標，在今天是遠遠不夠。CPC、DAU、平均訪問時長、訪問深度、跳出率、平均流量轉化等更加精細的指標,以及基于這些指標的大規(guī)模數(shù)據(jù)分析，對于用戶行為的判斷，更具分析意義。

  又比如內容運營，個人的經(jīng)驗和感覺可能需要長期的訓練，而這種經(jīng)驗能用多久，未知，但越來越不樂觀。基于用戶瀏覽偏好、使用習慣，我們幾乎可以得到非常精確的、有指導意義的結論。

  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容推薦，這些都是數(shù)據(jù)分析支撐內容運營的典范。