在后台中收到一个网友的留言，说自己写过很多10W+，并把公众号从 10 万粉丝涨到了上百万。

但她却十分困惑：

按照目前的状态继续工作下去，月薪最高也不会超过 15k，很好奇月薪 30k 的内容编辑应该具备怎么样的能力、素质和技能。

类似这样的问题我收到过不少，大部分人甚至许多运营人都觉得自己的薪资上限是 15k，因为“工作没啥技术含量”，“全是脏活、累活”，“就是个打杂的”……

但实际上，我研究了招聘网站上 300 多个运营岗位之后，发现其实有很多“高薪”运营岗，包括用户运营、内容运营、社群运营、活动策划等等，它们的职责要求都会强调一点：具备数据分析能力。

为什么运营要懂数据分析？因为运营是一个不断发现产品问题，并解决问题，提升用户体验的岗位。在这个过程中，数据分析能帮运营更高效地解决问题。

今天这篇文章，我们聊聊运营应该怎么做数据分析，并给大家推荐和评测一些比较好用的数据分析工具。

运营如何做数据分析？

说到数据分析，很多小伙伴可能第一时间联想到复杂的算法，庞大的数据，甚至是让人眼花缭乱的代码。但实际上，运营做数据分析并不需要懂这些，关键是你对业务流程的理解，以及用数据解决问题的思维。

什么意思呢？给大家举一个小红书的案例。

小红书在去年年初做了战略调整，把重心调整到社区，相应的它的北极星指标也从电商的 GMV 变成社区的 DAU，于是用户的留存率就变成了很重要的指标。

但是当时社区的留存率并没有达到预期，在这种情况下，如果是不懂业务流程，不懂数据分析的运营可能会打算直接优化内容或者做活动了。

而我的前同事根据用户年龄进行了用户分层，很快发现其实是“低龄人群”（10-16 岁）留存率很低，拉低了整体留存率。

“低龄人群”留存率低怎么办呢？

他对业务流程进行了梳理，从渠道曝光-点击下载-打开App-话题选择-点击-搜索-互动。

发现影响留存率的几个关键用户行为是：打开 App、点击 Feeds 流内容、点击搜索结果、内容点赞、内容评论。然后针对这几个行为做出假设，并用数据验证假设。

假设一，“低龄人群”都是中小学生，学习繁忙，没时间打开 App，所以留存差。通过数据分析发现，小学生确实存在这样的情况，但是初中和高中生在周一至周五的活跃度并不比周末低。

假设二，“低龄人群”找不到自己感兴趣的内容。通过对搜索数据的分析发现，这部分用户对明星、动漫、头像内容的搜索频率最高，但是搜索结果的 CTR （点击率）很低，也就是说用户确实没有找到自己感兴趣的内容。

假设三，Feeds 流推荐的内容质量不够高。通过内容的评论、点赞数据分析发现，动漫、明星方向的内容点赞率普遍不高，说明这部分内容的质量确实有待提升。

最后他得出了结论：10 到 16 岁年龄段用户的留存率偏低，是因为这些中小学生的兴趣点并不在美妆、美食、健身等，而集中于二次元和明星八卦，运营团队需要加大这方面的内容比重，同时提高这部分的内容质量。

可以看出来，这整个“发现问题-数据分析-明确问题-梳理业务流程-做出假设-数据验证-得出结论”的过程中，业务思维是至关重要的。

一般来说，运营做数据分析能做到上述这个程度（拥有业务思维）就已经很优秀了，但是让数据分析真正发挥作用，离不开技术的支持。大部分公司是这样操作的：

运营梳理业务流程后，把数据分析需要用到的数据字段（用户信息、用户行为）需求提交给技术，让技术建立数据库。当运营需要进行数据分析时，跟技术人员提需求，他们根据需求写 SQL（用于访问和处理数据库的标准的计算机语言）将数据从库里提出来，然后交给数据分析师进行分析，最后形成分析报表给业务部门查看。

这个过程没有三五天搞不定，因为部门之间需要协作安排，耗时可能还会更久，大大降低了数据分析的时效性。

除了时效性差，这种数据分析流程还存在一个问题：对技术同学的依赖性很强，如果是小公司没有技术岗位，那就无法执行了。

在我进行数据分析课程答疑时，发现不少小伙伴都会问，有没有更“独立”的数据分析支持工具，可以让运营自行完成一些数据分析，不用总是劳烦技术，就像稍微学点 PS 就能处理大部分修图工作，不用打扰设计师一样。

答案是有的！市面上有不少用户行为分析工具，可以让运营等业务部门更方便地分析数据。

这些工具中还有一些是可以免费使用的。

比如国外的 Google Analytics（以下简称 GA）、Mixpanel，国内有百度统计、易观方舟 Argo、友盟、TalkingData 免费版（以下简称 TD 免费版）等。

不过这些工具各有特色，下文我会从几个角度介绍这些产品的情况，大家可以根据自身的业务情况做选择。

优质数据分析工具推荐

在这几款产品中，GA 和百度统计算是比较早期的产品了。它们的数据收集以传统的页面浏览人数（UV）、页面浏览量（PV）和用户会话（网站访问量的测量方式）为主。

左 GA，右 百度统计

不过，对于移动端的 App 来说，用户的行为比网页更为复杂，过去那种以页面和会话为中心采集到的数据颗粒度不够细。

因此，近几年推出的工具都采用了“用户+行为”的数据收集模式，例如我们这次推荐的易观方舟Argo、Mixpanel、友盟、TalkingData。

尽管 GA 和百度统计这几年增加了关于用户行为分析和自定义属性的功能，但本质上主要还是服务网页产品。

优质数据分析工具评测

接下来，我们从数据采集、数据分析、数据安全性和用户服务 4 个方面对上文中的 6 个数据分析工具进行评测，让大家更加清晰地了解这几款数据分析工具的功能，选择最适合自己的工具。

1）哪款工具的数据采集准确度最高？

用户停留时长、用户消费金额、用户分享率等数据指标，是通过对用户行为数据字段的加工和处理得出的。

用户行为字段记录的格式一般是，用户 ID+ 操作（比如浏览首页、评价、点赞）+ 时间。

用户行为数据字段的准确性，是数据分析工作的重要前提。

数据的准确性，往往跟数据分析工具使用的埋点方式和数据更新频率相关，我们将从这两部分进行对比评测，看看哪款工具的准确性更高。

① 数据工具的埋点方式对比

首先给大家科普一下，常见的数据埋点方式有 3 种，代码埋点、可视化埋点和全埋点。

这些都是技术层面的专业术语，运营同学们只需要了解不同埋点方式对数据准确度的影响。

代码埋点可以自定义需要采集的数据，精准统计用户的某一行为，准确度相当高。

可视化埋点，数据覆盖面和精准度相对较低，精准度要求不高、追求效率的业务可以用可视化埋点。

全埋点，可能会涉及用户的隐私问题，不做推荐。

6 款工具的埋点方式对比

目前来说，除了百度统计外，另外5款分析工具都支持的代码埋点。其中，易观方舟Argo、Minpanel 和友盟统计还可以做可视化埋点。

基于数据精准度考虑，建议大家选择支持代码埋点的数据分析工具，也就是  GA、Mixpanel、易观方舟Argo、友盟统计和 TalkingData。

不过，GA、Mixpanel 在数据采集上没有针对国内手机应用的特点进行优化，因此在数据采集的准确性上可能会受到影响。

② 从数据更新的频率对比

数据更新频率也会影响数据的及时性和准确性。

通过体验这几款工具的 Demo（演示版本），我发现除了 TalkingData 免费版是每天更新一次数据外，其他几款工具的数据实时性都比较好，基本每个小时更新一次。最让人惊喜的是易观方舟Argo，它的数据更新是分钟级的。

综上所述，从数据准确性来看，这 6 款工具得分名如下。

2）哪款工具的数据分析功能最丰富？

通过数据埋点对用户行为数据做采集，我们可以得到很多的数据字段（类似Excel表）。想要通过数据来发现问题、得出有用的运营结论，还需要对这些数据字段进行加工。

这几款工具的数据加工能力都蛮强大的，运营在做用户数据加工时可能需要的分析模型，它们都有。接下来，我将通过这几款工具的数据加工模型质量和个人行为加工深度、数据加工算法精度进行对比。

① 数据加工模型质量对比

数据分析模型越丰富，意味着可以从更多的角度看数据。

还是拿小红书来说，如果只是单一地统计“留存率”这一数据，那么得出的结果就只是“留存率不高”。但是，“留存率不高”的问题出在哪里呢？不得而知。

但是，如果通过人群维度进行留存指标，就能发现，是“低龄人群”（10-16 岁）拉低了整体留存率。

我总结了运营工作中经常会用到的数据分析模型，对 6 款数据分析工具的覆盖情况进行了比较。

6 款数据分析工具的数据分析模型对比

我发现易观方舟Argo 和 Mixpanel 的分析模型是最丰富的。不过，Mixpanel 由于基本没有本地化，以及 SDK（软件开发工具包）的兼容性问题，对于中国公司来讲，数据接入成本很高。

另外，易观方舟Argo 还有一个很赞的数据分析模型——“下钻分析查看”，它指的是对数据基于同一维度的纵向深入分析。

例如，我们在分析社区的内容浏览量时，能够从内容分类的维度进行细分，深入分析某一内容分类的浏览量。这样一来，就能更加精准地了解到什么种类的内容更受欢迎。

② 用户行为加工深度对比

前面我们所说的数据模型，更多的是基于用户做整体的分析。在有些情况下，我们也需要对用户的个人行为进行分析，得出更精细的运营数据。那这几款工具能不能做到呢？我发现，GA、Mixpanel 和易观方舟Argo 的表现比较完美。

易观方舟Argo 有一个功能叫“用户行为序列”。也就是说，当我们完成用户分析或用户分群之后，可以点击列表中任意单个用户，获取他的历史行为记录。

这个功能，让我想起小红书团队的一件趣事。今年过年期间，小红书在 App 上做了一个锦鲤活动。结果，抽奖结果出来后，他们通过私信、电话等多种方式都联系不到这位锦鲤。

后来，通过技术人员在后台查看这位锦鲤的历史行为记录，发现 TA 每天都有登录小红书的记录，说明通过 App 来联系用户是可行的。于是，他们给锦鲤定制了 20 条 Push 推送......

图片来源：小红书App 公众号

值得一提的是，易观方舟Argo 可以在完成用户分析与分群后，通过邮件、短信、Push 消息等方式对目标用户进行精准推送。也就是说，假设小红书的运营用了这个工具，就可以自己给锦鲤发送 Push 了。

易观方舟Argo “消息推送”功能

③ 数据加工算法精度对比

其实，从算法的严谨性上看，GA 应该是最好的。但是，如果使用的是免费版的 GA，在用户或者事件量较大时，它会采取抽样分析。由于样本是随机的，运营结论的准确性就可能会受到影响。Mixpanel 的免费版本也存在类似的问题。

不过，有知乎网友称，如果网站排名在 Alexa（网站流量排行榜）上是一万五后的，抽样带来的影响很小很小，可以放心使用。

提醒一下，GA 的付费版最少 15 万美元每年。

在数据加工算法上，易观方舟Argo 支持自定义指标、多维度多人群的指标对比、人群交叉分析、即时数据分析（实时分析）等方式。数据算法的多样化，带来的最大好处就是，得到的数据分析结果更准确，从而能够精准地发现运营问题。这一点，我们在上文也提到过了，就不赘述了。

综上，从数据分析功能来看，6 款工具的得分如下：

3）哪款工具的数据安全性最有保障？

对于运营来说，有了第三方工具的帮助，确实在数据分析上会更加便利。但是，与之相伴的还有一个大家都比较顾虑的问题，就是数据安全性问题。目前市场上很多数据分析工具提供的都是 SaaS 服务。

SaaS 服务是一种 to B 的专业型软件租赁使用模式，也就是说，这些工具是安装在供应商的服务器上的，当我们使用工具时，数据就会上传到他们的服务器上。这样一来，数据的私密性就会受到影响。国内有很多大型企业都不太愿意用 SaaS，就是为了保护核心数据。早在 2010 年，阿里巴巴就宣布放弃 SaaS。

在本次评测的几款 App 中，只有易观方舟Argo支持企业私有化部署，对数据安全有特殊要求的可以考虑，其他数据分析工具都算是一种 SaaS 服务。

对了，在数据采集上，这几款数据分析工具基本都是通过 SDK 嵌入App 中获取数据的。但不同的是，易观方舟Argo 和 Mixpanel 向企业开放了源代码，这样一来，我们可以看到代码的内容，也就不用担心代码中会夹带一些其他的东西来窃取信息了。

这样看来，在数据安全性上，易观方舟Argo 算是完胜其他产品了。

4）哪款数据分析工具的用户服务最周到？

在服务方面，工具之间的得分差异比较大：

除了 GA 和易观方舟Argo 提供社区服务支持以外，其他产品目前还没有完善的用户服务支持。社区服务其实还是蛮重要的，如果在使用产品的过程中有任何疑问，都可以上社区寻求帮助。

而从数据管理、项目管理、权限管理这些常用的管理功能来看，这几款工具都提供了比较友好的支持。不过，只有友盟+提供了手机 App，可以随时通过手机查看监测的数据情况；易观方舟Argo 则支持通过手机浏览器访问查看数据看板。

总结

数据分析是解决业务问题的关键手段，也是运营提高薪资的利器。运营做数据分析不同于技术或数据分析师，关键是要有业务思维。

许多公司进行业务数据分析时需要技术人员参与，这样的流程存在时效性差的问题。如果是小公司没有技术人员，就很难进行数据分析了。

在这种情况下，大家不妨尝试一下市场上的用户行为分析工具。

我们从数据采集、数据分析、数据安全性和用户服务 4 个方面对这些工具进行了评测，总的来说，各有所长，大家可以根据自己的业务进一步选择。

6款数据分析工具的评测总得分

最后，让我们一起用工具武装自己，成为高薪运营 er 吧！