《用数据分析驱动产品和运营》是起点学院特邀硅谷数据科学家张溪梦，神策数据创始人桑文锋等5位数据界大咖发起的8日学习计划。
在往期的课程学习班级群里，同学们每天打卡总结，共享学习心得，并得到了导师悉心的答疑指导。我们从中精选了5条关于如何做好数据分析，并利用数据驱动产品和运营课程学习笔记，希望对你有所启发。
数据驱动运营是从定性到定量的转变
@Jalon 的笔记
数据驱动运营我现在的理解的是从定性到定量的工作方法的转变。
拿工作的实例来说，刚开始做 BD 拓展和维护这些客户的时候（需要联系企业的HR），对于企业 HR 是每个都通几次电话，后来随着客户增多，工作量加大，发现效率并没有太大的提高。
这个时候就开始通过HR 的行为数据和相关的其他数据，去预测哪些 HR 是可以不用花费特别大的精力维护的，在哪一步维护比较好。
再后来可以通过产品使用转化漏斗分析去发现哪个步骤有问题，再去分析原因，再去根据原因调取数据，来决定提高这个转化率的投入产出比。
构建指标体系有3种方法
@灿宝贝 的笔记
1. 数据分析方法
多维事件分析：事件、维度、指标
漏斗分析：比较适用于交易型的产品，可以细分到不同渠道的转化分析
留存分析：分析不同渠道 7 天内的留存情况；留存在不同产品中定义不同
行为序列分析：对用户进行深入分析时比较适用；看具体某个人具体干了什么
A/B testing：对产品经理很适用，在设计方案不能决定哪个好时可以使用
用户分群：对运营经理很适用；对用户进行分类，根据用户特征采用不同的运营策略（如：用户属性、最近做过的事，行为序列信息等等分类）
2. 如何构建指标体系
（1）One Metric（第一关键指标法）
找到最关键的一个指标，并以此扩展出其他指标。
课程内提到的引荐分析不错。即让已有客户推荐新的客户，关注两个指标：病毒系数——一个客户能给我们带来几个客户；病毒周期——引来这么多客户需要多长时间。
（2）AARRR（海盗窃指标法）：
AARRR即：获取（Acquisition）、激活（Activation）、引荐（Referral）、留存（Retention）及营收（Revenue）
拉新：获取（Acquisition）激活（Activation） ——不同产品定交不同
引荐（Referral）留存（Retention） :提长关键行为的重复频率——做有价值的产品，提升产品的用户体验
营收（Revenue） :促进商业化
（3）Growth Hacking(增长黑客)
关注用户的整个生命周期，通过产品改进，获得自增长。常用方法：社会化媒体，病毒式传播。
精益运营很重要
@elly 的笔记
1. 想成为与时俱进的 PM 需要关注以下几点
数据驱动；善于观察用户行为；技术；聚焦设计；企业家精神。
当代互联网核心是产品设计，需要关注用户行为（最能代表用户需求）、重视产品设计、提高用户体验。
一个好的产品经理不能光从自己产品本身来看，而需要从市场、运营、产品设计等方面综合来看。
2. 产品各个阶段，需要关注不同的指标。同时，还需要根据实际需求进行不同纬度的拆解。
最核心的指标是用户留存度。用户留存影响的产品迭代，需要关注 Magic Number，不同的产品这个魔法数会不一样，一般都是通过用户留存表中迭代出来的。
3. 数据驱动的产品优化六步
（1）分析当前数据
（2）找到关键的问题，并且思考如何改进；
（3）定义核心的转化指标
（4）带着假设进行实验
（ 5）迅速分析结果，得出结论
（6）改进 产品或者继续现有的方案
4、老师在整个课上不断强调的就是精益运营的方法。
小范围试错，迅速地用数据验证脑中假设，然后做小范围改动来促进大的改变。最好的了解用户真正想法的方法就是，不断从用户身上学东西。
数据化运营的4层框架
@简单的幸福 的笔记
数据化运营不同于传统方式运营，是以数据和指标等为指导依据，结合统计学等学科的个性化、精细化运营，更能节约开销成本。
其一般分为四层框架：
第一，通过各种渠道进行数据收集，包括行为数据、流量数据、业务数据和外部数据，收集宜早不宜晚，宜多不宜少；
第二，对收集的数据分析清洗加工形成需要的数据产品，例如各类指标，用户画像等；
第三，利用数据产品驱动进行数据运营，例活动运营、内容运营、用户运营等，进而形成数据战略；
第四，运营触达，包括个性化推荐、广告推广、主动推送消息等，检验运营的效果。同时，对指标有了新的认识， 真正的好指标是相对比例值，而不单单是一个绝对数字，以后工作面对指标不能着急定论，多问为什么。
最后，数据化运营，数据是手段，运营才是核心。
