(1)如何选择核心指标?首先，它要与和产品或者商业价值紧紧挂钩;第二，它可以反映客户的价值需求;第三，指标要简单易懂，方便与产品或者技术协作;第四，能够计算汇总，有延续性或者阶段性。

(2)如何规划核心指标?指标的选择来源于具体的业务需求，从需求中归纳事件，从事件对应指标。

(3)分析指标的过程：

1、明确需求：对页面进行数据分析;

2、归纳事件：事件的最终结果，包括点击推广链接、访问下载页、开始填写信息、填写信息完成下载;

3、对应指标：下载量 = 访问流量 CTA 点击率注册转化率。

整个指标体系包括访问流量、CTA 点击率、注册转化率三个可操作的指标，基于可操作的指标，才可以更好地优化核心指标。

什么是维度?

维度是用来对指标进行细分的属性，比如广告来源、浏览器类型、访问地区等等。

数量型指标：Web 的 pv、uv、访问量，App 的 DAU、NDAU 等

质量型指标：平均访问时长、访问深度、跳出率等

什么是多维度分析?

我们在每天观察数据的时候，某天下午 17 点流量暴增，是为什么?

然后，我们从落地页面维度拆解，就可以发现流量主要落地页是 E 和 G 两个页面，最后我们就可以得出结论：下午 5 点从微信突然涌进大量流量到 E 和 G 页面，与内容的同学同步了一下，是他们在微信上推了一个落地到 E 和 G 页面的活动。

新媒体人最头疼的问题就是阅读量和活跃度上不去，一如既往的写稿子发稿子，然后领导审，然后不断的发，你的流量永远增长不了。其实新媒体在社会矩阵上，要不断的尝试，然后统计哪个时间段阅读量最高，哪个文章的类型有评论?什么样的优惠活动或者下载页面会造成用户的转发?连续至少五次的尝试，把数据汇总在一起，然后再调后台的标签，进行对比，你就知道为什么你发的内容没有阅读和转发了。

选择维度的原则是：记录那些对指标可能产生影响的维度，以及尽量记录全面的、多维度的数据。

数据运营需要和业务部门(市场、销售、运营、产品等)不断沟通，只有做好数据规划，接下来的数据采集和数据分析才能更加高效。

二、数据采集是数据分析的基础

传统的数据采集是一件非常花时间、精力、人力的事情，对于很多企业来说是一个巨大的门槛。过去数据分析整个流程经常是 80% 的时间在数据采集上，只有不到 20% 的时间是用于数据分析的。

现如今我们的用户经过了大量教育，行为和意识已经固有化，我们害怕他不来，害怕他离开，所以我们在适应他，在大行业环境下，我们的生存越来越难。

1、采集什么数据

最早我们只说网站的PV是多少，而现在，我们会看一个用户在我网站，从来到走它一共浏览了几个页面，多长时间?从哪个环节离开的?这个环节中操作了什么?这都是有机可寻，可以给我们后期做活动和营销提供很好的数据切入点的。最早做营销的时候，靠口碑和转发可以获得大量用户进来，今天已经不可能了。因为你不知道你即将面临的用户的喜好和操作行为，这需要找他们的行为轨迹。也就是说把你平台这批用户的行为轨迹，用数据方式呈现之后再做运营策略活动，才能从海量数据中，找到我们要的种子用户。

2、如何采集数据

埋点、可视化埋点、无埋点。

埋点，也称打点，是通过在网页或APP中手动添加统计代码收集需要的数据。打点又可以细分前端打点和服务器打点。例如我们要收集用户注册数，就需要在注册按钮处加载相应的统计代码。Google 、百度统计等工具采用的就是这一方法。

埋点存在的问题：工程量大、周期长，容易发生漏埋、错埋的情况。

可视化埋点：通过可视化交互的方式来代替手动埋点。

无埋点：加载SDK采集全量的用户行为数据，自定义分析所有行为数据。

3、数据可视化

数据经过收集处理后，下一步就需要可视化，数据可视化在运营应用中的主要形式包括：图表、图形、数据看板。

搭建数据看板是除了数据报表之后最主要的一项工作，是指将关键业务指标和相关数据指标显示在一个面板中，以可视化图形的方式展现出来。

三、数据分析是数据运营的重点工作

前面的数据规划和数据采集都是为数据分析服务的。我们的最终目的是通过数据分析的方法定位问题，提出解决方案，促进业务增长。

以前「80% 的时间用于采集和清洗数据，不到 20% 的时间用于数据分析」

现在「80% 的时间用于数据分析」，把时间花在更有价值的事情上。