从未有一篇文章如此接地气的把运营和数据间的关系讲清楚！

先看网站流量，假定三节课的目标用户主要是3岁以内的互联网产品+运营领域的从业者，目标用户共计约100W左右，但目前网站日UV只有不到3000，那么以正常逻辑推断，在网站正常日UV方面拉升到目标用户的10分之一左右，也就是10W应该都是可以的。但这个流量如果是需要在短期内拉动，肯定是需要投入一些费用的。

再看课程转化率，假使目前网站整体UV-课程报名人数的转化率为2%，同时又经过分析发现，每天访问课程页面的UV为2000左右，那么依据经验判断，这已经是一个还算不错的转化数据了。按照我们参考其他同类课程学习类网站的数据，3%已经是很上等的网站UV/报名数转化率。我们在此暂且认为我们经过流程梳理后，可以在加强站内课程曝光引导、优化课程列表页、详情页等布局以及课程文案、优化课程报名流程&体验等环节均作出一定优化，从而实现3%的转化率，整体提升1.5倍。

最后是人均报名课程数，假使我们发现目前三节课的平均每用户报名课程数量为2堂，而站内每月会同时开出25堂课，且这25堂课间往往都是彼此关联存在逻辑递进关系的。于是我们可以据此判定了，人均报名课程数这个因子是存在明显可以提升的空间的。因为三节课目前主要有两个主要的课程体系，且每个体系课程目前已有12堂课，所以我们姑且推断，依靠课程打包、相关课程推荐、站内消息告知、一次性报名多堂课程赠送绝密资料等等一系列运营手段，应该可以把单用户人均报名课程数提升到10堂课左右，整体提升5倍。

好了，因为我们的命题要求是“预算最低”，所以我们的思路一定是优先考虑无预算的指标拉升手段，再考虑有预算的指标拉升手段。那么基于以上的推断，我们应该可以在不做预算投入的情况下做到以下状态——

课程报名人次=网站流量*（课程转化率*1.5）*（人均报名课程数*5）=（课程报名人次=网站流量*课程转化率*人均报名课程数）*7.5

此时我们发现，如果按照这个推断，课程报名人次这个指标，已经被我们提升了将近7.5倍。也就是说，为了达成10倍的目标，理论上我们只需要再投入一些预算，把网站流量再提升到原有基础1.33倍以上即可有望达成预定目标。

至此，我们的这个最低成本达成目标的运营方案，算是成形。

上述这个不断寻找对标数据来反复进行推导思考的过程，也希望可以带给你一些启发。

（五）

下面再看数据的第三类价值体现：极度精细的数据分析可以帮助你通过层层深入，对于用户更了解，也对整个站内的生态更有掌控力。

还是来看个例子：假如目前所有站内数据可以对我们开放，那么站在运营端，若我们需要对于三节课的用户行为有更加深入精确的理解，从而更好指导我们的运营工作，我们该以何种思路去对于数据进行分析和比对，从而得出一些更有价值的信息？

这里要先引入两个数据分析中的基本概念：维度和度量。

简单来说，度量就是具体的数据指标，它通常表现为某个量化过后的数据值。而维度则是去看待这些指标的不同角度。

举例，

网站的UV（用户访问数）是一个数据指标，而我们去看待它的时候，可以从日期的维度去看，以便评估一周或一个月内哪几天流量偏高或偏低，是否存在规律；

也可以从24小时时间划分的维度去看，以评估每天在不同时间段的流量分布情况是怎样的；还可以从地域的维度去看，了解不同地区的用户访问使用网站的习惯和情况是否存在差异……

理解了这两个词，最终你会发现，所谓数据分析，无非就是界定清楚了你要评估的度量有哪些，然后需要知道你可能有哪些维度去看待这些度量，偶尔可能还需要在不同维度和度量间交叉做一下分析和比对，最后产出结论，把结果用图表等方式呈现出来就好了。

所以，回归到这个例子，我们如果要结合具体的产品形态，对于三节课的用户生态和使用习惯有更加深入的了解，我们或许可以先界定清楚，我们需要去评估的度量有哪些？这个度量需要结合你的核心产品功能来想，因为三节课网站上目前主要的产品功能就是上课学习，以用户可能会在这个网站上发生的核心行为为主线来看的话，我们要重点关注的是以下三类行为：访问、报名、上课。于是，围绕着上述3个行为，我们要重点关注的度量就可能包括了：

网站访问数，注册数，报名课程数，实际上课用户数，视频停留时间，单视频重复播放数。

同时，对于以上的部分度量，我们应该有一个自己预设的合理区间（这个区间需要基于你自己对于行业和用户的了解来进行判断得出，或者是通过持续探索得出），比如说，单课程的实际上课用户数为该课程的报名用户数的20%-50%之间我们可能认为是比较合理的，那么如果该数值高于或低于了这个区间，均可视为异常。

然后，接下来的一步，就是我们需要再来逐次围绕着每一个度量来去看看，我们可以有哪些维度去看待它、分析它、评估它。

比如，

拿最简单的课程报名数来举例，我们要评估这个数据的维度可能包括了日期、时间、地区、新老用户等，如果要把这个评估做到极致，我们可能需要从每一个维度依次去评估报名数这个指标的变化，从中发现一些线索或结论。

基本上，这种评估的出口有二：

一是判断数据是否有一些异常需要注意的情况（如果出现异常数据，一定要分析原因）；

二则是为了给自己的运营工作找到一些方向性的指导，比如说，我现在要是想要发起一个要把站内课程月报名数提升10倍，我是否可以从用户行为和习惯之间去得到一些具体的启发？且，很多时候，这两个目的是可能会合一的。

好比，假如我们看到过去30天里的报名数据是这样的：

（编辑：PHP编程网 - 湛江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!