如何通过应用统计进行分析，从而做到精细化运营？

以下是对自知乎高投票率回答1的总结，  哪些数据需要统计分析？知乎用户@Zhengyang(产品操作)需要从以下几个方面考虑、由于不同的商业目的，KPI将专注于不同的网站。如果你是一个内容网站，跳出率一定是好的KPI；如果是视频网站，在线时间肯定更好；如果是购物网站，电子商务的转化率会更好；与此同时，新老客户的比例变化也是一个很好的KPI，反映您的网站客户忠诚度或获取新用户的能力。2、最后，你需要定制KPI来反映你的价值，但如果你是一个社交网站，什么样的指标合适，如果你是一个拍卖网站，什么样的指标合适？2、最后，你需要定制KPI来反映你的价值，但如果你是一个社交网站，什么样的指标是合适的，如果你是一个拍卖网站，什么样的指标是合适的？这涉及到一些定制的转化率指标。顺便说一句，网站上的每一种行为都应该被埋葬，以便分析3、在不同的阶段，网站刚刚上线的指标不同，必须是流量，PV，跳出率；在网站运营的中期，必须是新注册、转化率和跳出率。电子商务网站还将考虑客户单价和重复购买率；网站的市场活动必须是新访客的比例、跳出率、新访客的注册转化率、目标实现率等。二、使用什么统计分析工具？知乎用户@飞独角兽，一款安静的产品旺选择哪种工具与公司的现状和公司的需求有很大关系。首先，确定公司在网站数据分析中的技术实力、部署和收集数据的能力；其次，明确公司是想得到纯报告还是需要分析；最后，您是否只需要了解点击相关数据。实现目标不同，解决方案的层次也会不同。显然，简单的日志分析器无法解决这个问题。建议选择木桶原则划分工具（以下为摘要）：木桶1：Omniture,Webtrends木桶2：ClickTracks,Unica,XiTi,Nedstat木桶3：GoogleAnalytics,百度统计木桶1的特点-大而全，部署和使用困难；桶2特点——最好的后验分析，离线营销和跨渠道营销管理效果好；桶3特点——具有自己的分析功能，可以定制报告，并可以与搜索营销相结合。从每桶至少选择一个工具进行网站分析，试运行1-2个月分阶段评估，可以从易用性、功能、技术、响应、[成本]、理解抽样算法、搜索分析、小白色启动难度（影响公司系统的普及）、验证数据（数据质量不完美，但可用。看看有多少偏差，相关人员如何回答这些差异)，测试反馈和服务支持，计算总成本。知乎用户@丁利微信号:(小编注:适用于web)主要工具如下:国外:1、GA;2、Clicky;3、W3Counter;4、Woopra;5、W3Perl；6、Piwik；7、TraceWatch;8、Snoop；9、goingup；10、JAWStats；11、Crazyegg；国内：1、百度统计；2、CNZZ；3、国双统计;4、51la；5、量子统计；6、小艾统计；7、科捷统计；8、耶idigger9、gostats。外部分析工具：1、Alexa；2、IUT；3、adplanner；4、quantcast；知乎用户@宋利鹏，想成为架构师的码农(小编注:适用于App)主要工具如下：国内：友盟，机锋统计，TalkingData,百度移动统计，CNZZ移动数据平台，imofan国外：Flurry,googleanalyticsmobile，Mixpanel开源:cobub三、如何通过统计结果实现精细化操作？从以下几个方面考虑知乎用户@吴雪竹在路上的精细操作、精细操作目标1)产品是什么类型的APP？从以下几个方面考虑知乎用户@吴雪竹在路上的精细操作、精细操作的目标1)产品是什么类型的APP？需要过多的操作吗？例如，如果你的产品只是一个工具，恐怕没有太多的精细操作，一般做常规用户行为分析，然后配合用户定性研究，指导产品设计；如果是内容产品，或功能和内容产品，确实需要考虑。2)设计统计框架统计的目标要弄清楚，拿到数据后用什么？指导功能改进，还是布局调整？还是作为用户评价内容质量的指标？假设用户经常在您的应用程序上交互和使用功能，同时浏览或生成内容，您需要在设计产品时设计您的统计框架。2、简单的操作流程1）数据采集首先列出您需要的数据项，然后评估哪些部分需要应用程序报告，哪些部分可以在后台统计，然后添加到前后台。一般来说，应用程序报告收集的数据必须在发布前仔细验证和测试，因为一旦版本发布，数据收集出现问题，不仅以前的努力是徒劳的，而且会带来很多肮脏的数据，而且可能会降低客户端的运行效率，收益大于损失。2)数据整理数据采集后，需要将各种原始数据加工成产品经理需要的直观可见数据。在这里，我们需要做一些基本的数据逻辑关联和显示，所以我们不会重复它。3)数据分析根据最初设计的统计框架，你可以清楚地看到你需要的数据。例如，用户行为：哪些功能被人均使用最多，哪些按钮被频繁点击，哪些功能在显著位置没有达到预期的使用效果，等等；例如，内容分析：哪篇文章参考最多，哪些内容被评论或赞扬最多，等等。当然，以上只是基本分析，比如你得到这些数据，可以分析使用A功能的用户也喜欢B功能，两者相关性强，是否可以考虑前端设计集成，还是界面调整；如分析点击流，大多数用户访问或使用APP路径，核心功能隐藏得太深？另一个例子是分析不同的用户属性，如男性用户和女性用户，他们的用户行为是否有明显的差异？等等。不同产品的数据分析方法和模型差距很大，不能一下子说清楚。所以以上更多的是例子。3、1)数据本身是客观的，但解释数据必须是主观的，相同的数据由不同的人分析可能会得出完全相反的结论，所以不能提前与观点分析（如有假设，然后使用数据进行论证）；2)APP采集数据，必须优先级较低，不能因数据采集而影响产品性能和用户体验，更不用说收集用户的隐私数据了(虽然国内很多APP都没有)；3)数据不是万能的，但要相信自己的判断。