1.总结
跟普通运营一样都是产品和用户之间的枢纽，不过更偏向于对数据进行分析。
2.干什么的
- 运用数据来指导决策、实现业务增长。
- 侧重支持业务决策、互联网运营等类别。
-
根据维度的不同对用户进行层级划分。
具体：
1.AARRR（具体内容大家可以看AARRR模型最详解 - 知乎）
用户获取（Acquisition）： 用户从不同渠道来到你的产品
用户激活（Activation）：用户在你的产品上完成了一个核心任务(并有良好体验)
用户留存（Retention）：用户回来继续不断的使用你的产品
获得收益（Revenue）：用户在你的产品上发生了可使你收益的行为
推荐传播（Referral）：用户通过你的产品，推荐引导他人来使用你的产品
用户获取（Acquisition）：
简单的说就是拉新，获取用户
指标：日新登用户数（DNU）
解决问题：
1.渠道贡献的用户份额。
2.宏观走势，确定投放策略。
3.是否存在大量垃圾用户。
4.注册转化率分析。
用户激活（Activation）：
简单说就是用户有没有用你产品
指标：活动用户的数量，用户使用频次、停留时间的数据。
（1）日活跃用户数（DAU） 每日登录过游戏的用户数，活跃用户的计算是排重的。
解决问题：
1.核心用户规模。
2.产品生命周期分析。
3.产品活跃用户流失，分解活跃用户。
4.用户活跃率，活跃用户计用户量。
（2）周活跃用户数（WAU）最近7日（含当日）登录过APP的用户数，一般按照自然周计算。
解决问题：
1.周期性用户规模。
2.周期性变化趋势，主要是推广期和非推广期的比较。
（3）月活跃用户数 (MAU) 最近一个月即30日（含当日）登录过APP的用户数，一般按照自然月计算。
推广时期，版本更新、运营活动的调整，对于MAU的冲击则更加明显。此外，产品的生命周期阶段不同，MAU的趋势变化也不同。
解决问题：
1.用户规模稳定性。
2.推广效果评估。
3.总体用户规模变化。
（4）日均使用时长(DAOT) 每日总计在线时长/日活跃用户数。
关于使用时长，可以分为单次使用时长、日使用时长和周使用时长等指标，通过对这些指标做区间分布和平均计算，了解参与黏性。
解决问题：
1.分析产品的质量问题。
2.观察不同时间维度的平均使用时长，了解不同用户群的习惯。
3.渠道质量衡量标准之一。
4.留存即流失分析的依据。
（5）DAU/MAU，定义：日活与月活的比值。
通过DAU/MAU可以看出用户每月访问App的平均天数是多少。
比如：某个App拥有50万DAU，100万MAU，其DAU/MAU比值就是0.5，即用户每月平均访问的时间是30*0.5=15天。这也是评估用户粘性的一个比较重要的指标。
DAU/MAU介于3.33%到100%之间，但显然这两种情况现实中基本不可能出现。在不同领域的App会有不同的基准值可参考。
例如：移动游戏会以20%为基线，王者荣耀在2017年6月和9月的值基本都在31%左右。而工具类App会以40%为基线。
DAU/MAU的值越高，App的粘性越强，表示有更多的用户愿意使用App。
DAU/MAU的值低的话，也不能直接说这个App是失败的。我们还需要结合产品属性（比如定期理财/求职/买房/租房的App，可能天然属性DAU会相对低）、时间考量（工作日/假期等）、版本更新、运营活动、用户维度的ARPU值等多个条件进行多维分析，才能得出结论。所以，正确理解DAU/MAU的意义很重要。
用户留存（Retention）：
留存率：100个新用户，第二天就剩下70，那就是70%
（1）次日留存率(Day 1RetentionRatio)
日新增用户在+1日登录的用户数占新增用户的比例。
（2）三日留存率(Day 3Retention Ratio)
日新增用户在+3日登录的用户数占新增用户的比例。
（3）七日留存率(Day 7Retention Ratio)
日新增用户在+7日登录的用户数占新增用户的比例。
注意，计算留存率时，新增当日是不被计入天数的，也就是说我们提到的留存用户，指的是新增用户新增后的第1天留存、第3天留存和第7天留存。
解决问题：
1.APP质量评估。
2.用户质量评估。
3.用户规模衡量。
流失率：30天为界限，第一天我们有90用户，15天新增加了10用户，30天只剩下95用户，那么就是100-95=5，5/100，5%。
（1）日流失率(Day 1ChurnRatio)
统计日登录APP，但随后7日未登录APP的用户占统计日活跃用户的比例。
（2）周流失率(Week Churn Ratio)
上周登录过APP，但是本周未登录过APP的用户占上周周活跃用户的比例。
（3）月流失率(Month Churn Ratio)
上月登录过APP，但是本月未登录过APP的用户占上月月活跃用户的比例。
流失率是在APP进入稳定期需要重点关注的指标，如果说关注留存是关注APP用户前期进入APP的情况，那么关注流失率则是在产品中期和后期关心产品的用户稳定性，收益能力转化。稳定期的收益和活跃都很稳定，如果存在较大的流失率，则需要通过该指标起到警示作用，并逐步查找哪部分用户离开了APP，问题出在哪里。尤其是对付费用户流失的分析，更需要重点关心。
解决问题：
1.活跃用户生命周期分析。
2.渠道的变化情况。
3.拉动收入的运营手段，版本更新对于用户的流失影响评估。
4.什么时期的流失率较高。
5.行业比较和产品中期评估。
获得收益（Revenue）：
也有叫获取收益、付费、变现、转化。收入的来源有很多种，主要包括：应用付费、应用内功能付费、广告收入、流量变现等，主要考核的指标比如ARPU（客单价）。主要关注：
（1）付费率(PR或者PUR)
付费用户数占活跃用户的比例。
（2）活跃付费用户数（APA)
在统计时间区间内，成功付费的用户数。一般按照月计，在国际市场也称作MPU（Monthly Paying Users）。
（3）平均每用户收入(ARPU)
在统计时间内，活跃用户产生的平均收入。一般以月计。
（4）平均每付费用户收入(ARPPU)
在统计时间内，付费用户产生的平均收入。一般以月计。
（5）生命周期价值(LTV) 可以说就是AARRR的循环
用户在生命周期内为创造的收入总和。可以看成是一个长期累积的ARPU。
推荐传播（Referral）：
K因子的计算公式 ：K=（每个用户向他的朋友们发出的邀请的数量）×（接收到邀请的人转化为新用户的转化率）。
假设平均每个用户会向20个朋友发出邀请，而平均的转化率为10%，则K=20×10%=2。
当K>1时，用户群就会像滚雪球一样增大。当K<1时，用户群到某个规模时就会停止通过自传播增长。
不能完全依赖于自传播。
RARRA：更好用的用户招新流程，AARRR的一些流程的调换。
1、用户留存(Retention)：如何让用户不断地使用我们的产品，减少用户的流失，提升用户粘性。让用户无法离开产品。
2、用户激活(Activation)：提高产品的使用粘性，提升用户使用产品的深度。
3、用户推荐(Referral)：通过提升产品的竞争力，使用户给他的朋友推荐我们的产品。
4、商业变现(Revenue)：通过一些手段和渠道从用户那里获取收益。
5、用户拉新(Acquisition)：通过一定的方式让产品在一些渠道上面得到展现，并使看到展现的用户转化成产品用户。
2.转化漏斗（数据分析思维：一文读懂漏斗分析 | 人人都是产品经理）
简单说就是：100人访问某电商网站，有30人点击注册，有10人注册成功。这个过程共有三步，第一步到第二步的转化率为30%，流失率为70%，第二步到第三步转化率为33%，流失率67%；整个过程的转化率为10%，流失率为90%。该模型就是经典的漏斗分析模型。
AARRR也是这个的一种，具体漏斗要看业务。
3.用户画像
主要作用就是精确营销。根据用户的需求通过数据精准定位，和现如今说的，被大数据监控差不多，比如看视频会给你推荐你感兴趣的内容。
也是一个需要具体分析的内容，你要根据数据才能得出用户对于某一个内容的喜好程度，兴趣等，具体的话推荐大家自行收索。